当前，模架与爬架行业正处于从传统劳动密集型向数智化转型的关键窗口期。模架爬架产品的研发设计、生产制造、物资租赁以及一体化施工等一站式服务的链条长、环节多、资产重——从设计图纸到物料清单的匹配、从生产排产到物资周转、从施工现场到回厂翻新，每一个环节都面临着效率提升与成本优化的巨大压力。

与此同时，以大语言模型和生成式AI为代表的人工智能技术正在快速渗透工业与工程领域。在模架设计环节，AI智能体能将传统需数日才能完成的专项方案压缩至10分钟内完成，设计周期缩短95%以上；在物资管理环节，国际头部模架企业已通过AI实现物料自动识别与计量，准确率超98%；在施工现场，“造楼机”配上AI大脑后，单层施工时间压缩4天。然而，大多数企业对于“AI能做什么、不能做什么”缺乏清晰认知，对于“哪些交给AI、哪些人工把关”缺乏判断标准，对于“如何将AI嵌入自身业务场景”缺乏实操路径。本课程基于以上现实需求而设计，从AI能力认知入手，逐层深入到通用办公提效、各部门业务场景赋能，最终聚焦模架行业核心业务痛点——图纸与物料快速匹配、模架构件装拆周转使用的快速定位与精准识别——提供可复制、可落地的AI应用方法论。

1、认知层面：系统理解AI技术的能力边界与构成要素，清晰判断哪些工作可以交给AI、哪些必须人工把关，建立科学的“人机协作”思维框架

2、技能层面：掌握文本生成、数据分析、图视频制作等通用办公AI技能，并深入学习财务、销售、人力资源等各部门的AI提效工具与方法。

3、业务层面：获得针对模架行业核心痛点的AI解决方案——图纸与物料的智能匹配、模架构件的快速识别与精准定位、装拆周转使用的智能管理——通过贯穿课程的多个行业标杆企业完整实施案例，理解AI从概念到落地的全流程

4、成果层面：带走一份可立即执行的“AI+业务”行动计划，课程结束后即可在自身岗位上启动AI应用实践

一、AI的本质：它能做什么、不能做什么

1. AI的核心能力图谱

1）模式识别与预测：从数据中发现规律、做出预测

2）内容生成与创作：文本、图像、视频、代码的自动生成

3）理解与推理：自然语言理解、意图识别、逻辑推理

4）决策辅助与优化：在多约束条件下寻找最 优方案

2. AI的能力边界

1）AI擅长什么：重复性、规则性、大规模数据处理、模式匹配

2）AI不擅长什么：真正的创造性突破、复杂情境下价值判断、缺乏数据领域

3）AI的幻觉问题：何时相信AI、何时质疑AI

4）数据依赖：没有高质量数据，就没有高质量AI输出

二、哪些交给AI、哪些人工把关——人机协作的分工原则

1. 任务四象限分析法

1）高频+规则明确→优先交给AI

2）低频+规则明确→可交AI但需人工复核

3）高频+复杂判断→AI辅助+人工决策

4）低频+复杂判断→人工主导+AI参考

2. 人工把关的关键节点

1）安全性与合规性把关：涉及施工安全、合同条款的关键输出必须人工审核

2）价值观与伦理把关：涉及企业品牌、客户关系的敏感内容

3）最终决策权归属：AI提供方案，人做最终选择

三、AI提效的三大构成要素

1. 数据要素：企业数据的采集、清洗、结构化与知识库建设

2. 模型要素：通用大模型与专用小模型的选择与组合

3. 人力要素：从“会用AI”到“善用AI”的能力阶梯

四、标杆案例深度拆解（一）Doka——全球模架巨头的AI物料计数与回场预测系统

• 背景痛点：回场租赁物资数量庞大、规格多样，人工清点耗时费力且差错率高；网点库存信息孤立，回场时间无法预判，设备闲置与短缺并存，影响资产周转效率

• 实施方案：自主训练适配建筑工地恶劣环境的AI图像识别模型，支持手机拍照即可自动识别20余种模架构件并建议数量，同时建立“图像留存-数字确认-云端归档”的不可篡改流程；另搭建基于历史项目与施工进度的“回场预测”算法，预判物资回归时间窗

