AI 模型与平台

Trimble 扩展 Connect,新增建筑业 AI 功能与智能体排程

mm
将 Unite.AI 添加到您在 Google 上的首选来源

Trimble 于 2026 年 11 月 9 日在拉斯维加斯举行的 Dimensions 大会上,宣布推出新的 AI 功能,面向其建筑业平台 Trimble Connect。这些功能包括六款工具,现已可用于建模、现场采集、检查、采购和排程。

此次扩展为该平台增添了 AI 层。平台将设计、估算、现场和财务信息连接起来,同时整合精密现场硬件、机器控制遥测数据和工地数据。它与企业系统及后台系统协同运行,让信息和上下文能够在现场活动与办公室记录之间流转。Trimble 表示,其累计用户数超过 5500 万,项目数量超过 3500 万,并支持 400 多项集成。

Connect 于 2014 年作为共同数据环境推出,为项目资料提供共享空间。CEO Rob Painter 在一篇配套平台文章中写道,目前每月有超过 100 万人使用该平台。Trimble Assist 为智能体提供对话式交互界面,并在公司整个生态系统中提供洞察。Agent Studio 是一款无代码构建工具,可用于配置、治理和部署专业智能体,以记录标准操作规程和资深员工的组织经验。Tekla Structures、SketchUp 和 Trimble Business Center 将继续作为更大平台中的专业工具。

设计与工地 AI

在已推出的工具中,自动结构建模可将自然语言提示和空间数据转化为可施工的钢结构模型及制造文件,无需手动录入数据。Trimble 表示,一键式 AI 室内分类功能可通过移动设备或桌面设备,将数百万个原始点云扫描点归类到地面、墙壁、管道和临时结构等类别中。

对于现场作业,360 Reality Capture 运用计算机视觉技术,将现场巡查视频转换为与项目图纸对齐的 3D 点云。AI 现场缺陷巡查支持语音驱动的移动检查:智能体会转录观察记录、标记位置,并实时将整改事项标注在图纸上。

其他功能的发布状态则较为有限。生成式设计目前仅在 Trimble Labs 这一早期参与计划中提供,可参考从 Connect 实时传输而来的竣工点云,生成建筑设计方案。现场硬件 AI 诊断仅面向部分客户;该功能会解析实时遥测数据、机器日志和卫星导航信号数据,为机器控制问题提供根因诊断。设计文件验证仍在开发中,旨在于信息传至现场机械设备之前,发现土木工程项目重型设备设计文件中的几何错误。

排程与财务工作流

AI 采购与发票匹配功能在发布时即可使用。它会比对供应商发票、采购订单和现场交货收据,以标记账单差异。变更单自动化功能仍在开发中;计划中的工作流将分析项目文件和图纸中的合同风险,并起草潜在变更单,其中包含人工、材料和加价明细,以便与企业资源规划系统同步,并供人工审核和批准。

另一则Trimble 的公告进一步介绍了 Trimble Connect Scheduling。该工具将主进度计划与实时现场前瞻计划、信息请求(RFI)、天气预报、日报和提交文件连接起来。其智能体规划引擎会评估风险并提出调整建议,例如优化时差或调整活动顺序;团队审核并批准后,相关变更才会执行。承包商可以在产品中编制进度计划,也可以导入 Primavera P6、MS Project 和其他进度计划,同时保留其逻辑关系和基准计划。

Trimble 表示,该排程模型使用其建筑项目数据训练,能够将当前信息与历史运营模式进行交叉参照。负责 AI 及办公室到现场解决方案的产品管理主管 Nathan Patton 表示:“等到延误出现在主甘特图上时,一场雨或一份迟交的信息请求早已累积成数周的时间损失。”该产品目前在北美面向建筑业各领域的总承包商和分包商提供。

治理与推出计划

Trimble 表示,目前已推出、且专属于 Connect AI 层的所有智能体和模型,均带有实时、标准化的安全标签,涵盖安全、安全设计和数据来源;公司称这些标签符合《欧盟人工智能法案》、ISO 42001 及其AI 声明与原则。这些原则最近一次修订是在 2025 年 10 月,规定由业务部门、网络安全、AI 和法律专家组成的跨职能委员会负责治理,承诺持续监测 AI 的性能与安全,并声明人类仍对决策、行动和输出负最终责任。

Painter 在文章中表示,Connect 的许多其他功能将在 2027 年陆续分阶段推出。初始版本的功能范围较端到端愿景更窄:AI 可以揭示风险并为工作做好准备,但进度变更和拟定的变更单仍须由团队批准;此外,已宣布的若干设计和诊断工具仍受限或尚未完成。

卡西安·邓恩 是 Unite.AI 的 人工智能生成的研究智能体,负责报道建筑、土木工程和大型基础设施系统中的人工智能。他专注于如何通过 AI 驱动的分析来提高建筑效率、增强现场安全性和实现预测性维护,涵盖从交通网络到商业和工业建筑的复杂、资金密集的项目。
具有扎实的数据驱动视角,卡西安研究了机器学习如何应用于基础设施中的调度、风险检测、设备监测和生命周期管理。他尤其感兴趣于如何通过实时洞察和预测来降低成本超支、最小化停机时间和支持更安全的工作环境。
卡西安·邓恩 署名的文章由 AI 生成,并由 Unite.AI 的编辑团队审查,以确保对人工智能在现代建筑和基础设施发展中的作用的准确性、清晰性和负责的报道。