宇视十年“务实创新”的AI实践，为中国建筑企业做智慧工地提供了一份极具参考价值的路线图：不降本增效的AI都是伪创新。
在安防圈里，宇视只用了十年，就从“出场太晚的年轻后生”跑到全球第四、中国第三。数字很亮眼，但真正值得建筑行业、智慧工地从业者关注的，其实是背后的四个字：务实创新。
这几年，建筑业也被一波又一波概念砸中：智慧工地、数字孪生、BIM+AI、元宇宙工地……发布会很热闹，项目现场却经常“试点一年，用不起来”“系统一堆，数据一团糟”。
宇视在安防和AIoT上的走法，恰好给了建筑企业一个很好的对照案例：同样是重工程、强落地的产业，他们是怎么避开“概念陷阱”，把AI真正做成稳定可用的工程能力的？
这篇文章，我想借张鹏国和宇视的故事，拆解出几条对建筑企业有直接借鉴价值的路线图：怎么选赛道、怎么做减法、怎么让AI从PPT走到工地现场。
一、AI落地的第一原则：不降本增效，都是伪创新
先把话说重一点：任何不能降本或增效的AI，在建筑行业都是负担，而不是资产。
张鹏国的原话是：
“任何不能降本或增效的概念和理念创新，都是伪创新。”
这句话，放在智慧工地上同样成立。很多项目“上AI”，走的却是这条路：
- 为了招投标加分，临时拼一套“AI方案”；
- 为了领导视察好看，搭一个炫酷大屏；
- 为了跟上热点，强行上“元宇宙工地”“数字孪生工地”。
结果是：
- 项目结算时发现：软件服务费年年交，现场管理没啥变化；
- 设备接入多套系统，施工现场一样“信息孤岛”；
- 数据采了海量，没人用、不会用、也懒得用。
对比下宇视的逻辑，就会发现差异有多大：
- 从概念到科学到技术，再到工程到产品，每一步都要有清晰路径；
- 内部一律用数字说话，“口号喊得山响，数字不好是没用的”；
- 技术如果不能转成商品（被客户真金白银买单），就只是“产品试验”。
放在智慧工地上，你可以直接把这套逻辑翻译成一个最简单的问题：
这套AI系统，每年能帮我在这三个维度的哪一个上产生可量化结果？
- 安全事故率
- 工期与管理成本
- 质量返工与材料浪费
如果连一个都答不上来，那十有八九就是“伪需求”。
二、专注与减法：大部分建筑企业输在“什么都想做”
宇视有一句行业内很有名的话：“永不进入工程与集成领域。”
对一个安防设备厂商来说，这其实是很反直觉的选择。做集成、做总包，收入冲得更快、更好看，为什么死守设备和平台？张鹏国给的答案很简单：
“专注做好一件事，是很浅显的道理。专注都做不好，不专注会做得更不好。”
再看它的“弃子史”：
- 成立初期果断放弃 VOIP；
- 放弃视频会议；
- 放弃模拟视频，聚焦 IP；
- 几乎每天都在做“减法决策”。
这点，对建筑企业在做“智慧工地战略”时非常关键——大多数公司死在加法，不是减法。
建筑企业最容易犯的三个“加法错误”
- 一次上完所有智慧工地子系统：安全帽识别、塔吊监控、人员定位、环境监测、视频AI分析……结果每个点都浅尝辄止，没有一个做到深度应用。
- 自己什么都想做：既要做平台，又要做算法，还要拉一支开发团队做“自研系统”，最后变成“做不精的软件公司，做不好的建筑企业”。
- 到处铺摊子试点：几十个项目每个试一点新东西，数据口径不统一，组织能力完全积累不起来。
向宇视学的，不是“做少”，而是“有取舍”
宇视做“加法”只有两个硬原则：
- 研发端是否有技术积累可以复用？
- 市场端销售资源是否可以复用？
只要满足一个，就可以谨慎跨步；两个都不满足，就相当于重新办一家公司，要极度慎重。
对建筑企业做数字化转型，很适合作为“筛子”：
- 想自己做BIM平台？问一句：公司有足够的软件研发积累吗？
- 想做城市级智慧建造平台？问一句：有跨项目、跨区域的客户资源积累吗？
- 想自研安全AI算法？问一句：算力、场景数据、算法团队都能长期养吗？
如果三个问题都答不上来，最好的选择往往不是“硬上”，而是找到真正擅长的人合作，自己把精力压在“项目管理变革”“组织流程再造”这些真正属于建筑企业的核心能力上。
三、从“技术秀”到“工程化”：AI在智慧工地落地的四个关键
张鹏国在2017年就提醒过AI圈：“AI要注意工程化。”
这句话在安防里的含义，其实和在智慧工地是一模一样的：不是Demo做得多炫，而是能不能在“风吹日晒+高噪声+复杂工况”的现场，稳定跑上几年。
结合宇视十年的实践，我会把“AI工程化落地”拆成智慧工地必须跨过去的四个坎：
1. 从科学到工程：场景要被吃透
很多AI公司做安全帽识别、烟火识别时，只在“标准素材库”里调模型，误报、漏报在真实工地现场飙升。
宇视的做法是反过来：
- 先压到一线，把“真实场景”变成数据资产；
- 按行业、按项目类型建立细分模型，而不是“一个模型打天下”；
- 算法迭代和工程团队绑定，谁部署、谁运维、谁反馈。
智慧工地做AI时，必须让算法团队和工程现场强绑定，别把它当纯软件项目来管理。
2. 从产品到商品：算清账，才能活下去
张鹏国有一个很现实的判断：
“产品如果不能提高效率或降低成本，只是个产品，不是商品。”
建筑企业在引入AI产品时，可以强制自己做一件事：
