智慧城市已经走到了“人本城市”的新阶段，这套数智底座思路，正在成为智慧工地升级的最佳参照。本文拆解城市大脑经验，给出建筑企业搭建“工地大脑”的实战路径。
智慧城市做对了什么，正好是智慧工地最缺的
过去十几年，中国智慧城市相关投资被普遍估算在 4–5 万亿元规模。大量城市大脑、AIoT 平台、智能安防系统已经在各地落地、迭代、踩坑、成熟。
而对建筑企业来说，智慧工地建设才刚进入加速期：项目多、风险高、工期紧，但数字化水平却严重不均衡，很多项目部依然靠 Excel、微信群和对讲机在硬扛。
这两条看似不相干的线，其实共用一套“数智底座”思路：
- 智慧城市：以“人本城市”为目标，用城市大脑打通“城市底座”，支撑公共安全、交通、环境、城管等场景。
- 智慧工地：以“安全、质量、进度、成本、人”的精细化管理为目标，需要一个类似“工地大脑”的数智基础平台。
这篇文章，就借灼识咨询合伙人赵晓马在“第四届中国人工智能安防峰会”上的观点，拆解智慧城市的数智基础平台，然后对照建筑行业，看智慧工地能学到什么、怎么落地。
一、从信息城市到人本城市：给智慧工地的启发
赵晓马把城市发展划分成三代：
信息城市 → 智慧城市 → 人本城市
这条演进路径，对建筑行业也非常适用。
1. 三代城市，对应三代工地
-
信息城市：以信息化为中心
互联网驱动，各部门上系统、做数字化，重点是“有无”：有没有系统、能不能在线办事。对应到工地：
- OA、进度系统、质量检查系统各自上线；
- 但数据彼此不通，管理者要看整体情况得“系统+表格+电话”齐上阵。
-
智慧城市：以应用场景为中心
AI、物联网驱动，强调各系统、各场景的智能化，比如智能交通、智能安防、智能环卫。对应到工地：
- 安防摄像头接 AI 做安全帽识别、区域入侵；
- 塔吊、升降机装传感器监控运行状态；
- 有了很多“聪明的单点”，但彼此割裂，形成新的数据孤岛。
-
人本城市：以人为中心
由人的新需求驱动，强调全系统、全场景的融合协同，是对前两代的重构。对应到 “人本工地 / 智慧工地 2.0”：
- 不再只盯“装了多少设备、有哪些功能”；
- 而是回到核心问题：
- 如何确保每一个工人的生命安全？
- 如何让现场决策更快、更准确？
- 如何把安全、质量、进度、成本管理串成一个闭环？
如果说智慧城市要建设的是“城市大脑”，那智慧工地真正缺的是：
一个以“人”为中心的工地大脑，而不是堆积一仓库的 AI 设备。
2. “人本城市”的两大核心，对应工地管理两大痛点
赵晓马提到，人本城市的顶层设计，实质只关心一件事：
把城市当作一个“人”，有大脑、有神经网络、有数据记忆。
映射到工地，就是：
-
大脑：工地中枢平台
- 所有安全、质量、进度、机械、劳务数据统一汇聚；
- 用算法给出预警、辅助决策，而不是一大堆“看不完的报表”。
-
神经网络：工地物联网 + 边缘计算
- 摄像头、塔吊、脚手架、环境传感器、定位标签……都接入统一网络；
- 该在边缘实时处理的（如高危行为检测），就近完成；
- 该入云留痕分析的，统一沉淀。
人本城市 / 人本工地，本质是“从设备视角回到人视角”。 不是为了“显得很高科技”而买设备，而是用数智平台去支撑：项目经理、技术负责人、安全员、工人，真正工作得更安全、更轻松、更有效率。
二、智慧城市的教训：再多“聪明设备”，也架不住割裂
智慧城市这些年踩过最大的坑，其实和许多建筑企业很像：
单点方案堆得越多，系统割裂越严重，数据孤岛越大。
1. 城市中的割裂，今天工地也在重演
在城市侧，割裂表现为：
- 公安有一套视频系统，城管有一套，住建有一套；
- 交通、消防、环保各搞各的平台；
- 同一条街发生事情，数据在不同部门“各说各的”。
在工地，这种现象更直观：
- 安防厂商带来一套 AI 视频平台；
- 塔吊厂家带一套设备监控平台；
- 劳务实名制又是一个独立系统；
