2026 年被世界经济论坛称作「AI 的 ROI 年」。这句话落到建筑业身上有点尴尬：这个行业的成本大头是材料、设备和人力，AI 戴不上安全帽。所以该问的不是「AI 有没有用」，而是钱究竟花在哪一层，又从哪里省回来。
10 月 14 日，咨询机构 BRG（Berkeley Research Group）发布《AI in Construction: Measurable Results, Unclear Benchmarks》。报告的名字把结论写得很直白：结果是可以量到的，基准还没建立起来。
一份问卷问了 109 位高管
调研在 2026 年 7 月执行，样本是 109 位高管和负责人，分两段：负责交付的建造方 58 人，负责开发和持有资产的业主 51 人。地域上北美 65 人、欧洲 22 人、亚太 22 人，报告正文以北美口径为准。
报告开头那句判断，比后面所有数字都更值得记住：这个行业的成本基数仍然绑在物理材料、设备和人工上，AI 暂时还进不了安全帽里面。所以它做的第一件事是把 AI 的落点拆成四段——前期、施工、后期和业务运营——再看钱和效果分别落在哪。
投入的规模，和跑通的程度对不上
先看钱。过去 24 个月，68% 的受访者至少在 AI 上花了 25 万美元，其中 37% 花了 100 万美元以上。但只有 15% 认为 AI 已经在项目和运营中「完全整合」，另有 5% 干脆认为永远整合不了。剩下的人把时间表押在未来：29% 预期 12 个月内完成整合，31% 预期一到两年。
| 过去 24 个月的 AI 投入 | 占比 |
|---|---|
| 500 万美元以上 | 11% |
| 100 万–490 万美元 | 26% |
| 25 万–99.9 万美元 | 31% |
| 5 万–24.9 万美元 | 18% |
| 5 万美元以下 | 8% |
| 没有专门投入 | 6% |
落地分布上，四个阶段采用率接近：施工 49%、前期 46%、业务运营 43%、后期 40%。单项最高的是「规划与可行性研究」58%，建造方一侧是 80%。
BRG 董事总经理 Dara Hendrix 解释了起点为什么在这里：项目风险有很大一部分压在规划与可行性上，而这部分工作最耗时，却往往不直接产生收入。
更常见的是「效果」而不是「效率」
报告里最反常识的一组数字在这里。大多数职能上，受访者报告「有效性提升」（质量、表现、结果更好）的比例高于「效率提升」（更快、更便宜）。换句话说，行业感知到的收益，主要不是同一件事做得更快，而是原来做不动的事现在做得动了。
| 职能（已实施 AI 的受访者中） | 有效性提升 | 效率提升 |
|---|---|---|
| 风险、索赔与争议管理 | 79% | 54% |
| 设计与工程 | 76% | 60% |
| 投标与合同形成 | 73% | 42% |
| 规划与可行性研究 | 71% | 71% |
| 采购与供应链 | 67% | 43% |
| 项目管理与排程 | 65% | 62% |
| 现场作业与施工执行 | 63% | 53% |
| 行政与公司职能 | 55% | 68% |
成本侧的感知也很乐观：施工阶段 67% 的受访者报告双位数成本节约，业务运营 62%，前期和后期各 58%；后期有接近 20% 报告节约超过 30%。Hendrix 的解释是：AI 让团队做那些以前因为太耗时、太琐碎而干脆跳过的分析变得现实，代价是结果仍需独立复核。
人没有被裁，但团队被重组了
关于就业的那套叙事，在这份数据里没出现。因为 AI 在某些岗位减员的只有 11%，而在某些岗位增员的有 18%——减员的比增员的少。真正普遍发生的是组织结构的变化。
| AI 实施带来的变化 | 占比 |
|---|---|
| 改变对外部供应商、顾问或分包的依赖程度 | 51% |
| 改变团队的结构 | 46% |
| 改变团队的协作方式 | 46% |
| 要求对现有员工再培训 | 38% |
| 把员工调岗到其他工作领域 | 31% |
| 创造了新类型的岗位 | 29% |
