自动驾驶老将佟显乔押注“机器人数据”，其实给智慧工地提了个醒：建筑企业要想真正用好AI，先要把工地数据当成长期资产来运营。
在机器人和自动驾驶圈里，大家越来越达成一个共识：谁掌握高质量数据，谁才有资格谈智能落地。
2025-11，一条看似“行业内部”的新闻，其实对正在做智慧工地、数字化转型的建筑企业，非常有参考价值——自动驾驶老将佟显乔，再次创业，这次他没有继续做车，而是直接瞄准“机器人数据”。
这件事背后，其实是中国实体产业智能化的一个风向：从算力、算法竞争，转向数据与场景竞争。对建筑行业来说，这几乎是一条一比一可复制的路线：从无人车到机器人，再到智慧工地，本质都是“复杂物理世界里的具身智能”，都离不开长期、系统的数据积累和利用。
这篇文章，我会用佟显乔这次创业当作“放大镜”，拆给你看：
- 机器人数据为什么突然这么重要？
- 这和建筑业的智慧工地有什么关系？
- 建筑企业现在要做数据和AI，应该从哪里下手更稳妥？
一、从自动驾驶到机器人数据：一条清晰的产业进化路径
先把人物和事件说清楚，再谈对建筑业的启发。
佟显乔是谁？
- 弗吉尼亚理工大学博士，长期深耕自动驾驶
- 待过苹果、英伟达、百度美国研究团队
- 2017年联合创立 Roadstar.ai，做自动驾驶乘用车
- 2021年创办卡睿智行，主打“自动驾驶+新能源”商用车物流
- 2025年，与香港中文大学（深圳）旗下资产公司合作，成立深圳极数迭代科技有限公司，聚焦机器人数据
路线非常明确：
自动驾驶（车是特殊的移动机器人） → 更泛化的机器人 → 把核心押在“数据”这一层基础设施上。
为什么一个在智驾里摸爬滚打多年的技术专家，愿意押注在“机器人数据”上？
因为他很清楚，自动驾驶这类复杂系统，最后拼的不是某一个华丽的算法 demo，而是：
- 能不能在各种极端工况下持续收集、管理数据
- 能不能把数据变成可训练、可评估、可复用的“数据资产”
- 能不能支撑模型不断迭代，让系统在真实场景里越来越“懂世界”
这套逻辑，放在机器人、放在建筑业的智慧工地上，完全成立。
机器人数据平台做什么？可以粗暴理解为三件事：
- 帮助机器人/设备采集结构化数据（图像、点云、位姿、操作记录等）
- 对海量数据清洗、标注、管理、检索
- 把数据喂给模型和算法，让机器人在实际任务里越来越聪明
对于极数迭代这类公司，数据不是附属品，而是“主角”。而对建筑企业来说，这正好和我们一直强调的**“工地数据资产化”**高度一致。
二、机器人 vs 智慧工地：其实是同一类问题
从产业形态看，机器人和建筑现场有三个高度相似的特征：
- 强物理约束：环境复杂、多变，远比互联网产品混乱
- 高安全要求：任何失误都可能是人身事故或重大财产损失
- 多设备、多角色协同：机器人之间、人与设备之间都要配合
这意味着，无论是做仓储机器人、建筑机器人，还是做智慧工地系统，都绕不过“数据驱动的决策”。差别只在于场景、设备形态不同。
1. 机器人世界的“高质量数据”长什么样？
在机器人领域，业内现在普遍追求的数据特征是：
- 连续性：不是几条孤立日志，而是成体系的时间序列数据
- 多模态：相机、激光雷达、IMU、力矩传感器等多种信号融合
- 高标注质量：位姿精度、语义分割、关键事件都要准确
- 可回放、可仿真：方便在虚拟环境中复现实验
智能汽车公司为什么疯狂造自研数据闭环平台？
因为只有这样，团队才能：
- 快速定位问题：某次急刹车是感知误判还是控制策略问题
- 精准补数据：针对某类场景（雨夜、逆光、施工区）定向采集
- 高效迭代模型：持续提升在某些关键环节的表现（如行人避让）
