智慧城市十年的成败经验，正在悄悄决定智慧工地的未来。AI 想真正在建筑业落地，关键不是堆概念，而是打基础、建团队、做协同。
从“修什么路”到“怎么建”：建筑业真正的瓶颈不在水泥钢筋
过去十年，中国城镇化高速推进，公路里程、地铁线路、高楼数量都在上涨，但建筑企业的利润率却一路下滑。项目越来越多，钱却越来越难赚，“内卷”“跟风投标”“价格战”成了不少施工企业年底复盘时最扎心的几个词。
郭浩哲在谈智慧城市时，用了一个朴素的比喻：
“修路是为了方便车辆行驶，随着车数量的增多，要不断对道路进行升级。”
这话放在建筑业同样适用——**建房子、建桥梁、建园区，从来不是目的，目的是更安全、更高效、更可控地交付工程价值。**当传统管理方式撑不住复杂度，升级就成了必选项，而不是“要不要升级”的问题。
这篇文章借东华智慧城市这家企业逃离“内卷”和“跟风”的路径，拆解一个更关键的问题：
智慧城市怎么做对了，智慧工地就能少走哪些弯路？AI 在建筑业的落地，真正应该学什么，不该盲目跟什么？
如果你负责工程管理、数字化转型，或者正投资智慧工地系统，希望这篇文章能帮你看到一条更清晰、可落地的路线。
一、别再盯着“概念”：智慧城市的教训，对应智慧工地的风险
智慧城市的发展，已经给智慧工地提过一遍醒。
1. 概念火得早，效果好得晚
智慧城市在 2012 年前后就开始试点，2014 年上升为国家战略，各路玩家一拥而上：互联网大厂、运营商、软硬件厂商、金融公司……
结果呢？
- 2014-2017 年，全国范围内“好看又好用”的智慧城市案例并不多；
- 政府预算有限，信息化投入集中在少数基础系统；
- 很多项目做了门户网站、APP，老百姓几乎不用，效果难以量化；
- 看不到效果 → 不愿再投入 → 更看不到效果，形成恶性循环。
这一波实践，其实暴露了三个致命问题：
- 重概念、轻场景：方案 PPT 很炫，真实业务流程没怎么变；
- 重建设、轻运营：一次性交付完事，缺乏持续优化和运营；
- 重堆硬件、轻数据闭环：装了很多摄像头、传感器，但数据没有变成决策能力。
这些问题，今天在不少智慧工地项目上几乎原样重演：
- 为了“迎检”“拿补贴”而上系统，上完就闲置；
- 安了大量摄像头，却没人真正看数据、用数据；
- 安监、质检、进度、材料系统各自为战，互不连通；
- 一线工人觉得“增加负担”，而不是“帮我省事”。
如果只把 AI 当作“凑配置”的卖点，而不是“改流程”的抓手，智慧工地就会重走智慧城市早期的弯路。
2. 东华的选择：先打基础，再谈“聪明”
东华智慧城市 2012 年就介入这一赛道，比大多数企业都早。它没有一开始就追逐“酷炫应用”，而是：
- 2012-2017 年：主要精力放在城市底层基础设施搭建，比如数据中心、网络、视频平台等；
- 2017 年后：在此基础上，逐步拓展到智慧交通、智慧园区、智慧文旅等具体业务应用。
这一点对建筑企业有直接启发：
智慧工地不是先买一堆 AI 模型，而是先把“数据基础设施”和“业务标准化”打牢。
对施工企业来说，“第一代基础设施”往往至少包括：
- 统一的项目数据平台（而不是项目各自一套 Excel）；
- 能够连接塔机、升降机、扬尘噪声、视频等设备的物联网接入层；
- 清晰的工程进度、质量、安全、成本等数据标准；
- 统一账号、权限、日志体系，确保不同角色各取所需。
有了这些基础，AI 才有真正可用的“土壤”。
二、从人才到组织：智慧城市的“复合型团队”，就是智慧工地的标配
智慧城市项目失败的一个核心原因，是只有 IT，没有 OT（行业 know-how）。
郭浩哲的判断很直接：
没有人才，我一辈子都不会去做这件事。
1. 复合型人才不是“找不到”，而是“没按对的模型建队伍”
业内常说，智慧城市需要既懂大数据、人工智能，又懂交通、能耗、政务的复合型人才。智慧工地同样如此：
- 既懂 AI、物联网、BIM；
