关注公众号，掌握全球最前沿工程AI资讯
《中国工程行业AI大模型白皮书（第三版）》
深度内容概要与总结
【文档基本信息】
• 编辑：土木工程AI
• 发布时间：2026年8月5日
• 收录模型数量：111个工程类AI大模型
• 覆盖范围：中国及国外工程行业AI大模型应用现状
• 内容特点：99%为官方发布原始内容，无AI幻觉生成数据
一、总体发展态势
1. 爆发式增长（2024-2026）
• 2023年：3个模型（早期探索期）
• 2024年：15个模型（快速启动期）
• 2025年：28个模型（爆发增长期）
• 2026年：5个模型（深度应用期，截至8月）
• 未明确时间：60个（白皮书收录时部分信息未标注具体时间）
2. 研发主体格局
• 央企/国企主导：58个（52.3%）——中国建筑、中国中铁、中国铁建、中交集团、中国中车等
• 高校/科研院所：8个（7.2%）——同济大学、北京交通大学、浙江大学、重庆交通大学等
• 科技企业：4个（3.6%）——广联达、品茗、垒知、万翼等
• 其他/混合所有制：41个（36.9%）
3. 技术基座趋势
• DeepSeek成为首选基座：16个模型明确采用（本地化部署+R1版本为主流）
• 多模态成为标配：9个模型具备多模态能力（文本+图像+语音+视频）
• 智能体(Agent)架构兴起：10个模型采用多智能体协同
• RAG检索增强：5个模型采用，有效解决"幻觉"问题
• MoE混合专家：4个模型采用（如青岛地铁城轨大模型）
• 信创/国产化：3个模型强调全栈自主可控
二、按工程子行业深度分析
【一】房屋建筑与土木工程（23个模型，占比20.7%）
1. 代表模型：
• 建证大模型（中国建筑）：千亿级参数，建筑领域首个千亿模型，预训练数据超100TB
• AecGPT（广联达）：320亿参数，一级建造师考试97%得分率
• 云工大模型（上海建工四建）：行业首个通过国家网信办算法备案的施工大模型
• 智映大模型（中建五局）：17年行业数据训练，228个核心指标
2. 核心能力：
✓ 设计辅助：方案生成、效果图渲染、BIM智能建模、规范自动审查
✓ 施工管理：进度预测、成本测算、质量缺陷识别、安全隐患预警
✓ 知识服务：规范智能检索、技术文档自动生成、24小时专家问答
✓ 双碳管理：碳排放预测（误差<5%）、能耗优化、绿色建造
3. 技术特征：
• 设计类模型普遍采用AIGC（文生图/图生图）+三维设计软件插件
• 施工类模型强调MoE架构+RAG技术，解决现场复杂场景
• 管理类模型聚焦数据中台+智能体，实现"经验决策→数据决策"
【二】交通基础设施（31个模型，占比27.9%）——最大细分领域
1. 代表模型：
• 蓝翼大模型（中交集团）：央企首个土木建筑行业大模型，140亿+70亿参数
• 交融AI大模型（中交集团）：72B/235B参数，13款垂域模型，100+场景
• 深研交通大模型（深智城）：千亿参数，7700亿条交通数据，覆盖300城市
• BridgeGPT系列：湖南大学（教育）、重庆交大（管养）、浙江大学（运维）三家并行
2. 核心能力：
✓ 桥梁工程：设计优化、病害检测、管养决策、健康监测
✓ 隧道工程：地质预报、围岩识别、盾构选型、施工管控
✓ 道路工程：病害自动检测（准确率>90%）、养护决策、交通流预测
✓ 综合交通：多模态感知、精准推演、动态调控、应急指挥
3. 技术特征：
• 交通领域呈现"省-市-企业"三级联动建设模式
• 多省联合研发（六省"经纬交通大模型"）成为新趋势
• "大模型+小模型"协同推理成为交通领域标准架构
【三】铁路与城市轨道交通（10个模型，占比9.0%）
1. 代表模型：
• 中国铁路人工智能大模型（国铁集团）：四大核心能力，442项AI成果
• 先锋系列（中国中铁）：隧道/四电/勘察设计/工业制造四大垂域
