# 建筑与房地产的未来：建筑卫生部门的启示

> 为什么通用人工智能解决方案在建筑领域会失败？不能区分 "承重墙 "和 "隔墙 "的人工智能是危险的。专业人工智能的结果是：设计错误减少 68%，库存减少 31%，施工工期减少 28%。伦敦皇家资产管理公司：投资回报率达 708%，能耗降低 59%。建筑业的数字化程度在各行业中排名倒数第二，是展示垂直人工智能与通用人工智能价值的理想场所。

Source: https://www.electe.net/zh/%E9%82%AE%E5%AF%84/ai-specializzata-una-lezione-dal-settore-sanitario-per-edilizia

Site guide: https://www.electe.net/zh/llms.txt

在我们之前的[文章](http://www.electe.net/post/app-ai-specifiche-per-il-settore-soluzioni-verticali-promesse-e-sfide-del-microsoft-dragon-copilot)中，我们探讨了通用人工智能解决方案在医疗领域中经常失败的原因。今天，我们将探讨这一经验如何适用于建筑行业——一个同样复杂、需要专业化解决方案的领域。

## 引言：超越通用人工智能

人工智能已经引起了各行各业商业领袖的关注。然而，正如最近医疗保健和建筑行业的经验所表明的那样，通用人工智能解决方案在应用于高度专业化的领域时往往会失败。真正的转变不是来自于将一般能力应用于特定问题，而是来自于构建从根本上了解行业的人工智能。

从建筑和房地产行业的分析中可以清楚地看出这一事实，该行业的多学科复杂性、市场分散和严格的监管带来了独特的挑战，只有专业化的解决方案才能有效应对。

## 需要专业化的行业理解

### 术语和监管不一致

通用人工智能模型无法正确区分“承重墙”和“隔墙”或“板式基础”和“墩式基础”等基本技术概念，导致对准确性对安全至关重要的项目产生误解。这种术语上的不一致也延伸到地区差异：意大利的“laterocemento 板”与北欧板系统具有不同的特点，对结构和抗震计算具有重要意义。

同样，建筑行业监管框架非常严格，建筑规范、安全标准和环境法规因地区而异，这对通用人工智能解决方案来说是一个挑战，很难得到解决。欧洲规范和意大利技术建筑标准 (NTC) 在安全系数方面存在很大差异，通用人工智能无法区分，这可能会对结构安全造成严重后果。

### 认识到变革潜力

尽管存在这些挑战，人工智能在改变该行业方面的潜力已得到广泛认可。根据[JLL 2023年全球房地产技术调查](https://www.jllt.com/research/global-real-estate-technology-survey-2023/)，投资者、开发商和企业租户将人工智能和生成式人工智能列为未来三年内对房地产行业影响最大的三大技术之一。然而，与区块链、虚拟现实和机器人技术等其他技术相比，同一批受访者对人工智能的了解程度最低。

这种明显的矛盾凸显了需要采取专门的方法来弥合公认的潜力和实际实施之间的差距。

## 专业方法：建筑行业的成功案例

专门针对建筑业的人工智能解决方案已经通过实际案例研究证明了其价值：

### 减少设计错误

在一个大型住宅项目中，特定行业智能模块的实施带来了以下效果：

- 设计错误减少68%
- 审查时间缩短23%
- 总体成本预计节省15%
- 交付时间显著改善

尤其值得注意的是对施工期间变体管理的影响，历史上这会导致成本增加高达 20-30%。由于能够自动将更改传播到所有相关项目文档，该专用平台将这些影响降低到 7%。

### 优化材料管理

基础设施建设者实施了专门的材料管理模块，从而：

- 库存减少31%
- 交付延误减少24%
- 物流成本节省超过200万欧元
- 材料浪费减少，可持续性得到提升

一个至关重要但经常被忽视的方面是对现金流管理的影响。采购优化使占用资金减少了42%，显著改善了公司的财务状况。

### 施工现场规划优化

一家专门从事复杂城市重建的建筑公司实施了时空优化算法，其结果是：

- 整体施工时长减少28%
- 工作团队效率提升34%
- 同期作业之间的干扰减少62%
- 工期可预测性提升，最终偏差低于5%

这个案例凸显了专业人工智能如何解决行业普遍存在的一个问题：在具有多个变量和约束的复杂环境中进行编程的困难。 CPM 或 PERT 等传统项目管理技术在现实场景中表现出明显的局限性，而基于 AI 的方法已展现出可衡量的运营优势。

## 更广阔的图景：房地产市场的转型

人工智能的影响不仅限于建筑业，还在五个关键维度上改变整个房地产行业：

### 1. 地理定位和聚类

人工智能公司和投资往往集中在成熟的技术市场。 JLL 的研究显示，对人工智能人才的需求正在加速增长，自 2021 年初以来，职位空缺数量增加了 250% 以上。从长远来看，这种增长可能会集中在人工智能人才充足的地方：成熟的一级和二级技术中心、创新中心和大学。

在美国，42%的人工智能公司集中在旧金山湾区，其次是波士顿、西雅图和纽约，预计到今年年底仅在美国，房地产增长面积就将达到160万平方英尺。

### 2. 资产之间需求的变动

人工智能的发展需要更多更好的数据中心、能源网络和互联互通基础设施。根据 JLL 的《2023 年全球数据中心展望》，预计 2021 年至 2026 年期间全球主机托管数据中心市场每年将增长 11.3%，而超大规模数据中心市场预计将增长更快，每年增长约 20%。

