2026年9月16日，美国大型建筑总承包商Suffolk Construction联合MIT房地产中心及MIT媒体实验室城市科学组，发布了一份题为《AI时代的建筑业》的联合研究报告。
报告识别出六个相互关联的建筑工作流程，并建立模型测算：如果将这六项AI能力协同应用，在一个样本项目上可实现17%至20%的总成本节省，以及22%至25的工期压缩。
需要明确的是，这些数字来自建模推演，而非已完工项目的实测结果。报告的作者们将其定位为“潜在情景”，而非全行业通行的业绩基准。
六个杠杆：设计自动化是最上游的支点
报告确定的六个关键领域分别是：设计自动化、异地制造、审批许可、进度调度、熟练劳动力与分包管理，以及供应链与采购。
其中，设计自动化被列为“最清晰的上游使能因素”。报告指出，设计自动化能够为审批合规检查、采购自动化、进度生成和分包协调提供数据基础。
Suffolk首席技术官Jit Kee Chin用一个比喻解释了这种连锁效应：“这不是1+1+1等于3的数学题，它可能是1+1+1等于6。”
报告同时指出了供应链、异地制造与进度优化之间的联动关系：预制构件必须在安装团队就位时到达工地，这要求三个环节之间保持紧密协调。
样本项目：一个已完工的旧金山公寓楼
这项建模分析基于一个180,000平方英尺的多户住宅项目样本，该项目的建设成本为1.8亿美元，于2024年在旧金山完工。
研究团队回溯性地分析了该项目中哪些环节存在潜在的生产力、进度和成本改善空间。
研究数据来源包括学术文献综述、案例研究、专家访谈、问卷调研，以及一场汇集了超过50位建筑行业领袖的圆桌讨论。
MIT房地产中心的James Scott表示：“下一步是继续建设数据基础，以理解AI在何处影响最强、限制在何处，以及如何将这些发现转化为真实项目中的更好决策。”
协同部署 vs 孤立工具
报告的核心主张不是关于某一款AI产品的效能，而是关于跨生命周期协调的系统性价值。设计决策影响材料选择和审批路径；进度安排依赖于劳动力、分包商和交付时间；采购约束可能改变现场执行方式。如果将这些功能当作孤立工具来处理，跨系统的瓶颈将原封不动地保留下来。
Suffolk执行副总裁兼CTO Jit Kee Chin对此表述得更为直接：“现在的机会是从孤立的AI用例，转向能够在设计、采购、进度和执行之间创造可衡量价值的集成工作流。”
Suffolk的AI基础设施与“未来工地”计划
这份报告并非凭空而来。Suffolk在过去几年中投入超过1亿美元搭建数据体系，积累了约293TB结构化建筑数据，全美工地每天新增的项目数据约为5000万页。
2026年6月，公司发布了“未来工地”AI运营计划，由AI工程师常驻一线项目团队，参与设计、进度与流程协同。
该计划已在多个领域产生可量化的改善，包括将原本需要数天完成的排期工作压缩到几小时内完成、AI辅助设计审查在开工前发现图纸冲突、AI采购与到货跟踪系统提升供应链可见性等。
如何理解这组数字
对于建筑数据和机器学习团队而言，这份报告的实用价值在于它指出了项目级成果背后的系统性工作：设计、审批、进度、劳动力和供应链数据之间的可靠连接，以及对成本、延迟和交付质量的清晰度量。
报告作者也坦承了研究的边界。Jit Kee Chin在接受Construction Dive采访时表示，研究结果并非因果性的，并指出了下一步路线图，包括更多研究和更好的建筑数据标准。“现在有足够的证据表明这个愿景是可能的，”她说，“问题是我们所有人接下来要做什么？”
Suffolk董事长兼CEO John Fish则将广泛采用的条件归结为两点：更好的数据，以及业主、承包商、设计师和其他项目参与方之间更大的协调。“完全实现这一机会，需要我们重新思考项目是如何被规划、协调和交付的。”
（素材来自：Suffolk Construction/MIT 智算芯能前沿网综合）
本文由智算芯能前沿网编辑整理，转载请注明出处。