建筑机器人的发布通常给的是参数：负载多少、精度多少、效率提升百分之几。鹿岛建设 11 月 5 日的公告给的是一段运行记录——日本 10 多个在建工地，一年 2,000 多次自主任务，机器人还在持续使用。日本经济新闻当天也报了这件事，标题写得很直白：鹿岛把搭载「物理 AI」的四足机器人正式用到了现场。
一、这次宣布的是一段运营记录
时间线值得摆开看。鹿岛与 FieldAI 的合作从 2023 年开始，前两年是在真实工地上调技术；2025 年双方签了企业级服务协议，合作单位从「某个项目」变成「整个公司的现场」；到 2026 年 11 月 5 日宣布全面部署时，累计跑出的数字是 10 多个现场、2,000 多次任务。
这三个数字里，最后一个是关键。任务横跨不同机型、不同作业内容、不同工地，而这些工地的结构和材料堆放每天都在变。能连续跑一年，说明系统不是靠某个项目专门调过的参数在撑。
鹿岛给的动机也很朴素：工程师的时间被巡查、拍照、三维扫描这类重复动作切碎了，真正要判断的安全、质量、进度反而没有整块时间。把重复动作交出去，是为了让剩下的时间更像工程师该干的活。
和中国、新加坡这两年常见的沙盒试点不同，这次的关键词是「正式导入」。试点证明「能干」，导入意味着它已经进了现场的工作安排——谁的班次跑哪几层、数据什么时候回传、异常谁来处理，这些都要有答案，否则跑不过一个月。
二、核心是一个可以换装的自主单元
系统的主体不是某款机器人，而是一个自主单元。相机负责识别障碍物和禁入区域，激光雷达用反射光测距离和形状、顺带采点云建图，边缘 AI 设备在机上处理这些图像与点云，不上云。鹿岛说，这样它能实时判断出安全的行进方向。
本地算力带来的直接好处是场景放宽：室内可以跑，地下没有卫星定位的地方可以跑，外部通信困难的地方也可以跑。传统巡检机器人一旦断了网或者丢了 GNSS，通常就停在原地等人工接管。
软件层用的是 FieldAI 的 Field Foundation Models。按鹿岛的说法，这套模型把数据驱动的学习、基于物理规律的推理和不确定性量化放在一起，因此能应付没有事先学过的情况和不断变化的环境，同时守住安全边界。这套思路和「按现场定制参数」的传统机器人控制不是一回事——后者每换一个工地就要重调一遍，前者想做的是一个通用自主层：换机器、换任务，软件还是那一层。
三、它替人干的是四类活
第一次启动时，机器人自己探索未知区域、生成三维地图。之后的每一趟巡查里，它避障、拍照、采点云测距，环境变了就把地图更新一遍。干完回充电站，上传数据，后台自动整理，网页上就能看。人也可以在平板或电脑上点一个目的地，让它自己走过去，同时看那个点位的实时视频。
按用途分，实际有四类。第一类是进度：巡查时采 360 度照片和高分辨率彩色点云，用来判断施工状态和尺寸，比人工拿着图纸逐层核快得多。第二类是安保：非工作日、深夜、清晨安排巡逻，发现异常时闪高强度 LED 并发出声响警报，负责人同步看实时画面。第三类是应急：地震、暴雨之后，工地安全状况还没确认时，先让机器人进去采照片、点云和视频，不把人往没评估过的区域派。第四类是记录本身的沉淀——每次巡查都在给工地攒一条连续的数字流水。
| 口径 | 鹿岛（日本，2026-11-05 公告） | FieldAI × Boston Dynamics 公开案例 |
|---|---|---|
| 部署规模 | 10 多个现场，2,000 多次自主任务，约一年 | 亚洲、欧洲、北美多国工地，两年 |
| 任务类型 | 巡查、进度记录、安保巡逻、灾后先遣 | 巡查、进度跟踪、质量核验、偏差分析 |
| 主打指标 | 任务次数与现场数量 | 检查与记录耗时下降 >90%，早发现问题避免返工 |
| 部署前提 | 边缘算力，无需卫星定位与先验地图 | 无需 GPS、无需上云、无需先验地图与预设轨迹 |
| 数据去向 | 回传后自动整理、网页可查 | 流入 BIM 与数字孪生系统 |
四、为什么先让它「看」，而不是先让它「干」
过去几年，工地上跑得最稳的机器人分两类：干重复小活的（放线、喷涂、砌砖、石膏板），和干土方的大机器（挖机、压路机）。前者替代工种，后者替代机手。巡检机器人走的是第三条路——它不改变任何一道工序，只负责把现场状态变成数据。
