---

王铁宏/文

斯坦福大学Klebahn教授认为，真正的创新在于市场需求度、技术可行性和商业可行性三者的交汇点。中国经济发展的优势为重大创新提供了无与伦比的市场需求度和商业可行性条件，竞争的关键主要在于技术可行性条件。DeepSeek横空出世，让中国在人工智能技术革命创新上已跻身于并跑行列，在AI通用大模型即0-1上成为重要的引领者之一。基于DeepSeek等AI通用大模型，同步迅猛发展AI产业大模型，即实现从1-N已然战鼓擂擂，军号嘹亮了。

建筑产业是国民经济的重要支柱产业，是全球最大的基建市场，也是人工智能的巨大场景。建筑产业广泛深入推动人工智能技术全面发展，极大地推升效率和效益，包括两个方面，一是一些头部企业和科技型企业在通用大模型技术快速发展助推下，凭借BIM大数据、供应链大数据、ERP大数据、DRP大数据、CIM大数据等数据资源优势迅速研发建筑产业大模型，并深入研发专业模型，即实现人工智能产业化；二是所有建筑产业企业和从业人员主动且广泛深入地应用既有人工智能技术，包括通用大模型、产业大模型和专业模型，极大地提升本企业和团队的效率和效益，即全面实现建筑产业的人工智能化（见图1）。

现在我们重点研讨的是如何抢抓人工智能技术革命在建筑产业的快速发展先机，即在AI通用大模型基础上，发展AI建筑产业大模型，如设计AI大模型、投-建-营管理AI大模型、全过程咨询AI大模型、全装配化+AI大模型、双碳AI大模型等等，以及在AI建筑产业大模型基础上再研发更深入更小众的专业模型，如超高层建筑、三甲医院、污水处理场、轨道交通线、超低能耗建筑等设计AI和管理AI模型，充满着机遇与挑战。当然，建筑产业人工智能还有另外一个方面，一些推动工业化建造的企业和科技人员实现工厂制造AI、现场建造AI和运维管理AI（见图2）。

一、序篇

——把脉建筑产业系统性数字化发展

要发展建筑产业人工智能，必须全面把握好建筑产业的系统性数字化发展脉络。数字化是基础，没有数字化就没有人工智能。我们要把握好三条脉络。

一是建筑产业系统性数字化，即项目级BIM，现在是无BIM不项目，但要强调的是真BIM，是设计-施工共同建模，指导运维的BIM，是一模到底的BIM，是能为业主节省建造成本和运维成本创造价值的BIM，是能够提前发现错、漏、碰、撞节省返工成本，缩短返工工期的BIM，是自主可控的BIM；即企业级ERP，是帮助企业打通层级，打通系统，发现堵点卡点漏点的ERP，是能够节省管理成本为企业创造价值的ERP，是自主可控的ERP；即产业级DRP，是能够帮助公共投资项目主管部门实现监控资金使用情况的DRP，是能够帮助有关部门和商业银行实时有效监管房地产项目资金状况避免暴雷的DRP，是能够实现数据资产入表的DRP；即城市级CIM，是统一BIM标准后的CIM，是自主可控的CIM，是CIM+供应链、数字孪生、区块链、元宇宙、AI和双碳，并实现CIM+城市各类监管服务系统的CIM，是从园区级到城市级，是从城市建设到城市管理全要素全过程全覆盖的CIM，是为城市提供巨大的数据资产的CIM。这是建筑产业人工智能技术发展最大的最重要的数字基础，是主脉。

二是装配化+，是全装配化，即结构-机电-装饰装修全装配化，进而实现建筑产业工业化、标准化、部品化、模块化、智能化，是装配化+供应链、数字孪生、区块链、元宇宙，特别是+AI（工厂制造AI，现场建造AI，以及运维AI，这是全装配化+全过程AI的特殊性），还要+双碳（建筑运行减碳和建造减碳）。实践表明，装配化+EPC、+BIM、+超低能耗，以及+城市住宅更新，已经产生了令人惊叹的经济和社会价值，实现项目更好、更省、更快建设，如敦煌文博会主场馆全装配化+EPC、青岛上合领导人会场全装配化+EPC+BIM、上海和绍兴全装配化+超低能耗“好房子”、上海全装配化+城市住宅更新等。这是一条产业变革的脉络。

