于震：建筑产业智能体与大模型发展的思考与实践

建筑产业智能体与大模型发展的思考与实践

文/于震

中国建筑科学研究院科技标准部主任

建筑产业智能化的推进，需要构建一条从数据到应用的能力链条。高质量数据集是训练大模型的基础，而建设高质量数据集离不开行业统一的数据标准。在此基础上，大模型成为智能化的核心能力载体，智能体则是调用大模型、理解需求并执行任务的核心单元。工业软件通过API化、服务化改造，成为智能体可调用的“能力组件”。当智能体与硬件设备结合，便形成具身智能，将数字决策转化为物理执行。

当前人工智能正从内容生成工具向任务执行主体演进，智能体成为行业热点。从发展路径看，智能体经历了从辅助工具到自主执行的演进过程。当前的热点“龙虾”是让 AI 具备工具调用和自主操作能力，通过视觉识别和代码生成操控电脑界面，不再只是被动地回答提问，而是能够像人一样打开软件、点击按钮、填写表格，完成一整套操作流程。下阶段则是从单点智能体向智能体集群发展。

对于建筑这种规则密集、流程复杂、与物理世界深度绑定的产业，智能体的落地需要找准定位。从应用形态看，一类是辅助工程师完成专业任务的“智能副驾”，另一类是独立执行流程性工作的“数字员工”。以我院开发的结构智能设计系统为例，它通过自然语言理解设计师意图，自动完成结构建模、荷载布置、结果查询等操作，将繁琐的手工操作转化为对话式交互，属于“智能副驾”类智能体。我院开发的“建研查微”系统，对建筑机电系统进行24小时实时监测，自动识别设备异常、定位故障根源、生成维修方案，将运维人员从被动巡检中解放出来，属于“数字员工”类智能体。

在推进智能体落地应用的过程中，我们有三点体会。

第一，智能体的能力上限不取决于模型参数规模，而取决于行业知识被编码和验证的程度。我院正在将长期积累的规范条文、设计案例、检测数据转化为结构化规则，形成可计算的行业知识库。

第二，智能体要进入核心生产环节，必须走知识驱动与数据驱动融合的路径。纯数据驱动模型易产生幻觉，可靠性不足，必须将力学方程、规范条款等确定性知识嵌入模型。

第三，智能体的价值要在人机协同中实现。应让智能体更多承担重复性工作，让工程师专注于创造性决策。

建筑是一个现实世界的复杂系统，其性能受结构力学、热工物理、流体力学等多重规律支配。大家熟悉的大语言模型擅长处理文本，但建筑行业的核心问题不仅是“说得清”，更是“算得准”——结构安全、能耗高低，这些都需要遵循物理规律。因此，我们提出了认知与仿真双引擎协同的技术路线：大语言模型处理规范条文、设计说明等语义信息，世界模型负责结构受力、能耗演化等物理仿真。

在认知层面，依托通用大语言模型，注入建筑领域规范、图纸、案例等专业语料，形成建筑领域语言模型。我院作为行业高质量数据集建设链主单位，正在系统推进各类文档材料的结构化解析，牵头制定数据治理标准，形成专业领域高质量数据集，训练专业大模型。

在仿真层面，我院正在系统推进建筑领域世界模型的构建，包括建设专项数据集、搭建数据初试与中试平台，同时将成熟的仿真计算内核进行服务化改造，使其能够被各类智能应用灵活调用。

传统工业软件的发展模式正在发生变化。SaaS 化改造的核心是将软件能力封装为可被调用的服务，而非仅提供人机交互界面，这恰好与智能体的需求相契合。目前我院正在将 BIMBase、PKPM 等工程软件通过 API 化、服务化改造，探索以编程智能体辅助代码生成与优化，推动传统“工具软件”向可被智能体调用的专业服务转变。

硬件智能体是智能体向现实世界的延伸。我院开发的建筑外围护结构智能检测系统，集成无人机与爬墙机器人，可对外墙病害进行远距离、定量化检测，解决了高空检测难题。防火所研发的人员疏导机器狗，融合多模态感知与自主决策，可在火灾等紧急情况下实现人员引导。这类应用要求在仿真环境中预演复杂场景，训练模型适应真实物理规律。同时，硬件采集的现场数据回流到数字平台，用于更新模型、优化算法，形成持续迭代的闭环。未来随着具身智能技术成熟，有望在危险环境巡检、高空作业等场景实现更高程度的自动化。

建筑产业智能化是一项长期而系统的工程。中国建研院将坚持夯实数据基础、深化机理融合、推动人机协同的方向，与行业各方共同努力，为建筑行业的智能化转型贡献一份力量。