一、难的不是让挖机动，是让它判断
挖掘机能不能自己干活，这个问法本身有点偏。真正的难处不在"动"——液压系统的电控做了几十年，动臂、斗杆、铲斗都能精确执行指令；工地上的自动找平、电子围栏、防倾覆也早就是成熟功能。难的是判断：这一铲下去，土是松的还是夹石的；旁边站着的人会不会走过来；斗齿离地下电缆还有多少距离；挖到一半坡面开始掉土，该退、该加撑还是该换个方向下铲。
这类判断过去只能靠人。操作手坐在驾驶室里，靠手柄上那点力反馈、靠发动机声音的变化、靠抬眼扫一遍场地，一两秒之内把决策做完。这套能力没法写成规则手册，因为它依赖的是"这台机器、这个场地、这个人"之间长期磨出来的手感。
2026年9月，两家工程机械厂商先后宣布要把这层判断交给AI。9月2日，卡特彼勒宣布与机器人基础模型公司 FieldAI 合作，方向是物理AI、自主作业与数字孪生；9月9日，日立建机宣布10月启动一项研究，训练能学操作手手柄动作的物理AI，项目入选日本经济产业省与NEDO推动的GENIAC计划。
同样是"让机器自己开挖机"，两条路的走法差别不小。
二、卡特彼勒：买一个已经在几百个工地上练过的大脑
卡特彼勒没有自己造基础模型，而是直接选了合作伙伴。FieldAI 2023年成立于加州尔湾，团队来自 Google DeepMind、NASA 喷气推进实验室（JPL）的火星探测项目，以及 DARPA 的地下挑战赛 SubT 与 RACER 项目，累计融资超过4亿美元，投资方里有贝索斯探险（Bezos Expeditions）、淡马锡、Khosla Ventures 和 NVIDIA 旗下的 NVentures。
这家公司的产品叫 Field Foundation Models，现场基础模型，卖点可以归成三点：机器无关、物理推理、不确定性感知。翻成人话——同一套软件可以装在四足机器人、无人机或者工程机械上；不需要提前建图，不依赖GPS，不预设路线；遇到没见过的场景时，模型知道自己"没把握"，于是选择保守动作而不是硬来。按公司的说法，它的机器人在三大洲的数百个客户站点部署过。今年7月，英国承包商迈凯伦建筑（McLaren Construction）已经和它合作试验自主施工机器人，智曦知行当时做过报道。
卡特彼勒这次公告里列了四个方向：自主巡检与自主作业、工地与工厂的数字孪生、态势感知、运营优化。注意前两条——都不是"把机器开起来"，而是"把现场看清楚"。
这不是一次孤立的合作。今年1月CES上，卡特彼勒已经和 NVIDIA 把路线摊开：Jetson Thor 算力平台上车做实时推理，车载的 Cat AI Assistant 用 NVIDIA Riva 语音模型搭起来，接到自家 Helios 数据平台上；同时用 Omniverse 和 OpenUSD 建工厂数字孪生，用 NVIDIA AI Factory 做制造与供应链的预测排程。按卡特彼勒副总裁 Brandon Hootman 当时的说法，它的机器每秒向公司回传大约2000条消息，这些数据是建模拟的原料。
7月7日，卡特彼勒又完成了对 Skycatch 的收购。这家旧金山的公司做无人机三维现场数据，自研的视觉引擎把无人机影像转成厘米级精度的三维网格，原来要跑几天的测量，压缩到半小时左右出结果，直接接进 Cat MineStar 矿山管理系统。加上今年早些时候以约11亿美元收下的矿山规划软件 RPMGlobal，卡特彼勒手里的拼图已经很清楚：规划软件、现场几何数据、机队管理、算力平台，缺的那块是"在没地图的现场自己判断"的机器智能，由 FieldAI 补上。
三、日立建机：自己采数据，从手柄动作学起
日立建机的选择相反——它不买现成的大脑，而是自己采数据。
项目10月启动，三个参与方分工写得很清楚：日立建机负责总体协调、采集液压挖掘机的作业数据、搭建和验证研发环境；Jizai 公司研究数据利用技术与训练环境；奈良先端科学技术大学院大学（NAIST）负责挖掘机自主作业的物理AI基础模型。
数据怎么来？作业录像加上操作日志。AI要学的是"手柄怎么推"和"当时现场什么样"之间的对应关系。日立特意强调，训练数据要覆盖正常作业循环之外的部分：操作失误之后的恢复过程、天气变化、周边环境、机械状态、物料位置。这一点值得多看两眼——工地上真实的能力，往往体现在出错之后怎么救回来，而不是标准动作做得多漂亮。
落地的首批场景定在灾害现场清障，以及施工、矿山的挖掘装载，之后再扩到物料搬运、林业、采矿、拆除和土木。顺带一个细节：日立建机计划在2027年4月1日把公司名称改为 LANDCROS，这次项目用的测试机，车身上已经是新品牌涂装。
四、两条路线放在一起看
| 对比项 | 卡特彼勒 | 日立建机 |
|---|---|---|
| 时间 | 9月2日公告合作（此前1月CES已公布NVIDIA合作） | 9月9日公告，10月启动研发 |
| 技术路线 | 外购机器人基础模型 + 自有运营数据整合 | 自采操作手数据 + 校企共建基础模型 |
| 合作方 | FieldAI（基础模型）、NVIDIA（算力、语音、仿真与孪生） | Jizai（数据利用与训练环境）、NAIST（基础模型） |
| 数据来源 | 自有设备运营数据 + 收购 Skycatch 获得的现场三维几何 | 自家挖掘机的作业录像与操作日志，含失误恢复过程 |
| 首批场景 | 自主巡检、工地与工厂数字孪生、态势感知、运营优化 | 灾害现场清障、施工与矿山挖掘装载 |
