我们已经进入人工智能时代,我们的生活方式以及各行各业的运营模式都将被改变。唐玉文,工学博士,地质资源与地质工程专家,北京西诺地下工程有限公司创始人、董事长,曾因“超浅埋七连拱地下商场暗挖施工技术”和在中国大规模引进、推广地下连续墙和旋挖工法而对中国地下工程行业的发展产生深远影响。他同时任美国磐石资本高级顾问和亚洲区负责人,重点投资美国人工智能领域的技术创新项目,对人工智能技术的发展和应用有比较深刻的认识。我们曾就人工智能在建筑行业的应用和影响对他进行过采访,访谈以《唐玉文博士:建筑行业将进入智能化转型的快车道》、《唐玉文博士:未来十年建筑行业人工智能市场规模将扩大17000多倍》为题在《人民日报海外版》、《中国科学网》、《人工智能世界》等多家重要媒体发表后引起比较大的反响,读者尤其对建筑业人工智能市场的前景及数字化与人工智能之间的关系等问题想了解更多的情况。我们就这些读者感兴趣的问题再次对唐博士进行了专访。
通讯员:唐博士,我们上次对您的专访发表后已经引起了非常大的反响,普遍对人工智能在建筑领域的市场规模的快速增长感到惊讶,今天想请您进一步谈谈建筑行业人工智能市场的现状和前景。
唐玉文博士:的确,我在上次的采访中谈到,根据Research Dive的预测,从2021年至2031年全球建筑业人工智能的市场规模将以34.1%的复合年增长率增长,总收入从2021年的4.964亿美元增长到2031年的85458.0亿美元,增长一万七千倍。毫无疑问,这是一个令人震惊的数字,这个数字不仅预示着建筑行业的人工智能市场潜力,同时从建筑业推及其它众多行业,也预示着这十年中人工智能对全球经济的影响将是大的。
Research Dive是一家市场分析公司,尤其在数字经济的市场分析方面具有独特的优势。他们从产品(解决方案和服务)、投送类型(云投送和现场投送)、组织规模(中小企业和大型企业)、行业类型(住宅、机构商业建筑和其他建筑)和地区(北美、欧洲、亚太)等几个方面对全球的建筑行业人工智能市场进行分析后得出上述结论。
通讯员:根据Research Dive的分析,人工智能在建筑行业的产品、投送类型、组织规模、行业类型、地区等方面,各有什么特点?
唐玉文博士:该公司将人工智能产品分为解决方案和服务两类,其中解决方案细分市场指人工智能(AI)解决方案在供应链管理、项目规划和风险管理等领域的重要应用,它使施工过程变得更加高效,在2021年相对于服务来说占据了高的市场份额。而服务细分市场主要是现场实时监测、设备和物品之间的互动等,这部分预计在预测期内增长快。
从技术的投送方式看,可以把建筑行业的人工智能市场分成云投送和现场投送两类。云投送指通过云提供的人工智能技术服务,比如SaaS,是未来增长的主要方向。现场投送指通过在建筑工地或建筑物现场布置人工智能设备来实现的智能化服务,比如机器人等。我们预计未来建筑领域,群体智能机器人将有很大的应用市场。所谓群体智能机器人是由多个小型机器人组成的集群式解决系统,群体智能机器人的灵感源于蚂蚁、蜜蜂、鱼群体等生物,在没有统一领导的情况下,也能合作执行大量复杂的任务。每一个小机器人都具有自身的运动能力和有限的智能水平,通过个体之间或个体与环境之间交互行为形成高度的有组织性活动,虽然这些交互行为看上去非常简单,但他们聚在一起却能解决一系列难题,完成很多单体无法完成的工作。群体智能机器人的运用前景非常广泛,除了建筑领域,还包括智慧城市、智慧医疗、智能制造等领域。
按企业规模来讲,最初肯定是大型建筑企业的智能化走在前列,市场份额也大,但中小企业市场的增长会快于大型企业,尤其是基于云的人工智能解决方案,因为它们消除了高昂前期成本的投入,并具有灵活的可扩展性。中小企业可以根据自己的需求轻松地开始和停止使用这些解决方案。
如果按住宅、机构商业建筑和其他建筑来划分,则其他建筑市场的人工智能会一直占据高的市场份额。这类建筑包括体育场、学校、医院、商场、图书馆、美术馆和博物馆等建筑,这些公共建筑在建筑服务和解决方案中大量使用人工智能,目前占据大市场份额,未来也是增长快的部分。
至于区域,北美地区,尤其是美国,不管是市场份额还是增长速度,都将出彩。大量资金的进入,监管环境的完善程度,劳动力紧缺等成本驱动因素,技术储备,等等,这些因素都有利于北美地区的建筑业处于全球建筑业智能化的领头羊地位。中国建筑业也将在全球建筑业人工智能市场占据大份额。几十年建筑行业快速发展,积累了庞大的数据,这些数据为中国建筑行业智能化转型打下了很好的基础,加上中国在5G技术的地位,中国会成为人工智能市场增长快的区域之一。
通讯员:您刚才讲到中国会成为全球建筑业人工智能市场增长快的区域之一,那么,要使之成为现实,我们还要克服哪些障碍?
