从iRobot陨落,看中国制造业与智慧工地的AI生死局

AI在中国建筑行业的应用:智慧工地By 3L3C

扫地机鼻祖iRobot被中国代工厂反向收购,不只是一个品牌陨落故事,更是对制造业和智慧工地AI转型的警示。谁掌握数据和产业链,谁才有真正的话语权。

iRobot案例智慧工地建筑AI应用供应链管理产业数字化BIM与AI建筑企业转型
Share:

Featured image for 从iRobot陨落,看中国制造业与智慧工地的AI生死局

一家公司市值,从巅峰的几十亿美元跌到不足2500万美元,只用了几年时间。

2025-12-14深夜,扫地机器人“鼻祖”iRobot申请破产重组;第二天,它被自己的中国代工厂杉川,用3.5亿美元债权“换走”全部股权——原股东清零出局。这一幕,对很多制造业老板、建筑企业管理者来说,刺痛感很强:当你以为自己掌控品牌和渠道时,真正决定生死的,往往是你看不见、管不好的那条产业链。

这次,我们不只是复盘一个消费电子品牌的失败,而是想聊清楚三件事:

  1. iRobot到底输在了哪儿?
  2. 中国供应链和中国品牌是怎么“反客为主”的?
  3. 对正在推进“智慧工地”“AI+建筑”的企业,这个故事到底意味着什么?

一、iRobot的故事:从全球霸主到被代工厂反向收购

iRobot曾经是扫地机器人行业的“教科书”:在北美市场份额一度超80%,全球占比一度超过60%。但到2025年上半年,它的全球份额只剩7.9%,第三季度甚至被挤出前五。

直接压垮它的,是债务和供应链控制权的丧失。

  • iRobot唯一的生产方,是深圳杉川机器人;
  • 到2025年11月,拖欠杉川货款1.615亿美元,其中逾期9090万美元;
  • 同时,杉川又通过香港公司接手了1.907亿美元的贷款债权;
  • 加总来看,iRobot欠杉川超3.5亿美元,占其总负债70%以上。

现金只剩2480万美元,又离不开这家唯一代工厂的产能,iRobot实际上已经丧失了议价权和主动权。杉川顺势祭出“债转股”:免除债务,换取100%股权。

这不是一桩普通并购,而是一个典型的“产业链反转”案例:

品牌方从甲方,变成被供应链“托管”的资产。

对做工程总包、施工总承包的建筑企业来说,这个画面很熟:

  • 图纸、计划在你手里;
  • 但是现场数据在各班组、各分包商手里;
  • 机械设备分散在几十个租赁商那里;
  • 材料流转、进度真实情况,靠人肉汇报。

一旦资金吃紧、项目延期,谁真正掌握“底牌”?往往不是项目部,而是握着真实数据和关键资源的人。这就是为什么,智慧工地项目做来做去,最后都绕不开一个核心:用AI和数字化,把项目“命脉数据”收回到自己手里。

二、iRobot真正输掉的,是技术路线+产业链协同

iRobot不是被某一个中国品牌打趴的,而是被一个完整的中国产业链系统性淘汰。

1. 技术选择上的“路径依赖”

扫地机器人有两条主流导航路线:

  • 视觉导航(VSLAM,摄像头+算法)
  • 激光雷达(Lidar,激光扫描建图)

iRobot长期押注视觉导航,专利很多、算法很强,但也被自己的既得优势绑死:

  • 在暗光环境表现差;
  • 建图速度、避障精度有限;
  • 升级路线强依赖自家算法栈和既有成本结构。

反过来看,中国品牌从2018年前后开始,普遍押注激光雷达:

  • 早期确实贵,但是体验肉眼可见更好;
  • 随着中国供应链产能提升,2023年前后Lidar成本大幅下探,迅速下沉到中端机型;
  • 2025年,Lidar几乎成为主流标配。

同样的技术,两套完全不同的产业链响应速度。

  • 中国品牌:6-8个月一个新迭代,新传感器、新算法、新交互密集上线;
  • iRobot:2-3年一代,产品节奏跟不上市场预期,价格还更高。

这跟建筑行业熟悉的场景很像:

  • 有的施工单位,BIM模型、进度计划、成本计划是三套系统,人手工对,更新周期按月算;
  • 有的项目,用AI+BIM+IoT,现场进度、材料消耗、机械利用率自动写入模型,每天更新计划,周度滚动优化。

等到业主开始要求“工期压缩10%”“成本再降5%”,后者直接调算法模型和资源排布,前者只能靠人熬夜画表格。

2. 中国产业链的“近水楼台”优势

iRobot对杉川,是传统的“甲乙方”:

  • 设计、方案在美国;
  • 生产交给深圳;
  • 只做下单和验货。

而中国品牌和中国供应链,是另一种关系:共同体。

珠三角、长三角的扫地机器人集群,供应链企业已经从“纯代工”升级成“方案伙伴”:

  • 参与产品定义:一起决定传感器选型、电机方案、软件架构;
  • 负责成本工程:从器件、结构、工艺上滚动优化;
  • 提供快速试产到量产的一体化能力。

这套模式,放到建筑行业,就是很多企业正在讨论的:

  • 用AI做工程量自动识别、算量;
  • 用AI做进度模拟、资源优化排布;
  • 让塔吊、升降机、混凝土浇筑等关键工序接入物联网和视频AI;
  • 供应、分包、机械租赁商的数据,通过平台实时共享。

谁先把“协同的AI中枢”搭起来,谁就能真正掌握项目的话语权,而不是被供应商、分包商牵着走。

三、从扫地机器人到智慧工地:三条硬核启示

把iRobot的失败翻译成对建筑业、智慧工地的启示,我会挑三条最现实的。

1. 不能让“唯一关键供应方”握住你的命门

iRobot最大的致命点,是把制造完全集中在唯一一家代工厂手里,而且没有建立数字化、AI化的透明协同机制,最后完全被动。

对建筑企业来说,对应的“唯一关键点”通常有三类:

  • 关键工序:如钢结构、幕墙、机电安装;
  • 关键资源:塔吊、泵车、龙门吊等重型机械;
  • 关键数据:进度、质量、安全、成本的真实底数。

如果这些信息只掌握在某一个分包商、某一个项目经理、某一套“人肉Excel”里,你就离iRobot不远了。

可操作的做法,是用AI+数字化平台拆分风险:

  • 在智慧工地平台上,把关键资源、关键工序全部接入统一数据底座;
  • 用AI视觉识别、IoT采集,自动还原“现场真实情况”;
  • 把分包、供应商的数据纳入统一协同平台,让任何一个参与方都不能“独占信息”。

这样一来,就算合作方更换、人事变动,你依然握着完整、可追溯的工程数字资产。

2. 技术路线选错,比“不会用AI”更危险

iRobot不是没技术,相反,它有大量视觉算法专利。但它押错了发展轨迹,对Lidar方案和中国供应链的降本速度判断严重滞后。

在建筑行业,“押错技术路线”的场景也不少:

  • 把智慧工地当成“装摄像头+刷人脸”,结果后续算法升级、数据打通都很困难;
  • 把BIM当成“出效果图”,而不是全过程数字化交付的底座;
  • AI只用在单点应用(比如安全帽识别),没有和进度、成本、质量联通。

在我接触的项目里,真正跑得顺的智慧工地,都有几个共同点:

  1. 一开始就把“数据中台”当基础设施来做,而不是零散买功能;
  2. 所有AI应用(安全、进度、质量、设备管理)尽量用同一套账号系统、同一套项目结构;
  3. BIM模型不是束之高阁,而是和AI识别结果、物联网数据双向打通。

一句话:先想清楚“未来3-5年的技术栈长什么样”,再决定今年买什么设备、上什么平台。

3. 速度和迭代能力,决定你是“品牌”还是“资产”

中国扫地机器人品牌能反超iRobot,关键是“小步快跑”:

  • 线上:抓住亚马逊等平台流量,做产品体验和评价运营;
  • 线下:快速打入欧美主流渠道,用性价比打开货架;
  • 产品:6-8个月一迭代,功能按场景拆得很细。

iRobot的产品周期却是2-3年,渠道反应也偏慢,最后只能靠降价清库存,进一步压缩现金流,陷入恶性循环。

建筑行业的周期比家电长得多,但“迭代速度”的逻辑一样:

  • 工期压缩,在数字化工地里靠算法调度和工序优化,而不是只靠加班;
  • 成本优化,在AI计量、AI对量和实时成本预警里完成,而不是完工后“总结经验”;
  • 安全管理,在AI视频巡检和行为识别里滚动调整,而不是只靠事后处罚通报。

如果你的项目管理方式10年没变,而同行已经用AI做动态排程、自动计价,那哪怕你现在还是“龙头”,未来也很可能变成产业链上的“可替代资产”。

四、建筑企业现在就能做的AI动作

说了这么多,落到“智慧工地”这条主线,我会更建议从四个可落地的方向着手:

1. 建一个“项目数字孪生”,而不是一堆孤立系统

  • 用BIM作为统一的工程视图;
  • 把进度计划、成本计划、质量、安全点位映射到模型里;
  • 用AI算法实时对比“计划 vs 实际”(通过视频识别、IoT采集、人工校正)。

这样,你不是在看一堆零散报表,而是在看一个“会说话的项目全景”。

2. 用AI改造三个最关键的建筑场景

  1. 安全监控

    • AI识别高空作业未系安全带、未戴安全帽、临边防护缺失等;
    • 风险事件自动报警,自动形成隐患闭环记录。
  2. 进度与资源调度

    • AI根据历史项目和当前现场数据,预测关键线路、潜在延误;
    • 自动给出塔吊、人员班组、材料到场的最优排布建议。
  3. 质量与成本控制

    • AI读取施工过程影像、照片,自动标记疑似质量问题位置;
    • 把设计清单、签证、变更与现场量实相对比,做动态成本预警。

3. 把供应商与分包“拉进平台”,而不是隔绝在外

如果说iRobot的问题是被代工厂“反向控制”,那建筑企业要避免同样命运,就不能让关键分包、供应商“游离在系统之外”。

实际操作上,可以这样设计:

  • 让分包、供应商在同一智慧工地平台上接单、报量、上传资料;
  • 把AI识别结果、IoT数据作为结算、考核的重要依据之一;
  • 用数据透明和自动化规则,代替纯粹的“关系”和“拍脑袋”。

这样,平台方才是真正的“组织者”,而不是某一个分包商或供应商。

4. 逐步培养自己的“AI中台能力”

不要求每家建筑企业都自己写算法,但至少要具备三点能力:

  • 懂得提出有价值的AI应用需求(如“把钢筋绑扎验收从抽检变成全检”);
  • 能判断供应商方案是不是可持续(是否开放接口、是否支持与现有BIM/ERP打通);
  • 有一支小团队,能把项目经验沉淀成可复制的AI规则和数据资产。

这比盲目追热点重要得多。

五、别做下一个iRobot:建筑业的时间窗口不会太长

iRobot的结局,对中国制造业和建筑业其实是个警钟:

  • 过去那套“品牌在前、供应链在后”的逻辑正在瓦解;
  • 未来更看重谁能组织起一整条高效、智能、可迭代的产业链;
  • AI不是锦上添花的“展示项目”,而是关系到你是否掌握主动权的“底层设施”。

对推动智慧工地、AI在建筑行业落地的团队来说,现在正处在一个极其微妙的时间点:

  • 中国在建筑产量和工程复杂度上有全球优势;
  • 也拥有完整的工程机械、材料和数字化服务生态;
  • 谁先把AI真正嵌进这条链路,谁就有机会重新定义行业格局。

别等到某一天,项目的真实情况、成本结构、风险画像,都掌握在“别人家的平台”和“别人家的算法”手里,你还在拿纸质周报做决策。

从今天正在施工的每一个项目开始,把AI和数据视为“工地上的新塔吊、新钢筋厂”。先搭起来,再谈高级玩法,这才是避免走上iRobot老路的更现实方式。