• 成效：系统已覆盖全球超50个网点，累计处理超150万件物料，识别准确率超98%，回场处理周期大幅压缩，库存预测精度显著提升

• 启示：AI的价值不仅在于替代肉眼计数，更在于将模糊的“经验流”转化为精准的“数据；流”，实现从被动盘点到主动预测的供应链升级

五、互动研讨01：我的岗位，AI能帮我做什么？

列出自己日常工作中最耗时、最重复的3项任务，小组讨论哪些可以交给AI、哪些需要人工把关，点评

一、AI文本处理：从“写出”到“生成”

1. 提示词工程的核心理念

1）清晰定义角色：让AI知道“你是谁”

2）明确任务目标：让AI知道“要做什么”

3）提供背景与约束：让AI知道“在什么条件下做”

4）指定输出格式：让AI知道“做成什么样”

2. 公文与报告写作

1）会议纪要智能生成：录音转文字+要点提取+待办事项梳理

2）工作报告自动撰写：数据输入→结构生成→内容填充

3）技术方案与施工方案辅助编制

4）邮件与商务沟通的AI辅助

3. 实操演练01：用AI在5分钟内生成一份完整的模架施工专项方案大纲

二、AI数据处理：从“统计”到“洞察”

1. AI辅助数据分析的工作流

1）数据清洗与预处理：AI自动识别异常值、缺失值

2）数据可视化：自然语言指令生成图表

3）数据洞察：AI自动发现数据中的模式与异常

2. 报表自动化

1）Excel/CSV数据的AI问答式分析

2）周报、月报的自动生成与智能摘要

3）经营数据的趋势分析与预警

3. 实操演练02：上传一份模拟的物资周转数据，用AI完成数据清洗、趋势分析和可视化报告

三、AI图视频处理：从“制作”到“创造”

1. AI图像生成与应用

1）方案效果图的快速生成

2）产品展示图的智能优化

3）施工现场图的标注与解析

2. AI视频处理

1）短视频的AI脚本生成与自动剪辑

2）培训视频的智能字幕与分段

3）施工现场监控视频的AI分析

3. AI演示文稿制作

1）从文字大纲到PPT的自动生成

2）PPT的智能美化与排版优化

四、标杆案例深度拆解（二）：志特新材，模架上市企业的全链路数字化工厂

• 背景痛点：业务贯通设计、生产、施工、翻新全链条，但CRM、ERP、MES等核心系统相互割裂，信息传递依赖人工表格，导致研发周期长、排产效率低、订单交付压力巨大

• 实施方案：投入逾2500万元，以“系统深度集成”为核心战略，自研GTMS管理系统打通六大系统，从BIM智能配模、自动排产到施工回厂实现全流程线上闭环；车间部署全自动化流水线、AGV智能物流及立体仓库，推行“一码一物”全流程追溯

