| 层级 | 触发信号 | 预计时间 |
|---|---|---|
| 技术层 | LLM在非结构化施工文本上的因果推理准确率 > 85%（当前约60-70%） | 3-5年 |
| 数据层 | 集团至少300+项目历史施工数据完成数字化+标准化（当前数字化率<30%） | 2-4年 |
| 标杆层 | 至少1家头部建筑企业部署并验证ROI（当前零先例） | 3-4年 |
| 生态层 | 出现垂直建筑领域的施工文本NLP预训练模型 | 4-6年 |
综合判断：触发窗口预计在 2029-2031年 打开。在此之前，核心矛盾不是"AI不够好"，而是"数据不够好、不够多"。
| # | 动作 | 投入 | 优先级 |
|---|---|---|---|
| R1 | 统一施工日志/变更单/事故报告数字化模板 — 解决"数据可读性"瓶颈 | 低 | P0 立即 |
| R2 | 选3-5个竣工项目标注"经验数据集" — 验证可行性+建立标注标准 | 中 | P0 立即 |
| R3 | 存量纸质施工资料OCR+结构化 — 扩大数据池至300+项目门槛 | 中 | P1 12月内 |
| R4 | 跟踪LLM在建筑领域因果推理benchmark — 判断触发时机 | 低 | P1 持续 |
| R5 | 研究"施工经验"可表示形式 — 领域本体设计，比技术选型更前置 | 中 | P1 12月内 |
| R6 | PM系统中增加"经验标签"功能 — 从被动等AI变主动积累数据 | 低 | P1 6月内 |
核心洞察：最大瓶颈不是AI技术，而是建筑业经验的非结构化程度严重——比医疗病历、法律文书还差一个数量级。储备阶段的核心是把数据"养到"AI能吃下去的程度。
| 维度 | 得分 | 评分逻辑 |
|---|---|---|
| 归零强度 | 25/30 | 模式提取归零直接命中建筑业最核心的"经验不可复制"问题。扣5分因为需要配合①②④归零力才能完全释放价值。如果实现，等于让每个新项目拥有1000+项目的"前世记忆"。 |
| 解锁价值 | 22/30 | 建筑业年产值~30万亿，因经验不可跨项目迁移导致的重复踩坑、质量事故、延期，保守估计千亿级损失。扣8分因为并非所有经验都能被AI捕捉（隐性知识/现场直觉有天然天花板）。 |
| 技术就绪度 | 8/25 | 三重瓶颈：①非结构化施工文本因果推理不足；②行业零成功先例；③施工数据数字化程度低。最乐观3-5年才能部署。 |
| 触发确定性 | 6/15 | 技术方向明确但时间节点模糊。基建数据标准化取决于集团IT战略意愿。标杆案例出现的timing无法预测。 |
| 归零强度 ↓ 技术就绪 → |
高 (20-25) | 中 (12-19) | 低 (<12) |
|---|---|---|---|
| 大 (25-30) | 🔴 立即储备 | 🟡 技术跟踪 | 🟢 方向观察 ◀ FUT-C 在此 |
| 中 (15-24) | 🟡 验证性POC | 🟢 方向观察 | ⚪ 暂不投入 |
| 小 (<15) | 🟢 方向观察 | ⚪ 暂不投入 | ⚪ 暂不投入 |
FUT-C 定位：归零强度 25（大）+ 技术就绪度 8（低）= 🟢 方向观察
含义：方向价值明确但技术不成熟。核心动作不是写代码，而是养数据——从现在开始用统一标准积累施工经验数据，等AI推理能力越过临界点时直接接入。
与 STRABAG DARIA（项目管理预测）不同——DARIA 用的是结构化进度/成本数据，FUT-C 对标的非结构化施工文本因果推理需要 LLM 能力出现一次阶跃。
| 叠加组合 | 衍生品类 |
|---|---|
| ③提取 + ①检索 | 智能经验问答："我这项目地质条件类似XX项目吗？当时遇到什么问题？" |
| ③提取 + ②协调 | 跨组织经验共享网络：中建+中铁+中交经验池互通（Agent自动交换非敏感经验） |
| ③提取 + ④判断 | AI经验顾问：决策前自动推送"历史上类似情况80%的结果是..." |
| PM-01 | 项目管理风险预测 — 从"单项目"到"全项目"的质变。PM-01关注结构化数据，FUT-C关注非结构化经验文本，互补关系。 |
| IS-B01 | 档案数字化 — 存量施工资料的OCR+结构化是FUT-C的数据底座。 |
| IS-A05 | 知识管理 — FUT-C是IS-A05的终局形态：不做静态知识库，做动态经验蒸馏。 |
| QD-01 | 质量检测 — 质量缺陷的模式发现可直接喂入经验蒸馏系统。 |
注：未来品类处于"储备"阶段，五步筛查关注的是"技术前提是否成立"而非"现在是否该启动"。
| 步骤 | 状态 | 说明 |
|---|---|---|
| Step 1 需求 | ⚠️ | 经验流失是真痛点，但"问老员工"够用 |
| Step 2 解决方案 | ⚠️ | LLM因果推理能力不足 |
| Step 3 商业模式 | ⚠️ | 无市场参照 |
| Step 4 增长 | ⚠️ | 需要全集团数据治理到位 |
| Step 5 壁垒 | ⚠️ | 数据质量是核心瓶颈 |
筛查结论：全步骤前提待验证 | 技术就绪度：8/25