本文選自中國工程院院刊《中國工程科學》2021年第4期

作者：陳珂，丁烈云

來源：我國智能建造關鍵領域技術發展的戰略思考[J].中國工程科學,2021,23(4):64-70.

一、前 言

建筑業是我國國民經濟的支柱產業，但其碎片化、粗放式發展模式帶來的產品性能欠佳、生產效益低下、資源消耗巨大、環境污染嚴重等問題依舊突出，距高質量發展要求仍有差距。與此同時，發達國家和地區相繼發布了建筑業發展戰略，如英國《Construction 2025》、日本《i-Construction》等，均強調建筑業應通過工業化、數字化、智能化等方式增強產業競爭力。我國建造產業科技創新相比國外發達國家起步較晚，亟需將創新放在建造產業發展的重要位置，尤其是重點發展以人工智能和數字經濟為代表的技術創新與應用，全面提升中國建造的創新能力。

近年來，國內外學者圍繞智能建造開展了一系列研究。Rossi A 等通過在施工機械上安裝智能傳感設備，構建智能化施工機械以實時評估其運行狀態；Bucchiarone A 等同樣應用物聯網技術實現工程要素的互聯互通，提高施工的智能化程度；Kochovski P 和 Stankovski V建立了面向智能建造的邊緣計算框架，支持項目信息管理和各參與方之間的溝通；Edirisinghe R梳理了關于智能工地的 114 篇論文，為發展相關智能建造技術提出建議；Ding L 等利用人工智能技術，從視頻大數據中自動檢測建筑工人的不安全行為；Zhou H 等以港珠澳大橋為例，介紹了智能工地的構建方法。當前，關于智能建造的研究多以具體應用點為主，在智能建造理論、關鍵技術等方面尚未形成整體的系統認識，也未提出清晰的發展路徑。

本文在闡述智能建造內涵的基礎上，對我國建筑業設計、施工、工程咨詢等多個領域的代表性企業開展問卷調研和專家訪談，明確我國智能建造關鍵領域技術的發展現狀和困境。問卷調研總耗時 6 個月，針對四項關鍵技術分別收回有效問卷 367 份、109 份、38 份、121 份（見表 1）。之后，邀請具備智能建造領域技術應用與研發經驗的 23 位專家分別進行 45~60 min 的深度訪談。在此基礎上，凝練適合我國國情的智能建造關鍵領域技術的發展目標和路徑，以期為推進我國智能建造發展提供參考。

表 1 問卷受訪人員工作年限情況 

二、智能建造概述

智能建造作為新一代信息技術與工程建造融合形成的工程建造創新模式，在實現工程要素資源數字化的基礎上，通過規范化建模、網絡化交互、可視化認知、高性能計算以及智能化決策支持，實現數字鏈驅動下的立項策劃、規劃設計、施（加）工生產、運維服務一體化集成與高效協同，交付以人為本、智能化的綠色可持續工程產品與服務。

智能建造的實施能對工程生產體系與組織方式進行全方位賦能，促進工程建造過程的互聯互通、線上線下融合、資源與要素協同，并積極推動建筑業、制造業和信息產業形成合力。這是提升產業發展質量、實現由勞動密集型生產方式向技術密集型生產方式轉變的必經之路，也是對《國民經濟和社會發展第十四個五年規劃和 2035 年遠景目標綱要》強調“加快數字化發展，以數字化轉型整體驅動生產方式、生活方式和治理方式變革” 的適時回應。

發展智能建造將打造“中國建造”升級版。在當前經濟全球化、國際市場競爭趨于激烈的背景下，順應國際趨勢，搶占行業技術競爭和未來發展制高點，最終提升我國建筑業的國際競爭力。

三、智能建造領域技術進展

智能建造體系基于以“三化”“三算”為特征的新一代信息技術，發展面向全產業鏈一體化的工程軟件、面向智能工地的工程物聯網、面向人機共融的智能化工程機械、面向智能決策的工程大數據等領域技術，支持工程建造全過程、全要素、全參與方協同和產業轉型。因此，作為連接底層通用技術與上層業務的樞紐，領域技術的發展將對智能建造的發展起到關鍵作用。

（一）面向全產業鏈一體化的工程軟件

隨著計算機技術的不斷發展以及計算機使用的不斷普及，工程建造領域逐漸形成了以建筑信息模型（BIM）為核心、面向全產業鏈一體化的工程軟件體系。工程軟件包括設計建模、工程分析、項目管理等類型，其作為工程技術和專業知識的程序化封裝，貫穿工程項目各階段。不同類型的工程軟件相互協同，支持建設項目全生命周期業務的自動化和決策的科學化。