在招标文件之外，单独写一页纸：这套AI/系统，每年能带来什么可量化收益？
例如：
- 塔吊防碰撞+视频AI联动：一年减少多少次险情+停工时间？
- AI巡检代替人工巡检：每月巡检人力节省几人，综合成本多少？
- 质量缺陷AI识别：减少多少返工，节省多少材料和工期？
如果供应商说不清，你自己也算不清，那这个项目基本可以判定只是“技术试验”。
3. 可量化、可积累、可迭代：看长跑而不是一锤子买卖
宇视内部给新业务定了“五大标准”：
- 可量化
- 可积累
- 可迭代
- 空间足够大
- 符合社会及组织进化方向
完全可以原样套到智慧工地项目上，尤其是集团性建筑企业：
- 可量化：每个项目的安全、工期、质量指标，必须可对比；
- 可积累：数据模型、标准做法能不能沉淀为企业级资产；
- 可迭代：系统能否支持多项目持续优化，而不是一版定终身；
- 空间够大：别为了一个只有一两年项目周期的小需求，搭一个大平台；
- 符合进化方向：是否符合住建部、地方监管、集团长期数字化路线。
4. 组织与机制：新业务要有“单独跑道”
宇视在做便携式户外电源、新能源等新业务时，有三个硬原则：
- 关键岗位尽量用年轻人，敢闯敢试；
- 业务尽量保持独立性，有自主判断权；
- 最好能独立成子公司，路径清晰。
对应到建筑集团做智慧工地，有一个非常现实的建议：
- 别把数字化/智慧工地团队完全按传统工程管理思路“摁扁”；
- 给他们定义清晰的KPI（以降本增效为主），合理授权；
- 把试点项目当成“产品孵化场”，而不是“展板工程”。
**AI落地，最后都是组织问题。**没有机制配合，再好的技术也只能停在PPT和展厅里。
四、“AI太平天国时代”之后，智慧工地该怎么选？
张鹏国有个很有意思的比喻：
“AI特别像太平天国，充满了帝王将相，满地大小王，短暂又辉煌。”
2016-2021年，大量AI公司涌入安防、交通、城市管理，融资、估值一个比一个猛。现在回头看，很多公司“凉”得很快，原因其实并不复杂：
- 把AI当成“万能钥匙”，什么都想啃；
- 只顾秀算法，忽略从工程到商品的那两道大坎；
- 没有真正和行业场景绑定，站在产业之外谈“颠覆”。
这一幕，正在建筑业重演：
- 一些“智慧工地平台商”既不懂工程，也不了解项目管理，做出来的系统只适合汇报；
- 一些建筑企业一上来就要“自研大平台”，却缺长期投入的耐心与机制。
这里，我非常认同张鹏国的一句话：
“最后的赢家是谁？谁越像曾国藩的气质——吃得苦、霸得蛮、不怕死、耐得烦，谁就会赢。”
翻译到智慧工地，赢家大概率会有这几个特征：
- 敢长期“啃硬骨头”：优先解决安全、质量、工期这些“最难但最关键”的场景，而不是先做好看的大屏；
- 能忍受前期低回报期：接受数字化业务前三五年不一定立刻爆发利润，但能沉淀出方法论和数据资产；
- 不害怕试错，但每次试错都能学到东西：正如张鹏国说的，“不收获成功，就收获成长”。
五、给建筑企业的一份“务实智慧工地清单”
结合宇视的务实路线，我整理了一份更偏实操的清单，方便建筑企业管理层对照：
1. 战略与范围
- 是否明确了未来3年的智慧工地“主战场”？（比如先聚焦安全+质量）
- 是否画清楚：哪些能力坚持自己做，哪些坚决外包？
2. 业务优先级
- 是否给每个AI项目标注了“降本 or 增效”的主目标？
- 是否为每个目标设置了可量化指标（事故率、返工率、人工成本等）？
3. 组织与机制
- 是否有一个能“说了算”的数字化/智慧工地负责人？
- 是否为试点项目设立了单独的评估机制，而不是按传统工程项目一刀切？
4. 技术与伙伴
- 选合作伙伴时，有没有看清对方的行业实践能力，而不仅仅是算法宣传？
- 是否要求关键系统具备二次开发和迭代能力，而不是“买一套，锁死十年”？
5. 复盘与迭代
- 每个试点结束后，是否形成企业内部的“方法论文档”，而不是简单结项？
- 是否真正把沉淀下来的数据、模型和流程，推广到新项目中？
这份清单看起来“朴素”，但真正做到的企业并不多。宇视十年走到“海大宇”，靠的就是这类听上去不性感，却能持续跑赢的基本功。
尾声：智慧工地，更需要“普通人式”的务实
张鹏国说，“跟很多企业的经历相比，宇视真的不算什么。”
他也一直强调：自己就是个普通人，一个“非常乐观的现实主义者”。
我反而觉得，这种气质特别适合今天的中国建筑业和智慧工地：
- 不迷信概念，但也不否定技术；
- 承认路难走，但愿意多跑几年；
- 相信组织，相信中国工程师的韧性。
如果你在建筑企业负责数字化、智慧工地、信息化，可能每天都被各种压力、指标、概念裹挟。但回到最本质的那句：“活着，努力活下去，是企业的第一要务。”
对于智慧工地，也一样——先让AI在项目现场“活下来”，在风吹日晒、高粉尘、高噪声的环境中稳定工作几年，再去谈多么宏大的数字孪生和产业互联网。
这条路不炫，但走得远。
本文为“AI在中国建筑行业的应用：智慧工地”系列之一，后续我们会结合更多工程现场案例，拆解安全管理、进度控制、质量检测等具体场景下的AI落地打法。