建筑产业是国民经济的重要支柱产业，是全球最大的基建市场，是人工智能革命的巨大场景。

  应对百年未有之大变局，特别是面对下行压力的严峻挑战，建筑产业如何找到新动能，头部企业如何开辟第二增长曲线，建筑产业如何应对人工智能革命的机遇与挑战，是当下最紧迫的课题，当有所作为。

  一、应对下行压力如何找到新动能

  我们要特别关注城市更新,其将是拉动经济的新动能，改善民生的新场景，转型升级的新高地。

  住宅更新示范表明，它将是拉动经济新动能的一个重要方面。据2002年的统计数据，截至当年，全国已建成住宅110多亿平方米，包括上世纪70年代及以前、80`90年代、房改前后建成的各类住宅。

  限于当时经济社会发展水平，这些住宅标准都不高、品质都很低、户型都很小，基本上都没有电梯，没有保温隔热，有的还不成套，通俗地说，很大部分是“老破小”。但地段位置却很好，都在城市中心区，教育、医疗、商业、办公等条件又很好。

  身居这批住宅的群众对城市更新抱有极大的热情，他们最大的诉求有三：一是不要让他们花太多的钱就能“原拆原建”回搬到高品质住宅；二是面积如果能适当增大一些就更好了；三是一定要快，6~8个月是心理极限，因为孩子要上学，老人要看病，否则很难让他们签约。因此，新型工业化建造方式是必选。

  假如全国这110多亿平方米住宅都做城市住宅更新，一半“原拆原建”、一半只做装修加安装电梯改造，按10年完成，每年将有3万多亿元直接的城市住宅更新投资，同时还能拉动产业链经济1~2倍规模。这是中国经济发展的一个巨大韧性所在。

  如果借鉴上海住宅更新的政策经验，适当增加一些容积率，就能破解更新成本缺口问题，广大的一二线城市基本上可以政策破题，广大的三四线城市可能仍需部分政府补贴。

  除了地方政府适当的奖励容积率政策，国家层面还可以给城市住宅更新加持一些鼓励政策，如住宅的设备更新、家装厨具产品更新、居民家电更新等。

  基础设施更新的示范产生了显著的拉动投资效应，促进了城市资产增值，改善了社会预期，全方位助推区域经济社会发展。首先是拉动投资和产业链经济，其次是推动片区价值提升，再次是促进产业功能转型，进而是激活社会消费潜力。

  “原拆原建”示范居民的诉求是既要省、又要大、还要快，其中省和大要政策破题，解决之道可能就在于实事求是地适当增大一些容积率，一部分奖励给“原拆原建”居民，让他们有动因加快住宅更新。原有面积拆建成本和新增面积建设成本，政策上要一清二楚，老百姓要明明白白。

  在此基础上，政府平台公司也要算账，不足部分，如果奖励容积率，他们就有动因积极参与住宅更新，一举两得。“原拆原建”居民从“老破小”到“好房子”，再到“好小区”“好社区”“好城区”，这就是他们的幸福感所在。这后面是1亿多家庭，4亿~5亿群众，是改善民生的巨大新场景。

  二、头部企业如何开辟第二增长曲线

  我们的头部企业包括央企国企，要特别关注投-建-营一体化创新实践，其中尤为突出的是，新型城市建设投资、规划、建设、运营创新实践，如郑州滨河新城的实践范例；城市更新特别是城市住宅更新原拆原建、城市基础设施更新、工业遗存更新等的投-建-营一体化实践。

  党的二十大报告指出，充分发挥市场在资源配置中的决定性作用，更好发挥政府作用。

  城市人民政府在推动城市建设转型发展方面有一把“金钥匙”，城市政府通过奖励项目容积率政策推动转型升级。这把金钥匙可以打开 “四把锁”：推动装配化发展，推动超低能耗建筑发展，推动项目级BIM，推动城市级CIM。还可以预埋下新要素的三颗“金种子”：推动超低能耗建筑发展即将产生巨大的碳汇要素价值，推动项目级BIM发展将为项目实现数据资产价值，推动城市级CIM发展将为城市政府实现更大规模的数据资产价值。

  投-建-营一体化推动了新型市场模式改革，加快了新型建造方式发展，触发了新型服务业态蝶变，包括城市基础设施服务新型业态，从项目级BIM到城市级CIM服务业态，推动城市建设管理绿色化低碳化服务业态，全过程咨询服务业态，投-建-营一体化+人工智能服务业态等。

  三、如何应对人工智能革命的挑战

  首先是实现人工智能产业化的问题。建筑产业头部企业和科技型企业研发人工智能的产业大模型，如设计AI大模型、投-建-营管理AI大模型、全过程咨询AI大模型、全装配化+AI大模型、双碳AI大模型。以及更深入地研发专业模型，如超高层建筑、三甲医院、污水处理场、轨道交通线、超低能耗建筑等设计AI和管理AI模型。

  其次是建筑产业实现人工智能化的问题。广大建筑企业和从业人员更广泛、更深入地应用人工智能技术，包括应用通用大模型、产业大模型和专业模型。一些推动工业化建造的企业和科技人员实现工厂制造AI、现场建造AI、运维管理AI。

  建筑产业发展人工智能，基础是数字化，没有数字化就没有人工智能。首先是把好建筑产业数字化转型的脉络，一是系统性数字化，二是装配化+数字化，三是投-建-营+数字化。

  由此，研发建筑产业大模型的关键在于把握好建筑产业人工智能发展的底层逻辑，一是与通用大模型的关系，二是与数据资源的关系，三是与用户的关系。

  关于与通用大模型的关系。此前，专家学者普遍认为，产业大模型构筑在通用大模型底座之上，通用大模型可能是闭源、封装的，因此产业大模型与通用大模型的界面非常清晰明确。DeepSeek彻底颠覆了这一切，完全开源，又是生成式，通用大模型不断地向上拱入到本来以为是产业大模型的空间，越来越深、越来越广，产业用户越来越多，界面已经模糊不清，完全没有规律。在这种严峻挑战下，建筑产业大模型如何研发，是一个重要课题。

  关于数据资源。无论通用大模型如何发展，向上拱，进入到更大空间，但一定有局限性，就是建筑产业数据资源的局限，这个局限恰恰就是研发建筑产业大模型的优势，凡是有BIM大数据、供应链大数据、ERP大数据、DRP大数据、CIM大数据等资源优势的头部企业和科技型企业或两者结合就可以乘势而上研发相关的建筑产业大模型，如设计AI、投-建-营管理AI、全过程咨询AI、全装配化+AI、双碳AI等等。进而深入研究专业模型，如超高层建筑、三甲医院、污水处理场、轨道交通线、超低能耗建筑等设计AI和管理AI。

  关于与用户的关系。我们研发建筑产业大模型，是2C还是2B，抑或是既2C又2B。

  建筑产业规模巨大，每年有31万亿元总产值，每年新开工约27万多项工程，每年同期在建70多万项工程，每年有70多万个业主管理团队，有70多万个设计团队、70多万个项目管理团队、70多万个项目监理团队等，包括几百万项目团队的成员，几百万个班组长和5000多万劳动大军，他们都可能是建筑产业大模型2C的用户。

  建筑产业人工智能必将极大地提升产业高质量发展的效率和效益，无论是2C还是2B，都将创造不可估量的巨大价值。