人工智能有一句话：过去很长，历史很短。

人工智能的核心是神经网络，核心学科是离散数学（据说非常难，超高智商的人才能学的明白）。

说过去很长，是指1956年-2022年，人工智能并没有或很少进入过大众视野，即使有也是IT行业中很短时间的喧嚣，转眼归于沉寂。

AI与大众无关。

说历史很短，是指直到ChatGPT出现。

第一个阶段，缺算力阶段。

20世纪60年代-20世纪80年代，是人工智能的第一次浪潮，也带来第一次低谷。

本阶段“符号主义”、“连接主义”兴起，代表成果为专家系统、知识工程和第一代机器人。

受限于计算机的计算能力，无法提供真正有价值的应用，人工智能进入第一个寒冬。

第二个阶段，缺数据阶段。

20世纪80年代-21世纪初，是第二次浪潮，第二次低谷。

第五代计算机、专家系统程序设计语言取得重大突破，人工智能进入产品化阶段。

本阶段仍面临知识获取困难、推理方法单一等问题，如同一个智商非常高的人，但缺少知识用来学习，工作中无法充分展现智商带来的不同价值，人工智能进入第二个寒冬。

第三个阶段，AI大模型阶段。

21世纪初至今，第三次浪潮，算力和数据的问题解决了，芯片的计算能力产生飞跃，各系统、平台产生了海量数据。英文互联网，有了强大的算力和大数据。

大数据、深度学习、图形处理器等飞速发展，AI通用大模型持续发展，人工智能进入产业化探索和实践，具身智能时代来临，人形机器人兴起。

至此，人工智能开始进入产业化。

数字化真正能够发挥作用是一体化、规模化的数据。

替人干活、替人思考的最重要的前提是数据。

数据不全、数据不能自动采集，没有反馈、反馈不及时，是不可能实现智能化的。

数据不能一体化，就不能自动化，更不能智能化。

数据的自动采集、数据的全面性、数据的融会贯通，是智能化的前提条件，这是非常困难的工作。

例如，一个水电工程的数据，其实是这个项目团队在进度、质量、安全、技术、成本控制的知识、技能与经验的集合，谁会愿意把自己压箱底的本事贡献出来呢？

贡献出来后，集团做分析、形成方法论，再推荐共享给其他项目，这不可能，因为即使是同一个集团内部，也存在竞争关系。

若是不同的建筑企业的竞争，则更为激烈，数据是商业机密，必须严格隔离。

不同集团之间、集团不同企业之间、同一企业不同项目之间，数据共享都是很难的。何况，有时，一个工程是多主体、多法人、多层级。

独特的、独立的、个性化的业务能力与经验，是项目管理、企业的核心竞争力。

这是ToB领域数据流通的本质。

于是，建筑行业使用AI，取决于以下三个因素：

1.企业能否拥有可用的大量数据

2.这些数据能不能形成足够的样本

3.这些样本能否被大模型使用。

一个工程，设计、监理、甲方、施工、供方，各有数据，数据都不能统一，要实现数据建造是不可能的，很难做智能化、智慧化，人工智能无法发挥。

正因为困难，且大多数企业并未对变化做好准备，所以每一次的新技术革命，只有10%的企业，才能成功进入到新的历史阶段，并起到行业引领作用。