高盛泼冷水后：智慧工地如何避免“AI数据中心式”悲剧

在2030年前，全球数据中心资本开支可能冲到1.6万亿美元，高盛却给这场AI基础设施狂欢泼了一盆冷水：很可能悲剧收场。

这件事，跟中国建筑行业、跟正在做“智慧工地”的你，其实关系很大。因为今天数据中心在做的事，本质上就是：大规模、重资产、技术驱动的基础设施建设——这恰恰是工程企业最熟悉的路径。但如果思路不改，智慧工地完全可能走上一条“多建、少用、难回本”的老路。

本文从高盛对AI数据中心热潮的四种情景分析出发，对比中国建筑行业的AI/数字化实践，聊清楚三件事：

• AI基础设施为什么容易踩“过度投资”的坑？
• 建筑企业做智慧工地，应该如何设计投资回报？
• 在2025年这一轮AI热潮中，施工企业、业主和平台方各自该做什么，才能不变成“接盘侠”？

一、高盛的警告：当“AI 基建”开始失去算账能力

高盛的核心观点可以一句话概括：如果AI应用需求迟迟起不来，现在对数据中心的疯狂投入，很可能赚不到钱。

他们给出了四种情景：

1. 基准情景：需求不错，但占用率见顶回落

   • 到2030年，数据中心整体能耗较2023年上涨约175%。
   • AI算力占比两年内翻倍到约30%。
   • 2026年占用率见顶，此后回落到约90%，供需开始宽松。
     这意味着：早期投进去的重资产，不一定能长期维持高租金、高毛利。

2. 乐观情景：AI视频等重度应用起飞，供不应求

   • 单位算力能效虽有提升，但AI视频等业务太“吃电吃算力”。
   • 部分高峰地区占用率可能超过100%，甚至排队抢资源。
     这种情况对少数头部运营商是利好，但对大部分后来者，很可能意味着—— 越晚建，越难回本。

3. 悲观情景：AI变现受挫，需求整体降温

   • 如果终端用户不愿为AI服务付费，AI需求在2025–2030年整体下调约20%。
   • 数据中心占用率比基线低约8个百分点，租金被迫下调。
     重资产一旦建成、固定成本摊不出去，最终只能靠降价“硬撑”，资产回报率大幅走低。

4. 云服务降温情景：传统业务降速拖累整体利用率

   • 目前约85%的数据中心容量是传统云和通用算力。
   • 即使AI需求稳健，如果宏观经济走弱、企业压缩IT支出，整体占用率也可能再低4个点。

高盛的高频关键词只有两个：占用率和投资回报率（ROI）。
数据中心赚不赚钱，看的是：

总投入（一次性+运营） × 时间轴 VS 持续的、可验证的付费需求

把这套逻辑换成建筑语言，其实就是我们最熟悉的：产能规划、资金回收和项目现金流。智慧工地要避免“AI数据中心式悲剧”，第一步就是：别被“技术叙事”冲昏头，回到算账和运营本身。

二、从AI数据中心看智慧工地：为什么容易“建得多、用得少”？

智慧工地这几年在全国各地铺开，硬件、平台、传感器、AI视觉、BIM协同一个没少，但很多公司心里都清楚：真正被高频使用、能持续产生价值的，其实就那么几块。

对比AI数据中心的四种情景，会发现建筑行业也有几个典型风险：

1. “只建不营”式数字化：一次性投资，缺少持续场景

很多智慧工地项目的决策逻辑是这样的：

• 招标/评审要求要有智慧工地
• 找一家平台公司，配一套“全家桶”
• 施工期间摆在那儿“过审、迎检”
• 工程结束后，账号没人再登、设备没人再用

这跟部分数据中心运营商的逻辑很像：先把园区、算力堆起来，再期待“未来总会有需求”。
结果就是：短期看起来很现代化，长期投入产出极不匹配。

2. 忽视“占用率”的智慧工地：设备在，数据不在用

对应到工地，所谓“占用率”可以分成三层：

• 设备占用率：摄像头、传感器、塔机黑匣子有没有真正联网、在线？
• 数据占用率：采集的数据，有多少被用到日报、月报、质量、安全、计量等日常决策？
• 决策占用率：管理层是否把数字看板、AI分析结果当作刚性工具，而不是“展示界面”？

