'再也不用擔心工地上的危險，人工智能為你保駕護航'

建築行業是個巨大的市場，每年產生的價值高達10萬億美元。然而建築行業的施工現場安全管理、項目風險帶來的財產損失控制一直是困擾整個行業的難題。得益於人工智能技術在計算機視覺、無人機、邊緣計算的突破，越來越多的新科技開始被建築公司應用在施工現場，通過實時的圖像檢測和數據分析，感測工人與器械之間的意外碰撞、檢查300米高空玻璃外牆的嚴密性、提前預測可能出現的項目延期問題，從而做好應對措施降低風險。

除了案例分析之外，本報告還將深入探討目前人工智能應用於建築行業面對的阻力和限制，並展望了行業的未來趨勢，幫助建築行業從業者更好地思考如何有效利用人工智能產生價值。

作者 | Ivan、田辰

一、建築行業風險控制的市場規模

全球約有7%的勞動力集中在建築行業，這個市場每年產生的經濟效益達到十萬億美元。然而建築行業一直面臨著極高的安全風險，建築工人的死亡率也要遠遠超出其他行業平均水準的四倍，施工安全成了工地上最重要、最棘手的管理任務；由於大型建築器械的出現，從2010年至今每年建築工人因碰撞致死的事件也上升了34%。另外由於建築項目的複雜度之高、週期之長，延期交付、超出預算的意外情況也是時有發生，這對於無論是施工方、項目方還是客戶方都會產生損失。因此，在每一個建築項目中，風險控制是極其重要的環節，這涵蓋了對建築質量、施工安全、工程項目時長和支出預算等方面會潛在意外情況的預防和避免。

二、人工智能技術對建築行業風險控制的影響

目標檢測算法：得益於無人機的價格降低和成像質量的提升，建築公司已經開始使用無人機在空中檢查樓房的安全質量。通過目標檢測算法，計算機能夠在無人機拍攝的高清畫面中，探測樓房外牆上任何漏風透水的現象，及時反饋給建築商河承包商。

目標軌跡追蹤：利用工地現場的攝像機和無人機取像，計算機能夠實時在3D模型中追蹤工人、機械和建築材料的運動軌跡。當計算機判斷出人和機械、或者機械與機械的運動軌跡可能會發生交叉時，計算機會提前發出碰撞預警，幫助工程項目減少因為意外碰撞帶來的生命財產損失。

邊緣計算：建築工地因缺乏高速高帶寬的網絡環境而限制了數據聯網、雲計算的使用潛力；而建築工地上人員和機械的操作頻繁，這對於計算的實時性的要求很高。像英偉達Jetson這樣的邊緣智能計算平臺能夠在在本地完成需要的計算任務、實時返回給操作人員，這對於建築工地的使用來說至關重要，促進了人工智能技術在建築行業的深度滲透。

循環神經網絡：目前建築行業普遍開始使用建築信息模型（BIM）系統來記錄建築三維模型、材料、項目等信息，基於這些數據信息，循環網絡技術可以學習歷史項目數據，從而更準確地對未來項目進展進行預測、提前預警項目延期的風險，幫助建築師和項目工程師更準確地把握項目進度。

三、人工智能在建築行業風險控制中的應用分佈

其他周邊場景：除了風險控制，在建築行業中，人工智能技術還被應用在材料運輸供應鏈優化、建築項目的預算管理、建築工地使用的機器人研發等場景中。

四、建築行業風險控制人工智能應用案例

Stanislas Chaillou（哈佛建築師）：通過700份設計圖紙的圖片訓練出了生成對抗網絡模型來設計房屋，能夠提供完整的佈局、間隔、裝飾等細節設計。他的模型可以根據需求提供巴洛克、俄羅斯方塊風格、維多利亞、曼哈頓現代都市等建築風格，還能夠根據設計師新輸入的房屋參數針對設計進行調整，在考慮安全、建築面積、房間數量等限制下做出最優的設計。Chaillou目前在和紐約曼哈頓下東區的地廠商合作，將這一技術應用在最新的樓房設計項目中。

Layton：管理著購物中心、酒店、醫院和大型體育館等大型建設項目。Layton的建築原型設計和方案落地過程中都使用Autodesk的建築信息模型（BIM）來管理三維建築模型和相關數據，設在這個基礎上，他們使用Autodesk的人工智能解決方案Construction IQ來實時讀取、分析施工現場的數據。Construction IQ可以基於歷史數據預測當前項目需要的時間、幫助管理者更好地計劃建築項目，還能預測危險的施工行為、承包方交接可能出現的問題，通過可視化儀表盤的形式展現給工程項目的管理者，幫助他們及時獲取可能出現的事故隱患，從而規避事故風險。

Suffolk：通過分析過去10年的項目工期數據，開發算法來對新的項目進行工期預測。除此之外，Suffolk也通過過去360個項目中收集的70萬張圖像照片來訓練機器學習模型，從而可以基於工地的圖像數據預測跌落、撞擊等事故風險。這些舉措幫助Suffolk的生產效率提升了20%。

Komatsu：在2015年啟動了“智慧建築”項目，通過器械內配備的攝像頭和工地現場的無人機採集圖像數據，利用英偉達的邊緣智能計算平臺Jetson建立起工地實時的3D模型、追蹤人和器械的實時互動，從而能夠對潛在的碰撞危險提出及時警告。目前這套技術已經被應用在了美國4000個建築工地上。

John Murphy：管理美國邁阿密市中心的一棟58層公寓樓派拉蒙世界中心，傳統的玻璃外牆檢測需要工人搭乘吊板從樓頂向下在樓外檢查，在颳風的天氣裡會非常危險。John Murphy後來使用大疆無人機檢查大樓的幕牆玻璃質量，攝像機可以清楚地捕捉滲漏、透水等問題。無人機還能夠在大樓未完工前就開始檢查樓內的鋼結構鋪設情況，在施工過程中就提前發現安全隱患；或是檢查像天橋這樣顯著突出於主樓外牆的結構的安全質量。

五、人工智能在建築風險控制行業侷限性

產業上下游割裂：負責項目決策的地產商和負責建設執行的承包商之間往往缺乏交流、對另一方面對的問題缺乏認知。這導致了行業內對於推進人工智能應用缺乏足夠的動力，無形之間形成了很大的阻力，也限制了像項目進度預測。

專業人才匱乏：缺少具備專業人工智能技術和應用經驗的人才，對於如何將人工智能項目應用在實際操作過程中，以及如何管理部門之間數據共享的，管理者普遍缺少足夠的信息來支持決策，這對於順利部署人工智能項目會是一個挑戰。

資本投入較少：根據數據統計，建築工程領域對於新技術研發的投入只有總支出的1%，要遠遠落後於像金融、製造業。這體現了建築工程領域對於科研投入意識的缺乏

六、人工智能在建築風險控制行業發展趨勢

大量使用機器進行工程建設和管理：目前全球工程建築行業普遍面對的一個嚴重問題是招工難及勞動力老齡化的問題，在這個驅使下，我們會看到越來越多的機器人會被投入到工程建設和管理相關的工作中來彌補勞動力短缺的問題。

人工智能在建築行業的普及將由大建築公司主導：人工智能技術的應用還屬於早期階段，業界對於新技術的認知和信心普遍較低。在建築行業內，人工智能技術的應用將很有可能將由大型建築公司首先推進，通過他們的資源和影響力實現貫穿上下游的技術應用。