- 环境监测、扬尘噪声再来一套；
- BIM、进度计划、成本管理则是另外的世界。
项目结束，很多系统一拆了之；数据也很难沉淀，下一项目还是“从头再来”。
结果就是：钱花了不少，智慧程度有限。
2. 城市的破局思路：搭一个“数智基础平台”
赵晓马提到，面对“海量应用、海量企业、海量服务、海量数据”，城市管理者会落到一个问题：
“到底要建多少网、多少中台、多少平台，才能把事情管好？”
较共识的答案是：
- 不再每个部门搞一套，而是：
- 城市有统一的数据底座 / 操作系统；
- 各类应用在底座之上按需接入、升级、扩展；
- 数据标准统一，可复用、可共享、可治理。
对智慧工地来说，这一点价值极大：
工地不需要 N 个“平台”，而是需要 1 个强中台 + N 个可插拔能力组件。
三、从城市大脑到工地大脑：数智基础平台的四个层次
把城市大脑的思路“缩放”到一个工地，可以抽象出一套非常实用的架构：
1. 感知层：设备和数据入口统一
城市侧：摄像头、车辆、路侧单元（RSU）、机器人是主要物联网入口。
工地侧：
- 视频感知：高清摄像头、全景摄像、AI 安防一体机；
- 环境感知：扬尘、噪声、温湿度、气体浓度传感器；
- 结构与设备感知：塔吊、升降机、深基坑、脚手架监测；
- 人员感知：实名制闸机、定位卡、佩戴式设备。
关键不是“装多少设备”，而是：
- 统一通讯协议 / 接入规范；
- 统一设备编码与资产管理；
- 入口就打通，避免后端再做一次“拼接手术”。
2. 传输与算力层：工地的“神经和小脑”
赵晓马强调，自动驾驶不只需要通信网络，还需要一张 计算网络，支撑毫秒级决策。工地同样如此：
- 安全高危行为、设备异常，需要 现场实时识别和制动；
- 不能所有视频都传到云上再计算，既慢又贵。
智慧工地更合理的做法是：
- 在工地部署 边缘计算节点，就近完成视频 AI、规则校验；
- 只上传结构化结果和告警，而不是原始海量视频；
- 云端负责历史数据分析、模型优化、多项目对比。
这层做不好，智慧工地永远停在“看视频 + 人工盯屏”的阶段。
3. 数据与中台层：工地真正的“底座”
这是城市与工地最值得互相借鉴的一层。
城市做法是：
- 建立统一数据中台，围绕“人、地、事、物、组织”构建主题库；
- 所有业务系统都在这个基础上“说同一种语言”。
工地也需要类似的设计：
- 以“人、设备、构件、任务、区域、时间”为基础维度；
- 把来自 BIM、进度计划、质量检查、安全巡检、物联网的数据统一标准化；
- 为上层的 AI 算法、可视化、报表提供“干净的数据粮食”。
一旦底座打平，很多“跨场景”的玩法就会自然出现，比如：
- 安全 + 进度联动：高危工序延误，自动影响总控计划风险评估；
- 质量 + 施工队伍画像：哪些班组返工率高，联动劳务考核和培训；
- 设备 + 成本：塔吊利用率与能源消耗直连成本分析。
4. 应用与服务层：从“功能清单”到“角色体验”
城市端的智能应用越来越强调 场景协同 和 角色体验，而不是孤立功能。
智慧工地同理，平台不该只是菜单堆叠，而应该围绕关键角色提供“视图”：
-
对项目经理：
- 一屏掌握安全、质量、进度、成本关键指标；
- 明确“今天最需要处理的 3 件事”。
-
对安全员：
- 所有 AI 告警排序、去重、分级，明确“什么必须马上处理”；
- 一键生成隐患整改闭环记录。
-
对业主 / 监管方：
- 实时掌握项目安全与进度“健康指数”；
- 关键风险有自动预警与责任主体指向。
智慧城市告诉我们：平台的成败，不在功能多少，而在角色有没有“真正好用”。
四、AI 安防到智慧工地安全：经验可以怎么迁移？
人工智能安防，是智慧城市最成熟、商用化程度最高的领域之一。对建筑企业来说，这恰好是可以直接“拿来主义”的部分。
1. 典型可迁移技术
-
视频结构化与行为识别
