Buildots 收购 Genda：人工智能驱动的建设领域的决定性时刻

今天，Buildots，位于特拉维夫的 AI 驱动的建设管理领先者，宣布其收购了 Genda，一家位于奥斯汀的劳动力和安全管理平台。这个举动标志着建设行业的一个关键时刻——进度分析和劳动力智能在一个单一的 AI 驱动的生态系统中融合。

这次收购不仅仅是建设技术快速发展世界中的又一次合并。它代表着一个具体的步骤，旨在将建设现场的数据碎片——正在建设什么和谁在工作——统一到一个连贯的智能框架中。几十年来，承包商一直难以连接项目进度表、实时进度和现场劳动力绩效之间的点。Buildots 和 Genda 现在试图永久地填补这一空白。

Buildots：将相机和 AI 转化为建设智能

Buildots 由 Roy Danon、Yakir Sudry 和 Amit Golan 于 2018 年创立，来自特拉维夫大学的工程背景，拥有一个雄心壮志的目标：为建设带来真正的数据可见性。使用 计算机视觉 和 机器学习，该平台通过现场捕获的视觉数据自动跟踪建设进度。

主管或工程师佩戴 头盔安装的 360° 相机，持续记录每个楼层或房间的不断变化的状态。这些图像上传到 Buildots 的云平台，AI 算法将其与项目的 建筑信息模型 (BIM) 和时间表进行比较。系统识别已完成的元素，检测偏差，并以人类团队无法匹配的细粒度度量工作进度。

结果是一个近实时的“数字孪生”建设进度——物理现场的不断变化的镜像。项目经理可以立即看到什么在计划中或落后，并且 Buildots 的预测模型估计延迟风险，允许在问题升级之前进行主动干预。

除了静态仪表盘，Buildots 还包括一个名为 Dot 的 AI 助手。该生成式 AI 层允许用户提出自然语言问题，例如“哪些房间已经完成了电气安装？”或“我们在哪里落后于干墙的进度？”Dot 然后从成千上万的数据点中提取见解，帮助经理做出基于事实的现场智能决策，而不是猜测。

计算机视觉、数据分析和生成式 AI 的融合使 Buildots 成为建设管理中最复杂的平台之一。其技术已经被应用于大型项目，例如数据中心、半导体工厂和电池工厂——这些项目中，即使小的效率低下也可能导致数百万美元的损失。

Genda：为建筑工地带来劳动力和安全可见性

虽然 Buildots 专注于正在建设的内容，Genda 专注于谁正在建设它。Genda 由 Erez Dror 于 2019 年创立，总部位于奥斯汀，已经成为主要承包商的可靠合作伙伴，包括 DPR 建设、Clark 建设、Hensel Phelps 和 JE Dunn。

该平台为总承包商提供了一个实时的劳动力地图，跟踪劳动力、设备和材料在整个建筑工地。Genda 使用蓝牙信标、移动应用程序和基于位置的分析来确定团队在哪里工作、哪些任务处于活动状态以及哪里可能存在低效率。

这些数据不仅仅记录出勤率。Genda 的 AI 验证任务执行、检测空闲时间，并将劳动力移动与项目里程碑相关联。如果一个区域显示出高工人密度但进度缓慢，它会标记潜在的瓶颈或安全问题。同样，如果计划的工种团队未能出现，平台可以立即提醒现场主管。

除了劳动力分析，Genda 还开发了 模块，用于安全管理、起重机调度和交货协调。它可以自动记录起重机使用情况、跟踪等待时间、发送紧急警报，甚至帮助承包商通过验证数据来证明变更订单和保险索赔。通过量化历史上依赖于传闻报告的内容，Genda 提供了现代承包商越来越多地要求的基于事实的真相。

统一生产力智能的新时代

通过收购 Genda，Buildots 获得了一个缺失的层——人类活动数据——以补充其对项目进度的深入视觉理解。它们可以共同创建 Buildots 首席执行官 Roy Danon 所说的“统一生产力智能”。

在传统的建设工作流程中，项目团队在分散的数据流中运作。进度报告、劳动力日志和调度系统都存在分离，创建了盲点，延迟了决策。通过 Buildots 的计算机视觉跟踪与 Genda 的劳动力遥测相结合，这些层可以现在被交联。

例如，如果 Buildots 检测到特定区域的安装工作滞后，它可以交叉引用 Genda 的劳动力数据，以确定延迟是否源于缺席的团队、设备短缺或劳动力错误分配。这种集成将反应性管理转变为主动的、数据驱动的决策。

承包商将能够测试干预措施——例如向特定区域添加工人或重新排序任务——并立即看到这些更改是否提高了生产力。随着时间的推移，综合数据集甚至可以训练 AI 模型来预测常见问题的最佳缓解策略。

根据 Tal Morgenstern 的说法，Lightspeed Venture Partners 的合伙人和 Buildots 董事会成员，这次合并可能会导致“世界上第一个用于建设和物理世界的基础模型”。本质上，Buildots 旨在创建一个通用的智能层，了解建筑物的建造方式——跨上下文、地理和项目类型。

前方的挑战

集成两个高度复杂的系统永远不是简单的。一个迫在眉睫的挑战将是将 Buildots 的视觉数据（以离散的图像集捕获）与 Genda 的 连续劳动力遥测 对齐。确保两种数据类型对应于相同的物理空间和时间间隔将需要仔细的同步和标准化。

另一个挑战是劳动力隐私。Genda 的详细跟踪在劳工团体中引发了合理的监视和数据使用问题。为了成功，Buildots 需要保持透明度，并证明这些工具是关于效率和安全，而不是微观管理。

还有互操作性的问题。建设公司依赖于数字工具的拼缝——从 Procore 到 Autodesk Build——集成疲劳是真实的。Buildots 将需要将这个统一的平台定位为简化工具，而不是软件海洋中的又一个仪表盘。

最后，区域和项目类型的数据标准化仍然是一个障碍。亚利桑那州的一个半导体工厂和伦敦的一个住宅开发项目会产生非常不同的数据模式。在一个项目中训练的 AI 模型可能无法轻松地推广到另一个项目，这意味着 Buildots 将需要继续完善和本地化其算法。

这对建设业的未来意味着什么

今天的 公告 标志着建设数据收集、理解和采取行动的转折点。Buildots 和 Genda 的合并是更大转型的一部分——在这个转型中，AI 成为物理环境的中央神经系统。

在不久的将来，承包商可能会使用实时更新的数字孪生体，基于现实世界的条件。他们不再依赖于每周的进度会议或手动检查，AI 将提供对现场发生的情况的始终准确的快照。如果延迟风险出现，系统不仅会标记它，还会推荐或甚至自动化缓解措施。

随着时间的推移，这种集成甚至可以扩展到机器人和自主现场操作。识别建设进度的计算机视觉可以引导无人机或机器人检查员，而来自 Genda 等系统的劳动力数据可以以前所未有的精度编排机器人与人类的协作。

这种进步可能会重塑基础设施项目的交付方式——尤其是那些对国家利益至关重要的项目，例如数据中心、芯片工厂和可再生能源设施。这些正是 Buildots 已经服务的项目类型，在这些项目中，小的效率提升可以转化为巨大的成本节约和对关键基础设施的更快部署。

然而，目标不是为了自动化而自动化。它是关于用精确的、数据驱动的洞察力来增强人类决策。通过将进度跟踪与劳动力智能相结合，Buildots 和 Genda 正在建设领域的物理世界和数字世界之间搭建一座桥梁——这座桥梁最终可能重新定义我们设计、建设和管理生活和工作空间的方式。