制造业人效难以“暴涨”，建筑业也一样。但在重资产、重运营的环境下，AI智慧工地仍有巨大空间，关键是选对场景、算清账、做长期能力。
在不少大型制造企业里，一个产线动辄上亿投入，却常常为了几个人、几台设备的调度问题“卡壳”。海康威视在最新一次投资者交流中，就点出了一个现实：制造业正越来越“重资产、重运营”，在人效上想要出现几何级提升，并不容易。
这句话，对建筑行业尤其是总包、施工企业，其实同样扎心。
建筑业和制造业一样，是典型的重资产行业：机械设备昂贵、施工周期长、参与方众多、管理链条极长；但它又比制造业更“碎片化”：项目一次性、工地高度异质、人员流动频繁。结果就是——想靠简单的信息化手段把人效拉到一个新台阶，几乎不可能。
但这并不意味着没机会，而是机会不在“粗放搞信息化”，而在于用AI重构现场运营的精细化管理——这就是“智慧工地”的现实意义。
下面我借海康威视对制造业的观察，结合这两年智慧工地项目的落地情况，聊聊一个问题：在建筑这样一个高度碎片化的传统行业，AI到底还能做什么？
一、海康威视的判断：重资产时代，人效难“暴涨”是常态
海康威视在问答里提到两个关键判断：
- 制造业正呈现“重资产、重设备运营”的趋势，机器换人、精细化管理是大方向。
- 业务高度碎片化，人效要“大幅提升”的可能性不大，更多是“缓慢向上”，靠长期能力建设和内部运营改善。
这两点，其实可以直接平移到建筑行业：
- 工程机械、塔吊、升降机、模板体系、钢筋加工厂等，让施工现场变得越来越重资产。
- 项目制+总分包模式，让业务高度碎片化：一个项目一个团队、一套班子、一堆临时协同关系。
- 安全、质量、进度、成本，本质上都需要精细化管理，但大量过程还在凭经验、靠人工盯。
所以，我非常认同海康的这句话：
“在这个行业里人效要大幅提升的可能性不太大，但是我们争取努力向上走，不要增人不增效。”
对建筑企业来说，真正现实的目标也一样：别再“多建项目不多赚钱”，别再“现场人越多越乱”，在人不可能减太多的前提下，把每个人、每台设备、每一方混凝土的产出抬上去。
而智慧工地里的AI能力，恰好就是干这件事的。
二、碎片化行业怎么做数字化？先承认“不是每块都值得做大投入”
海康还有一个很务实的观点：
“我们的业务比较碎片化……需要在碎片化市场当中，努力去找到有一定复制性的业务和产品。”
这句话放在智慧工地领域，简直就是一条生死线。
很多施工企业做数字化，常见三种误区：
- 想“一网打尽”所有场景：安全、质量、环境、材料、劳务、设备，全都想数字化、全都想做AI识别，结果哪一块都不够深；
- 按项目堆功能，而不是按可复制能力建设：每个项目各买各的系统、各接各的设备，项目完工一关账，数据就“消失”；
- 把AI当“炫技”，不是当“运营工具”：做了一堆识别模型和大屏展示，但真正与合同、结算、奖惩挂钩的极少。
制造业给我们的启发是：再碎片化的行业，也得先找出“可规模复制的场景”，把资源砸在刀刃上。
在智慧工地，优先做哪三类“可复制场景”？
结合过去两年的项目经验，我认为最应优先的，是这三类：
-
强监管、强刚需场景：安全与劳务实名制
- AI视频分析做安全帽佩戴、高空作业、洞口防护等违规识别；
- 与考勤、班组、分包合同联动，自动形成考核记录；
- 这些场景在全国几乎所有项目都存在，规则较统一、AI识别效果也可持续迭代。
-
强资产属性场景：设备与材料管理
- 塔吊、升降机、挖机、泵车等，接入AI+IoT监测设备状态、运行时长、超载风险；
- 钢筋、混凝土、模板进出场通过视频+AI识别，结合称重/计量数据做对账；
- 这些都是重资产，哪怕效率提高10%，带来的真实经济收益都非常可观。
-
强进度约束场景：施工过程关键工序
- AI结合BIM模型，对浇筑、砌筑、安装等工序进行自动进度标记；
- 将现场影像与计划进度比对，异常自动预警，给管理层“少一点事后翻盘，多一点事前提醒”。
顺序很重要：先抓刚需+重资产+关键工序，再往周边拓展。
这就和海康说的“在碎片化市场中找可复制业务”是一个逻辑。
三、重资产、重运营环境下，AI到底改了什么？
海康在制造业场景里做的是“智能物联网”，建筑行业对应的就是“AI+IoT的智慧工地”。它真正改变的，不是某一个孤立功能，而是重资产场景下的运营方式。
1. 从“事后追责”到“事前纠偏”：安全管理的思路翻转
传统工地安全管理往往是：
- 事故发生 → 上报 → 调查 → 追责 → 总结教训。
AI参与后，可以变成：
- AI实时识别高危行为（不系安全带、临边作业未防护、吊物下方站人等）；
- 10秒内推送到安全员手机或对讲机，联动现场广播语音提醒；
- 持续违规的班组或人员形成统计报表，直接进入考核体系。
这一套流程落地后，你会明显发现：事故数量并不会瞬间归零，但高频、低级的违章会明显减少，安全员逐渐从“巡场警察”变成“风险运营经理”。
2. 从“凭感觉调度”到“算账式调度”：设备利用率被真正看见
塔吊、升降机这些“大家伙”，在传统管理模式中利用率到底是多少？很多项目经理心里其实没数，只是“感觉还行”。
AI+IoT接入后，可以清楚看到：