- 又懂施工工艺、进度计划、质量、安全管理。
东华智慧城市这几年形成了一套有意思的用人模型：
“思想者—方案者—落地者”三层结构。
套到智慧工地团队上，可以这样理解：
-
思想者：
- 典型角色：集团级信息化负责人、总工程师、数字化转型负责人；
- 价值：能看清企业 3-5 年的管理痛点与发展方向，能判断“哪些技术值得投，哪些是噱头”。
-
方案者：
- 典型角色：数字化产品经理、流程专家、BIM 经理等；
- 价值：把业务痛点抽象为可落地的系统方案，打通安全、质量、进度、成本之间的逻辑链路。
-
落地者：
- 典型角色：项目实施工程师、一线工程管理人员、数据运维人员；
- 价值：把方案真正嵌入施工现场流程，确保系统“有人用、用得起、用得顺”。
很多企业一上来就去抢所谓“懂 AI 又懂施工的复合型人才”，结果要价高、数量少，还很难留住。更现实也更有效的做法，是按这三层结构，定向培养 + 外部引进，逐步把团队“复合”起来，而不是指望一个人全能。
2. 智慧工地落地，组织上要先做三件事
结合东华的实践，我会建议建筑企业至少先把这三件事定下来：
-
明确“谁拍板”的机制：
- 智慧工地不能只是信息中心的事，必须有业务线一把手参与决策。
-
把“试点容错”写进制度：
- 正常情况下，初期一批项目必然有很多尝试没有立刻产生收益，如果组织不接受“试错成本”，团队会自然选择保守，最后什么也做不出来。
-
给核心人才“看得见”的成长路径：
- 例如：项目级 → 区域级 → 集团级数字化负责人；
- 或者技术路径：BIM 工程师 → 数字化方案负责人 → 智慧工地产品线 owner。
东华从 3 个人做起，用了 7 年成长为 1000 多人的团队，过程不轻松，但路径是清晰的：先找到志同道合的“思想者”，再用项目机会吸引“方案者”和“落地者”加入。
三、基础设施的“变”与“不变”：智慧工地该怎么规划 AI 技术栈
郭浩哲把 2017 年视为智慧城市发展的分水岭：之前是“第一代基础设施”建设期，之后是“新一代基础设施”创新期。
建筑行业其实也在经历类似过程。
1. 第一代智慧工地：各类“监控”拼盘
过去几年，很多项目做智慧工地的主要配置是：
- 视频监控 + AI 人脸识别；
- 塔机、升降机黑匣子；
- 扬尘、噪声监测；
- 简单劳务实名制和考勤系统。
这些确实属于“基础设施”的一部分，但它们只覆盖了“智慧化”的一小块，往往不到 10%。更大的价值空间在于：
- 施工进度与成本的联动预测；
- 质量问题的提前预警与复盘；
- 安全隐患的模式识别与干预；
- 各专业分包信息的实时协同。
如果智慧工地项目只停留在“看得见”的摄像头和硬件层，等于还停在智慧城市的第一阶段。
2. 新一代智慧工地：从“监控”走向“智能运营”
东华在智慧城市的新一代基础设施里，重点瞄准了两件事：
-
传感器与物联设备全面铺开：
- 与国家纳米科学中心合作研究新型传感器，希望“把更多场景数字化”。
-
在统一基础设施上叠加多场景应用：
- 智慧交通、智慧农业、智慧园区、智慧文旅等，都复用同一套底座。
对智慧工地而言，可以类比为：
-
从“硬件分散接入” → “数据统一建模”：
- 塔机、升降机、气体检测、位移监测、视频、RFID 等统一接入平台；
- 用统一 ID 和时间轴，给每个工点、构件、工序建立“数字档案”。
-
从“单场景应用” → “多方协同运营”：
- 安监部门用 AI 视频识别违章；
- 进度管理用 AI 分析形象进度与计划偏差；
- 物资管理用 AI 预测材料消耗与供应风险；
- 业主实时查看项目“健康度”仪表盘。
这里 AI 的角色就非常明确：
AI 是对人脑在“重复判断”和“复杂关联”上的增强，而不是简单的替代。
最典型的几个应用方向：
- 计算机视觉：安全帽佩戴、洞口临边防护、火灾烟雾识别；
- 语义理解：自动从监理日志、旁站记录中抽取风险事件；