工程軟件的主要特征包括：在服務對象方面，工程軟件服務于建筑、市政、橋隧等各類工程項目；在內容專業性方面，工程軟件反映了在工程建造發展過程中長期積累的專業知識；工程軟件源于建筑業的實際需求，通過將工程實踐中獲得的專業知識轉化為模型和算法，繼而將模型和算法軟件化，精確、快速地支持各類復雜的工程建造任務；工程軟件研發與實際應用場景緊密結合，需要在使用中持續改進，不斷提升其功能和性能。

當前，我國工程軟件存在整體實力較弱、核心技術缺失等諸多問題，呈現出“管理軟件強，技術軟件弱；低端軟件多，高端軟件少”的局面，市場份額較多被國外軟件占據。在設計建模軟件方面，國產工程軟件依然面臨著嚴重的“缺魂少擎”問題，71.78% 的受訪人員選擇 AutoCAD 為主要使用的 CAD 幾何制圖軟件，超過 50% 的受訪人員主要使用 Autodesk Revit、Civil 3D 等國外 BIM 建模軟件。面對以 Autodesk 系列產品為代表的國外工程軟件的沖擊，國產設計建模軟件很難在短時間內建立起競爭優勢。在工程設計分析軟件方面，接近 60% 的主流軟件來自國外，國外軟件以其強大的分析計算能力、復雜模型處理能力牢牢占據市場前端；在復雜工程問題分析方面，國產軟件依然任重道遠。在工程項目管理軟件方面，得益于對國內規范、項目業務流程的高度支持，加之國內廠商的持續研發投入，國產軟件已經形成了較完整的產品鏈。

（二）面向智能工地的工程物聯網

工程物聯網作為物聯網技術在工程建造領域的拓展，通過各類傳感器感知工程要素狀態信息，依托統一定義的數據接口和中間件構建數據通道。工程物聯網將改善施工現場管理模式，支持實現對 “人的不安全行為、物的不安全狀態、環境的不安全因素”的全面監管。

在工程物聯網的支持下，施工現場將具備如下特征：一是萬物互聯，以移動互聯網、智能物聯等多重組合為基礎，實現“人、機、料、法、環、品” 六大要素間的互聯互通；二是信息高效整合，以信息及時感知和傳輸為基礎，將工程要素信息集成，構建智能工地；三是參與方全面協同，工程各參與方通過統一平臺實現信息共享，提升跨部門、跨項目、跨區域的多層級共享能力。

當前，我國工程物聯網的技術水平和國外相比仍有較大差距。美國、日本、德國的傳感器品類已經超過 20 000 種，占據了全球超過 70% 的傳感器市場，且隨著微機電系統（MEMS）工藝的發展呈現出更加明顯的增長態勢。我國 90% 的中高端傳感器依賴進口。除傳感器外，現場柔性組網、工程數字孿生模型迭代等技術均亟待發展。另外，我國工程物聯網的應用主要關注建筑工人身份管理、施工機械運行狀態監測、高危重大分部分項工程過程管控、現場環境指標監測等方面，然而本研究調研結果顯示，工程物聯網的應用對超過 88% 的施工活動僅能產生中等程度的價值。在有限的資源下提高工程物聯網的使用價值將是未來需要解決的重要問題。

（三）面向人機共融的智能化工程機械

智能化工程機械是在傳統工程機械基礎上，融合了多信息感知、故障診斷、高精度定位導航等技術的新型施工機械；核心特征是自感應、自適應、自學習和自決策，通過不斷自主學習與修正、預測故障來達到性能最優化，解決傳統工程機械作業效率低下、能源消耗嚴重、人工操作存在安全隱患等問題。

世界各國高度重視工程機械前沿技術，積極調整產業結構，加大了對工程機械的扶持力度，促使工程機械向數字化、網絡化和智能化發展。然而，我國在工程機械智能化技術的研發應用上雖有一定突破，但在打造智能化工程機械所必要的元器件方面仍落后于國際先進水平。可編程邏輯控制器（PLC）、電子控制單元（ECU）、控制器局域網絡（CAN）等技術均落后于發達國家，阻礙了我國工程機械行業的發展，也制約了我國工程建造的整體競爭力。我國工程機械整體呈現出“大而不強，多而不精”的局面，發展提升空間廣闊。

（四）面向智能決策的工程大數據

工程大數據是工程全壽命周期各階段、各層級所產生的各類數據以及相關技術與應用的總稱。工程大數據具有體量大、種類多、速度快、價值密度低等特征，應用重點在于將工程決策從經驗驅動向數據驅動轉變，從而提高生產力、提升企業競爭力、改善行業治理效率。

