第一阶段：知识问答。就是现在大模型最常见的用法——查规范、检索案例、识别图纸构件。本质是"你问我答"，AI只是信息搬运工。 第二阶段：工程推演。AI不只是回答"规范怎么写"，而是能推演"这种工况下结构20年后会怎样"。融合地质、气象、材料、结构等多源数据，结合数字孪生做动态仿真。 第三阶段：辅助决策。在成本、工期、安全、质量、环保多目标之间全局寻优。AI变成"决策伙伴"，人类做价值判断，AI做穷举计算。
层级 | 名称 | 干什么 |
1 | 基础设施层 | 算力、存储、通信，工程数据的"底座" |
2 | 数据资源层 | 多源异构工程数据的统一管理，打通数据孤岛 |
3 | 工智模型层 | 时空多模态基础模型+推理决策模型，AI的"大脑" |
4 | 工智智能体层 | 面向具体工程任务的智能体，AI的"手脚" |
5 | 规模化实践层 | 技术研发、领域创新、人才培养、产业落地四维赋能 |
第一步：先把数据搞干净。白皮书反复强调数据底座的重要性。没有结构化的历史造价数据、没有标准化的项目编码体系，AI再强也没东西可学。先把过去项目的造价数据整理归档，该标注的标注、该分类的分类。 第二步：学会用AI工具，但保持判断力。现在的AI在造价领域还处于"知识问答"阶段，能帮你查规范、检索案例、做初步估算，但结论必须你自己核实。尤其是定额编号、法条内容、市场价格这些硬数据，AI编造的风险很高，一定不能盲信。 第三步：关注工程智能操作系统的落地节奏。白皮书画了四个规模化维度：技术研发→领域创新→人才培养→产业落地。目前整体还在第一阶段到第二阶段之间，但石化行业是重点应用领域（智能建造、智慧制造都是白皮书列举的八大产业方向之一）。关注中石化、中石油的数字化转型项目，里面可能就藏着工程智能在造价领域的第一个落地场景。
