赖文杰、张宁、钱江：AI五年内颠覆造价行业，不现实、存疑与支持（上）
作者：互联网 时间： 2026-07-25 16:25:57
| Building 2034是建筑时氪（聚透镜旗下新媒体品牌）的社群活动栏目，面向建筑产业未来10年，关注科技创新、创业方法论、一二级市场投融资、企业转型与出海等商业主题，偏爱探讨市场中有价值但尚有争议的观点。这里没有身份权威，以观点交友，求同存异，保持对真问题的追踪与热爱。 上周，建筑时氪发起「Building 2034」栏目下的第四期讨论活动，主题为“《AI，五年内「颠覆」造价咨询行业，YES or NO?》 ”。我们邀请了国内造价领域专家马楠教授、以及青矩技术、小栗科技、建元基金、中国建设贸促会、中建云筑、美的楼宇科技、品茗科技、光铭研究院等企业朋友，他们分享了自己的观察与看法。 建筑时氪将分批对不同嘉宾的观点整理，输出文字版本，供大家探讨。本篇是第一批观点，最后也会输出一篇总结性稿件，并对有待研究的真问题进行汇总，以便持续追踪。 |
以下为第一批特邀嘉宾的核心观点：
张宁，建元基金技术副总裁AI之后肯定会改变造价咨询行业，但5年内能否达到颠覆程度，我表示存疑，需要进一步观察。不过，当下AI逐渐改变建筑行业（包括工程造价行业）的两大条件已经形成。首先，建筑行业本身的许多问题，用传统的方法去解决，已经遇到了瓶颈，无法再突破，面临的局面就是内卷，例如专业能力和资源集中在少数领导手上，而一线人员得不到这些专业能力和资源的支持；例如安全、质量的管控长期成为行业的难题等等。AI或其它数字技术的应用是新的选择和出路；其次，产业数字化已成必然趋势，行业共识已经形成，近50个产业数字化中心的成立，表明方向已经越来越明确，AI应用也将是产业数字化的主攻方向。实际上，AI如BIM技术一样，在建筑行业推广起来，也会遇到同样的问题，比如落地难、规模化和商业应用也比较难，源于建筑行业的特点：高复杂、强个性、多专业、大时空。工程造价并不是一个头部效应明显的行业，没有一个龙头企业能够在里面占据比较大的份额，很多企业在这个行业中，多多少少都能分一杯羹。在工程咨询项目中，报价、审价、出报告，这个过程并不难，只需按照定额进行对应即可。然而，真正的挑战在于造价咨询背后的存在逻辑。造价咨询赚钱靠的是什么？我去咨询了这方面的朋友，专业能力、沟通能力和客户关系都显得尤为重要。难点在于，造价咨询如何说服各方接受他们所提供的意见。工程造价咨询的主要客户是甲方，被赋予了“代表甲方”的身份，他们通常利用自身的能力和地位来“压榨”施工总承包方，后者通常处于弱势地位。而优秀的造价咨询却是站在甲乙双方的角度，通过“挤出”造价水分，让甲乙双方均能获得利益。他们除了运用造价规则，还会从技术、工序、进度等方面进行优化，进而降低工程造价，这部分优化出的造价，甲方得大头、乙方得小头，形成共赢的结局。因此，工程造价咨询的专业能力、谈判能力是他们生存的核心能力。那么，两家咨询公司的差别又何在呢？实际上，这个问题值得探讨。A、B两家公司审视同一份造价报告，却不一定会得出相同的意见，因为每家公司都有自己的专业特长。例如，A公司擅长隧道工程，对隧道造价的评估可能更加精准。而B公司专注于大楼建设，他们在建筑装饰工程方面拥有更多的专业知识。因此，我们两家公司在专业能力上存在差异，谈判能力也会如此。还有一些问题更应该思考，那些是行业更深层次却因习以为常，而被业内中人忽视的问题，这些问题也许是AI可以发力的点，如：用户为什么选择“工程造价咨询”？答案是：用户的人力资源不足、专业能力不足、沟通成本过高。“工程造价咨询”又面临什么问题？答案是：优先人才不足、专业能力不全面、审价和编写报告占用过多资源。