一份危大工程专项施工方案动辄上百页。审核的人要在几十本规范之间来回翻，逐条核对参数、验算数据、确认签字盖章是否齐全，一份方案看下来常常是一整天。2026 年新规把危大工程施工方案的审查层级整体上移，责任压得更实，但会看方案的人没有变多。中建三局把这件事交给了 AI，上线了「天工智审」施工方案智能审核平台，作为中国建筑首批「人工智能+」揭榜挂帅成果之一。它的定位相当克制——「多智能体初审 + 人工复核」，机器承担重复劳动，签字的人还是人。
先看清堵点：方案审核慢在哪一步
方案审核是工程安全的第一道关口，也是行业长期没说清楚的痛点。科技日报的报道给了两组数字：近三年基坑坍塌、模板支架垮塌等事故占比超过 60%，暴露出方案审批不严、过程监控缺失这类系统性缺陷；近七成较大事故与危大工程管控漏洞直接相关。换句话说，出事的环节未必在现场，很多时候在纸面就已经埋下。
「天工智审」切的就是纸面这一段。平台把一线专家的审核经验转化成系统内置规则，覆盖基坑、高支模、塔吊安拆、隧道开挖、盾构掘进等 26 类危大工程；审核维度分成通用审核、规范完整性、信息一致性、结构完整性、材机合理性、方案合规性六大类。
使用流程没有绕开原有习惯：上传 PDF 或 Word 方案，系统自动解析，平均 16 分钟生成初审报告，用方案原文与 AI 结论的双栏对照视图呈现，每条意见都附规范条文或规则出处，全程留痕可追溯；复核人员逐条确认、驳回或补充后，一键生成 Word 格式标准审核报告归档。目前平台已接入智慧工地试用，覆盖用户超过 2000 人。
规则是怎么攒出来的：50 余位专家，1 万余条规则
这类平台最难的部分不是模型，是知识。系统内置 6000 余项标准规范，其中 100 余项重点规范做了精细标注，最终沉淀出 1 万余条审核规则。研发团队把这套做法称为「技术 + 业务双轮驱动」：50 余位业务专家持续把一线审核经验翻译成机器可执行的规则，目标是让 AI「读懂工程语言」。
AI 赋能工程建设，核心是从粗放生产转向精细化标准生产。AI 的价值不在于取代全过程工程管理，而在于把人的隐性知识固化为企业可复用的数据资产。丁烈云，中国工程院院士、数字建造国家技术创新中心首席科学家
这段话解释了「天工智审」为什么把重点放在规则库而不是通用模型上。审核要的是确定性：规范引用是不是现行版本、参数有没有缺项、计算书取值和地质条件对不对得上，这些问题有标准答案，交给规则去查比交给生成式模型更稳。每条意见必须能追到条文出处也是同一逻辑——意见要能被人复核、被上级追溯，不能只是一句「AI 认为有问题」。
人的位置被留在了流程中间，而不是末端。确认、驳回、补充这三个动作意味着 AI 出的是初稿，责任仍在复核人身上。这既是保护也是约束：平台不会替你签字，你也不能把签字这件事外包给它。
同类工具在 2026 年各自卡在哪一步
把「天工智审」放回今年的行业坐标里，它卡的是方案审核这一环。同一时期，国内工程领域已经出现几类定位不同的 AI 工具，输入、输出和人的位置都不一样。
| 环节 | 代表做法 | 输入 | 输出 | 人的位置 |
|---|---|---|---|---|
| 施工图审查（强条合规） | 各地施工图 AI 辅助审查试点 | 施工图 | 强条命中清单 | 审查师终审 |
| 危大工程方案审核 | 中建三局「天工智审」 | 专项施工方案 PDF / Word | 带条文出处的初审报告 | 复核人员确认 / 驳回 / 补充 |
| 造价与清标 | 广联达 AecGPT、CONCETTO | 清单 + 图纸 | AI 算量、组价、清标结果 | 造价人员复核 |
| 成本测算与决策 | 中建三局「天工智算」 | 收入清单 + 企业定额 | 清单匹配结果 | 商务人员确认 |
| 监理履职管控 | 广州「穗建通」AI 监理通 | 现场履职数据 | 履职标准化管控记录 | 监理人员执行 |
