今年秋天写过的 AI 产品,几乎都挂在一栋正在设计或正在施工的楼上。Qonic 的智能体跑在 BIM 模型里,Mach9 从测量数据出图,Procore 把模型、进度、采购在动工前跑一遍。它们有一个共同的前提:存在一份有人画好的模型,AI 的工作是在这份模型上做事。存量建筑大多没有这份模型。它有的是一位设施经理、一抽屉 PDF 和一张 Excel 表。奥地利林茨的 qapture 从另一头切进这个问题:先把建筑扫成点云,把点云做成数字孪生,再在上面放一个能提问的智能体。产品叫 qentin,11 月 12 日由德国行业媒体 Business Geomatics 首发报道,13 日 AEC Magazine 跟进。
一、扫描、识别、提问
qapture 描述的顺序是三步:扫描、识别、提问。建筑被扫一遍并做地理配准,软件自动识别、命名、定位扫描里的对象——灭火器、疏散标识、闸门、设备机组,再用文字识别读出物理固定在设备上的标签和资产编号。之后设施团队在对话框里用德语或英语提问,答案出现在三维视图里,钉在它所指向的那个位置,需要的话还能给出走过去的路。
官方产品页列了几条示例问题,比任何描述都更能说明范围:这个大厅里有多少个灭火器;最近的紧急出口在哪;把天花板上所有损伤标出来;自上次检查以来哪些出口和物料通道被堵住了;把所有设施与各自的最新基准比对,列出风险最高的例外。
前三条是检索。后两条不是。把一个设施和它自己的历史基准比对,或者把一个组合里的每一处设施分别与基准比对,问的是随时间发生了什么变化——这个问题只有在底层资产是带日期的扫描、而不是一张图纸时才问得出来。qapture 说现场发生变化时只重扫受影响的区域,这比重新画图快,也便宜。
要求不高,公司也写清楚了:一份 qapture 扫描或客户自己的数据,一个已经完成对象识别的数字孪生,一个浏览器。不装软件,不加硬件。
二、边界写在能力旁边
这次发布不太常见的地方,是约束放在哪儿:放在营销页上,用厂商自己的话,字号和功能清单一样大。
qentin 只读客户的扫描和数字孪生,不接互联网上的通用知识。每个答案都渲染在三维视图里,用户可以就地核对;发现某个对象被分错了类,可以在模型里改。Business Geomatics 用三个德语词概括设计意图——Jede Antwort ist prüfbar,每个答案都可核验。产品页把拒绝的那一半直接写了出来:数据里没有的,qentin 不回答。
这个拒绝放在设施管理里是对的,而且必须是对的。设施问题的正确答案存在于物理空间里。一个模型如果用看起来合理的灭火器位置去填补数据空缺,那不是「不太准」,那是一份写错的消防安全文件。把智能体锚在扫描上、把答案钉到坐标上、对答不出的问题明确说答不出,是这个领域要求的形状。至于 qentin 在一个真实资产组合里能不能守住这条线,产品页证明不了,两家行业媒体也没有测过。
页面上还有几条附注值得记。qentin 被标注为 AI 助手,这个标签链到欧盟 AI 法案的透明度义务;建筑数据存放在 qapture 平台,在欧盟境内按 ISO 27001 托管,语言模型由一家专门的 AI 供应商运行,数据处理方式事先与客户约定;以及一句容易漏掉的话——qentin 不是 CAFM 系统的替代品。这三条合起来说明厂商把自己放在哪一层:不是台账系统,是台账上面那个能问的界面。
三、第一个客户带着数字来
发布里最有分量的是那个已经在用的客户。上奥地利能源公司 Energie AG Oberösterreich 被 Business Geomatics 称为 qentin 的首个客户,两家媒体都写到它在生产环境中使用。qapture 自己网站上把这段合作量化了:137 个站点、73 万平方米既有建筑、43 座水电站、6300 个标签被自动识别。AEC Magazine 报道说,那边用得最多的功能是资产标签检索——输入一个编号,三维模型显示这个资产在哪。
听起来平淡,但这大概是最诚实的答案。在这么大的资产组合里找一个带编号的设备,是那种能烧掉一个工作日、又不会产出任何可称为创新的东西的活。
| 客户 / 项目 | 规模 | 用途 |
|---|---|---|
| Energie AG Oberösterreich | 137 个站点、73 万㎡、43 座水电站、6300 个标签 | 生产环境,最常用为资产标签检索 |
| IKEA(2020 年起合作) | 38 处、逾 200 万㎡ | 门店资产与设施数字化 |
| qapture 官网累计 | 约 200 个项目、逾 2000 万㎡ | 扫描与数字孪生总量 |
