建筑业的进度数字，绝大多数是自己报的。10 月 8 日，Buildots 旗下的 Intelligence Lab 发布首份《全球施工基准报告》，数据不是问卷，而是平台在数百个项目的现场采集，按活动、按构件、按周比对计划与实际。这份报告的价值一半在数字，一半在数字是怎么来的。
本站此前报道过这家公司的两次动作：与 NavVis 打通激光扫描与进度追踪，以及 9 月拿到 1.3 亿美元融资。这一次它拿出来的不是产品，而是自己平台上的数据副产品——公开它，等于把自己的数据集当成行业尺子。
这份报告的数据是怎么来的
发布方是 Buildots Intelligence Lab，发布稿里自称「建筑业第一个 AI 驱动的研究中心」，定位为 Buildots 内部的自治研究单元，并邀请行业人士、学者和分析师拿自己的问题和假设来挑战它。数据口径是「来自数百个全球项目、横跨五个垂直领域的匿名聚合数据」。
落地页把话讲得更具体，也更值得注意：许多被广泛引用的建筑业统计依赖自报问卷或回溯报告，这份报告的做法不同；数据经过严格的质量阈值过滤，工作是「逐活动、逐构件、逐周」测量出来的，产能指标覆盖 21 项核心活动的实际安装量——英尺、平方英尺、件数，并与进度计划所假设的产能比对。
这套口径不是额外做出来的：Buildots 的产品逻辑本来就是拿现场采集比对模型和计划，副产品就是一个逐周的计划对实际记录。把副产品整理成基准发布，是这份报告和供应商问卷的分界线。
一个典型的一周长什么样
数字放在一起读，画面比较清楚：开工准时率 29.3% 的另一面是 70.7% 的活动错过了计划开工日；典型项目只交付了计划产出的 63%；一个典型活动最终比计划晚 5.3 周完成。报告还给出了另一档数字：做得最好的四分之一项目，同样的活动只晚 2.3 周。
产能那一栏更直接。21 项被测量的活动中，20 项的实际产出低于计划，区间从 38%（弹性地面与软质地面）到 122%（轻钢龙骨隔墙，也是唯一一项超过计划的）。
进到建筑里的所有东西早就标准化了——设备、材料、规格。唯一没有标准化的，是工作本身。—— Amir Berman，Buildots 行业转型副总裁、Intelligence Lab 负责人
你没法修好你量不出来的东西。建筑业一直缺一个关于自身表现的宏观真相来源。—— Roy Danon，Buildots 联合创始人兼首席执行官
和问卷类数字放在一起看
同一批问题，今年的行业报告已经答过几轮，方法各不相同。摆在一起看，能看清每种数字回答的是什么问题。
| 来源 | 方法 | 主要结论 |
|---|---|---|
| ServiceTitan 商业承包商调查 | 2026 年 7 月，1,020 家承包商问卷 | 62% 试过 AI，但只有 15% 的使用者能拿出明确 ROI |
| 麦肯锡相关测算 | 研究估算 | 39% 的非物理工作可被自动化，而日常使用率是个位数 |
| MIT 与 Suffolk 联合报告 | 模型推算，非工地实测 | 六个 AI 杠杆合计可减 17%–20% 成本 |
| Buildots Intelligence Lab | 平台现场采集，活动级比对 | 开工准时 29.3%，每周计划产出欠交 37% |
前三者回答的是「谁在用、理论上能省多少」，最后一行回答的是「实际跑出了多快」。两者不能互相替代：问卷能告诉你承包商的态度，量不出一堵墙这周砌了多少。
均值不是重点，离散度才是
典型活动晚 5.3 周，这是行业的坏消息。真正有用的是同一份报告里的 2.3 周：同样的工种、同样的现场条件、同样的工作内容，最好的四分之一项目把滞后压到了不到一半。Danon 在发布稿里的说法是，这份报告证明行业里已经存在很强的表现，问题是不一致。