三是投-建-营+，如果公共投资项目更大规模地推动投-建-营模式，+数字技术，就会创造更大价值，甚至产生一场真正意义上的数字技术革命。建筑产业可否实现像我国航空工业、船舶工业一样，全面实现BIM一模到底，甩掉图纸，只有在投-建-营项目上才是完全可能的。投-建-营与PPP、EPC等模式创新，优化设计、节省投资、缩短工期，普遍节省投资15%左右，缩短工期10%~30%；+设计-施工共同建模，指导运维，可以再节省5%左右建造成本，节省返工成本和缩短返工工期，节省运维成本10%~20%。这不但是建筑产业头部企业特别是央企国企向更高核心能力转型升级的方向，更是建筑产业市场模式深刻变革的脉络。

二、正篇

——把握AI建筑产业大模型发展的底层逻辑

继AI通用大模型“百模大战”“千模大战”之后，会不会出现AI产业大模型的“百模大战”“千模大战”之势，把握好AI建筑产业大模型发展的底层逻辑至关重要，这是我们的一些头部企业和科技型企业决策者要深刻洞悉的。我个人认为，研发AI建筑产业大模型要把握三个底层逻辑：

第一是与通用大模型的关系。此前，专家学者普遍认为，产业大模型构筑在通用大模型底座之上，通用大模型可能是闭源、封装的，因此产业大模型与通用大模型的界面非常清晰明确。DeepSeek彻底颠覆了这一切，完全开源，又是生成式，通用大模型不断地向上拱入到本来以为是产业大模型的空间，越来越深、越来越广，产业用户越来越多，界面已经模糊不清，完全没有规律。在这种严峻挑战下，建筑产业大模型如何研发，是一个重要课题。

第二是数据资源。无论通用大模型如何发展，向上拱，进入更大空间，但一定有局限性，就是建筑产业数据资源的局限，这个局限恰恰就是研发建筑产业大模型的优势，凡是有BIM大数据、供应链大数据、ERP大数据、DRP大数据、CIM大数据等资源优势的头部企业和科技型企业或两者结合，就可以乘势而上研发相关的建筑产业大模型，如前述设计AI、投-建-营管理AI、全过程咨询AI、全装配化+AI、双碳AI等等。进而在此基础上深入研究专业模型，如前述超高层建筑、三甲医院、污水处理场、轨道交通线、超低能耗建筑等等设计AI和管理AI。

第三是与用户的关系。我们研发建筑产业大模型，是2C还是2B，抑或是既2C又2B。建筑产业规模巨大，每年有31万亿元总产值，每年新开工约27万多项工程，每年同期在建70多万项工程，每年有70多万个业主管理团队、70多万个设计团队、70多万个项目管理团队、70多万个项目监理团队等，包括几百万项目团队的成员，几百万个班组长和5000多万劳动大军，他们都可能是建筑产业大模型2C的用户。

由于通用大模型开源，产业大模型可以断定也要基本上开源，那么研发产业大模型的价值是什么？一是生成新的数据资源，二是找到衍生服务，三是准备引流向定制服务进而向专业模型服务发展（2B）。

因此，可以基本上认知，建筑产业大模型研发，首先要基于通用大模型，甚至可以与通用大模型团队共同融合研发，其次要有数据资源，再次要先开源2C，进而定制服务（2B），更进一步向专业模型服务发展（2B）。在产业大模型尚未成熟前，一些率先研发的专业模型可能只得直接基于通用大模型上。这个研发逻辑一旦清晰，就要当断则断，就要明晰研发战略，确定商业模式，就要引入战略投资，就要举旗定向。

三、结语

——建筑产业人工智能未来已来

产业人工智能发展犹如一座金字塔，底座是通用大模型（L0），塔身是产业大模型（L1），塔尖是专业模型（L2）。建筑产业人工智能未来已来，其市场需求度、技术可行性和商业可行性三者的交汇点正是研发产业大模型的机遇与挑战。建筑产业人工智能必将极大地提升产业高质量发展的效率和效益，无论是2C还是2B，都将创造不可估量的巨大价值。把握好建筑产业大模型与通用大模型的关系、把握好建筑产业数据资源的优势、把握好与用户的关系，就要坚定不移地推动建筑产业人工智能的研发工作。（见图3）

（王铁宏，住房城乡建设部原总工；参与研究的还有：清华大学互联网产业研究院关瑞玲，广联达科技股份有限公司王健宇，中建电子商务有限责任公司蒲友晨）