众所周知，建筑行业在技术采用方面落后于其他行业。尽管2018年美国建筑支出总额超过1.3万亿美元，但该行业一直未能采用??新技术。为什么？利润微薄，工人比以往任何时候都忙，而且老龄化、非熟练劳动力正在受到控制。行业必须适应。施工在工作现场提出了巨大的劳动力和生产力问题。千禧一代和Z世代对体力劳动不感兴趣，但被劳动力较少的专业工作或行业所吸引。缺乏技术采用也使该行业对年轻一代没有吸引力。与此同时，建筑业的生产率（以人均产出衡量）保持平稳，而制造业等其他行业的生产率在过去几年显着提高。这些问题听起来像是人工智能的完美用例。作为建筑科技初创公司的种子期投资者，我和我的同事对解决行业中这些（以及更多）问题的技术创新有着独特的理解。许多初创公司确实声称使用人工智能——如此之多以至于现在每个初创公司传单都必须提到人工智能、机器学习或其他一些相关的流行语，这似乎是一条不成文的规定。“这些初创公司面临的一个大问题是缺乏数据。几乎所有的人工智能解决方案都需要大量的参考数据进行训练。”但人工智能并不新鲜，深入研究已经进行了几十年。1950年，艾伦·图灵(AlanTuring)写了一篇著名的论文，描述了后来被命名为图灵测试的内容，并且至今仍是判断机器是否可以表现出类人思维的标准。然而，在图灵论文发表后的69年里，还没有计算机能够通过图灵测试。那么为什么人工智能现在是建筑技术领域的最新流行语呢？计算能力呈指数级增长，加上能够经济高效地存储每天创建的估计2.5TB数据的能力，已经使计算达到可以高效开发算法以提供准确结果的程度。然而，不幸的现实是，虽然我们已经能够利用增强的计算和存储能力来产生无可否认的革命性技术，但计算领域在实现人工智能的原始愿景方面取得的进展相对较小。尽管如此，一些创新型初创公司仍在使用当今的人工智能来帮助建筑行业满足更高产量和更低成本的需求，以及其他艰巨的挑战。这些初创公司面临的一个大问题是缺乏数据。几乎所有的人工智能解决方案都需要大量的参考数据进行训练。这些解决方案在没有训练数据的情况下在学术上很有趣，但缺乏在没有大量人工监督的情况下用于实际项目的准确性。由于事实证明建筑行业在技术采用方面落后，因此通常不存在所需的历史数据。更大、更精通技术的公司可能拥有一些数据集，但不愿意与外部各方共享。虽然数据可用性会随着新技术采用的增加而增加，但总体数据稀缺将继续成为当今和不久的将来建筑技术初创企业的重大障碍。最近对这一领域的风险投资关注应该会增加实际开发防御性技术解决方案的公司数量。增加投资可以大大吸引更多创新人才进入市场，让初创企业更快地扩大规模，从而为大型建设项目提供价值。尽管如此，我们还有很长的路要走，尽管大肆宣传，但我们今天在建筑技术中只触及了人工智能的表面。