工程大數據的價值產生于分析過程。數據分析指根據不同任務，從海量數據中選擇全部或部分數據進行分析，挖掘決策支持信息。分析工程大數據除了應用傳統統計分析以外，也需要人工智能的支持。其中，深度學習作為當前人工智能的重點方向之一，具有無需多余前提假設、能根據輸入數據而自優化等優勢，解決了早期神經網絡過擬合、人為設計特征提取和訓練困難等問題。深度學習利用海量數據提供的訓練樣本，在作業人員行為檢測、危險環境識別等任務中獲得廣泛使用。值得注意的是，深度學習的復雜性使得模型容易成為黑箱，因而無法評估模型的可解釋性，而機理模型的優點在于其參數具有明確的物理意義。因此，構建數據和機理混合驅動的數據分析模型，有助于從工程大數據中提練具有實際物理意義的特征，提升計算實時性和模型適應性。

發達國家將大數據視為重要的發展資源，針對大數據技術與產業應用結合提出了一系列戰略規劃，如美國《聯邦數據戰略和 2020 年行動計劃》、澳大利亞《數據戰略 2018—2020》等。我國發布了《促進大數據發展行動綱要》等一系列戰略規劃，但工程大數據的發展和應用仍處于初級階段。在流程方面，我國工程大數據應用流程未能打通，數字采集未實現信息化、自動化，數據存儲和分析也缺少標準化流程；在技術方面，當前主流數據存儲與處理產品大多為國外產品，如 HBase、MongoDB、 Oracle NoSQL 等典型數據庫產品以及 Storm、Spark等流計算架構；在應用方面，我國工程大數據僅初步應用于勞務管理、物料采購管理、造價成本管理、機械設備管理等方面，在應用深度和廣度上均有不足。

四、我國智能建造發展面臨的困境

經過長時間的發展和積淀，我國在智能建造領域取得了長足進步，形成一系列成果。但是，面對國內建筑業轉型升級的需求，對照全球發達國家智能建造的發展勢態，我國智能建造的發展仍然面臨諸多困境。

在市場環境方面：建筑業企業已形成對國外相關產品的使用習慣，產生了數據依存，相關產品替換難度較大；國產產品用戶基數少，缺少市場意見反饋，進一步加大了與國外同類產品在功能和性能等方面的差距。

在企業部署方面：國內廠商戰略部署不清晰，未形成與上下游的深度溝通，不利于產品布局的縱深發展；國內廠商起步晚，生態基礎薄弱，資源分散嚴重，不少國產產品在細分市場仍處于整體價值鏈的中低端位置；國內廠商的自主創新能力與意識仍然較弱，國際領先的創新成果相對較少。

在核心資源方面：智能建造標準體系有待健全，相關研發缺少基礎數據標準，市場適應性和服務能力有待提高；核心技術薄弱，較多依賴在國外企業技術基礎上的二次開發；缺乏完善的智能建造應用生態，無法形成面向項目全生命周期的智能化集成應用；缺少高端的復合型人才，尚未建立相關人才的引進、培養與儲備方案。

五、我國智能建造發展的重點任務

為了推動我國邁入智能建造世界強國行列，應堅持推進自主化發展，遵循“典型引路、梯度推進” 原則，通過補短板、顯特色、促升級、強優勢，研發智能建造關鍵領域技術。

工程軟件加強“補短板”，解決軟件“無魂” 問題。具體措施有：在明確國內外工程軟件差距的基礎上，大力支持工程軟件技術研發和產品化，集中攻關“卡脖子”痛點，提升三維圖形引擎的自主可控水平；面向房屋建筑、基礎設施等工程建造項目的實際需求，加強國產工程軟件創新應用，逐步實現工程軟件的國產替代；加快制定工程軟件標準體系，完善測評機制，形成以自主可控 BIM 軟件為核心的全產業鏈一體化軟件生態。

工程物聯網積極“顯特色”，力爭躋身全球領先。具體措施有：將工程物聯網納入工業互聯網建設范圍，面向不同的應用場景，確立工程物聯網技術應用標準和規范化技術指導；突破全要素感知柔性自適應組網、多模態異構數據智能融合等技術；充分利用我國工程建造市場的規模優勢，開展基于工程物聯網的智能工地示范，強化工程物聯網的應用價值。

