眾所周知，建筑業的技術采用落后于其他行業。盡管 2018 年美國建筑支出總額超過 1.3 萬億美元，但該行業始終未能采用新技術。為什么?利潤微薄，工人比以往任何時候都更忙，而且老齡化、技術不利的勞動力處于控制之中。

該行業必須適應。建筑在工作現場存在巨大的勞動力和生產力問題。千禧一代和 Z 世代對體力勞動不感興趣，而是被專業工作或勞動力較少的行業所吸引。缺乏技術采用也使該行業對年輕一代沒有吸引力。與此同時，建筑業的生產力(以每個工人的產出衡量)保持平穩，而制造業等其他行業的生產力在過去幾年中顯著提高。

這些問題聽起來像是人工智能的完美用例。作為建筑科技初創公司的種子期投資者，我和我的同事們對解決行業中這些(以及更多)問題的技術創新有了獨特的了解。許多初創公司確實聲稱使用人工智能——如此之多，以至于每個初創公司的宣傳單現在都必須提到人工智能、機器學習或其他相關的流行詞，這似乎是一條不成文的規則。

“這些初創公司面臨的一個重大問題是缺乏數據。幾乎所有的人工智能解決方案都需要大量的參考數據進行訓練”

但人工智能并不新鮮，幾十年來一直在進行深入研究。 1950 年，艾倫·圖靈 (Alan Turing) 寫了一篇現在著名的論文，描述了后來被命名為圖靈測試的東西——今天仍然是判斷機器是否可以表現出類人思維的標準。然而，自圖靈發表論文以來的 69 年里，沒有一臺計算機能夠通過圖靈測試。那么為什么人工智能現在成為建筑技術的最新流行語?計算能力呈指數級增長，加上能夠經濟高效地存儲每天創建的估計 2.5 萬億字節數據的能力，使計算達到了可以有效開發算法以提供準確結果的地步。

然而，不幸的現實是，雖然我們已經能夠利用增強的計算和存儲能力來制造無可否認的革命性技術，但計算領域在人工智能的最初愿景方面取得的進展相對較小。

盡管如此，仍有一些創新的初創公司正在使用當今的人工智能來幫助建筑行業滿足對更高產出和降低成本的需求，并解決其他困難挑戰。這些初創公司面臨的一個重大問題是缺乏數據。幾乎所有的人工智能解決方案都需要大量的參考數據進行訓練。如果沒有訓練數據，這些解決方案在學術上很有趣，但缺乏在沒有大量人工監督的情況下在實際項目中有用的準確性。由于建筑業已被證明在技術采用方面落后，因此所需的歷史數據通常不存在。更大、更精通技術的公司可能擁有一些數據集，但不愿與外部各方共享。盡管隨著新技術采用的增加，數據可用性將增加，但總體數據缺乏將繼續成為當今和不久的將來建筑技術初創公司的重大障礙。

最近風險投資對這一領域的關注應該會增加真正開發防御性技術解決方案的公司數量。增加投資可以在很大程度上吸引更多的創新人才進入市場，并允許初創公司更快地擴大規模，從而為大型建筑項目提供價值。盡管如此，我們還有很長的路要走，盡管大肆宣傳，但我們今天僅僅觸及了建筑技術中的人工智能的表面。