施工图审查吵了两年，吵的其实是同一个问题：AI 到底能不能看懂图纸。10 月 13 日，美国 UpCodes 把这个问题换了个问法——如果它真能看懂，那它看出来了什么？
这家公司公布了自家 AI 审图产品 Plan Review 上线四个月的运行数据：1,300 多套图纸、18 万多个疑似问题、平均每套 21 个严重问题。这是审图 AI 第一次把「问题分布」而不是「准确率」摆到台面上。对设计院和 BIM 团队来说，分布比评测分数更接近日常——它说的不是模型有多聪明，而是图纸上最常缺的是什么。
做规范库的公司，把审图做成了产品
UpCodes 2016 年由 Reynolds 兄弟在奥斯汀创立，2017 年进入 Y Combinator。哥哥 Scott 是受过专业训练的建筑师，弟弟 Garrett 是软件工程师。公司最早做的事很朴素：把美国的建筑规范做成可搜索的数据库。美国有 6,000 多个辖区各自采用不同版本、带不同地方修订的规范，纸质和 PDF 时代几乎没法检索。
这个库后来成了它的底子。官网称目前维护 1,100 万条规范条文，覆盖 6,000 多个辖区，月活约 80 万 AEC 从业者。融资规模不大——公开可查的累计约 700 万美元，最近一轮是 2023 年 5 月的 350 万美元 A 轮。产品线是一步步铺开的：2023 年 Copilot（规范问答），2026 年 3 月加上装配构造库与产品库，6 月推出 Specifications（把规范接到技术规格书），同月上线 Plan Review。
Plan Review 的工作方式值得说清楚。项目里一次性设定辖区、规范版本和建筑类型，之后每次审查都继承这套设定；上传图纸后可以限定专业范围，建筑、电气、机械、给排水、结构、消防、生命安全、无障碍、节能这些专业分开跑，只分析相关图纸页。每条结论都会绑到具体的图纸位置和规范条文上。
厂商特别强调的一点是：它不只是读图纸上的文字，还要解读几何、比例、净空和符号。这句话是这类工具和通用大模型的分界线。把图纸截图丢给一个聊天模型问「这里合不合规」，得到的答案既不可复现也没法追溯到条文；而按专业范围跑规则、把结论锚到图元上，是工程场景里唯一能落地的形态。
四个月，18 万个问题
这次公布的数据里，最有用的是问题分布，而不是总量。逐项看：
| 维度 | 数据 | 说明 |
|---|---|---|
| 覆盖辖区 | 73 个 | 横跨 14 个规范版本 |
| 项目类型 | 独栋住宅到商业、医疗设施 | 各类占比未披露 |
| 最高频严重问题 | 缺失出口标识 | 单一问题类型中排第一 |
| 跨专业协调冲突 | 约占严重问题的 1/10 | 建筑、结构、机电图纸之间的矛盾 |
| 生命安全类 | 占严重问题 46% | 疏散、防火、耐火构造 |
| 潜在损失 | 平均每项目逾 100 万美元 | 厂商按同类问题解决成本折算 |
三件事从这组数字里看得出来。
第一，「缺失出口标识」这种问题高频出现，说明的不是 AI 有多强，而是提交前缺少固定的自查环节。这类问题一条检查清单就能拦住，它之所以还在前 1,300 套图纸里反复出现，是因为大多数团队的图纸校核还是靠人的记忆和临时抽查。
第二，跨专业协调冲突只占严重问题的十分之一，但它恰恰是最贵的那一类。建筑、结构、机电图纸互相打架，通常在施工阶段才暴露，一暴露就是拆改、变更单和工期。这类问题的根因不在「没人审」，而在专业之间的接口从一开始就没定义清楚——审图工具能把冲突翻出来，但翻出来之后怎么改，还是人的事。
第三，46% 的严重问题落在生命安全系统上。疏散宽度、防火分区、耐火等级这些是规范里最刚性的部分，也是规则库型工具最有把握的部分。反过来看，结构配筋是否闭合、构造做法是否合理这类需要专业语义和计算模型的问题，这套工具并没有声称覆盖。
客户名单里有达拉斯-沃思堡机场、BDG Architects、Hereford Dooley Architects。机场这种业主侧项目进入名单，说明这类工具已经不只卖给设计院的自查环节，开始往业主和运营方的验收口径上走。
技术难点不在模型，在规范库
