大家好，我是秦明。这一周发布的10篇内容翻下来，其实在反复讲同一件事：当AI走进建筑物理世界，真正卡住它的，是脚下那摊没人清理干净的数据、标注和标准，模型和算力早就不是那道坎了。
三位哈佛辍学生把建筑数据卖给AI训练、拿到YC押注，一张平面图让六七个顶级模型数不清有几扇门，而顺着这条线，我们也发起了Buildata，AI时代要做Builders，想在国内亲手验证「建筑数据交易」这条路。
另一边，盈建科、博智林、大林组不约而同把目光投向香港和东南亚，出海的窗口正在打开。谁能把又脏又难的活干成壁垒，这一轮建筑AI的入口，就攥在谁手里。
01 数据，成了建筑AI真正的入口
⭐三位哈佛辍学生创业，把建筑图纸、工地影像卖给AI训练，YC投资押注
前沿大模型能爬的公开数据基本见底，下一波燃料锁在各行业的私有数据里。Petrarch干的就是把建筑图纸、工地影像从传统公司手里挖出来，清洗、脱敏、连法律确权这类最脏的活都干完，卖给缺数据缺到发疯的AI公司。
创始人出自Scale AI——那家靠数据标注和交易起家的公司，等于回到了熟悉的地基上。这篇值得细读，是因为它点破了一个正在发生的价值迁移：建筑公司硬盘里那些当成本记账的图纸库，正变成资产负债表上从没写进去的隐藏资产。
⭐ 建筑工程专有数据能卖给谁？我们成立了虚拟项目组，想探索下这条路
看完Petrarch，我们索性亲自下场。这篇是AI4ELAB发起Buildata虚拟项目组的公开信——用三个月，验证「建筑专业数据交易」在国内到底是真需求还是伪命题。文章把一笔数据交易拆成找买方、组货、加工、合规确权、定价、信任六段，也坦白讲了哪段最难：买方和合规。
如果你做过数据交易、授权、合规、标注，或者本就是买卖数据的一方，欢迎来聊。这是本周和我们自己动作绑得最紧的一篇，也是我最想在接下来三个月里跑通的一件事。
凌晨刷到的热帖：顶级AI模型集体数不清图纸上的门，评论区炸出了真问题
Trunk Tools创始人甩出一张平面图问AI「有几扇门」，Claude、ChatGPT，加上施工老师傅和土木博士本人，六七个答案从3到13，没一个对得上——连那份「官方benchmark」标的标准答案，都被开发者本人跑出来认错。
这场热闹把建筑AI的地基问题照了个通亮：数据是脏的、标注是错的、连尺子本身都立不住。它和上面两篇是同一枚硬币的两面——正因为通用模型在图纸面前抓瞎，能把数据整理干净、标注对、确权清楚的人，才真正握住了机会。
02 出海这条路：香港和东南亚，成了跳板
博智林全球独家总代理，在香港拿下超2亿订单〔关注企业〕
碧桂园那个被判过死刑的机器人梦，换了个身份在香港活了过来。博匠（博智林全球独家总代理）签下不低于2亿元的建筑机器人订单，关键在买方是第三方总包、自己掏钱——这回答了建筑机器人多年悬而未决的问题：脱离自家地产的工地，它到底卖不卖得出去。撑单的，是博智林在香港20多个项目的实绩。提醒一句，买方通稿全程匿名。
盈建科拉上奥雅纳，在香港发了个AI Designer：国产结构软件的一步出海棋〔关注企业〕
国产结构软件第一梯队盈建科，拉上做过悉尼歌剧院、鸟巢的奥雅纳，在香港发了AI Designer。产品把方案迭代从2.5天压到半天、材料省一到两成——这些是盈建科自测基准，方向可信，真实项目能否复现还得等第三方。真正的看点在商业逻辑：从卖软件许可证，挪到卖设计产能。
日本大林组与新加坡政府签约合作，搞工地机器人，给中国同行的三点启示
大林组和新加坡JTC签MOU，一起把机器人做进真实工地。最戳人的一句话来自JTC：落地慢的卡点常常不在机器人本身，而在没人定义「工地怎样才算机器人能干活」——精度、标准、监管都还没影。谁先立起「机器人就绪」的基准，谁就掌握落地节奏。给国内的隐藏彩蛋：大林组测试场里跑的整平机器人来自中国方石科技，中国机器人正借日企的海外基地进东南亚。
03 AI怎么落地、钱投向哪
全球AEC老牌大厂Nemetschek旗下的Bluebeam，把装机量400万的审图工具Revu叠了一层AI（接Claude、走MCP），做成Bluebeam Max，这回单拎中东去铺沙特的千亿基建。
它的打法是一套教科书：自研叠AI，再花钱收购专精初创mbue，补上图纸理解这块最难啃的数据能力。护城河落在装机量和沉淀的行业数据上，模型反倒是可替换的一层，今天挂Claude、明天换一个也不影响。广联达、盈建科手里同样攥着装机量和工程数据，这套能不能被国产复制，值得照一照。
两个前SpaceX工程师创业，把挖掘机改成远程机器人施工队，融资1.15亿美元〔本周最大融资〕
两个从SpaceX出来的工程师，没接着造火箭，转头把挖掘机、推土机改成能远程操控的机器人，一轮融了约1.15亿美元。他们把整条链打包成三层：AI 前期估算、远程指挥中心、加装传感器的无人机械。官方称单人效率最高到三倍（厂商口径）。「太阳系最大的施工公司」这话眼下像口号，但造火箭那批人，向来擅长把离谱目标一步步拆成能交付的工程。
海军陆战队老兵回建筑世家创业，给承包商做投标AI，融资400万美元
Guthrie AI完成400万美元种子轮，专治分包商投标准备里最耗时的行政杂活——读上百页RFP、追变更、抽要求、套格式，用「AI+投标协调员」的混合模式，把一次投标准备从几周压到几天。数据是经手投标额超20亿美元、deadline达标率100%（厂商口径）。创始人海军陆战队退役、出身建筑世家，还特意把产品和预算员天天在用的Bluebeam、Outlook、Excel打通——垂类AI能不能活，往往就看它嵌不嵌得进人家原来的工作流。
问龟AI徐翘楚：没融资、没大厂背书，怎么做出2000+付费用户的AI原生产品
半年前我写过他的独家报道——深圳95后自投数百万，用AI做全屋定制报价审核。全屋定制占一个家庭装修预算的三分之一，动辄十几二十万，可七成以上的业主看不懂报价单；他的团队用OCR加行业知识做成AI工具，平均帮每位业主省5000到2万元。半年过去，产品跑通，付费用户轻松过2000，他甚至为了迭代节奏主动对增长做了取舍。
本周我请他做了一场深聊，围绕三件事：问龟AI的产品设计哲学、2000个付费用户的增长心得、以及踩过的坑和AI时代的创业心法。在一堆融资新闻里，这是难得一个「不靠外部融资、真金白银跑出付费用户」的样本。
04 写在最后
把这一周连起来看，一条暗线越来越清楚：在建筑这个物理世界里，AI的胜负手已经从「模型多强」，悄悄挪到了「谁手里有干净、可信、确过权的数据，谁定得了行业的标准」。这些活又脏又难，却恰恰是最懂图纸的工程人能干、也该干的活。Buildata想探的就是这条路，接下来三个月的进展，我会在这里持续更新。下周见。
主题测试文章，只做测试使用。发布者：Connor 秦明，转转请注明出处：https://ai4elab.com/7944.html