2. 智慧工地的数据诉求，其实一模一样
把上面那段话，几乎可以原样替换到智慧工地：
- 连续性：不是事后补录，而是实时采集塔吊、升降机、车辆、人员位置信息
- 多模态：视频监控、物联网传感器、BIM 模型、进度计划、质量检查表
- 高标注质量：危险点位标注、构件编码、施工工序、责任人清晰对应
- 可回放、可复盘：一旦发生安全事故或质量问题，可以秒级回溯作业过程
从智驾经验看，那些做出稳定可用系统的团队，都有一个共通点：
把“数据平台”和“算法模型”放在同等重要甚至更高的位置，不再把数据当成被动产物，而是当成主动设计的“产品”。
对建筑企业而言，如果智慧工地只停留在：装摄像头、上几个可视化大屏、做一些简单告警，那基本只是在“看现场”，没有进入“让数据真正驱动管理”的阶段。
三、从佟显乔的路径，看智慧工地数据该怎么做
把自动驾驶和机器人圈成熟的一些做法抽象出来，你会发现它们可以非常直接地迁移到建筑行业。
1. 把“智慧工地 = 机器人系统”来思考
如果把一个大型工地当成“一个复杂机器人系统”，它大致包括：
- 感知层：摄像头、激光扫描、位移传感器、环境监测、RFID 等
- 数字孪生/BIM 层：把现场状态映射到虚拟空间
- 决策层：安全预警、进度预测、资源调度、质量风险评估
- 执行层：塔吊、施工电梯、无人运输车、机器人臂、作业班组
这个结构和自动驾驶系统/机器人系统高度一致：
传感 → 映射 → 决策 → 执行
所以，智慧工地真正要补的课是：搭建“数据中台+算法中台”，而不是单点堆功能。
2. 建筑企业优先要做的三件“数据基础建设”
参考自动驾驶公司和像极数迭代这样专注“机器人数据基础设施”的方向，我会建议建筑企业至少把这三件事排进 2026 年计划：
（1）统一数据底座：打通 BIM、进度、物联网、视频
很多工地现在数据是这样存在的：
- BIM 在设计院/总包技术部
- 施工日志在项目部各个负责人电脑里
- 物联网数据在设备供应商的云平台
- 视频监控在安防承包单位
结果就是：
- 想做一个简单的“安全隐患分布图”，要找四五家单位要数据
- 想复盘某起事故，发现关键时间段没有结构化记录
正确方向是：
- 以项目为单位，建设统一数据平台
- 要求设备供应商、BIM 单位按照统一接口/编码体系交付
- 把施工日志、质量验收单、进度计划全部数字化、结构化
这一步非常像智能汽车厂商做的“车辆数据统一上云、统一 ID、统一时间轴”的动作，是所有智能化能力的前提。
（2）做“小闭环”，而不是“大而全”
自动驾驶刚起步时，很多公司想一口吃成一个“全自动驾驶城市”。最后真正熬下来的，基本都是聚焦在若干高价值场景：
- 干线物流
- 港口/矿区
- 园区内运输
智慧工地也一样，不要上来就想“一张图管所有”，更务实的方式是：
选 1–2 个高价值场景，做成端到端的“数据-模型-决策-执行”闭环。
举两个非常适合作为起点的场景：
-
塔吊/吊装安全闭环
- 感知：吊钩视频、力矩传感器、风速、塔吊位置、人员定位
- 数据平台：统一时间轴、空间坐标、报警事件
- 模型：违规吊装识别、风险趋势预测
- 执行：超载/碰撞预警、违规作业拦截、班组考核
-
混凝土浇筑质量闭环
- 感知：浇筑时间、环境温湿度、震捣记录、材料批次、养护条件
- 数据平台：与 BIM 构件绑定，一构件一“体检档案”
- 模型：质量缺陷风险预测、结构耐久性评估
- 执行：工艺调整、责任追溯、维修策略优化
当一个闭环做成之后，再逐步“复制”到其他场景。自动驾驶和机器人实践已经证明，这种从单点闭环滚雪球的方式，成功率远高于一上来搞“大平台大系统”。