人工智能基础设施选址标准更加重视较低的能源价格和较低的土地成本，从而推动增长向不那么拥挤的市场发展，例如美国亚特兰大、马来西亚和泰国。

### 3. 新型资产和产品

“真正智能建筑”的诞生已迫在眉睫。支持人工智能的基础设施将成为默认标准，就像互联网连接是当今建筑物的默认功能一样。人工智能还将帮助实现具有高可持续性能的零排放建筑。

这与建筑行业描述的“动态数字孪生”相一致，它超越了 BIM 的静态概念，成为在整个建筑生命周期中实时演变的模型，实现预测性维护管理，从而将运营成本降低 23-31%，并将设备的使用寿命延长 15-20%。

### 4. 新的投资和收入模式

人工智能增强的承保和流程将实现更快的交易速度和更有效地了解房地产和市场，从而促进全球范围内的投资。支持人工智能的基础设施和连接多个系统的能力还可以扩展“空间即服务”模式，并为业主和开发商带来新的收入来源。

JLL 报告中引用的一个具体例子是皇家伦敦资产管理公司 (Royal London Asset Management)，该公司在一座 125,000 平方英尺的商业建筑中记录了暖通空调运行和能源效率的显著改善。通过实施 JLL 的人工智能技术，该公司实现了创纪录的 708% 的投资回报率和 59% 的能源节约，每年减少高达 500 公吨的碳排放。

### 5. 空间设计和功能的新方法

人工智能将实现体验驱动的设计和高度可定制的环境设置。这补充了建筑行业中描述的用于检查的多模式人工智能，它将结合对文本、图像和无人机和物联网传感器数据的理解来监控施工的进度和质量，特别是有望与激光雷达技术相结合进行实时结构监控。

## 社会经济层面：对工作和技能的影响

与人们对被取代的担忧相反，收集到的数据显示，专业人工智能正在对劳动力产生积极影响：

### 增强现有技能

专业人工智能增强了熟练工匠的作用，使他们从行政任务中解放出来，并使他们能够专注于工作的质量方面。这导致了感知质量的提高和对技术专业性的重新评估。

这种方法与微软首席执行官萨蒂亚·纳德拉的愿景一致，即人工智能服务提供商正在有意识地选择探索以人为本的方法，开发旨在协助人们的“副驾驶”产品，而不是旨在完全取代人类角色的“自动驾驶”产品。

### 职业形象的转变

新的混合角色正在出现，例如“BIM 施工经理”和“数字施工专家”，其技能横跨传统建筑和数字技术。这些职位的薪水比行业平均水平高出 35-40%。

据高盛（Goldman Sachs）援引麻省理工学院经济学家David Autor的一项研究显示，过去80年美国就业增长中超过85%可归因于技术驱动的新岗位创造。

### 体验民主化

人工智能能够编纂和提供最佳实践，从而缩小了大小公司之间的绩效差距，促进了基于实际质量而非公司规模的更公平竞争。

## 未来：新兴创新与战略方针

### 即将实现的技术进步

在建筑领域，未来的创新包括：

- **施工现场安全预测分析**：基于历史数据和施工现场配置提前识别风险情况的模型，事故预测准确率达76%，严重伤害事故可能减少58%。
- **用于检测的多模态人工智能**：整合文本、图像以及来自无人机和物联网传感器数据理解能力的功能，用于监控施工进度和质量。
- **与施工机器人技术的整合**：首批铺地机器人和自动化装修系统试点项目显示，在重复性作业中生产率提升高达300%，质量更高，废料减少。

在更广泛的房地产领域，仲量联行强调，生成人工智能的企业用例市场预计将在 2023 年达到 426 亿美元，到 2026 年年增长率为 32%，达到 981 亿美元。

### 战略性和负责任的采用

组织必须考虑如何利用人工智能的力量以负责任和道德的方式支持其业务目标。 JLL强调对三类新兴法规保持警惕的重要性：

1. 与数据质量、知识产权、隐私和数据安全相关的市场标准和协议。
2. 用于降低社会风险的法规，如保护劳动力市场免受冲击的措施，或自动驾驶车辆的安全标准。
3. 环境立法，尤其是旨在减轻不断增长的数字经济所产生的碳排放的立法。

组织需要考虑一系列关键问题：人工智能的发展对投资和本地化战略意味着什么？哪些现有或未来的人工智能应用需要现在准备和测试？潜在的商业和社会风险有哪些？

## 结论：专业化方法的价值

与医疗保健领域一样，建筑和房地产领域的真正转型不是来自将通用人工智能应用于复杂问题，而是来自专门针对行业独特挑战构建的解决方案。

建筑业是高复杂度、低数字化行业的典型代表：[在数字化应用率方面位列各行业倒数第二](https://www.mckinsey.com/~/media/McKinsey/Industries/Capital%20Projects%20and%20Infrastructure/Our%20Insights/The%20next%20normal%20in%20construction/The-next-normal-in-construction.pdf)。正是这些特点，使其成为展示专业化人工智能相较通用解决方案价值的理想领域。

建筑行业的特殊性在于它同时是知识密集型和劳动密集型的，在认知和操作维度之间存在着微妙的平衡。这种二元性要求人工智能系统不仅限于数据处理，还要深入了解该行业的决策和运营过程。

正如一家大型建筑公司的项目经理所观察到的：“通用人工智能和专业建筑人工智能之间的区别，就像通用工人和专业师傅之间的区别。两者都有价值，但当涉及到复杂项目时，专业知识就变得不可或缺。”

未来的挑战将是在垂直专业化和水平互操作性之间找到适当的平衡，使供应链中的不同参与者能够从仍然可以相互沟通的定制解决方案中受益。只有这样，人工智能才能兑现其承诺，将最具创新阻力的行业之一转变为高效、可持续和高质量的典范。