AI走进建筑工地：Intel和震有智联做的这件事 远比想象更有意义

与办公室等相对标准化的环境不同，每天都在变化的建筑工地可能是安全管理最复杂、最考验现场执行力的场景之一，塔吊运转、深基坑开挖、高空作业、临时用电、脚手架搭拆，几十个工种交叉作业，几百号人进进出出，任何一个环节的疏忽都可能酿成事故。

国家对于建筑行业的安全也是相当重视，各种法律条文、行业规范已十分完备，就比如光脚手架这一项，剪刀撑怎么设、连墙件怎么拉、钢管壁厚多少，全有白纸黑字。

但传统施工安全管理主要依靠安全员巡检、专家全检或抽检以及相关部门现场检查，在实际执行中容易出现检查不及时、漏检错检、隐患整改不及时以及信息不完整等问题。

这其实也是建筑安全管理长期存在的一道难题，缺的并不是规范和经验，而是如何把这些专业知识持续、准确地带到每一个施工现场。

时代变了：AI开始走进工地

大模型和AI智能体的出现，改变了这件事的可能性。当语言大模型、多模态大模型和视觉大模型可以协同工作，当AI不仅能看到还能理解和判断，甚至能主动拆解任务、规划巡检路径、给出处置建议，AI就从简单的监控摄像头升级成了安全专家助手。

9月17日，Intel和深圳市震有智联科技有限公司一起，推出了智联建安建筑施工安全管理垂直行业应用大模型及AI智能体系统，中国人保、中建科工等合作伙伴也到场参与交流。

该方案依托Intel行业大模型一体机，把安全规范、行业知识与现场实时感知结合起来，让AI参与巡检、判断、任务调度和数据分析，从而真正解决建筑行业安全管理最后一公里的落地问题。

算力、模型、应用一体化

智联建安并不是一个单独的AI模型或App，而是一套算力、模型、应用一体化的行业AI方案。底层由Intel行业大模型一体机提供算力支撑，中间层是面向施工安全场景的大模型与专业知识能力，上层则是面向不同角色的智能体应用。三层协同，最终把AI真正嵌入施工安全管理流程。

首先来看算力层，工地现场网络条件不稳定，把视频和图片传到云端推理既慢又存在数据隐私问题。震有智联的方案是把算力带到工地现场，方案采用基于Intel至强处理器和锐炫 Pro B60 GPU的行业大模型一体机，可按需配置最多8块锐炫Pro B60。

锐炫Pro B60配备24GB大容量显存、456GB/s高带宽和197 TOPS峰值算力，能够支撑多模态大模型的本地稳定推理。至强处理器则依托内置硬件加速引擎，无需额外部署独立加速卡即可处理AI工作负载。CPU+GPU的异构协同，加上x86生态的开放性，让整套方案在性能、成本和部署灵活性之间找到了平衡。

此外还有适合不同场景的算力产品，AI训推一体机FSV100采用的是Intel至强处理器和锐炫A770的组合，同样最高支持八卡，主要面向多项目集中管理和模型训练场景。边缘融合一体机MEC 400和EP50分别采用13代酷睿和Intel Ultra平台，融合网络、计算、存储、应用能力，适合单个工地的本地部署。

现场终端则包括智能头盔、巡检机器人、可视安全帽等，负责数据采集和实时感知。从中心到边缘到终端，算力按需分布，使大模型推理能够在离现场最近的地方完成。

在算力之上，是面向建筑施工安全场景的大模型能力，语言大模型负责理解和推理，视觉大模型负责隐患识别，多模态大模型负责处理图文混合输入，让AI能够理解施工现场发生了什么。

震有智联的方案并非简单套用通用大模型，而是结合国家标准、行业规范、企业安全制度、历史案例等结构化知识，打造出一个施工安全垂类大模型，让AI的回答有据可依，不会胡编乱造。

再往上是智能体层。巡检知识专家负责把行业规范变成可以随时调用的专业助手，现场人员可以通过文字、语音或图像进行提问，系统结合大模型与专业知识库，对相关规范、图例和案例进行匹配，并给出可追溯的标准依据。

巡检旁站员更贴近现场操作，可以自动推送检查任务、检查顺序和注意事项，并通过视觉模型辅助识别高空作业、临边防护、脚手架等重点环节的安全风险，同时提醒可能存在的漏检、错检。

巡检调度员负责将检查标准拆解成具体任务，根据工种、时间等条件进行分配，并结合物联网告警完成任务派发、处置跟踪和结果归档。

考察智能体则围绕人员、时间、地点等维度查询历史巡检记录，分析风险变化趋势，并生成周报、月报和重点风险提醒。

最终就是一线工作人员直接接触的产品，分别对应工地现场不同岗位的需求。

小班副APP面向班组长，打开APP就能获取安全交底知识、操作规程和检查任务，遇到不确定的问题可以直接提问，AI给出有条文依据的回答。班组长不需要记住每一条规范，但规范随时在身边。

震有跟班主要面向现场监管，安装几个便捷摄像头就能实现一个安全员对工地高危作业的监管全覆盖。它通过智能硬件感知与AI隐患识别能力，能对施工现场的多种高危作业进行持续关注，实时发现安全风险，发现问题后进行提醒并进一步推动整改，安全员还可以通过双向语音视频等方式进行协同处置。

监察御史是一套AI巡检安全帽方案，更贴近一线安全员。它把实时视频、双向语音、轨迹回放、电子围栏、AI隐患识别以及灯光/声音告警等集成到安全帽使用场景中。比如在现场发现脚手架局部存在安全隐患时，系统可以直接进行识别并提示风险，让安全员拥有一个能够实时辅助判断的AI助手。

巡检一体机将模型、知识库、数据处理以及AI应用进行整合，可支持自然语言交互、视频图像分析以及多种设备接入。在施工现场，它可以承载安全巡检相关的大模型和AI应用，把来自摄像头、传感器、巡检设备的数据汇聚起来，再交给模型进行分析，为上层智能体提供算力支撑。

应用情况上，中建科工已有60个工地在用，全国200个工地计划2026年落地；中国人保已在龙岗9个工地实施，并与震有智联推进安责险事故预防服务的全国合作。对于一线人员来说，过去需要翻阅资料甚至等待专业人员确认的问题，现在可以更快获得针对性的辅助。

安全，不止于建筑行业

Intel和震有智联做的这件事，可能比我们想象的更有意义。它没有简单的把通用大模型套在建筑工地上，而是把算力、模型、行业知识和现场感知真正揉在一起，做成了能解决实际问题的一体化系统。

更重要的是，这个模式不局限于建筑工地，建筑施工安全面临的痛点，像一线人员专业能力不足、安全管理覆盖面不够、隐患发现过于被动等问题，在矿山、化工等众多高危行业同样存在。

当算力足够强、AI模型足够懂行业，这种模式就有可能复制到更多场景，那时AI改变的就不是一个工地、一个环节，而是一个行业的工作方式。

我们也乐见这种模式走进更多行业，让每一处工地更安全、让每一个行业更安全、让每一位工人更安全，这或许也是AI发展的意义之一。