回到AI是否替代的问题，答案是：一定能，尽管还没有专门为建筑工程行业“定制”的AI工具，而且AI已经渗透进这个行业。将专业领域的造价审核能力、优化能力或谈判能力与AI相结合，可能会开发出一套适合“工程造价咨询”的AI工具。而工具能否商业化并“颠覆”这个行业，那要看：1）观察积极拥抱AI的工程造价公司，AI能覆盖他们多少业务？能提升多少效率？能否转化为实际的经济利益？2）能否规模化应用并影响到产业上下游？3）能否改变行业竞争格局？根据我们之前的经验，许多数字化工具很难实现规模化，还是需要正视建筑行业的特点：高复杂、强个性、多专业、大时空。《对话建元基金张宁：建筑业数字化，真伪路径的博弈与破局（万字访谈）》。我们曾经介绍过“贝壳网”的发展历程和经验值得我们借鉴：1）深度洞察行业问题，用新技术（AI）来解决问题；2）思路：运用工程思维将复杂问题拆分为简单问题，提升成交效率；让从业人员根据自身能力迅速找到定位，简单上手获得价值感和成就感；将个性化服务变成标准化服务；3）从细节入手：将传统业务割成若干环节，每个环节独立迭代，分别模块化、标准化，每个环节形成独立的商业闭环，为新商业模式奠定基础。4）先内部迭代：局部试点，完成“从0到0.9”；扩大试点反复迭代，完成“0.9~1”；集团内部推广，进一步优化，完成“1~N”。5）守住初心：解决行业问题，为同行创造价值。6）开放平台：营造共赢。我看到秦明提出这个问题，我回顾了投资过程中接触过的一些项目，实际上，AI与我们行业已经有许多结合：1）一家AI+视觉公司，能够应用于工业产线质量品控和城市道路的交通管控；2）一家无人驾驶公司，应用于城市、园区的环卫清扫；3）一家机器人公司，应用于化工领域的巡检，自动识别安全隐患；4）一家AI设计公司，应用于工程辅助设计；5）一家AI+倾斜摄影公司，应用于实景三维建模，AI能够实现处理海量数据、产出高精度三维模型，降低了90%的人工成本；6）一家AI+视觉公司，应用于道路设施的巡检。分析上述项目，AI能否规模化应用需要几个基本条件：1）边界条件清晰的专业场景；2）适合专业场景的标准化、海量数据；3）应用场景在传统业务中高频出现；4）专业能力能够转化成数学模式。总之，AI能否发挥作用首先取决于它是否能够解决实际问题，创业团队需要将专业能力转化为AI的能力。数据量也是一个关键因素。如果这几个条件都具备，那么AI有可能实现规模化应用。能否商业化、能否“颠覆”行业，这就要看创业团队能持续用AI为用户创造出更多价值，并且在竞争中保持优势。需要正视一个现实：新技术在建筑行业中落地很难，商业化更难，“颠覆”更是难上加难。有些曾在建筑行业中创业的AI团队，最终选择转向其他领域发展，因为在那些领域更容易规模化、商业化。总结下我的观点，我对AI影响建筑行业持积极的态度，因为条件已成熟，AI等数字技术是行业的新选择或出路，已经有很多案例体现了AI对行业的影响。至于能否“颠覆”，主要看：1）AI能否解决问题，并帮助“积极拥抱者”大幅度优化效率和成本；2）能否规模化应用并影响上下游产业；3）能否改变行业竞争格局。务必重视建筑行业的特点：高复杂、强个性、多专业、大时空。
相关资讯
-
- 如何确保淘宝商品详情API:SKU价格/库存实时性
- 2026-07-25
-
- 阿里对决五角大楼：被指控的模型能力提取到底是什么技术？
- 2026-07-25
-
- 扩散模型为何能摆脱维度灾难？该论文给出了一个很漂亮的理论答案
- 2026-07-25
-
- 从原始AI回答到品牌推荐率：数据清洗与指标聚合的流程
- 2026-07-25
-
- 苏大教授创业做机器人触觉系统：获松禾资本千万级天使轮融资｜硬氪首发
- 2026-07-25
-
- OurGEO：企业官网内容为什么需要适配新的搜索环境
- 2026-07-25