城市已大量应用于：人脸识别、周界入侵、聚众异常等。
工地可以落到：- 安全帽、安全带、反光衣佩戴检测；
- 高空抛物、人员跨越警戒线、无证进入危险区域监测；
- 夜间异常滞留与闯入识别。
-
多源数据融合告警
城市侧常见：视频 + 门禁 + 车辆 + 地理围栏联合研判。
工地侧可以：- 视频 AI 告警 + 塔吊负载数据 + 气象数据：构成吊装高危组合预警；
- 人员定位 + 环境气体浓度 + 作业类型：构成有限空间作业风险识别。
-
事后追溯与责任链条
安防系统最成熟的价值之一，就是“有据可查”。
工地方面：- 通过视频结构化结果，快速复盘事故经过；
- 自动生成事故前关键 30 分钟的行为时间线；
- 明确责任主体与管理环节短板，支撑整改与培训。
2. 不可直接复制的地方：工地更“活”、更复杂
城市安防更偏“公共空间、相对稳定场景”，而工地有几个特殊点：
- 施工面每天都在变化，摄像头点位和算法策略要跟着调整；
- 空间更拥挤，遮挡严重，单一摄像很难看全；
- 作业类型多变，同一行为在不同工况下，危险程度完全不同。
这意味着：
- 智慧工地要在 AI 安防成熟能力 之上，叠加：
- BIM 场景理解；
- 进度与工序信息；
- 施工组织设计中的安全措施要求。
真正可靠的工地安全 AI，不是“只看摄像头”，而是 “看摄像头 + 看图纸 + 看计划 + 看人 + 看设备” 的综合判别。
五、从今天到 2026 年：建筑企业可以怎么规划自己的“工地大脑”？
面向 2025–2026 年的项目储备，很多总包、专业承包企业都在重新思考：到底要不要、以及如何系统性做智慧工地。
结合智慧城市的发展经验，我更推荐这样一条路线：
1. 先定“人本工地”的目标，再选技术
- 明确核心目标不是“建多少平台”，而是：
- 死亡和重伤事故显著下降；
- 工期风险可提前 1–2 月预判；
- 质量问题闭环时间缩短 30% 以上；
- 项目团队的管理压力更“可视、可控”。
有了目标，再回头选哪些 AI 和 IoT 技术，而不是被设备厂商的 Demo 带着走。
2. 小步快跑建设“工地数智底座”
不建议一上来就“全栈自研城市级平台”，而是：
- 统一工地物联网接入规范和数据标准；
- 选 1–2 个重点项目做试点，建立基础数据中台；
- 先打通安全、质量、进度这三类数据；
- 在此基础上，再逐步接入成本、设备、劳务等模块。
过程中非常关键的一点是：
保证每接入一类数据，就有至少 1–2 个 立竿见影的业务应用，让项目部切实感到“比以前好用、好管”。
3. 把 AI 当成能力，而不是孤立产品
智慧城市这几年一个很明显的趋势是：
- AI 不再被卖成“一个个独立系统”，而是以“算法服务、模型能力”的形式嵌入城市大脑。
智慧工地也可以参考：
- 把“安全帽识别、行为分析、人数统计、机械状态识别”等算法，统一到一个能力平台；
- 项目部通过配置和订阅的方式，快速启用不同算法，而不是每次上项目都重新买一套系统。
从长期来看，建筑企业甚至可以沉淀自己的算法资产——
- 比如针对自家常用脚手架体系、施工方法、设备组合训练模型；
- 让 AI 越来越懂自己的施工特点，而不是永远依赖通用模型。
结语：人本城市的人本工地，城市底座的工地底座
智慧城市已经证明了一件事：
真正起决定作用的，不是某一个酷炫 AI 应用，而是 “以人为中心的数智基础平台”。
对建筑行业来说，智慧工地的下一阶段，也会朝着同一方向发展：
- 从“设备散点智能”走向“工地大脑”；
- 从“系统林立”走向“统一数据底座”；
- 从“技术导向”回到“人本导向”。
如果你的企业正在规划 2026 年前后的智慧工地路线，现在是个好时间：先借智慧城市这面“提前上映的镜子”，看清哪些坑可以少踩，哪些能力必须补齐，然后再决定，你的第一座“工地大脑”，应该从哪一个项目开始搭。