工程機械大力“促升級”，提升“智能化、綠色化、人性化”水平。具體措施有：建立健全智能化工程機械標準體系，增強市場適應性；打破核心零部件技術和原材料的壁壘，提高產品的可靠性；摒棄單一的純銷售模式，重視后市場服務，創新多樣化綜合服務模式。

工程大數據及時“強優勢”，為持續創新奠定數據基礎。具體措施有：完善工程大數據基礎理論，創新數據采集、儲存和挖掘等關鍵共性技術，滿足實際工程應用需求；建立工程大數據政策法規、管理評估、企業制度等管理體系，實現數據的有效管理與利用；建立完整的工程大數據產業體系，增強大數據應用和服務能力，帶動關聯產業發展和催生建造服務新業態。

六、對策建議

智能建造工程發展是一項系統性、戰略性、長期性的任務。發展智能建造關鍵領域技術受到政策環境、市場環境、研發部署等諸多因素的影響，涉及多個行業、多個建設主體；需對工程供應鏈不同環節、生產體系與組織方式、企業與產業間合作等進行全方位賦能。

（一）管理機構層面

加快建設一批建造產業創新基地，特別是人工智能技術與建造產業深度融合的創新基地，打造 “基礎研究—技術創新—產業化”鏈條的科技產業協同發展機制。構建國家、行業、企業完善的產業創新基地，引領和示范建造產業的科技創新，充分發揮科研機構的輻射和帶動作用，有助于建造產業關鍵核心技術的突破和轉化應用，能夠促進建造產業創新的集聚發展，為推動中國建造轉型升級和高質量發展提供支撐引領作用。

拓寬建造產業創新支持渠道，加大資源支持規模。鼓勵各級政府加大財政扶持力度，建立穩定支持和競爭性支持相結合的資金投入機制，著力支持建造產業關鍵技術研發與成果產業化。建立以政府扶持為引導、企業投入為主體、多元社會資金參與的創新投入機制，提升資源配置效率，推動孵化新技術、新產品。

建立智能建造標準體系和技術評估機制。重點圍繞各類工程數據在項目全壽命周期的應用，研制相關標準及技術框架，依托現有的國家和社會檢測認證資源，對智能建造關鍵技術發展與應用水平進行客觀評估。階段性開展國內外發展比對分析，對不足之處進行科學指引和及時調整。

建立規范有序的市場環境，構建公平競爭的商業市場體系，完善相關法律法規，加大知識產權的宣傳和保護力度；發揮行業協會在行業自律和規范市場秩序中的積極作用，協助加強反壟斷、反傾銷工作，制止不正當競爭，加強知識產權的宣傳和保護力度。

（二）企業層面

緊扣市場需求，深化市場調研并積極布局，圍繞 BIM 與數字設計、智能工地、無人施工系統、工程大數據平臺等具體方向，堅持以應用為主導開展技術研發，著力解決行業痛點、難點問題。完善市場反饋機制，不斷升級產品功能、性能與基礎服務，打造符合市場需求、面向行業未來的優質產品與服務，逐步積累并壯大客戶群體。

加大研發投入，建立差異化發展模式。強化研發設備、人員等生產要素管理，確保資源集中歸檔，提高產品質量。中小型廠商宜專注于細分領域的專項技術，做專做深，切忌追求大而全；大型廠商可提出為各細分行業提供智能建造的整體解決方案，完善企業之間互聯協同的綜合解決方案，實現與中小型廠商的錯位發展、共同成長。

技術應用單位應與技術研發單位（如硬件廠商、工業自動化廠商等）開展產業鏈協同合作，建立智能建造合作生態。發揮骨干研發單位的技術優勢、應用單位的需求牽引效應，以實際應用驅動技術落地。通過深度合作，形成資源互補、價值共創局面，搭建面向工程全壽命周期的整體解決方案及協作流程，提升體系化發展能力。

（三）高校及科研機構層面

充分發揮辦學特長，結合院校優勢學科，探索符合智能建造創新發展的校企協同育人模式。通過高校科研基地、院企培養計劃、新興學科培養等舉措，重點加強智能建造專業等新工科專業建設，實施建筑土木工程類專業的教學改革，培養精通工程管理、工程技術、信息技術的復合型人才。

發揮高校、科研院所在基礎研究方面的優勢，支持科技人才開展獨立性、原創性研究。注重科研成果的創新性、系列性、系統性和完整性，堅持科研工作源于工程、服務工程、指導工程、引領工程；聚焦工程軟件、工程物聯網、工程機械、工程大數據等底層技術問題，逐步實現技術突破。

注：本文內容呈現略有調整。

□來源 | 中國工程院院刊