• 成效：关键设备数控化率从24%提升至74%，产品研发周期缩短50%，订单交付率达成100%

• 启示：AI与智能制造的根基在于“数据通”。打通系统孤岛比引入单一智能设备更具战略意义，全流程数据贯通是规模化AI提效的前提

五、实战工作坊1：用AI完成一份跨部门协作报告

给定模拟业务场景（某项目模架物资盘点数据+施工进度数据+成本数据），分组使用AI工具完成数据整合、分析洞察和报告撰写，限时30分钟，各组展示成果、点评

一、财务部门的AI应用

1. 票据与报销处理

1）发票的AI自动识别与验真

2）报销单据的智能审核与异常检测

3）费用报销流程的自动化

2. 财务分析与报告

1）财务报表的AI自动生成与解读

2）成本结构与利润驱动的智能分析

3）预算执行情况的实时监控与预警

3. 风险控制

1）应收账款的智能催收与风险评估

2）合同条款的财务风险AI审查

二、销售部门的AI应用

1. 客户开发与维护

1）目标客户的AI画像与精准筛选

2）投标文件的智能编写与优化

3）客户沟通邮件的AI辅助撰写

2. 方案呈现与报价

1）产品方案演示文稿的快速生成

2）基于历史数据的智能报价辅助

3）竞争对手分析的AI信息整合

3. 销售预测与管理

1）销售数据的趋势分析与预测

2）客户流失风险的AI预警

三、人力资源部门的AI应用

1. 招聘与人才管理

1）岗位说明书的AI生成与优化

2）简历的智能筛选与匹配

3）面试题库的自动生成

2. 培训与发展

1）培训课程的AI辅助设计与内容生成

2）员工能力画像与个性化学习路径推荐

3. 日常人事管理

1）规章制度的AI问答与解读

2）员工关怀消息的自动生成与推送

四、标杆案例深度拆解（三）：钉钉“悟空”,制造业AI原生工作台组织赋能

• 背景痛点：资深工程师的设计经验、采购专家的选型知识高度依赖“师徒传承”，一旦人才流失，核心隐性知识即告断层，新员工成长周期漫长

• 实施方案：企业级AI原生工作台“悟空”，通过构建AI智能体将老师傅的专业经验（设计逻辑、选型规则、排产常识）代码化、结构化，形成可被全员随时调用的“数字分身”，沉淀为7×24小时在线的企业公共知识资产

• 成效：分散在个人头脑中的专家经验转化为组织级共享能力，新员工上手周期明显缩短，关键决策不再依赖单一个人，组织韧性显著增强

• 启示：模架企业最宝贵的资产是经验。AI不仅是效率工具，更是组织能力的“存储器”和“放大器”，让个体智慧升维为组织智慧

五、互动研讨03：部门AI落地的第 一站应该在哪里？

分组讨论：本部门当前最痛的一个业务环节是什么？AI能否介入？如何介入？需要什么前提条件？形成小组共识后分享

一、模架行业图纸管理的核心痛点

1. 图纸量大、格式多样：CAD、PDF、扫描件多种格式并存

2. 物料清单与图纸脱节：设计图纸与BOM的对应依赖人工

3. 图纸查找与复用困难：历史图纸难以快速检索和复用

4. 设计变更传递滞后：图纸修改后物料清单更新不及时

二、AI图纸识别与物料匹配的技术路径

1. 多模态AI图纸理解

1）CAD图纸的自动解析与结构化

2）扫描图纸的OCR识别+语义理解

3）图纸中构件、尺寸、标注的自动提取

2. 物料清单（BOM）的智能生成

1）从图纸到BOM的自动化转换

2）相似构件的智能归并与标准化

3）物料编码的自动匹配与建议

3. 图纸与物料的双向关联

1）以图找料：上传图纸自动匹配物料

2）以料找图：输入物料编码自动关联图纸

3）变更影响分析：图纸修改自动关联受影响的物料

三、实操演练03：用AI在3分钟内完成一份模架图纸的物料清单提取

四、标杆案例深度拆解

案例4：构力科技×中国海诚——AI智能体驱动的脚手架设计工具

• 背景痛点：脚手架专项设计需建模、受力分析、规范校验、方案比选，传统人工操作需数日，且高度依赖工程师对GB50666、JGJ130等复杂规范的熟悉程度，设计质量参差不齐

• 实施方案：搭建“Agentic Scaffolding”多智能体架构，通过中央协调器分解设计目标，调度参数化建模、有限元力学分析、规范自动校验、多目标优化等专业AI代理协同作业，用户仅需输入自然语言需求即可触发端到端推理，内置国家及行业规范库实现合规性自动审查

• 成效：某工业厂房项目中，传统需数日的设计方案缩短至10分钟，设计周期降幅超95%；盘扣式方案虽单价略高，但凭借智能精算实现整体节材15%，搭拆效率提升40%

• 启示：工程设计AI化的核心不是“画图自动化”，而是“合规推理与方案寻优”的自动化。将力学、材料、规范的多重约束交由AI协同处理，释放工程师的高阶创造力

案例5：京东工业“AI智采管家”——图纸到采购的一键贯通

• 背景痛点：从图纸到采购需经历“识图-拆BOM-找型号-比价-下单”的冗长链条，人工转换极易出错，且供应商匹配效率低下，错配风险高

• 实施方案：基于自研工业大模型，支持手写便签、CAD图纸、设备铭牌照片等多模态输入，AI自动完成识图找货、解析物料清单、智能匹配替代件、实时比价寻源直至一键下单全流程，实现“设计即选型、选型即采购”