产能表也是同一个形状。20 项活动低于计划，可以读成行业执行不力，也可以读成计划本身系统性乐观——报告没有裁决，外部也裁决不了。但 38% 到 122% 这个区间至少说明一件事：缺口不是均匀的。弹性地面只做到计划的 38%，轻钢龙骨隔墙做到 122%，这是两个性质完全不同的问题。知道该给哪几类活动留缓冲的计划工程师，能立刻用上。
报告列出的指标里还有一项值得单独盯住：峰值与典型表现的差距。一个工地最好的那一周比平常多干多少，直接关系到计划里的浮时真不真实。
同一个月，行业在往哪个方向补数据
10 月 13 日，Esri Canada 公布了 Pomerleau 的数字化案例，思路可以对照着看。这家加拿大承包商把工作分解结构（要建什么）和位置分解结构（在哪里建）接在同一张地图上：模型托管在 Autodesk Forma，接到 ArcGIS 的展示层；现场用表单回填构件的安装日期、状态和混凝土方量；排程来自 Primavera P6 或 Procore。
Esri 给出的首个部署数字是约 176 名用户、两个被测量的工作流释放约 624 个熟练工时，公司自己折算成年化约 8.04 万美元。这是个案数据，不是独立的生产率研究，Pomerleau 正在把做法推广到另外四个项目。但它和 Buildots 那份基准指向同一件事：要让进度能被机器统计，前提是对象 ID、位置、状态和责任人有明确归属。
这份基准要打折扣的地方
- 数据是厂商自己平台的产出。基准由拥有测量工具的公司发布，被测量的工地本身也是它的用户，样本和产品之间不存在独立性。
- 关键口径都没给。「数百个项目」没有说明具体项目数、五个垂直领域分别是哪些、数据覆盖的时间跨度和地域分布。
- 「计划产出」的定义缺失。报告没有说明这项指标是怎么从进度计划推导出来的，而它恰恰是所有百分比的分母。
- 方法论章节未公开。完整报告要填表才能下载，落地页上「严格的数据质量阈值」也没有给出具体标准。
给 BIM 与计划工程师的几点建议
- 别再用一个综合工效数字排计划。按 21 类活动分别设缓冲，比给整层或整个专业套一个系数更接近实际。地面类和轻钢龙骨隔墙的偏差根本不在一个量级。
- 让「计划产出」变成可被机器算的东西。WBS 活动、构件工程量、周计划三者要对得上：哪一周、哪个位置、哪类构件、计划完成多少。对不上，任何进度工具都只能给出笼统提示。
- 把进度偏差落成字段，而不是留在汇报里。状态、位置、责任人、日期四项结构化之后，偏差才能被累计、被比对、被复用——这也是 Pomerleau 那类看板能跑起来的前提。
- 用峰值与典型的差距检验浮时。如果工地最好的一周只比平常多出一成产出，计划里的浮时大概率是纸面上的。
- 把基准当参照，不当承诺。这是别人家工地的平均数，真正有用的是自己项目的历史数据——前提是数据留得下来、格式一致。
行业意义
这份报告真正改变的是提问方式。过去两年，行业争论的是 AI 能不能用、能省多少；现在开始有人问「你项目实际跑出了多快」，而且答案来自现场而不是问卷。一旦进度被逐周、逐活动地记录下来，排程、投标、索赔和工期争议的讨论基础都会变——从各自的说法，变成可以摆在同一张表上的数字。
对 BIM 从业者来说，最实际的启示是：模型的价值正在从「出图」转向「出数」。构件能不能被唯一定位、属性字段是不是规范、状态由谁更新，决定了项目有没有资格进入这类统计。同期发布的一份针对建筑业 AI 投入与回报的高管调研（见本站另一篇）也给出了相似结论：数据与集成问题和缺人并列成为头号障碍。模型的结构化程度，正在变成一种基础能力。