这条路更容易走通，原因有三。工序不动，施工组织就不用改，工长不用重新排班；风险低，机器人撞坏了损失有限，人撞坏了不行；可回退，跑不下去撤掉就是，不影响工期节点。相比之下，让机器人上手砌墙，要解决的是工序标准化、质量验收口径和出事故后的责任划分，这三件都不是软件能单独解决的事。
但「看」这件事本身有硬门槛。点云能不能用，取决于它能不能落回模型的坐标系；长走廊、多层、反复上下楼的场景里，纯视觉加激光的里程计会漂移，漂移累积到几厘米，用来核尺寸就没意义了，只能核「有没有」。这也是为什么巡检数据要真正进入进度管理，前面必须有一层控制点或者标靶兜底。
还有一个容易被忽略的边界：责任。机器人拍到的隐患，谁负责处理、多久内处理？如果巡查记录成为争议时的证据，那么「没看见」和「看见了没处理」在合同上的分量完全不同。鹿岛这次把安保巡逻和灾后先遣也放进了同一套系统，等于把「记录」的用途从内部管理推到了责任界面，这块目前还没有成熟的行业惯例。
五、对 BIM 工程师的四点提醒
机器人采集的数据要能接进模型，四件事得先做
- 把基准点做扎实。巡检点云要和模型对齐，靠的是轴网、楼层标高和现场控制点。这些在模型里定义清楚了，点云进来才能直接比；否则每次都要人工挑点对齐，效率优势就没了。
- 模型分区要和现场分区一致。机器人是分区域跑的，报告也是分区域出的。模型按施工段、按楼层、按专业组织好，巡检结果才能自动落到对应位置，而不是堆成一份看不出属于哪一层的清单。
- 把巡检频率写进计划。周扫一次和日扫一次，进度判读的颗粒度差一个量级。频率定了，模型更新节奏、BIM 协调会的议题才能跟上。
- 留出「模型错了」的处理路径。巡检发现现场与模型不一致时，先判断是施工偏差还是模型本身不准。这条判断没人做，数据越多越乱。
还没解决的问题
2,000 次任务是鹿岛自己的口径。公告没有说明一次任务怎么算——多长、覆盖多大面积、中途有没有人工接管。这三个参数不定，「2,000 次」就没法和别家的「1 万次」放在一起比。
公告也没给误报率和接管频率。巡检机器人最怕的不是漏拍，是天天报一堆不重要的变化，最后没人看。这个数字比任务次数更能说明系统是不是真的在用。
至于「检查与记录耗时下降超过 90%」，出自 Boston Dynamics 与 FieldAI 的公开案例材料，属于客户自报，不是第三方测评。它说明方向对，但不能当成采购决策的唯一依据。
需要打折扣的地方
- 部署规模、任务次数、现场数量全部来自鹿岛建设 2026-11-05 的公告，未经第三方核验；「一次任务」的定义未公开。
- 日本经济新闻同日报道确认了「正式导入」与「10 多个现场」，但未给出任务次数与机型清单。
- 「检查与记录耗时下降 >90%」为厂商与客户公开材料口径，样本与测算方法未披露。
- 鹿岛官网（kajima.co.jp）对本机返回 403，本文公告内容依据 Unite.AI 2026-11-05 的转述与日经报道，未能逐句核对原 PDF。
资料来源：鹿岛建设《鹿島、建設現場におけるロボットの本格導入について》2026 年 11 月 5 日发布（英文版 PDF：kajima.co.jp/english/news/info/pdf/20261105.pdf，本文数字经 Unite.AI 2026 年 11 月 5 日报道转述）；日本经济新闻 2026 年 11 月 5 日《鹿島、現場にフィジカルAI搭載の四足歩行ロボ 米フィールドAIと協働》；Boston Dynamics 案例研究《How FieldAI and Boston Dynamics Made Autonomy Practical on Construction Sites》；FieldAI 官网施工场景页（fieldai.com/solutions/construction）。头图为 Boston Dynamics 公开案例材料中的四足机器人在建筑工地作业场景，正文配图为 FieldAI 官网公开材料，均为资料图，非本文所述鹿岛项目现场。