真正危险的，不是AI发展太快，而是大量没有进入真实生产的人，正在替产业判断AI应该怎么发展。
这两年，关于AI的声音实在太多了。
有人争大模型还是Agent，有人争开源还是闭源，有人争国产模型到底行不行，有人天天预测哪些职业会消失、哪些行业会被颠覆。
观点越来越多。
判断越来越快。
结论越来越大。
但我越来越强烈地感到：
今天我国AI真正的问题，已经不是“要不要做”，甚至也不主要是“方向往哪里走”。
真正的问题是——
下场的人还是太少。
尤其是在建筑产业。
这个行业足够复杂，也足够现实。
一个方案最后能不能成立，不是PPT说了算，不是模型排行榜说了算，也不是一次Demo说了算。
它最后要面对土地、房屋、资金、设计、施工、合同、付款、验收、运营、使用者，以及一群利益不同、权责不同、能力不同的人。
而这，才是AI真正应该进入的地方。
一
今天很多AI争论，不是缺少观点，而是缺少实践
现在有一个很有意思的现象。
很多人讨论AI，已经熟练到可以一小时讲完一个产业的未来。
但你仔细问下去：
真正把AI接进过企业核心业务吗？
真正碰过跨部门权限吗？
真正处理过脏数据吗？
真正面对过合同责任吗？
真正让AI参与过一个连续几个月的生产过程吗？
真正承担过一次错误结果吗？
往往没有。
问题就在这里。
没有进入真实生产，很多所谓“产业判断”，其实只能叫假设。
模型今天能写一份很漂亮的项目策划书，这是一件事。
一家企业敢不敢依据它调整几千万投资，是另一件事。
AI能识别设计图纸问题，是一件事。
这个问题到底是谁确认、谁修改、是否构成设计变更、会不会改变工程量和合同价，是另一件事。
Agent能自动生成一条工作流，是一件事。
这条工作流涉及两个法人、三个部门、四份合同以后还能不能跑，是另一件事。
如果不进入这些现场，就很容易产生一个巨大的错觉：
把模型能力，当成了产业能力。
而两者之间，隔着一整套现实世界。
二
AI最大的泡沫，未必是模型泡沫
我现在反而不太担心AI有没有泡沫。
任何重大技术周期里都会有泡沫。
资本有泡沫。
估值有泡沫。
产品有泡沫。
概念也有泡沫。
真正值得警惕的是另一种泡沫：
认知泡沫。
一群没有真正下过场的人，因为看了很多演示、报告和新闻，就开始替产业决定AI应该怎么落地。
这比技术本身的泡沫更麻烦。
因为它会制造大量伪问题。
“AI会不会替代建筑师？”
这个问题太粗了。
建筑师到底指谁？
方案设计？
施工图设计？
专业协调？
现场服务？
设计变更？
业主决策支持？
这些工作本来就不是一件事。
“AI能不能替代造价工程师？”
同样如此。
识别工程量、匹配清单、询价、组价、合同边界判断、变更确认、索赔谈判、结算审定，是完全不同的责任。
真正进入现场以后，很快就会发现：
很多所谓“AI替代”，最后变成的是工作重新分配；
很多所谓“自动化”，最后变成的是人机责任重新划分；
很多所谓“智能”，真正困难的是谁有权确认它说的是对的。
这才是产业问题。
三
建筑产业尤其不能靠“站岸上指导游泳”
建筑产业这些年经历过太多技术浪潮。
BIM。
CIM。
数字孪生。
智慧工地。
工业互联网。
产业互联网。
城市大脑。
现在是AI、Agent、具身智能。
每一次浪潮刚起来的时候，都有人宣布产业要被彻底重构。
最后真正留下来的，从来不是概念本身。
而是那些真正嵌入生产、形成稳定关系的东西。
为什么？
因为建筑产业有一个特别残酷的特征：
它不是单点软件问题，而是连续责任问题。
一张图纸背后，不只是几何信息。
它可能连接设计任务、投资测算、工程量、采购清单、施工范围、变更、结算、竣工资料和未来维护。
一台设备也不是一个BIM构件那么简单。
它背后要继续回答：
谁设计？
谁采购？
谁安装？