• 斫轮·轩构/轩知/轩鉴（中国中车）：覆盖"创意设计-安全监测-健康运维"
• 天驷大模型（铁四院）：中国铁建"铁骥"底座核心组成部分
2. 核心能力：
✓ 勘察设计：28个专业420GB数据，知识检索+智能问答+文档生成
✓ 施工建造：盾构/TBM智能管控、四电工程全生命周期
✓ 运营维护：轨道电路诊断、车辆故障检测、预测性维护
✓ 安全管控：非标记船监控、船舶轨迹预测、受限航段控制
3. 技术特征：
• 铁路系统呈现"集团级底座+院局级垂域"两级架构
• 中国铁建"铁骥"大模型实现算力统一调度、数据全域互通
• 多模态大模型首次应用于铁路工程设计（铁一院+商汤）
【四】水利与水电工程（9个模型，占比8.1%）
1. 代表模型：
• 天河大模型（南水北调集团）："1+2+3"复合智能体，1.95亿人饮水安全
• 智水大模型（中国电建）：数据-物理双驱动，50+高价值场景
• 江河大模型（江西水投）：10PB数据，"慧知/慧笔/慧音"智能体矩阵
2. 核心能力：
✓ 标准管理：1800余项标准全生命周期管理，查重准确率96.7%
✓ 安全监测：大坝位移/渗流预测、洪水15天滚动预报、水质秒级响应
✓ 调度运维：数字孪生水网、多智能体协同、自动应急响应
✓ 工程建设：综合预报效率提升40%，建设风险显著降低
3. 技术特征：
• 水利领域强调"天空地"一体化感知网（无人机+机器狗+传感器）
• 数字孪生+多智能体成为水利大模型标配技术
• 信创服务器在水运领域首次落地应用（三峡通航）
【五】矿山与地质工程（3个模型，占比2.7%）
1. 代表模型：
• 太阳石矿山大模型（煤科总院）：能源行业首家通过信通院安全评测
• GeoGPT（煤科西安院）：首个地质垂直领域大模型，10亿/100亿/300亿参数
• 坤枢大模型（郑州大学）：TG-MoLE架构，破解"灾难性遗忘"难题
2. 核心能力：
✓ 透明地质：矿井二三维采掘自优化设计、资源释放
✓ 安全预警：重大灾害精准预警、作业人员安全保障
✓ 知识服务：地质知识图谱查询、多轮对话、专业问答
【六】工程管理与监理（8个模型，占比7.2%）
1. 代表模型：
• 建审千询（中国移动）：国内首个工程审计垂直大模型，通过一建/CPA/审计资格考试
• JKinco筑衍（上海建科）：320亿参数，128k上下文，6类监理高频场景
• 达理AI（中达安）：工程监理行业首个垂直大模型，六大核心工具
2. 核心能力：
✓ 审计监督：工程造价分析、风险预警、隐蔽工程XR可视化
✓ 监理服务：规范智能问答、文档自动生成、安全巡查方案定制
✓ 项目管理：投标辅助、合同审查、进度管控、成本优化
【七】建材与材料工业（2个模型，占比1.8%）
1. 代表模型：
• 晓妙产业大模型（中国建材）：200+场景模型，2万亿条生产数据，水泥吨成本降低2元
• 水泥建材大模型（海螺集团）：熟料强度预测准确率>85%，年减碳6318吨
2. 核心能力：
✓ 生产优化：窑炉控制参数自动推荐、标准煤耗下降1%
✓ 质量管控：实时调控、28类场景无人巡检、异常识别准确率95%
✓ 经营决策：供产销跨场景全局决策寻优、端到端实时闭环
【八】能源与电力工程（3个模型，占比2.7%）
1. 代表模型：
• 融光大模型（中国能建）："1119"架构，188个集团级场景
• 华电智大模型（中国华电）："1265N"体系，新型电力系统构建
2. 核心能力：
✓ 新能源调度：流域水电站群智慧调度、风光储氢一体化配置
✓ 智能运维：海上风电场智慧运维、源网荷储优化调度
✓ 装备制造：智能监控与风险预警、矿卡无人驾驶
【九】城市规划与地理信息（4个模型，占比3.6%）
1. 代表模型：
• 云宇星空（上海规划资源局/商汤）：6000亿参数，全国规划资源领域首个基础大模型
• 坤元（中科院地理所）：全球首个地理科学大模型，320亿词元
• SuperMap BrainX（超图）：GIS软件向空间智能体跃升