- 进度预测：结合 BIM、施工日志，预估关键线路工期风险；
- 异常检测：塔机运行、深基坑监测数据的异常模式识别。
真正成熟的智慧工地项目，一定是“有一套稳定的数字底座 + 按需叠加 AI 能力”，而不是“先堆一堆 AI，再回头补基础”。
四、跳出“内卷”和“跟风”：建筑企业该怎么选伙伴、怎么做布局
智慧城市这条赛道上，参与者非常多，但东华做了一个关键判断：
“没有竞争也不要竞争，同类竞争只会让大家走得很艰难。”
这句话对建筑企业选智慧工地伙伴，很有参考价值。
1. 别指望一个供应商“包打天下”
在智慧城市中：
- 华为更强在底层通讯与硬件；
- 腾讯有社交连接与小程序生态；
- 京东擅长电商、物流、供应链金融；
- 东华等软件企业强在行业交付与本地化服务。
智慧工地其实也是类似结构：
- 有的厂商强在 IoT 设备与网关；
- 有的厂商擅长 AI 视频算法；
- 有的团队深耕 BIM 与施工模拟；
- 有的公司长于平台化与集团级治理。
如果你要求一个供应商“全部都做、全部做到最好”，最后大概率是每一块都平平无奇。与其寻求“万能厂商”，不如构建“协同生态”。
郭浩哲提到，东华之所以选择和腾讯深度合作，是因为：
- 腾讯在“连接”和用户服务上的产品（比如微信、企业微信）有独特优势；
- 东华在行业理解和落地交付上有优势；
- 双方技术与市场一结合，很快就在一年中做了 50+ 项目合作。
这对建筑企业意味着：
不要只问“它是不是最大牌的云厂商”，而要问“它能和谁一起，把我的业务问题解决到位”。
2. 判断一个智慧工地伙伴是否“靠谱”的几个信号
结合智慧城市和智慧工地实践，我会用这几条做“快速筛选”：
- 是否愿意从你现有流程拆问题，而不是直接拿标准产品砸过来；
- 是否提供开放接口，支持与现有系统和其他厂商对接；
- 是否敢在一个试点项目上“共担 KPI”，而不是只卖设备就走；
- 是否有跨项目的经验沉淀，而不是每次都“重新定制”；
- 是否有明确的 2-3 年产品路线图，而不是堆概念词汇。
东华与腾讯的合作，本质是一种“各归其位、互为补充”的打法。这种打法同样适合大型建筑集团：
- 内部自建“数据底座 + 关键算法资产”；
- 与头部云厂商合作做“基础资源和连接器”；
- 与行业型 ISV 合作做“专业场景应用”；
- 把“项目实践”变成集团的标准能力输出。
五、写在最后：智慧工地，别急着卷 AI，先想清楚三件事
智慧城市的十年，已经验证了一件事：
技术从来不是稀缺的，真正稀缺的是“敢于不跟风”的判断力和“愿意从底层打基础”的耐心。
放到今天的智慧工地和 AI 在建筑行业的应用上，我会把它拆成三件最实在的事：
-
先做“数字底座”，再做“AI 应用”：
- 梳理项目管理流程，统一数据标准和采集口径；
- 构建可复用的数据平台，让每一个项目都在给企业“积累数字资产”。
-
把团队搭成“思想者—方案者—落地者”三层结构：
- 不盲目抢所谓“全能复合人才”，先把组织结构搭对；
- 给真正愿意啃数字化、愿意在项目里实打实做事的人，足够的舞台和成长空间。
-
用“协同思维”选伙伴，而不是“谁大选谁”：
- 清楚自己要做“数据和场景的主人”，而不是完全外包给某一家厂商；
- 明确各类合作方的边界和优势，组合出适合自己的智慧工地生态。
智慧城市建设还在路上，智慧工地当然也不可能一蹴而就。但趋势已经非常明确：谁先把现场数据、管理经验、AI 能力真正织成一张网，谁就先从“内卷”和“跟风”里抽身出来。
接下来几篇，我们会继续围绕“AI 在中国建筑行业的应用：智慧工地”这个主题，把安全监控、BIM 协同、进度管理、质量控制等具体场景拆开讲，分享那些已经跑通、值得借鉴的实战路径。
如果你现在正准备启动智慧工地项目，或在已有系统基础上升级 AI 能力，不妨先问问自己：你要修的那条“路”，到底是给谁走、要承载什么车？