| 改变了招聘时的技能要求 | 20% |
| 没有显著变化 | 2% |
BRG 常驻迪拜的董事总经理 John Fletcher 把原因说得很清楚：AI 没有替代材料、设备和真正把楼盖起来的人，它最直接的作用在围绕施工的信息密集型工作上——设计、图纸、排程、项目管理。这也解释了为什么组织先动的是团队结构、技能和外部支持，而不是大幅减员。
被列为头号障碍的恰好是人才：40% 的受访者认为缺乏熟练人才或专业能力最可能限制收益，其次是「与自身工作相关性有限」38%、数据与集成挑战 37%。组织在重组，重组本身却还没有稳定答案。
算不清的那部分：成本避免不等于成本节约
风险侧的空白比想象中大。受访者最担心的是 AI 生成工作的责任归属（43%）和合同中对 AI 的处理不清晰（40%），但只有 42% 的公司政策覆盖了人工监督与问责，只有 34% 覆盖了准确性与可靠性。担心的人和写了规矩的人之间，差了十来个百分点。
度量口径则更分散：37% 主要看财务指标（成本节约、毛利改善、变更单减少），29% 看运营指标（进度表现、劳动生产率、返工与错误减少），约四分之一主要看使用率或采用率，5% 靠定性判断，6% 完全不评估 ROI。
如果这项技术能审查两百万封邮件，替代方案可能不是「更慢地审」，而是「根本不审」。把 ROI 看得太窄，你会错过更宽的变化。—— BRG 董事 Travis Olson
这句话点出了建筑业 AI 度量里最容易出错的地方。BRG 的董事总经理 Ben Nolan 提供了一个建筑行业特有的度量单位：不可预见费（contingency）。AI 更早识别出风险之后，这些风险可以被主动管理，减少的是不及时的、不必要昂贵的变更单和延期——它的回报，可以用项目各阶段尚未动用的准备金来衡量。
而这笔回报归谁，合同里还没写。Olson 在同一份报告里提出：如果业主和承包商都用 AI 来降低风险、保住准备金，协议要怎么让双方分享这部分收益？「共享节约」的概念可以从传统范围延伸到 AI 带来的可测收益上。
这份报告要打折扣的地方
- 样本不大，且偏北美。109 位高管里北美 65 人，正文结论以北美口径为准，欧洲和亚太各 22 人只作对照，不宜直接套用到国内项目。
- 全部是自报判断。投入金额、节约比例、有效性提升都来自受访者的主观评估，报告没有提供可核对的原始数据。
- 「双位数成本节约」没写口径。没有说明这些节约里有多少是成本避免，有多少是实际支出下降。
- 发布方本身做 AI 咨询。BRG 是咨询机构而非学术机构，报告属于行业观察，不是可复现的研究。
给 BIM 团队和项目管理者的几点建议
- 记「多做了什么」，不只记「快了多少」。多数团队的台账只记工时和成本，把「以前不做、现在做了的分析」单独记一栏，才拿得到真实收益。
- 用风险准备金当度量单位。模型和智能体提前翻出的冲突与缺漏，折算成各阶段未动用的准备金比例，比折算成工时更有说服力。
- 数据与集成和缺人并列成为头号障碍。这意味着投入应该有一块明确花在结构化上：对象 ID、属性字段、状态与责任人的命名规则。这部分工作没有演示效果，但决定了后面所有工具能取到什么数。
- 先把合同和政策补上。43% 担心责任归属、40% 担心合同条款不清，但只有四成公司写了人工监督条款。至少先明确：AI 产出由谁复核、谁签字、出错时如何界定。
- 把 AI 当组织变更项目来做。46% 改了团队结构、38% 需要再培训、51% 调整了对外部供应商的依赖——这些变化本身就是成本。
行业意义
这份报告的价值不在于数字好看，而在于它把建筑业 AI 的账本第一次摊开摆在同一页上：投入的分布、落地的阶段、收益的性质、度量的口径，以及政策与合同留下的空档。把这五项放在一起看，会发现行业的瓶颈已经不在「要不要用」，而在「用什么单位衡量、由谁来确认」。
对 BIM 从业者来说落点很具体：行业感知到的主要收益是「原来做不动的分析现在做得动了」，而分析能不能做，取决于模型和数据是否被整理成机器可读的形态。同期发布的另一份现场实测施工基准报告（见本站另一篇）从另一个方向给出同一个答案——量不出来的东西，修不好。