11 周、五道闸口：EPC 巨头把多智能体装进工程流程的方式

工程企业上 AI 的难处，和互联网公司不一样。设计、采购、施工三套人马各有各的系统，AI 一旦分散部署到各部门，产出的建议就建立在各自的碎片数据上；更麻烦的是出了问题要举证的时候，没人说得清这条建议基于哪个版本的数据、谁复核过。EPC 项目动辄几十亿美元，这类不确定性直接等同于风险。

8 月 31 日，意大利工程与技术集团 MAIRE（总部米兰）与 Octave Intelligence plc（纳斯达克代码 OCTV）宣布开展 AI 技术合作，把 AI 嵌进 MAIRE 既有的设计—建造平台与流程（公司发布稿，经 GlobeNewswire 发布）。9 月 28 日，行业媒体 Construction Digital 对这件事做了拆解，把落脚点放在治理规则上——这也是这条新闻比其他"AI 合作"公告更有信息量的地方。

先看清两家公司

Octave 不是新公司。它的前身是海克斯康（Hexagon）的资产生命周期智能（Asset Lifecycle Intelligence）与安全、基础设施及地理空间两块业务。2026 年 4 月 24 日，Hexagon 年度股东大会决议把 Octave 的全部股份分配给股东，5 月 28 日完成分派；Octave 的瑞典存托凭证在斯德哥尔摩纳斯达克交易，B 类普通股在纽约纳斯达克交易，公司注册地在爱尔兰。Octave 自报的规模是：约 7,000 名员工、45 个国家、14,000 家客户、覆盖 180 个国家，全球财富 500 强里超过六成是它的客户。

MAIRE 是意大利的工程与技术集团，在能源、化工与工业领域做项目执行，业务铺在约 50 个国家，员工约 1.08 万人，累计交付 1,500 多个项目。它的合同节奏不小：2026 年 5 月宣布约 14.8 亿美元新项目，覆盖亚洲、欧洲与美洲；8 月子公司 Tecnimont 又拿下 1.25 亿美元的液化天然气合同。数字化方向的累计投入，公司口径是 11 亿美元。

两家不是新朋友。MAIRE 用 Octave 的设计—建造软件已经很多年，覆盖 Octave Forte（信息管理）、Octave OnSite（现场端规格书与项目数据访问）、Octave Loop（材料与供应链管理）以及 InConcert 工程信息管理平台，合作可以追溯到与 Hexagon 长达 20 年的关系。这次要做的是把 AI 加进这条已经跑起来的管线，而不是另起一套系统。

五道闸口，逐条对应到工程责任

Octave 与 MAIRE 对外公布的是五条内置保障措施。它们不是口号，逐条看都能对应到工程里的具体环节。

MAIRE 首席信息官 Michele Mariella 的说法是，MAIRE 设计的每座装置都追求最优性能并集成最好的技术，"今天这就意味着站在 AI 应用的前沿"。Octave 首席产品官 Jay Allardyce 的表述更具体：MAIRE 所处的环境复杂度高、规模大、不容失败，一致性和数据完整性因此是前提；把全生命周期里可信、受治理的数据连起来，才谈得上更好的决策和更可预测的执行。

一个程序，三家巨头

CoLabs 是 Octave 在 2026 年 7 月 15 日启动的客户共创计划：派驻团队与客户一起，用 11 周时间把客户的作业流程梳理成一套专用多智能体系统，交付的是定制系统，不是标准产品。

客户	身份	加入时间	关注点
Fluor	美国上市 EPC 承包商，覆盖能源、化工、基建与政府项目	2026 年 7 月，CoLabs 启动时的首批客户	用自己的运营数据试点代理式 AI 工作流，改善项目交付结果
Bechtel	1898 年创立的美国私营 EPC，代表作含胡佛水坝、英法海底隧道	2026 年 7 月首批	与 Octave 产品团队一起，基于真实项目数据搭建 AI 方案
MAIRE	意大利工程与技术集团，以能源、化工装置为主	2026 年 8 月 31 日宣布	把 AI 嵌进既有的设计、采购与施工流程，覆盖全生命周期数据

三家都是股东和客户同时盯着的公司，选择在同一条产品线上试 AI，本身就是一种表态。国内的做法可以做个对照：中国建筑国际公开的口径是一年内在 52 个工程应用场景里开发了 912 个业务自建智能体，从投标方案、设计方案生成，到安全隐患识别、合规查验，走的是"大批小智能体铺量覆盖流程"的路子（公司 2026 年 5 月公开数据，见中国经济网、经济日报报道）。EPC 巨头的路径反过来：智能体数量少，但每一个都嵌在受治理的数据与审批链里。两条路各有理由，风险点也不一样。

技术分析：门槛在数据与留痕，不在模型

把这次合作里的技术判断抽出来，只有三条，但每条都不轻。

第一，多智能体协同的前提是唯一可信的数据。工程数据分散在设计、采购、施工分包和现场记录里，同一份规格书在不同部门往往有不同版本，而智能体之间要互相交接工作，前提是交接的东西有一致的定义与版本号。

第二，决策点要定点投放。Octave 的说法是把 AI 模型部署到具体的决策点，在每一个阶段门（stage gate）上提供信息。这件事比"给工程师配一个聊天框"难得多：得先知道自己有哪些决策点、每个点需要什么输入、谁在那一刻做决定。

第三，也是最容易在采购清单里被忽略的一条——留痕。AI 给出的结构建议如果要进入工程文件，就必须能回答这条建议基于哪个版本的输入、谁复核、谁批准。审计追踪不是合规部门的附属品，而是这类系统能不能进入交付流程的通行证。

「未来十年赢的公司，不会是追最新模型的那一批，而是重新想象工作怎么完成的那一批。……重型工业的下一代定义者，会用 AI 在犯错的代价变得不可逆之前，帮助判断该做什么以及为什么。」 Dan Brennan，Octave 客户创新副总裁，领英

这也解释了为什么 11 周的共创程序里，最重的活是梳理流程和数据，而不是调模型。至于这套做法在项目上省了多少钱、缩短了多少工期，Octave 与 MAIRE 都没有披露，CoLabs 也没有公开任何一个已完成程序的量化结果。判断它现在的价值，只能看治理条款写得是否到位，而不是看宣传口径。

行业意义：给工程数据与 BIM 团队的建议

多智能体进工程流程，对 BIM 团队的影响比想象中直接：智能体天生需要可计算的责任边界，而这正是 BIM 交付物里最不规范的一部分。

从 Hexagon 分拆出来的 Octave 把客户共创做成产品路线的第一步，三家 EPC 巨头同时在场，说明工程领域对 AI 的采购逻辑变了：要的是一套能被审计、能被人接手的决策流程，而不是一个能聊天的助手。接下来值得盯的是这类程序什么时候公布第一组真实项目数据——那才是这套治理设计真正的成绩单。