你有没有想过，AI真正改变工程行业的切入点可能不是写文案，而是"看图"？
最近在深度使用AI的多模态识别能力，感触很深。工程行业是一个"图"的行业——施工图纸、现场照片、进度图表、成本曲线……到处都是数据，但大部分数据躺在那里睡大觉。
最开始我以为AI看图就是"识别这里有个柱子、那里有根梁"——这不就是CAD做的事吗？后来发现格局小了。
真正有价值的是：让AI理解图的"意思"。
举个例子。我把一张现场进度照片发给AI，它不仅能认出这是第几层楼在绑扎钢筋，还能告诉我"按这个进度，梁筋绑扎还有三天才能完成，可能会影响后续混凝土浇筑的计划节点"——这就从"识别"变成了"推理"。
再比如成本曲线。你给AI一张挣值管理图（EV/PV/AC三条线），它看一眼就说："你的挣值在计划值下面，实际成本却在上面——进度滞后、成本超支，典型的老鼠拉木锨。建议下周重点抓一抓关键线路上的土方回填。"——把看图变成了看道。
我在某个项目上做了一个小实验：用AI识别钢筋进场照片。手机拍一张钢筋吊牌的照片，AI能读出牌号、规格、批号、重量，自动填入材料进场台账。原来一个材料员一天填几十张表，手都快写断了。用了这个办法，拍照→识别→录入，三分钟变成三十秒。
不只是钢筋。混凝土罐车过磅单、水泥出厂合格证、电缆铭牌，凡是需要"人眼阅读→手动录入"的事情，AI图像识别都能帮上忙。
AI读图最大的价值不是节省那几分钟录入时间，而是让信息流自动跑起来。照片识别→自动录入→数据汇总→生成报表→触发决策——一个人的工作量变成了一个自动化的链条。
比如说，系统每天自动识别钢筋进场照片，自动比对采购计划，如果发现某规格钢筋库存不足、采购周期来不及，自动向物资部推送补货预警。这个链条打通之后，物资断供的风险大幅下降了。
这才是AI在工程上的真正角色：不是替代人，而是让数据流通变得畅通无阻，让人的精力集中在"判断"和"决策"上。
1. AI识图的精度取决于训练数据。通用大模型对工程场景的认知是有限的。如果是特殊构件、特殊角度的照片，准确率会下降。需要针对项目特有的场景进行微调或做少量样本学习。
2. 实用大于完美。不要追求"AI全自动识别零误差"。系统能做到95%准确，剩下5%人工校验，这已经比纯手工快十倍了。不要因为追求完美而让好工具在实验室里出不来。
3. 从一个小场景切入。不要一上来就想做"工地大脑"。找一个小的、具体的、重复的人工操作环节（比如拍材料进场单），把这个场景跑通，让大家看到效果，再逐步扩展。小成功积累大变革。
AI读图这件事，我现在也才刚刚摸到门道。但方向是确定的——让每一张图都不只是被看见，而是被理解。这条路还很长，但每走一步都能看到实实在在的产出，就有动力继续走下去。