表格里第四行和第一行其实来自同一家单位。中建三局信息科技自研的「天工智算」今年 2 月投用，做的是商务口径的活：把中型项目的成本测算周期从 4—7 天压缩到 1 天以内，人工询价成本降低 40%，分析效率提升 30%，清单匹配准确度突破 90%，做法是拿企业「收支匹配对数据」训练智能匹配模型，再叠加 DeepSeek 推理模型与行业知识库，该产品入选了湖北省住建领域人工智能应用典型案例。
两件事放在一起看，能看出一种顺序感：先在自己最熟的流程里做单点，把规则和数据攒起来，再往上下游扩。这套顺序比产品本身更值得参考——真正难复制的不是界面，是那 1 万余条规则和背后的 50 余位专家。
技术分析：为什么「可溯源」比「更聪明」更要紧
平台没有公开多智能体之间的分工细节，具体怎么协作只能从产品行为反推，但有几个设计选择是明确的。
一是双栏对照。把方案原文和 AI 结论并排放，而不是只给一份结论清单，等于强迫每条意见都能被定位到原文的哪一句。这是产品层面的诚实：它承认 AI 会看错，所以给你核对的位置。对使用者来说，这也是最快的复核方式——不用在两个文件之间来回切。
二是条文出处与留痕归档。工程审核的争议往往不在「有没有问题」，而在「依据哪一条」。附上条文号，意见才具备被讨论和被追责的基础；一键生成标准报告并归档，则让审核记录不再依赖个人保存的文件——项目上人员流动频繁，这一点比效率更实际。提级审查之后，审核过程能不能说清楚，本身就是被检查的内容。
风险同样清楚。规范年年在改，规则滞后一天，AI 就会认真地给出过时意见；26 类危大工程里各地做法和验收口径不完全一致，规则库怎么适配地方标准没有公开说明；更靠前的一环是输入质量——扫描件、图片里的公式、手写签名都会影响解析效果。最后是责任边界：AI 的初审意见不构成审批，这句话必须反复说清楚，否则效率提升会变成责任稀释。
对 BIM 工程师和技术负责人，这几点值得现在就做
这件事对一线人员的意义不在于「要不要学 AI」，而在于方案这份文件的写法正在被重新要求：AI 初审能读的东西和人审能看清的东西越来越接近，都要结构化、可定位、有出处。
五条可以马上用上的建议
- 把方案里的模型截图、参数表、计算书做成机器能读的形式。图片里的公式和手写批注，AI 大概率读不出来；关键参数尽量用文本表格呈现，并与模型版本保持一致。
- 规范引用要「对号入座」。写明规范编号、条文号和版本，不要只写「按规范要求」。AI 按条文核对，人审也是同一套逻辑。
- 把 AI 初审当成检查清单，不要当成结论。逐条确认、驳回、补充并留痕，这本身就是方案质量的第二道防线。
- 先自查危大工程界定的漏项。26 类是明确的清单，该列的专项方案有没有列全，是最容易被机器抓出来、也最容易被上级挑出来的问题。
- 让企业自己的审核经验沉淀成规则。专家的判断留在个人脑子里，人一调动就归零；沉淀成规则库才是企业资产。
还有一层变化值得留意：当审核能力可以被装进系统，大院的审核口径就不再只属于大院。这类平台如果后续开放给更多项目使用，中小企业的方案质量下限会被整体抬高——对行业是好事，对靠「方案写得糙但关系熟」吃饭的做法则是坏消息。
这篇稿子要打折扣的地方
- 26 类危大工程、6000 余项标准规范、1 万余条审核规则、平均 16 分钟、覆盖用户超 2000 人，全部来自企业与媒体的单方口径，没有第三方核验，平台也未公开测试集、准确率或误报率。
- 「近三年事故占比超 60%」「近七成较大事故与危大工程管控漏洞相关」出自科技日报引用的行业统计，报道未给出口径、统计范围和来源。
- 平均 16 分钟指初审报告生成时间，不含人工复核、意见确认和方案修改的实际耗时；覆盖用户超 2000 人是「已接入智慧工地试用」口径，不等于付费使用或全量上线。
- 规则库的规范更新机制、地方标准适配方案、扫描件与手写内容的解析能力均未披露。
资料来源：科技日报《AI「上岗」审方案 建筑业安全审核迈向智能化》（2026 年 10 月 9 日，stdaily.com）；亚洲科技网转载稿（ai123.com/news/14816）；中国建筑官网「天工智算」稿（2026 年 2 月 9 日，cscec.com）。配图来自 Wikimedia Commons。文中数字均为单方披露，未经独立验证。