| 资金属性 | 商业合作，金额未披露 | 入选 GENIAC 国家计划，经产省与 NEDO 支持 |
| 先解决什么 | 先把现场看清楚（感知与孪生） | 先把人的动作学下来（技能数据化） |
五、技术分析：数据、失败，和孪生体换位置
第一个分歧是数据从哪来。卡特彼勒手里握着的是机器数据——工作小时、油耗、故障码、位置轨迹，加上 Skycatch 的现场三维。这些数据说明"机器做了什么"，缺的恰好是"为什么这么做"。FieldAI 补的就是这层判断逻辑，而且它已经在别人的工地上练过一遍。日立选的是反向路径：先啃最难拿到的数据，把操作手的手柄动作和当时的现场状态一对一配起来。
第二个分歧在于怎么处理失败。FieldAI 强调的是不确定性感知——模型对没把握的场景输出"我不确定"，然后降级、保守动作；日立干脆把失误恢复过程当成训练样本。两种做法指向同一件事：工地不是实验室，判断错一次的代价，可能是一条命或者一台几十吨的设备。工程机械行业对AI的容忍度，天然比消费电子低一个数量级。
第三个共同点更值得注意：数字孪生的位置变了。过去给业主交付的孪生体是成果物，交付完没人再打开。在卡特彼勒这条线上，工厂孪生体是训练场地和运营看板，工地孪生体是排程与材料的沙盘；在日立那条线上，机器对周边环境的实时表征本身就是运行中的孪生。孪生体从"交付一个模型"变成"持续供电的数据底座"。
需要泼一盆冷水。日立的项目还在研发阶段，基础模型能不能在真实工况下稳定输出，最早也要看2027年之后的验证结果；卡特彼勒的公告同样没有给出时间表与量化目标，四个方向都是"推进中"。物理AI在建筑业的公关声量，目前明显跑在交付前面——这一点，和2024年的"大模型改造建筑业"，2025年的"数字孪生中台"，是同一套节奏。
六、对BIM工程师的启示
💡 这波变化里，BIM岗位能做什么
一、把设备作业数据当进度数据源。挖机的作业位置、装载次数、行进路径、怠速时长，比人工报量更接近现场真实状态。做法上不难：在模型里给每个流水段标出设备作业范围，把设备数据按时间对齐到构件，就能做4D比对。现在的问题不是没数据，是模型侧没有能接住数据的空间编码。
二、孪生体不必一次做到全场景精模。设备感知需要的是"关键工序的可比对几何"：工作面在哪、障碍物是梁还是风管、开挖边界到哪、地下管线埋深多少。把这几类构件筛出来单独立一个视图，比全场景精细建模的价值高得多。
三、命名与分类就是接口。各厂商的设备数据格式不统一，短期不会统一，BIM团队能控制的是模型侧：构件编码、空间编码、工序编码保持稳定，设备数据才挂得上去。这件事做在建模阶段几乎零成本，做在项目后期就是返工。
四、先把定位基准统一起来。无人机影像、360相机、AR眼镜、机器自身的定位输出，只有落在同一套坐标与同一时间基准上，才能与模型比对。国内多数项目连基准点复测都做得马虎，这一步做扎实，就是差异化的能力。
五、别等全自主。半自主和辅助作业的窗口已经开了——电子围栏、防碰撞、限高限深、自动装车，这些功能现在就在新设备上跑。先把数据采集和比对做起来，比等一台"完全自主"的机器便宜得多，也快得多。
七、行业意义
工程机械是建造业里资产最集中的一块硬件。两大厂商同时把物理AI写进路线图，意味着未来五年出厂的新设备，会把感知、定位和作业数据当成标配而非选装。连锁反应有两个方向：工地数据的主要来源从"人报"转向"机报"；BIM模型从设计交付物变成设备运行时的参照物。
对国内施工企业来说，值得跟的不是这两家的模型，而是它们对数据的态度——都在花大力气收集"人怎么做"和"现场什么样"的配对数据，一个靠收购，一个靠国家项目。谁手里攒着这种数据，谁才有资格谈自主作业。反过来，如果一线只是把设备当成会动的工具，数据在机器里存着没人用，那五年后要补的课，就不止是算法了。
资料来源：
1. Caterpillar《Caterpillar and FieldAI Advance AI-Powered Industrial Innovation》，2026-09-02（Caterpillar Inc. 投资者关系新闻稿）
2. Caterpillar《Caterpillar Teams With NVIDIA to Revolutionize Heavy Industry with Physical AI and Robotics》，2026-01-07；NVIDIA Blog《Steel, Sensors and Silicon: How Caterpillar Is Bringing Edge AI to the Jobsite》，2026-01-07
3. Caterpillar 完成收购 Skycatch 公告，2026-07-07（交易金额未披露）
4. 日立建机《物理AIを活用した油圧ショベルの自律作業の研究開発》，2026-09-09
5. Jizai 公司、奈良先端科学技术大学院大学（NAIST）关于 GENIAC 入选项目的公开说明，2026-09
6. 智曦知行《McLaren Construction × FieldAI 自主施工机器人试验》，2026-07-21（站内延伸阅读）
配图来源：卡特彼勒与 FieldAI 官方新闻稿配图（© Caterpillar Inc. / FieldAI）；日立建机官方新闻稿配图（© Hitachi Construction Machinery Co., Ltd.），仅作报道引用。