AI改造最难啃的行业，万亿基建求解“效率”与“可信”

全球基础设施行业走到了变革的十字路口。一边是预计到2025年将达到10万亿美元的全球建设支出热潮，另一边是，行业生产率数十年来几乎没有改善。

人工智能在各个行业都普遍被视为破解困局的“关键契机”。

“要真正弥合全球基础设施的供需鸿沟，我们需要一次生产力的飞跃式变革，那就是人工智能。”Bentley软件首席执行官康岷思在接受21世纪经济报道等记者采访时指出，AI正在提升全球基础设施行业的效率，也在改变工作方式，其应用场景越来越多样，几乎贯穿了设计、施工、运维的每一个阶段，节省了时间，优化了决策与成果，实现了过去无法达到的效果。

但与消费互联网领域不同，AI在基础设施领域的融合相对艰巨。电商推荐商品的失误无伤大雅，但桥梁设计的AI模型如果出现偏差，代价会是巨大的。信任、数据、安全、人才……每一道都是基建行业拥抱AI要跨过的坎。

要让AI的建议真正有用，必须建立在真实的工程与环境数据之上。康岷思解释说:“基础设施工程师从事的是富有创造性的工作，但容不得半点误差，且责任重大。正因如此，基础设施人工智能必须立足于现实世界环境。”基础设施建设领域必须打磨“可信AI”，以实现AI赋能人类工程师，提升工程生产力，并在项目与资产全生命周期彻底变革工作流程。

Bentley软件首席执行官康岷思。

AI成为必选项

一项由Bentley联合国际律师事务所Pinsent Masons、工程咨询公司Mott MacDonald等机构进行的全球调研显示，约一半的基础设施领域受访者已在试点或实施AI，并计划将其推广至全组织。约三分之一的机构预测，三年内，AI将应用于其超过一半的设计与工程项目。

这股趋势的背后，是行业对提升效率、管理风险的迫切需求。AI的价值在于它能自动化复杂任务、优化决策流程，并推动数据驱动的工作方式。

康岷思举了两个例子，一家中国的工程公司将AI算法与无人机巡检、实时传感数据和工程模型结合，构建了智能预警系统，使变电站的运行效率提升超过60%；在土耳其，工程师们利用AI将原本需要五年的开发周期压缩到一年，成本降低超过75%，为地热能源开发设定了全新的速度与精度基准。

这些案例展示了AI正在接管过去复杂低效、无法扩展的任务，并实现60%至80%的效率提升。“并且，这只是开始。”康岷思强调。

这一战略具体体现在从设计到运维的各个环节。

具体来看，AI会全面融入Bentley产品组合。新一代以数据为中心的应用均配备Bentley Copilot，这是一个具备上下文感知的AI助手，能够引导用户操作、调用相关文档，甚至直接修改模型。目前限量开放使用的OpenSite+，是土木场地设计工程软件，可以在确保精度的前提下，帮助项目交付速度提升10倍。

据VHB公司基于模型设计负责人Brianne Belschner反馈，“OpenSite+让我们能更快找到更优答案，成为更好的工程师”；将在今年11月进入早期访问的Open Utilities Substation+，支持多设计师实时协同建模，减少施工过程中的错误和返工；将在12月启动试用的SYNCHRO+重构4D施工管理，通过转向以数据为中心的工作流，简化施工规划与协调流程， 集成Cesium地理空间引擎，并借助AI快速探索施工序列，生成效率更高的可操作结果。

另外，AI功能也将陆续应用于Bentley现有的工程设计软件。该公司计划2025年11月为Open Roads、Open Rail设计软件加入一款可自动生成图纸标注的AI智能体，2026年初集成Bentley Copilot；ProjectWise协同平台预计引入AI搜索功能，用户可以无需打开文件就获取项目摘要。

在中国市场，Bentley还联合创新奇智推出了首款基于多模态工业大模型的生成式AI设计产品——iPID。iPID可以借助AI将静态的图纸生成为智能化的管线与仪表图，测算可将工作效率提升10倍以上。

不过，基础设施领域的AI，对可信度要求极高，精确性完全不可妥协。

康岷思强调，Bentley的AI战略核心是“可信AI”，并非通用大模型，而是根植于基建场景的专业智能。

在这些产品的底层，Bentley用来训练AI模型的数据，取自真实的项目数据、地理信息数据、企业自身历史数据以及工程数据。但同时，这些数据的取得，都是经过企业授权的。

基建AI的三重挑战

尽管前景广阔，但AI与基础设施领域的融合被普遍认为是难度最高的挑战之一。这源于该行业固有的复杂性:项目周期长、参与方众多、数据格式繁杂、对安全性和精确性要求极高，且每个项目都具有独特性。

数据孤岛是首当其冲的难题。基建项目涉及设计、施工、运营等多阶段，数据分散在CAD图纸、GIS系统、物联网传感器等不同载体中，甚至同一项目的不同专业团队都在用封闭软件。

解决方案在于开放、统一的数据基座。中国宝武钢铁集团重点技术创新项目技术负责人介绍，Bentley的优势在于“兼容+贯通”，其系列软件搭建三维数字化模型的同时，还能接受不同软件产品的模型进行统一组装，并且，支持完整的数据流转。“运用Bentley的轻量化、数模分离等技术，可以将我们的数据标准关联起来，打破数据孤岛，形成无缝的数据河流。”该负责人表示。

工程逻辑的严谨性是第二重挑战。AI的所有建议必须符合工程原理与物理规律，无论是高层建筑基础设计，还是桥面加固方案，AI都必须遵守强度、安全与可建造性标准。否则，即便模拟结果再“优”，在现实中也可能不安全。破局方法在于，将工程逻辑嵌入AI。

宝钢工程技术集团在与Bentley合作开发智能PID的过程中，他们让AI学习已有的阀门、管线、仪表等设计，设计人员只需输入条件，AI就能生成初步方案。“就不用我们从头开始做，效率提升很多。”前述项目技术负责人透露，“这一应用带来极大的效率提升，提高设计效率至少10倍以上。”

场景适配的复杂性是第三重考验。基建项目往往受地理环境、气候条件影响极大，中东沙漠的光伏电站需考虑高温，中国西北的防洪项目要应对短时强降雨，但这项经验并不充足。

据中国市政工程西北设计研究院有限公司数字化中心主任马迪介绍，在金昌市防洪排涝项目中，他们应用Bentley技术，构建了“实景模型+管网BIM+水动力模型”三位一体分析体系，改变了传统被动治理的模式，实现了基于精确模拟的科学决策。“这个体系，能告诉我们在什么样的降雨量下，哪里会被淹，淹多久，该怎么整改。”马迪说。

这些挑战的破解，也依赖企业与Bentley的深度共创。2025年Bentley启动的“基础设施AI共创计划”，核心是让用户参与AI工作流设计。“希望通过跟用户一起合作，更加了解他们如何在日常工作中更好地使用AI，也透过他们的反馈，能够强化优化我们的软件。”康岷思说。

项目案例和行业认知都在指向同一个趋势，基建AI已从“单点技术突破”，进入“全周期生态协同”的新阶段，AI要帮助工程师在时间、成本、质量的铁三角中“既要又要还要”。

“至少在可预见的未来，基础设施行业的AI还将是人机协作的过程。我们的愿景不是让AI取代工程师，而是让它赋能工程师。”康岷思强调说。