• 成效：在东莞某精密五金加工厂实测中，三个班组的不同格式需求在1分钟内完成全单解析，选型决策时长缩短70%，错配风险下降60%

• 启示：多模态AI打破了图纸与供应链之间的“次元壁”，实现了端到端的业务重构，为模架行业物资快速响应提供了成熟的技术范式

五、实战工作坊2：模架图纸物料匹配挑战赛

每组发放一份模拟的模架设计图纸（含复杂构件），30分钟内使用AI工具完成：图纸关键构件识别→物料清单生成→物料编码匹配→简单成本估算。提交成果，从准确性、完整性、效率三个维度点评

一、模架租赁与周转管理的核心痛点

1. 资产盘点难：成千上万的构件分散在多个工地，人工盘点耗时耗力

2. 损耗控制弱：构件丢失、损坏难以追踪和定责

3. 流转效率低：回场物资的清点、分类、入库周期长

4. 调度决策难：哪个工地缺什么、哪个仓库有什么，信息不透明

二、AI驱动的物资识别与智能盘点

1. 基于计算机视觉的构件识别

1）模架构件的图像采集与标注

2）构件类型、规格、状态的AI自动识别

3）污损、老旧构件的鲁棒识别技术

2. 移动端AI盘点工作流

1）手机拍照→AI识别→自动计数→云端同步

2）回场物资的快速验收与分类

3）盘点差异的自动标记与预警

3. 物资全生命周期追踪

1）从出厂→工地→回厂→翻新→再出厂的完整轨迹

2）基于AI的损耗分析与异常检测

3）构件健康度评估与翻新建议

三、AI辅助的周转调度优化

1. 需求预测与智能调配

1）基于历史数据和项目进度的物资需求预测

2）多工地之间的物资智能调拨建议

3）紧急需求的快速响应与就近匹配

2. 回场预测与库存管理

1）项目进度驱动的物资回场时间预测

2）库存水平的动态预警与补货建议

3）淡旺季的物资储备策略优化

四、标杆案例深度拆解

案例6：Doka AI物料计数系统深度拆解——从效率工具到信任桥梁

• 背景痛点：回场物资因污损、变形严重，RFID或通用视觉系统难以准确识别；缺乏客观记录导致租赁方与承租方在丢失、损坏定责上纠纷不断，客户信任度低

• 实施方案：专门针对建筑工地恶劣环境训练AI模型，确保能识别重度污损或使用过的租赁物资；在识别计数后强制建立“图像留档-数字确认-云端存证”的不可篡改流程，形成完全客观、可追溯的交接档案

• 成效：大幅缩短回场处理周期，让设备更快再流转；更重要的是彻底消除了因“说不清”导致的客户扯皮现象，显著巩固了商务信任关系

• 启示：AI在模架租赁业务中的深层价值，是构建“基于数据的客观信任机制”。技术解决效率问题，信任机制解决商业关系问题，后者更具护城河效应

案例7：中建二局“鹏翼云端”——AI大脑指挥的智能顶模平台

• 背景痛点：超高层施工中，传统顶模（爬架/造楼机）爬升依赖人工操作多套液压系统，各工序（钢筋、混凝土、幕墙）交叉作业调度混乱，安全风险高且单层工期漫长

• 实施方案：在深圳湾金融中心项目部署“鹏翼云端”平台，将20套智能液压顶升系统统一联网，由AI算法统一调度900㎡堆料区及各层作业面，并配备位移监测、超载预警等6种传感器实时扫描风险，异常时自动报警停机

