2026年9月14日，总部在以色列特拉维夫、并在芝加哥设点的建筑智能公司 Buildots 宣布完成1.3亿美元新一轮融资，领投方是亿万富翁 Eyal Ofer 旗下的 O.G. Venture Partners。这笔钱把公司累计融资推到2.97亿美元，估值逼近10亿美元。而真正把这轮融资顶起来的，是一个过去两年才爆发的变量：AI 数据中心建设潮。
Buildots 做的事情并不花哨——用计算机视觉把工地上的视频画面转成一个持续更新的数字孪生，再拿它去对比 BIM 模型和施工进度计划，自动识别几百种施工工序做到哪一步了。CEO Roy Danon 给它的定位是"控制塔"：让项目经理不再靠手写的周报和主观判断，而是靠一套连续更新的现场数据来管项目。
📌 核心事实
- 融资金额：1.3亿美元，估值逼近10亿美元（公司未披露精确数字）
- 领投方：O.G. Venture Partners（Eyal Ofer 家族办公室旗下）
- 跟投方：Lightspeed、Intel Capital、Qumra Capital、Viola Growth、Poalim Equity、Human Capital、Mohari Ventures、Avigdor Willenz
- 累计融资：2.97亿美元（2018年成立至今）
- 客户规模：100+ 大型企业，16个月前约50家
- 营收：连续多年保持约3倍年增速，未披露绝对金额
这轮钱和上一轮有什么不一样
把时间拉回到16个月前。2025年5月，Buildots 刚完成4500万美元的 D 轮融资，当时估值3亿美元，客户约50家。到这一轮，估值翻了超过三倍，客户数翻了一倍多，而融资轮次之间只隔了一年多。
这种加速不是 Buildots 一家的事。过去一年里，数据中心从"科技公司的后台设施"变成了"科技公司之间比拼的战场"。Danon 在接受以色列财经媒体 Calcalist 采访时说得很直白："两年前我们开始看到数据中心建设潮的第一批信号，之后收到了美国和欧洲大客户的大量订单。我们站在了一个关键节点上，从那以后增长一直很猛。"
Buildots 的客户名单能印证这一点：Intel、数据中心运营商 Digital Realty（市值约700亿美元，给英伟达建过机房），以及 Turner Construction、HOCHTIEF、Bouygues、Mortenson、JE Dunn、STO Building Group 这些总承包商，还有以色列本土的 Tidhar、Ashtrom、Azrieli、Mivne。
| 维度 | D轮（2025年5月） | 本轮（2026年9月） |
|---|---|---|
| 融资金额 | 4500万美元 | 1.3亿美元 |
| 估值 | 约3亿美元 | 接近10亿美元 |
| 客户数 | 约50家 | 100+ 家 |
| 累计融资 | 约1.66亿美元 | 2.97亿美元 |
| 员工规模 | — | 400+ 人（特拉维夫+芝加哥） |
数据中心为什么成了最大引擎
Danon 给出的理由，比"AI 很火"要具体得多。核心是一条：AI 芯片的寿命很短，所以建设速度直接等于经济价值。
"从你开始建一个数据中心的那一刻起，那些 GPU、那些 CPU，几年后就不再先进了。你整个东西都得重做。所以你能把建设周期压得越短，这些项目能发挥价值的时间就越长。" —— Roy Danon，Buildots CEO，接受 Dealroom 采访
换句话说，数据中心不是"建完就完"的普通房子，它的硬件折旧曲线和软件迭代速度绑在一起。拖工期的代价不是罚金，而是整个项目在技术生命周期里能赚钱的天数。这也解释了为什么 Buildots 把数据中心列为核心场景——延迟在这里最痛。
这个市场有多大，另一组数字能说明问题。Meta 在路易斯安那州 Richland Parish 的 Hyperion 数据中心园区，据报道高峰时需要约5000名建筑工人；OpenAI 在得州 Abilene 的 Stargate 项目，报道称涉及6400名工人。而美国总承包商协会（ABC）估算，2026年美国建筑业还需要净增34.9万名工人才能保持供需平衡。一边是工程越来越大、工期越来越紧，一边是人手越来越缺——这就是 Buildots 这类"用数据替代人工巡检"工具的市场空间。
它到底怎么工作
Buildots 的技术路径可以拆成三步。第一步，工人戴着头盔相机或无人机在工地走一圈，拍下现场视频；第二步，计算机视觉模型识别画面里的施工活动——干墙装到哪了、插座孔钻到哪了，把几百种工序一一分类；第三步，把识别结果和 BIM 模型、进度计划对齐，生成一个持续更新的"数字孪生"，标出哪些地方落后了、哪些地方卡住了。
和通用大模型不同，Buildots 的模型是用8年真实工地数据训练出来的，不是从互联网爬的。这是它最深的护城河——工地上的视觉场景（脚手架、钢筋、混凝土、半成品墙体）在公开数据集里几乎没有，别人想复刻这个数据积累，只能一家家工地去跑。O.G. Venture Partners 的 Ziv Kop 说得直接："20多年来我们投过很多定义品类的公司，规律都一样——赢家搭的那层基础技术，别人最后都得依赖它。Buildots 就是建筑业的这层。"
公司给的效果数字是：延误减少50%，平均每个项目省3个月工期。这些数字来自公司自己的口径，没有第三方独立验证，但方向不难理解——早一周发现某个工序卡住，就能早一周调度人手和材料，把延误在变成"事实"之前消化掉。
Buildots 的工地"控制塔"工作流
给BIM工程师的三点信号
对 BIM 从业者的实际意义
- 模型开始被"读"而不是被"看"：Buildots 的价值前提是有一份可对齐的 BIM 模型。模型越干净、构件分类越规范，AI 识别和比对就越准。BIM 模型的几何和属性质量，第一次直接决定了一个AI工具能不能跑出价值。
- 进度管理从"周报"变成"实时"：传统的进度跟踪靠人工拍照+主观判断，Buildots 把这件事自动化了。BIM 工程师如果还停留在"出图、建模"，会错过一个正在变大的新岗位——数字孪生数据的运营和维护。
- 数据中心项目是当前最大的试验场：这类项目工期紧、标准化程度高、数据量大，最适合AI落地。想切入这个方向的人，可以优先研究数据中心类项目的BIM交付标准。
回到这轮融资本身，Buildots 的下一步很明确：从"施工进度监控"往两个方向扩——横向覆盖从投标到交付的全生命周期，纵向往"投资组合级"的管理情报走，让集团高管像管工厂一样管一堆项目。它想变成建筑公司的基础设施，地位类似财务系统和采购系统。
这个目标能不能成，还取决于一个老问题：AI 能识别画面，但识别不等于判断。工地上的意外（设计变更、天气、供应链断供）未必都体现在视频里，模型的"盲区"依然要靠人补。但至少在一件事上，方向已经比较清楚了——建筑业的进度管理，正在从"人肉巡检"转向"机器持续在看"。这次1.3亿美元，是对这个转向的一次重注。
本文基于 Buildots 2026年9月14日官方新闻稿，以及 SiliconANGLE、Dealroom、Calcalist、ynetnews 等媒体的报道整理。融资与估值数字来自公司及媒体公开披露口径。