2. 核心能力：
✓ 空间治理：时空理解生成、知识整合检索、模型智能调度
✓ 地理科研：专业问题解答、文献智能分析、专题地图绘制
✓ 遥感解译：光伏/道路/建筑物识别、影像超分、变化检测
【十】通用工具与平台（15个模型，占比13.5%）
1. 代表模型：
• CivilGPT（同济大学）：720亿参数，44门课程，全国教育系统首个备案大模型
• 擎天大模型（中国铁塔）：1386项岗位智能体、500项算法模型
• 铁骥大模型（中国铁建）：集团全域统一智能底座，统筹所有垂域子模型
2. 核心特征：
✓ 教育赋能：个性化学习路径、全天候答疑、智能体工具
✓ 平台底座：算力统一调度、数据全域互通、能力全域复用
✓ 跨域协同：多智能体矩阵、大小模型协同、云边端一体化
【十一】国外工程AI应用（3个模型，占比2.7%）
1. Autodesk Construction IQ：生成式设计、实时分析、建筑智商
2. Bentley iTwin AI：OpenSite+首个土木工程生成式AI应用，绘图提速10倍
3. Trimble AI：SketchUp AI集成，发票处理、PDF数据提取、3D BIM渲染
三、关键技术趋势总结
1. 基座模型选择策略
├─ 主流选择：DeepSeek（16个）、Qwen/通义千问（5个）、华为盘古（3个）
├─ 自研路线：部分央企选择基于开源模型增量训练（如中交蓝翼、中国建筑建证）
└─ 混合策略：多模型融合成为趋势（如中国移动九天+DeepSeek R1）
2. 架构演进方向
├─ L0-L1-L2-L3四级架构：通用基座→行业模型→业务域模型→场景模型
├─ MoE混合专家：解决多任务并行与专业深度矛盾
├─ 多智能体协同：监测-预警-处置-复盘全流程闭环
└─ 大小模型协同：云端大模型+边缘小模型，知识蒸馏自动化生成
3. 数据治理特征
├─ 行业知识库：标准规范（1400+册）、历史项目（20万份）、图纸（5万张）
├─ 多源异构融合：文本+图像+表格+视频+传感器时序数据
├─ 高质量标注：在专家指导下完成近百万条文本标注
└─ 动态更新：持续接入新规范、新项目、新案例
4. 部署模式
├─ 私有化部署：央企国企首选，保障数据安全
├─ 本地化算力：信创一体机+国产GPU，满足合规要求
├─ 云端服务：部分科技企业采用SaaS模式
└─ 混合云：核心数据本地+通用能力云端
四、应用场景价值量化
【效率提升】
• 设计效率：方案生成从数天→数秒（中车轩构8秒生成方案）
• 审查效率：智能审查效率提升30%（星辰大模型）
• 造价效率：投资分析效率提升60%（四院妙算）
• 运维效率：检索查询时间缩减60%（中车轩知）
• 巡检效率：替代50%人工巡检（江西水投）
【成本降低】
• 水泥吨成本降低2元（晓妙产业大模型）
• 标准煤耗下降1%，年减碳6318吨（海螺水泥）
• 运营成本年节省超10亿元（青岛地铁，2028年预测）
• 单据审核时间从5分钟→2分钟，年省4000小时（南水北调）
【质量保障】
• 设计问答准确率>90%（星辰大模型）
• 施工现场与BIM构件匹配准确率85%（建证大模型）
• 藻类识别准确率>99%（天河大模型）
• 监理专业错误率<3%（重庆交大BridgeGPT）
【安全提升】
• 风险识别率提高50%（建研查微）
• 异常识别准确率95%（海螺水泥）
• 船舶轨迹预测误差<5米（三峡通航）
• 洪水预演15天滚动预报（天河大模型）
五、发展挑战与趋势研判
【当前挑战】
1. 数据孤岛：各企业数据标准不统一，跨企业共享机制缺失
2. 幻觉问题：专业领域"一本正经地胡说八道"仍需RAG+知识图谱双重约束
3. 算力成本：千亿级模型本地部署成本高昂，中小企业难以承受
4. 人才缺口：既懂工程又懂AI的复合型人才极度稀缺
