Buildots 获得 $130M 融资，AI 数据中心热潮重塑建筑行业

Buildots 已获得 $130 百万的新融资，该建筑技术公司正计划将其人工智能平台扩展至数据中心、工业设施以及其他大型基础设施项目。

本轮融资由 O.G. Venture Partners 主导，Lightspeed Venture Partners、Intel Capital、Mohari Ventures、Human Capital、Qumra Capital、Avigdor Willenz、Viola Growth 和 Poalim Equity 参与。此次融资使 Buildots 的累计融资额达到 $297 百万，并紧随公司所描述的约 3 倍年收入增长的多年度走势。

时机十分关键。建筑业 预计 到 2030 年将成为约 $16 万亿美元的全球产业，但越来越多的支出正被投入到延误成本尤为高昂的项目中：AI 数据中心、半导体设施、先进制造工厂、能源基础设施以及其他关键任务开发。Buildots 认为这些项目将加速建筑行业从手工收集进度报告向持续生成的运营数据转变。

建筑业成为 AI 基础设施竞争的一部分

Buildots 已在超过 100 家大型建筑公司和项目业主中部署，包括 Intel、Digital Realty、STO Building Group、JE Dunn、Mortenson、Bouygues 和 HOCHTIEF。公司表示，涉及多个项目的七位数、多年度协议正变得日益普遍。

数据中心已成为该扩张中尤为重要的部分。

大量资本投入 AI 基础设施带来了二次挑战：必须足够快速地建设运行日益高功耗计算系统所需的实体设施。数据中心项目涉及紧密排序的电气、机械、冷却和结构工程，这意味着某一工种的轻微延误可能影响众多后续活动。

Buildots 表示，其技术已跟踪并分析约 4.25 亿平方英尺的建筑，包括代表 9.93 吉瓦交付容量和 $88.3 十亿美元项目价值的数据中心项目。

这为公司提供了异常庞大的数据集，以检视施工进度表与现场实际情况的差异。

Buildots 如何利用 AI 了解建筑现场

Buildots 平台的核心是一个相对直接的理念：不再让项目经理手动判断已完成的工作量，而是使用计算机视觉直接观察建筑现场。

现场条件可通过 360 度摄像头、无人机和激光扫描进行捕获。随后，Buildots 将这些视觉信息与项目的 Building Information Modeling (BIM) 数据和施工进度表相结合。其 AI 模型能够确定已安装的构件、工作所在位置以及实际进度与计划的对比情况。

公司表示，现场捕获的数据通常在 24 至 36 小时内处理为进度信息和风险警报。

这形成了项目的动态数字化呈现，而非一堆零散的照片和电子表格。项目团队可以按工种、楼层、区域、活动或单个建筑构件查看进度，即使在 BIM 数据不完整的区域也能覆盖部分工作。

生成的数据集也用于驱动预测系统。

Buildots’ Delay Forecast 技术将活动的计划进度与实际进度进行比较，并计算按时完成所需的进度。系统随后可以标记出可能错过完工日期的活动，使团队能够在延误变得关键之前，评估增加人力、调整顺序或重新分配资源等情景。

这一区别尤为重要。长期机遇不仅在于自动化建筑报告，更在于将进度数据转化为预测系统。

数据中心对施工进度表施加压力

很少有领域能像数据中心建设那样凸显这一需求。

AI 基础设施项目日益依赖在紧凑进度内完成的复杂机电和管道工程。电气围护、冷却设施或其他关键系统的延误最终可能影响调试以及计算能力开始产生收入的时间。

Buildots 对全球 2500 万平方英尺数据中心项目的分析凸显了施工进度与实际产能之间的差距。

其 2025 年数据中心基准测试发现，暖通空调工作进度仅为实现计划目标所需速度的 76.9%；电气围护进度为 59.4%，而生活用水系统仅为所需速度的 44.9%。

这些数据基于 Buildots 自己的项目数据集，但它们说明了为何资本密集型基础设施的所有者日益关注对施工进度的更细粒度可视化。

对于传统项目，延误会增加融资成本并压缩利润率。对于超大规模数据中心，它还可能推迟昂贵计算基础设施的部署，并延后该容量的投入运营时间。

超越 AI 进度跟踪

Buildots 也在拓展其原始的计算机视觉驱动进度监控系统之外的功能。

其偏差检测 功能将施工情况与项目模型进行比较，以识别安装错误或未完成的构件。团队可以在 Buildots 内部解决问题或将其导出至包括 Procore、Forma 和 Revizto 在内的施工平台之前，审查问题所在的位置和视觉上下文。

另一项功能，已完成数量，将相同的底层现场数据应用于付款申请。团队可以将付款请求与平台已验证的已安装数量进行对比，而不只是依赖承包商和分包商报告的完成百分比。

这使 Buildots 进入了建筑管理中一个重要但不太明显的环节：将建筑的物理状态与项目的财务状态相连接。

公司还通过 Buildots Field 进一步进入劳动力情报领域，该技术基于 Buildots 于 2025 年 10 月收购的 Genda。该系统利用现场蓝牙基础设施和移动工作流来收集有关劳动力在场情况、物流、安全以及劳动力在施工现场的分布信息。

当与 Buildots 的进度数据结合时，目标是将劳动力投入与施工产出相连接。项目经理不仅可以看到某项活动落后于计划，还能了解是否有额外工人实际部署到该区域，以及干预是否提升了产能。Buildots 表示，完整整合的 Buildots Field 应用计划在 2026 年第四季度正式上线。

从单体项目到建筑组合

这笔新资本将用于在三个方向上扩展 Buildots。

在地域上，公司计划在北美和欧洲、中东、非洲地区的主要建筑组合中增加部署。产品开发将把平台进一步延伸至整个施工生命周期，从投标到项目交付和移交。Buildots 还希望提升至组合层面的情报，使高管能够比较多个项目的绩效，而不是单独评估每个开发项目。

随着公司同步建设数据中心、工厂、能源设施以及其他标准化基础设施网络，这一点可能变得愈发重要。

与其将每个项目视为孤立的数据集，不如利用历史施工绩效为未来项目建立基准——识别哪些工种持续未达计划产能、哪些进度假设不切实际，以及哪些干预真正挽回了失去的时间。

对于 Buildots 而言，$130 million 的融资不仅仅是 AI 建筑监控产品的扩展。公司正尝试构建一个数据层，将施工现场、项目进度、劳动力、财务控制以及高管组合管理相连接。

随着 AI 基础设施支出扩大，用于管理实体建设的软件本身正成为 AI 经济的一部分。Buildots 当前的挑战是证明其收集的海量施工数据能够持续转化为更少的延误、更低的成本以及在全球范围内更可预测的项目交付。