唐玉文博士:中国建筑业正处在数字化转型的关键节点和智能化的孕育阶段,要使我们的建筑业驶入人工智能的快车道,还必须翻越数据整合、信息技术系统整合和大模型构建等三座大山。从数据方面讲,目前还存在纵向项目数据上不来、横向管理系统不贯通的问题,设备端、电脑端、手机端、服务端、个人端、项目端、子公司端、母公司端、集团端、项目端、业主端、政府端等众多端点的数据碎片化,无法通过数据整合形成有效的数据。
数据是建筑智能化的基础和前端,除此之外,识别也是智能化的关键前端。不论是静态识别(如人物识别,危险区域识别,材料识别,形象进度识别等),还是动态识别(如人的行为识别,作业区识别,设备运行识别等),都依赖以5G、IoT、AI、BIM为代表的新一代信息技术的无缝链接和整合,才能真正有效的进行相应的预警、管理、控制、安全的自动处理,如警告、停止(设备、电力、消防等)作业。
如果说数据整合和识别是智能化的前端,则AI软件系统与AI大模型就是驱动智能化的总后台。AI大模型是使用深度学习技术构建的规模庞大的神经网络模型,能够对大量的数据进行训练,形成强大的语言理解、生成和推理能力。构建和训练大模型需要庞大的算力和数据,在缺乏足够的算力和有效数据的情况下,很难在建筑业快速实现人工智能化。
通讯员:您刚才分析了建筑业人工智能市场的发展趋势,也讲了中国建筑业要驶入人工智能快车道必须克服的三大障碍,下面想请您从理论上讲讲数字化与智能化的关系,以便读者更好地理解智能化。
唐玉文博士:我们先来看看美国咨询机构Gartner对数字化和数字化转型的定义:数字化是利用数字技术改变商业模式,从而提供新的收入和价值创造机会,是一个向数字业务转型的过程。这个定义已经获得业界的广泛认同。关于智能化的定义很多,我比较认可智能化就是使数据上升为知识和智慧、赋予数据以智能从而产生数据智能的过程。
从效果来看,在数字化转型中技术可以创造的变革速度与企业实际可以创造的变革速度之间的存在巨大差距,前者是无法实现的数字化转型潜力,后者为实际的数字化转型潜力。企业组织和文化、人类行为习惯、员工经历和知识结构、当前的工作流程、IT系统设计都可能成为阻碍实现数字化转型的技术潜力的因素,也就是说,因为这些因素的存在,使数字化转型无法实现其技术应该能够实现的潜力。因此,数字化转型过程达到极限的核心原因在于组织方面,而不是技术方面。智能化旨在消除这些障碍,使实际潜力能够达到或接近技术潜力。
我们再说说“知识金字塔”,它的顶端是智慧,其次是知识,再下面是信息,数据在金字塔的底部。数据是对客观世界的事实描述,是原始和无序的事实集合;信息是经过筛选的可测量、可分析、可视化、经过组织的结构化的数据;知识是通过学习和实践获得的信息和技能,其核心是学习;智慧是基于知识的洞察力,直接关系决策和行为。简而言之,可以说数据和信息描述了世界的本来面目,是过去时和现在时。知识和智慧的概念是向前看的,并且将自己定位于人们现在和未来可以做的事情,是现在时和未来时。数字化是基于数据和信息的,智能化则是基于知识和智慧的。
数字化是有边界的,它的边界就是企业的边界。数字化转型的核心是在企业内部以数据驱动的方式重新设计工作和工作流程,目标是简化企业的业务运营,提高效率、降低成本。智能化则打破了企业与外部环境的边界,将企业内部的数据和信息系统与外部环境联通,摧毁数字化转型中的信息孤岛,甚至自动以全新的方式改变组织,以期获得优的组织行为效率。
智能化是赋予数据以智能,数据智能是指基于大数据引擎,通过大规模机器学习、深度学习和强化学习等技术,对海量数据进行处理、分析和挖掘,提取数据中所包含的有价值的信息和知识,使数据具有“智能”,并通过建立模型寻求现有问题的解决方案以及实现预测等。算力是支撑数字经济蓬勃发展的重要“底座”,数据是生成式人工智能的重要资源。可以说,数字化是智能化的基础,智能化是数字化的高级阶段。(通讯员:木亦)