5. 标准缺失：工程AI大模型评测标准、安全规范尚未统一
【未来趋势】
1. 集团化底座：央企将普遍建设"1个集团级底座+N个垂域子模型"架构
2. 行业联盟：跨企业、跨区域的联合研发模式将成主流（如六省联合、19家城轨联创体）
3. 具身智能：无人机、机器狗、机器人与大模型深度融合（南水北调已落地）
4. 世界模型：从语言理解向物理世界推理演进，支撑工程全生命周期决策
5. 国际化输出：中国工程AI方案向"一带一路"沿线国家推广（深研交通已落地阿布扎比、新加坡）
六、白皮书核心价值
1. 行业全景图：首次系统梳理111个工程类AI大模型，覆盖房屋建筑、交通、铁路、水利、矿山、监理、建材、能源、规划等全领域
2. 决策参考：为工程企业AI战略制定提供"对标地图"，明确技术路径与合作伙伴
3. 投资指引：揭示工程AI从"概念验证"到"规模落地"的演进节奏（2024启动→2025爆发→2026深化）
4. 生态构建：为行业联盟、联合研发、数据共享提供合作对象清单与能力画像
5. 知识沉淀：将分散在各企业官网、新闻稿、发布会中的碎片化信息，整合为结构化知识资产
【结语】
中国工程行业AI大模型已进入"百模争鸣、垂直深耕"的新阶段。从2023年的零星探索，到2025年的集中爆发，再到2026年的深度应用，工程AI正在从"通用对话工具"进化为"行业决策中枢"。央企国企凭借数据、场景、资金优势占据主导地位，高校科研院所提供理论与人才支撑，科技企业填补工具链空白，形成了中国特色的"政产学研用"协同创新生态。
未来3-5年，工程AI大模型将呈现三大确定性趋势：
① 集团级统一底座+垂域子模型成为央企标配；
② "AI+机器人+数字孪生"三位一体重塑工程建造方式；
③ 中国工程AI方案从国内验证走向国际输出。
本白皮书为工程AI从业者、决策者、投资者提供了全景式认知框架与行动指南。
工程AIAgent第一波红利
新人培养周期长，慢慢摸索，不如一次全掌握
目标人群：建筑企业中层、数科部门、项目经理等中高级管理人员。信息部、技术部、总工室、工程管理部、项目五大经理
技术背景：非IT人员，工程管理5年以上经验，零代码/低代码Agent搭建为主，不涉及本地大模型平台与开发。
目标平台：各种AI平台，侧重国内平台（Kimi、Coze/扣子、workbuddy等）
核心交付：能独立开发部署产出可实际用于工作场景的Agent（如招投标助手、施工方案生成、进度分析等）
培训形式：线下集中+线上会议室
课程时长：总课时＞100小时，周期两个月。
讲师团队：工程央企AI平台，工程Agent高级研发工程师，四位讲师参与授课
教学形式：三分理论讲解，七分工程Agent案例讲解，实操带练。
课程结业：每位学员独自完成3个工程场景Agent开发（上线运行，项目讲解）
详情咨询与报名:
电话微信 186 2032 3610 谭老师
近期十篇内容推荐
基于深度学习框架的全自动合成 BIM 数据集生成【日本大阪大学】
———— end————
如有侵权违规，请联系我们删除
聚焦工程行业AI大模型应用研究。从2012年安卓建筑App开发，2017年智慧工地平台开发，2019年智能建造监测设备研发生产。于2023年底，开始组织了二十余次工程行业AI应用直播讲课与AI应用分享，线上会议，以及两场线下工程行业AI交流会，获得了工程行业人工智能，全产业领域的智慧建造与AI大模型应用的8000位粉丝。
以下是部分过去报名的粉丝。
中建系\中铁系\建工系\城投建投\研究院\智慧建造软件公司\ 华为\腾讯\百度\阿里\品茗\广联达\研究院\科大讯飞\ 清华智谱\ 海康威视\高校博导教授\水利研究院\土木硕博\Ai产品经理\Ai工程师\建筑科技公司\GPU芯片算力公司\AI公司\ 智慧城市研究院\绿色建筑研究院\ 中建科技\中建技术院\产研院\铁道研究院\建研院交通院勘测院\
更多工程行业AI应用文章（2026年之前已删）