如果这三层都不高，实质上就是“闲置资产”，哪怕项目验收很漂亮，从企业角度看，这就是一种数字化浪费。

3. 被“炫技”绑架：技术堆得多，不代表ROI高

高盛提醒的一点非常可贵：AI算力投资的关键，不在于性能参数，而在于能不能变现。

建筑行业这边，类似的误区是：

• 一味追求炫酷的3D可视化、大屏系统
• 堆各种AI算法：安全帽识别、人员轨迹分析、行为识别…但没有真正融入现场流程
• 没有算过：这些功能，到底一年多省了多少直接成本、隐性风险、工期或罚款？

技术越复杂，后续维护成本越高；没有业务闭环支撑的“功能堆叠”，和数据中心里闲置的机柜没区别。

三、用高盛的四种情景，重新设计智慧工地ROI

如果把高盛那四套情景搬到工地上，我们其实可以做一套更清醒的投资规划。

情景一：稳健发展——优先投“刚性场景”

对应高盛的“基准情景”，对大部分施工企业来说，更现实的路径是：

• 优先投资那些监管刚需、甲方刚需、内部管理高频刚需的AI/数字化场景；
• 确保这部分应用在未来3–5年里，每个项目都能复用。

典型刚性场景包括：

• AI视频安全监控：高空抛物、临边洞口、违章未戴安全帽等自动报警
• 塔机吊钩可视化+防碰撞预警
• 危险源区域电子围栏、实名制+闸机考勤
• 进度、质量、材料的标准化数据采集和自动报表

这些场景有个共同点：能直接对应考核指标和损失成本（安全事故、工期延误、质量返工、罚款）。
算账会非常直观。

情景二：高增长场景——选择性押注“AI+BIM+进度”

高盛的乐观情景，其实对应的是“某类重度应用被大规模采用”。在建筑领域，最有可能变成“重度应用”的，是AI+BIM+进度/成本一体化管理：

• 模型级进度模拟：用BIM+AI自动比对计划与现场实况，自动生成偏差预警
• 形象进度识别：AI从视频/照片里自动识别结构完成度
• 施工方案智能比选：不同工序、不同机械组合的成本与工期模拟

这些能力，一旦形成标准化产品+服务，对大型房建、市政、基建企业来说，带来的效率提升会是量级级别的——类似AI视频对数据中心的算力拉动。

但这里有个前提：

不要指望“一上来就覆盖所有项目、所有场景”。更靠谱的做法是：

• 先在少数标杆项目深度打磨；
• 核算出完整的成本–效益模型；
• 再逐年扩展到不同地域、不同类型工程。

这时候做“押注”，才是有底的押注，而不是“为AI而AI”。

情景三：需求不及预期——敢于做减法和关停

如果部分AI功能使用率长期上不去，其实就已经进入了高盛那种“需求降温情景”。

建筑企业在这一点上，反而可以比数据中心更干脆：

• 项目层面：对使用率长期低下的功能，直接停用，回收算力和带宽资源；
• 企业层面：对被证明ROI较低的模块，果断从后续项目清单中剔除，集中预算做少数高价值应用；
• 平台合作层面：把服务从“一次性买断”转为按效果付费/按项目付费，把部分需求波动风险转移给技术服务商。

这其实就是一套“数字化瘦身术”：把试错成本控制在可承受范围内，而不是一口气签一大堆多年期、全模块合同。

情景四：经济波动下的智慧工地：别把钱全砸在“看得见的地方”

高盛提到，云服务需求会随着经济环境波动而调整。建筑行业更明显：

• 基建节奏变化
• 房地产投资波动
• 政府专项资金投向变化

这意味着：

越是周期性行业，越需要把有限的数字化预算，优先放在**提效、降本、控风险的“底盘能力”**上，而不是一次性“面子工程”。

具体来说：

• 少做“一次性展厅式大屏”，多做真正服务日常管理的移动端和PC端工具；
• 少做只在领导参观时亮相的“酷炫功能”，多做一线工长、施工员、质检员天天会用的“小工具”；
• 把预算结构从“硬件+展示”为主，调整为“场景规划+数据治理+持续运维”为主。