• 成效：平台自重仅为传统顶模五成，通过AI统筹实现多工序并行作业，单层施工时间压缩4天；AI实时监控异常，实现安全从“人防”向“技防”升级

• 启示：AI在施工端的应用从“软件辅助”走向“硬件控制”，成为现场调度的中枢神经。模架企业应关注AI与液压、传感等硬控技术的结合，这将重塑施工效率与安全标准

五、实战工作坊3：模拟物资盘点与调度决策

某模架租赁企业有3个在建项目、2个仓库，给定各工地物资需求、各仓库库存、回场物资清单。分组使用AI工具完成：回场物资快速盘点与分类→各工地物资缺口分析→智能调拨方案制定→调度报告生成。限时30分钟，各组展示方案并接受质询

一、AI落地的常见挑战与应对

1. 数据挑战

1）数据质量不足：历史数据不完整、不规范

2）数据孤岛问题：各部门系统不打通

3）应对策略：从“小数据”开始，逐步完善

2. 组织挑战

1）员工抵触与畏难情绪

2）缺乏AI人才与技能

3）应对策略：先试点、树标杆、再推广

3. 安全与合规挑战

1）企业数据泄露风险

2）AI输出内容的合规性

3）应对策略：建立AI使用规范与审核机制

二、AI落地的四步走路线图

1. 第 一步：场景识别（第1-2周）

1）盘点各岗位高频、重复、规则明确的工作

2）评估AI介入的可行性与收益

3）选定1-2个“低垂的果实”作为试点

2. 第二步：工具选型与试点（第3-6周）

1）通用AI工具的选型与部署

2）试点场景的AI应用设计

3）小范围测试与效果验证

3. 第三步：经验沉淀与推广（第7-12周）

1）试点成功的经验总结与标准化

2）培训更多员工掌握AI技能

3）逐步扩大AI应用范围

4. 第四步：系统集成与规模化（第3-6个月）

1）AI能力嵌入现有业务系统

2）建立企业级AI应用规范

3）持续优化与迭代

三、AI落地的关键成功要素

1. 一把手工程：高层的重视与推动

2. 业务驱动：从业务痛点出发，而非技术炫技

3. 小步快跑：快速试点、快速验证、快速迭代

4. 持续学习：AI技术在快速演进，组织能力需同步升级

四、标杆案例深度拆解（八）：南京“以房管安”系统——AI大模型的行业级风险分级管控

• 背景痛点：传统建筑安全监管依赖人工巡查和事后处置，面对海量建筑场所无法精准分级，监管力量严重分散，风险防控缺乏针对性

• 实施方案：全国首个“以房管安”系统，引入应急管理AI大模型“宁安晴”，以建筑场所为单元，通过算法自动将风险划分为红、橙、黄、蓝四色等级，动态生成个性化隐患排查清单，推动监管从“漫游式”向“靶向式”转变

• 成效：系统已覆盖重点建筑5.8万余幢，实现了风险的事前预防与精准干预，监管效能显著提升

• 启示：对于拥有海量租赁物资和大量在建项目的模架企业，可借鉴此“分级管控”思维：利用AI对物资状态和项目风险进行智能分级，将有限的管理资源精准投放到最 高风险节点，实现精细化的风控闭环

五、互动研讨04：企业AI落地的第 一步应该怎么走？

结合两天所学，思考并分享：回到工作岗位后，第 一个可以用AI提效的场景是什么？需要什么准备？预期什么效果？回应并给予建议

一、个人行动计划制定

学员根据自身岗位和两天所学，制定一份“30天AI应用行动计划”，包含：

• 目标场景：选择1个最 优先的AI应用场景

• 具体任务：每天/每周要做什么

• 工具准备：需要安装/注册什么AI工具

• 成功标准：如何衡量效果

• 时间节点：30天内的里程碑

二、企业AI应用推进建议

1. 组织层面

1）成立AI应用推进小组或指定负责人

2）建立AI工具使用规范与安全准则

3）定期组织AI应用分享与复盘

2. 技术层面

1）评估并选择适合企业的AI工具组合

2）建立企业知识库与数据资产

3）关注行业AI应用趋势与新技术

3. 文化层面

1）鼓励试错、容忍失败

2）树立AI应用标杆与榜样

3）将AI能力纳入岗位技能要求

三、课程总结

1. 两天课程核心要点回顾

2. 课后持续学习资源