（3）把“数据部门”变成“业务拍档”
无论是自动驾驶公司还是机器人创业公司，数据团队都不是 IT 外包，而是和算法团队、产品团队并列的核心角色。建筑企业也该调整视角：
- 项目总工、生产经理要直接参与数据需求设计
- 安全、质量、成本团队必须和数据团队有固定协同机制
- 数据指标要和项目的进度、安全、利润指标挂钩
简单说一句实在的：
如果数据团队只负责“存和看”，不参与“管和决策”，那智慧工地多半只是换了个更贵的监控系统。
四、从产业视角看：机器人数据，是智慧工地的“练兵场”与“工具箱”
佟显乔与港中大（深圳）合作做机器人数据，不只是一个创业故事，还在提醒建筑行业一个趋势：通用具身智能正在形成一整套“数据+模型+场景”的技术栈，建筑业完全可以成为受益者，而不是单独造轮子。
1. 建筑机器人 + 智慧工地，会自然汇合
近两年，建筑现场已经能看到越来越多的机器人雏形：
- 混凝土喷涂、打磨机器人
- 装配式建筑安装机器人
- 无人运输车、无人压路机
- 巡检、测绘无人机
这些设备，如果只是“机械自动化”，价值有限；但一旦有了统一的数据平台和“机器人数据思维”，场景会完全不一样：
- 机器人作业数据可与 BIM 构件绑定，形成“构件级数字档案”
- 多台设备协同，可以做路径规划、任务分配优化
- 机器人可以基于历史数据自动调整作业参数
这正是像极数迭代这类“机器人数据公司”未来最可能参与的地方：把不同形态的建筑机器人、传感器接入同一数据底座，为智慧工地提供一套“具身智能操作系统”。
2. 建筑企业该如何利用这股趋势？
站在 2025 年底，现在对建筑企业管理层比较现实的建议是：
-
在智慧工地规划里，单列一条“机器人与数据融合”路线图
不一定马上大规模上机器人，但要提前规划：哪些工序未来可能机器人化？这些工序现在就可以开始积累什么数据？ -
选择合作伙伴时，多问一句“你们怎么做数据？”
无论是买机器人，还是上智慧工地平台，都要听对方讲：- 数据怎么采，归谁管
- 有没有标准接口
- 能不能做回放和复盘
- 将来能不能支持更多设备接入
-
用一个试点项目，组建“小而强”的数据与AI团队
- 不需要很大，5–10 个人就足够
- 必须同时懂工程现场、懂 BIM、懂数据工程
- 目标明确：在 12–18 个月内，做出 1–2 个拿得出手的数据驱动闭环场景
长远看，那些敢于在 2025–2027 年这一轮 AI 与机器人交织期里“吃一点苦、啃一点硬骨头”的建筑企业，会在 2030 年之后形成非常难以追赶的数据护城河。
五、写在最后：别把智慧工地只做成“会动的 PPT”
佟显乔三次创业，从自动驾驶到商用车，再到机器人数据，本质上是在走一条路：用真实场景的数据，把算法变成能挣钱、能落地的工程系统。
建筑行业这几年说得最多的是“智慧工地”“数字化转型”，但我见到不少项目的现实，是：
- 大屏很多，数据很散
- 报表很好看，现场照样靠吼
- 监控很清晰，事故照样发生
差的那一步，其实就是这篇文章反复讲的一件事：
把数据当成长期资产来运营，而不是当作一次性“合规材料”。
如果你正在负责企业或项目的智慧工地建设，不妨问自己几个很具体的问题：
- 今年我们有没有一个“从数据到决策”的闭环场景真正跑通？
- 三年后，我们希望手里握着什么样的项目数据资产？
- 下一个合作伙伴，是否可以从“谁会算”改成“谁更懂用数据做事”？
机器人和自动驾驶行业已经踩过的坑，没必要在建筑业再踩一遍。现在开始，用“机器人数据”的视角重新审视智慧工地，反而是建筑企业少走弯路、快一步上岸的好机会。