四、给建筑企业的实操建议：用“工程思维”做AI，而不是“概念思维”

结合高盛的视角，我更推荐建筑企业把智慧工地当作一个长期工程项目群来管理，而不是一张“数智化名片”。可以从这五步开始：

1. 明确目标：每一块AI功能，都要能写出一条公式

别从“能做什么技术”开始，而是从“能改善什么指标”开始：

• 安全类：死亡/重伤事故率、一般事故次数、停工小时数减少多少？
• 进度类：关键线路工期压缩多少天？赶工费用减少多少？
• 质量类：返工率、一次验收通过率提升多少？
• 管理类：人均管理面积、管理项目数、会议时间缩短多少？

每一项功能必须能写成一条大致的收益估算公式，否则就暂缓上线，只留在试验田里。

2. 小步快跑：先做“1–2个深度场景”，而不是“10个浅尝辄止”

和修一条高铁一样，智慧工地也要有样板段：

• 选1–2个安全/进度/质量中的核心场景，深度做透：嵌入流程、培训人员、持续优化；
• 先在一个标杆项目试点3–6个月，收集完整数据；
• 用试点结果去说服内部管理层和甲方，形成“工程化的成功案例”。

3. 统一“数字底座”：避免项目间“各玩各的”

这点对应数据中心里说的“资源池”。建筑企业内部也应统一：

• 账号体系：实名制、权限、日志统一管理；
• 数据标准：进度、质量、安全、成本字段统一，方便跨项目分析；
• 接口标准：塔机、升降机、环境监测、视频等设备接入规范统一。

这样做的直接收益，是新项目上线智慧工地时，只需要安装硬件+开通配置，而不是每次都“重造一个系统”。

4. 重视运维和运营：给智慧工地配“班长”，而不是“挂名负责人”

很多项目的数字化失败，不是技术问题，而是没人管、没人用。建议：

• 在项目部明确一位“数字化/智慧工地负责人”，真正对日常使用情况负责；
• 把系统使用情况纳入项目月度考核，如同机械完好率、安全培训覆盖率一样考核；
• 与技术服务商建立“线上巡检+线下回访”的SLA，而不是交付即结束。

5. 设计退出机制：每年做一次“功能盘点与关停”

避免智慧工地变成“数字垃圾场”，需要定期做减法：

• 统计每个模块过去12个月的使用频次、产生的直接/间接收益；
• 对成本高、使用低、收益不清晰的模块，优先关停或降配；
• 把节省出来的预算重新投向高价值场景试点。

这一步，才是避免智慧工地变成“AI数据中心式悲剧”的关键。

五、站在2025年冬天：建筑业该如何看这轮AI热？

2025年的AI浪潮，比任何一轮技术周期来得更密集：大模型、AI算图、自动驾驶、机器人、AI监理……各种词汇每天都在刷屏。建筑行业既是物理世界的建设者，也是未来数字孪生、城市级数据中心的重要参与方。

我的看法很简单：

• **乐观其成，但务实落地。**AI一定会深刻改变施工现场，但不会在一两年内“颠覆所有岗位”；
• **把自己当成长期运营者，而不是一次性承包商。**不论是智慧工地平台，还是参与数据中心、算力基础设施建设的项目，都要盯着“运营期现金流”做方案；
• **真正的护城河，不是某个AI算法，而是你对工程现场的深刻理解。**谁能把算法和流程、制度、工艺真正拧在一起，谁才配享受这轮红利。

高盛的警告，对建筑业其实是一次提醒：

技术热潮来来去去，能留下来的，只有那些算得清、用得久、跑得稳的基础设施和管理能力。

如果你的企业正在推进“AI在中国建筑行业的应用：智慧工地”，不妨从今天开始，拿出一张纸，给每一个数字化功能写上一条简单的ROI公式。
当你能把这些算清楚，你就已经避开了大多数“AI泡沫”的坑。