谁验收？
谁保修？
谁维护？
谁付钱？
坏了以后谁承担？
运营公司换掉以后，责任还在不在？
如果一个AI系统只知道“这是一台空调机组”，却不知道这些关系，它距离产业生产还很远。
所以建筑产业真正需要的AI，不应该只是“生成内容”。
更重要的是开始参与：
对象识别、专业判断、跨阶段交接、异常发现、责任追踪、决策支持和持续运营。
这就不是做一个聊天框那么简单了。
四
真正的AI落地，不是做一个Demo
今天最容易制造误判的东西，就是Demo。
Demo当然有价值。
但Demo有一个天然优势：
环境是干净的。
数据是挑过的。
流程是预设的。
异常是可控的。
责任通常不存在。
真实世界恰恰相反。
真正的项目里，资料可能缺一半。
同一个对象可能三个系统三个名字。
两家公司对同一件事情可能有两套说法。
一个合同已经签了，但附件还在改。
设计版本换了，施工现场已经做了一部分。
钱已经到账，但不知道对应哪个付款节点。
设备已经移交，但保修责任没有交清楚。
运营方突然换人，历史资料没人看得懂。
这个时候，AI才真正进入产业。
所以我认为，所谓“真正下场”，至少要同时碰到五样东西：
真实数据。
真实用户。
真实流程。
真实责任。
真实结果。
缺任何一个，都可以叫实验。
但最好别急着叫“产业升级”。
五
我国AI真正巨大的机会，是提高“实践密度”
我对AI反而并不悲观。
因为我们拥有一个极其重要、但经常被低估的优势：
世界上最复杂、最丰富的一批真实产业场景。
制造业。
建筑业。
供应链。
物流。
能源。
城市治理。
医疗。
零售。
大量产业链都足够长、足够复杂、足够现实。
这意味着，我国AI下一阶段真正巨大的创新空间，不一定只来自“再训练一个更强模型”。
还来自：
让更多AI真正进入这些场景。
过去三个部门来回传Excel，现在能不能让AI帮助维持一个连续的业务对象？
过去一个老师傅二十年的经验只能存在脑子里，现在能不能逐步转化成可调用、可验证、可修订的专业知识？
过去一个项目经理同时管十个项目已经很吃力，现在能不能由AI持续筛选异常，把真正需要人判断的问题推到面前？
过去不同企业之间靠会议、微信和个人关系维持合作，现在能不能把一部分交付条件、版本、责任和结算关系变成机器可以理解的结构？
这些创新第一眼看起来都不性感。
甚至不像AI。
可能只是少传了一张表。
少找了两个小时文件。
少开了一次会。
少出现一次版本错误。
一次工程变更终于能够知道会影响哪个合同、哪笔钱、哪个资产和哪个运营责任。
但我反而认为：
这才是AI真正开始进入产业的标志。
六
真正重要的变化，可能不是“替代人”，而是提高人的能力上限
关于AI，最容易传播的话题永远是：
“它会替代多少人？”
但我越来越觉得，这个问题不够重要。
真正值得研究的是另一件事：
AI把一个人的能力边界推到了哪里？
过去一个优秀项目经理，能力主要存在于个人经验中。
未来，他有没有可能同时调用合同、设计、成本、现场、历史项目和企业知识？
过去一个专家的能力只能服务有限项目。
未来能不能通过AI，把他的判断方式放大到更多场景？
过去一个企业的知识高度依赖少数关键员工。
未来，这些知识能不能成为组织能力，而不是员工离职以后一起消失？
这才是AI更深层的价值。
它不是简单减少人。
它可能首先改变的是：
一个人能够理解多少信息。
一个人能够协调多少关系。
一个团队能够同时处理多少复杂问题。
一个组织能够保留多少过去的经验。
到这一步，AI才开始从工具变成生产能力。
七
AI真正暴露出来的，往往是企业原来就存在的问题
这一点尤其有意思。
很多企业以为自己是在做AI转型。
结果AI一进去，最先暴露出来的不是模型问题，而是企业自己的问题。
数据对不上。