- 每台设备每天的运行时长、等待时长、空转时长；
- 不同时间段（白天/夜间）使用曲线；
- 与施工进度计划的匹配情况（某个阶段是否设备冗余、是否排队严重）。
有了这些数据，项目才能做出类似这样的决策：
- 某塔吊长期处在低利用率，可以在合同允许范围内减少台数或缩短租期；
- 某些工序常年排队，考虑“错峰施工+合理增设备”是否更划算；
- 相同类型项目之间，可以沉淀出一套“塔吊布置和数量的经验曲线”。
这就是海康说的“重设备运营”真正的含义：不是把设备搬上来就算数，而是要算清楚每一台设备的“单位产出”。
3. 从“现场经验”到“数据+经验”：项目经理决策方式升级
建筑行业有一个现实：好的项目经理，是企业最大的“隐形资产”。
但经验很难复制，很多管理动作，只停留在“这人干活靠谱”这个模糊层面。
AI参与之后，会发生一个变化：
- 项目经理原本基于经验做的很多判断，会留下数据痕迹；
- 不同项目之间，在安全、进度、成本上的“差异做法”，可以通过数据对比出来；
- 企业总部可以基于这些差异，形成相对标准化的“项目运营方法论”。
说白了，AI不是替代项目经理，而是帮企业把“好项目经理的经验”制度化、数据化，让下一代项目经理少走弯路。
四、人效难“暴涨”，那智慧工地的ROI该怎么算？
海康坦白讲，人效不会出现“大幅提升”，而是“努力向上走”。建筑企业在做智慧工地时，如果还指望“人减一半、事照样干”，大概率会失望。
更现实的做法，是把ROI拆开来看：
1. 直接经济收益：
- 安全事故减少：少一次重大事故，就是几百万甚至上千万的直接损失避免，更别提工期延误、伤亡赔付、信誉影响；
- 设备利用率提升：塔吊、升降机等利用率提升5%–15%，能直接反映在租赁费节省和工期缩短上；
- 材料浪费减少：通过AI识别与计量数据比对，材料超耗可以被及时发现和纠偏。
2. 间接收益：
- 投标竞争力：越来越多的业主在评标时会看“信息化水平、智慧工地能力”，有一套拿得出手的系统，本身就是加分项；
- 品牌与监管关系：重点项目、重点企业，一旦在智慧工地上形成标杆案例，对于后续拿项目、与地方住建主管部门沟通，都更有底气；
- 内部管理能力沉淀：企业层面的安全标准、施工组织方式、设备配置模型等，都能在数据支持下不断迭代。
如果你是决策者，可以换一个思路：不要问“智慧工地能帮我少多少人？”，而要问“它能帮我在相同人力下，多接多少项目、少出多少事、少亏多少钱？”
这也是我非常赞同海康那句“希望力争穿越周期”的原因——在经济有波动、项目有冷暖的背景下，真正能抗周期的，不是一时的利润，而是管理基本盘。
五、从制造到建筑：AI项目怎么“别烂尾”？
最后说一点很现实的落地问题：怎么避免智慧工地项目“上马时风风火火，半年后就没人用”？
海康在汽车电子等创新业务上，强调的是“务实推进”“一步步脚踏实地走”。放在建筑行业，我建议可以遵循三条原则：
原则一：从“一个标杆工地”开始，而不是上来全覆盖
- 先选1–2个具有代表性的项目做深度试点：体量适中、业主愿意配合、内部团队积极；
- 在试点中打磨出1–2套真正跑得通、算得清账的场景，比如“塔吊精细化管理+危险行为识别”；
- 有了可复用的方法，再考虑在集团层面推广，而不是一开始就铺开几十个项目。
原则二：让AI直接接到“钱和责任”上，而不是只接到大屏上
- 安全违规识别结果，要能自动进入班组和分包的考核；
- 设备利用率分析，要能成为租赁合同谈判、设备减配/增配的依据；
- 进度偏差预警，要能对接工期奖惩，形成“早发现、早应对”的激励机制。
只进大屏、不进制度的AI，很难真正活下去。
原则三：做长期能力，而不是“一次性工程”
- 视频、传感器、塔吊黑匣子等数据接入，要统一接口、统一标准，避免每个项目单独搞一套；
- AI算法、识别模型要有持续迭代机制，在不同地区、不同工况下不断优化；
- 企业要有一个稳定的小团队，对智慧工地项目进行运营，而不是全部外包给供应商。
这同样呼应了海康的做法：**上游很多东西依然依靠产业链伙伴，自己则在产品know-how、系统集成和长期运营上深耕。**对施工企业来说，也是类似逻辑——不用自己造摄像头、造传感器，但要把“怎么用好这些东西”变成自己的核心能力。
结语：建筑业的机会，可能比制造业更大一些
制造业已经在自动化、数字化上跑了很多年，如今进入“重资产、重运营”的精细化阶段，人效要大幅提升确实不容易。海康威视的判断很现实，也很冷静。
而建筑行业，整体数字化和AI应用的起点更低，粗放管理依然普遍，也正因为这样，智慧工地带来的改进空间，其实比制造业更大、更直接。
如果你正在负责企业的数字化或智慧工地建设，我会建议你从这三个问题想起：
- 我们在哪些场景上是“重资产、重运营”，但管理方式还停留在“拍脑袋”？
- 在众多碎片化需求中，哪三类场景最值得用AI长期投入、反复打磨？
- 我们能不能在未来一年里，至少做成一个“真正在运营层面带来改变”的标杆项目？
答案如果逐渐清晰，你就真的开始在用AI为企业搭一套“穿越周期”的能力，而不仅仅是在做一个好看的智慧工地项目。