把图纸和条文对上，难的不是识图。规范条文写的是「疏散走道净宽不小于某个值」，图纸上是一个带标注的线段加上比例尺和图例，模型里则是一个参数。AI 要做的是把这三者对应起来，而不是把图纸当成图片看。这一步需要几何理解、比例换算和符号识别同时到位，也是多模态模型这两年才勉强够用的原因。
但真正的门槛在规范那一侧。同一个条文在不同辖区有不同版本，还有上千条地方修订。UpCodes 花九年时间攒下的就是这个库，而它的竞争对手——不管是通用大模型还是通用审图工具——最缺的也是这个库。这一点和国内的规范类审图工具是同一个逻辑：吃的是规则库和专业分类，不是语言能力。
这份数据要打折扣的地方
- 口径是厂商自估。「平均每项目逾 100 万美元潜在损失」是按同类问题在设计、报建、施工阶段解决的成本折算出来的，不是实测发生的损失。
- 是首轮分析，不替代人工。厂商自己在脚注里写明：Plan Review 不替代执业设计人的审查，也不替代辖区主管机构的批准。
- 样本比覆盖范围窄得多。1,300 套图纸只落在 73 个辖区，而它的规范库号称覆盖 6,000 多个辖区；项目类型里住宅和中小商业为主，医疗等复杂类型占比没有披露。
- 没有第三方评测。问题数、严重问题分级、准确率全部来自厂商单方数据，目前没有独立机构复核。
还有一个产品信号：官网把「施工可行性审查」（constructability review）标为即将推出。厂商自己清楚，规范合规只是审图的第一层。图纸能不能造出来、造出来对不对，是下一层的问题，也是更难的一层。
和美国 plan review 比，中国这边的差别在哪
| 环节 | 美国 | 中国 |
|---|---|---|
| 审查主体 | 辖区主管机构（AHJ）的审查员，逐项人工审 | 施工图审查机构，政府认定的第三方 |
| 规范来源 | 6,000+ 辖区各自采用版本与地方修订 | 国家统一规范 + 地方标准，版本相对集中 |
| AI 的落点 | 设计院自查与业主验收前置，工具侧为主 | 图模一致性检查已是提交前置要求 |
| 法律效力 | 图纸仍是法律依据，AI 结论无签字权 | 同前，模型无法定地位 |
中国的规范版本集中，其实是件好事——规则库的维护成本比美国低一个量级。但国内项目更常见的卡点是「图模不一致」，这一点美国同行反而没这么突出，因为他们的图纸和模型本来就是两条线。上海要求提交前完成模型质检和图模一致性检查，福建要求二维施工图与 BIM 模型并行上传，安徽要求审图单位先做图模一致性审查，这些都是把问题前置的具体做法。
给设计院和 BIM 团队的几点建议
- 把出口与疏散做成固定自查项。缺失出口标识这类问题不该靠 AI 发现，它应该是一张提交前必过的清单。高频问题用清单拦，低频高损问题才值得交给工具。
- 跨专业冲突要回到接口上去治。AI 能列出冲突，但冲突的产生原因通常是专业间接口没约定：谁负责预留、谁负责定位、模型深度到哪一层。审图报告只解决发现，不解决定义。
- 给工具的图纸要保证可读。外部参照是否绑定、图块是否需要炸开、图层是否规范，直接决定识别率。国内几家工具都宣传「零图层要求」，但实际前置条件仍写在操作说明里。
- 审图结论要落成结构化字段。问题清单只停在 PDF 里，下次还会犯。把问题类型、专业、图纸编号、状态写进模型或台账的结构化字段，才可能形成积累。
- 不要用 AI 报告替代人工签章。无论中国还是美国，图纸的法律效力都没交给模型。工具的作用是把问题在最便宜的时候翻出来，判定和签字仍然是人。
行业意义
审图 AI 走到今天，第一阶段的争论是「能不能查」，现在开始进入第二阶段：查出来的东西有没有用。UpCodes 这份数据的价值不在于数字好看，而在于它把审图结果从「一份报告」变成了「一组可统计的问题分布」。有了分布，团队才知道该往哪里补人、补流程、补模型深度。
对 BIM 从业者来说，这件事的落点很具体：模型和图纸的结构化程度，决定了 AI 审图能查出多少东西。字段命名混乱、图纸表达不规范、专业间接口含糊的项目，喂给任何工具都只会得到一堆模糊提示。反过来说，把图纸表达和模型深度标准化，本身就是最划算的准备工作。