公开的参考名单里还有 voestalpine、TGW Logistics、奥地利议会、Drees & Sommer、ArcelorMittal、HABAU、DPR Construction、Wien Energie、ASFINAG 和 BIG Bundesimmobiliengesellschaft。这些是公司自报的数字,本站未独立核验。公司本身 2020 年由 Daniel Höller 和 Dominic Koll 在林茨创立,Business Geomatics 写到它是在没有外部投资人的情况下做起来的,现在林茨和维也纳两地约 25 人,Höller 是首席执行官。官网没有发布过融资消息,只记录了 2024 年 2 月进入上奥地利孵化器 tech2b 的项目组合。准确的说法是:没有公布过融资,自称创始人自建,而不是从未拿过任何外部资金。
四、护城河是扫描档案,不是智能体
Höller 对 Business Geomatics 的说法是,一栋建筑的知识今天散在 Excel 清单、旧图纸、PDF 报告和个人的脑子里;有了 qentin,知识就在建筑里,可以直接问它。对 AEC Magazine 他讲得更直接:六年来我们一直在整理建筑数据,好让 AI 能用。
这句话才是真正的论点,值得和产品分开看。这个市场里稀缺的不是智能体,是六年积累下来的、做过地理配准、做过对象识别、读过物理标签的真实建筑扫描——而这些东西客户当年是为了自己的目的付过钱的。智能体是界面,扫描档案才是壁垒。本站对 Trendspek 做过同样的判断:七年里由工程师分类的缺陷记录躺在三维状况记录里,那才是训练集,也是那轮融资能成的理由;对 Ageiro 也一样,值钱的是商业记录,不是盖在记录上面的看板。
这也解释了为什么 qapture 敢把「不回答」印在产品页上。它的护城河不在模型多聪明,而在数据覆盖得多全;一个愿意说「这里没有数据」的产品,反而把客户的注意力推回到扫描覆盖率上——而扫描覆盖率正是它卖的东西。
五、对 BIM 与运维岗的几条实话
给 BIM 与设施管理岗的具体建议
- 先算覆盖率,再谈智能体。这类产品的上限由「扫了多少、识别了多少」决定。做改造或运维项目时,把扫描覆盖范围、识别对象清单、标签读取率写进合同附件,比讨论模型版本有用。
- 资产编码必须和现场标签一致。qentin 最常用的功能是按标签找资产。台账里的编码、图纸上的编号、设备上贴的标签三者对不上,检索就退化成猜。
- 基准要带日期版本。「与上次检查比对」这类问题依赖同一位置有多个时点的扫描。第一次扫描时就把基准版本、扫描精度、坐标系统记录下来,后面才有得比。
- 不要指望 AI 补全缺失构件。产品页已经明说数据里没有的不回答。缺的构件只能补扫,不能靠推理填。这一点反过来是好事:它逼着项目把竣工数据当成交付物。
放到更大的盘子里看,存量建筑的 AI 入口不是「生成」,是「索引」。国内城市更新和既有建筑改造的量在往上走,真正卡住的往往不是设计能力,而是「这栋楼里到底有什么、在哪、上次检查是什么时候」这类台账问题。消防合规、设备巡检、改造前的现状测绘,都属于同一类活。谁手里有带坐标、带日期、带标签的现状数据,谁的智能体才有东西可查。
这篇里需要打折扣的部分
- qapture 没有公布价格。产品页只说在客户自有数据上做演示免费,2026 年内上车有未标明的优惠价,截止 12 月 31 日;早期访问需要申请。
- 对象识别和文字识别都没有准确率、误报率,也没有 Energie AG 那边的量化效果,只有「哪个功能用得最多」。
- qentin 处于早期访问。产品页自己说它「逐步演进」,某个客户能做什么取决于设施、数据覆盖、分析结果和已开放的功能;部分列出的工作流仍在与早期客户共建。
- 文中对「扫描档案即壁垒」的判断是分析,不是公司表述;客户规模数字全部为公司自报。
- 本站没有试用该产品,也未独立验证任何一条示例问题的实际表现。
来源:qapture 的 qentin 产品页与参考客户页;Business Geomatics《„qentin“ ist da: KI-Assistent für Bestandsgebäude》,2026-11-12;AEC Magazine《AI makes scanned buildings searchable》,2026-11-13;Construction Industry AI 对该发布的整理,2026-11-13。qapture 官网新闻页只列媒体报道、未见带日期的公司发布稿。首图为 qentin 产品界面演示图(德语提问、三维视图定位),取自 AEC Magazine 报道配图;第二张为资料图,与本文案例项目无关。