流程没人说得清。
两个部门都认为自己负责，但出了问题谁都不负责。
很多所谓“标准流程”，其实靠几个老员工记忆维持。
很多管理制度写得很漂亮，但真实业务根本不是这么跑的。
这时候AI像一面镜子。
它迫使企业回答一些以前可以含糊过去的问题：
这个数据到底是谁维护？
哪个版本算正式？
谁有权修改？
谁有权确认？
出了问题谁承担？
这个流程到底是制度规定，还是大家习惯这么干？
所以AI进入产业以后，往往不是先改变AI。
而是先迫使企业重新认识自己。
从这个角度看：
AI最大的价值之一，可能不是自动化，而是把组织长期掩盖的问题逼出来。
八
建筑产业真正有价值的AI，不是再造一个孤立的软件
建筑行业其实已经不缺软件。
设计有设计软件。
造价有造价软件。
施工有施工软件。
项目管理有项目管理系统。
运营有运营系统。
财务有ERP。
真正长期没有完全解决的，是这些系统背后的业务连续性。
项目为什么形成？
谁决定投资？
设计为什么这样改？
这个变更影响多少钱？
这笔钱对应哪项责任？
工程交付以后谁接？
资产运营以后发生的问题，能不能回到下一轮设计和投资？
这些问题如果不能连续起来，再多系统也可能还是信息孤岛。
所以我更关注的，是AI有没有可能逐步参与建立一种新的连接能力：
不是把所有软件替掉，而是让原来彼此断开的业务关系开始连续。
不是再造一个“大而全平台”。
而是让项目、企业、合同、资产、设备、资金和责任之间的关系能够持续被理解。
这可能才是AI和建筑产业结合之后，真正值得做十年的事情。
九
所以，我对今天很多“AI指导产业”的声音保持警惕
不是说产业不需要理论。
当然需要。
也不是说不下现场的人不能研究。
当然可以研究。
问题在于：
必须清楚自己站在哪里。
没有下场，就把结论写成假设。
没有真实数据，就别装成已经验证。
没有承担结果，就别轻易替真正承担结果的人设计责任。
没有长期运行，就别因为一次Demo宣布一个行业已经被颠覆。
这不是反智。
恰恰是对专业的尊重。
真正的产业创新，必须容许一种很朴素的东西：
事实比观点大。
一次真实失败，比十篇乐观预测更有价值。
一个真正连续跑了一年的小系统，可能比一个震撼全场的Demo更重要。
一个工地上被老师傅指出来的问题，有时候比会议室里一百页技术架构更接近真实世界。
十
这个时代真正需要的，是更多“下场的人”
我并不觉得今天缺少谈AI的人。
真正稀缺的是另一类人：
既懂产业，又愿意碰技术；
既懂技术，又愿意承认自己不懂现场；
既能做战略判断，也愿意把一个字段、一个流程、一个责任关系做到最后；
愿意连续使用AI几个月、一年甚至更长时间，再回来修正自己最初的判断。
因为很多真正重要的创新，从来不是先有正确答案，再去执行。
而是：
真实问题 → AI进入 → 暴露问题 → 修改组织和工具 → 再使用 → 出现新的能力 → 再产生新的问题。
创新就是这么一点一点长出来的。
所以今天再问我：
AI未来到底应该走哪条路？
我的回答反而越来越简单。
少一点站在岸上的路线之争。
多一点真正下水的人。
去一家企业。
去一个工厂。
去一个项目。
去一个工地。
去一套真实业务。
把AI放进去。
让它碰一次脏数据。
碰一次权限冲突。
碰一次合同责任。
碰一次真实客户。
碰一次错误。
也碰一次真正创造出来的价值。
然后再回来告诉大家：
AI到底是什么。
它真正改变了什么。
哪些事情我们高估了。
哪些东西我们反而严重低估了。
在那之前，所有宏大的判断最好都保持一点克制。
因为这个时代AI最大的泡沫，可能真的不是模型。
而是——
一群没下过场的人，正在指导真正下场的人应该怎么干。
产业不会因为观点正确就改变。
产业只会因为有人真正进去，把事情干成，而改变。