技术可以识别图纸上的每一条管线，却识别不出商业世界里最隐秘的博弈法则。

2019年，一场在微软论坛上看似平常的演讲，改变了两个企业的命运轨迹。

当品览科技创始人李一帆站在台上，向台下听众展示AI如何理解建筑图纸时，他或许没有注意到观众席中几双骤然发亮的眼睛——那是万科集团技术团队的成员。几个月后，一份合作协议签署，中国房地产行业最引人注目的AI探索就此拉开帷幕。

谁也没有料到，这场被寄予厚望的”强强联合”，最终会成为中国AI创业史上最耐人寻味的一段插曲。

一、一见钟情：清华学霸与地产巨头的浪漫邂逅

故事的开端充满了理想主义的色彩。

李一帆的背景堪称完美——清华大学电子工程系本科，卡耐基梅隆大学硕士，硅谷创业经历，还在Y-Combinator接受过洗礼。2018年回国后，他创办了品览科技，试图用计算机视觉技术改造传统产业。然而，找了一年应用场景，始终没有找到那个能让技术真正落地的”钉子”。

直到遇见万科。

当时的万科，正处于数字化转型最急迫的阶段。作为年销售规模数千亿的房企龙头，万科每年要审查数百万张施工图纸。传统人工审图模式下，一张图纸平均要修改10次，重复劳动占比超过80%，仅管线排布的施工图就需要半个月反复核对。更致命的是，人为疏漏导致的返工成本动辄上千万元。

“单张图纸平均修改10次”——这个数字背后，是设计师们深夜里揉红的双眼，是工程现场因图纸错误而返工的轰鸣声，是房企财报里那项永远压不下去的无效成本。

万科需要技术，品览需要场景。双方在2019年迅速达成合作，共同研发AI审图系统。品览负责算法和技术实现，万科提供行业know-how和海量的图纸数据。在当时的业界看来，这是一个近乎完美的组合：顶尖的AI团队加上最丰富的行业资源，没有理由不成功。

2020年，AI审图系统在万科内部全面上线。数据显示，系统可以在2分钟内完成一张图纸的审查，效率达到人工的9倍；AI发现的问题是人工审查的5到10倍；仅2020年和2021年两年，就协助万科规避了6000万元以上的工程变更损失。

一切看起来都在向着美好的方向发展。

二、裂痕暗生：当技术理想撞上商业现实

然而，表面的繁花之下，地基已经开始松动。

双方的第一个深层矛盾，在于对”核心技术”归属权的认知差异。

对万科而言，AI审图绝不是一项可有可无的工具，而是关乎企业核心竞争力的战略资产。万科旗下的万翼科技成立于2016年，本身就是万科布局建筑科技的重要棋子。当一个外部创业公司深度参与了自己最核心的技术研发，万科的焦虑感是可以理解的——如果核心技术掌握在他人手中，所谓的”数字化转型”不过是建在沙滩上的城堡。

一个关键信号出现在2021年。当万科对外宣传AI审图时，措辞开始发生微妙的变化：品览的名字被逐渐淡化，取而代之的是”万翼科技自主研发”的表述。品览从”联合研发伙伴”变成了幕后不被提及的”技术支持方”。

对品览而言，这是一场无声的挫败。

作为一家初创公司，品览最初对这次合作寄予厚望：通过与行业龙头的深度绑定，获得数据和场景，打磨产品，然后向整个行业输出自己的AI能力。但现实很快教育了他们——万科的海量图纸数据是宝贵的燃料，但这些燃料不会流向一个外部公司去驱动别人的引擎。

更残酷的是建筑行业本身的特性。

不同于人脸识别或安防监控，建筑图纸的复杂性远超一般人的想象。图纸中包含着高度结构化的专业表达——图层信息、专业符号、尺寸标注、多页关联，几百张图纸之间还存在复杂的逻辑关系。李一帆后来回忆：“那时候的’AI四小龙’虽然能做图片识别，但设计图纸的识别，除了我们，到今天也没有企业能做。”

可正是这种极高的技术门槛，导致了另一个致命问题：产品标准化几乎不可能。

不同设计院、不同设计师的作图习惯千差万别，图层、图例、命名几乎没有统一标准。AI模型在一个项目上训练得很好，换到另一个项目就可能”水土不服”。这意味着每服务一个新客户，都需要大量的定制化开发——而定制化，正是SaaS商业模式的天敌。

ToB市场的回款周期漫长、项目转化门槛高企，更让一家初创公司的现金流捉襟见肘。品览科技后来在一篇报道中被描述为”面临资金需求的现实挑战，技术研发需要大量投入，市场拓展需要时间”。这些委婉的说辞背后，是一个创业公司最真实的生存困境。

三、各奔东西：两条截然不同的命运轨迹

合作关系的真正破裂并没有公开宣告，而是通过各自的发展轨迹无声地呈现。

万科这边，万翼科技的AI审图产品开始以”自主研发”的姿态全面推向市场。2021年，万科与深圳市住建局联合召开发布会，宣布AI审图开始在政府设计监管环节应用；同年7月，AI审图入选住建部《智能建造与新型建筑工业化协同发展可复制经验做法清单》，成为全国推荐经验。到2022年，万翼AI审图荣获华夏建设科学技术奖二等奖——这个奖项被誉为中国建筑科技领域的最高荣誉。

截至2025年，万科宣称其”图云”产品已服务超1000个项目，累计审查图纸超过165万张，为近百家行业伙伴提供线上审图服务。万翼科技申请了超过700件国家发明专利，获得了近300件授权。

品览的名字，在这些光鲜的成就中彻底消失了。

而在另一条轨道上，品览科技经历了一场痛苦的自我重塑。

李一帆做出了一个关键的战略判断：“市场环境促使我们认清一个现实，我们的优势不是行业专家，而是AI技术专家，所以我们应该专注于做好技术平台，行业的事交给合作伙伴和客户，他们比我们更懂。”

这番话看似通透，实则藏着无奈。

品览将产品重新定位为”AI+CAD核心平台提供商”，不再直接面向终端客户提供审图服务，而是转向为其他企业赋能——卖算法、卖平台、卖技术授权。这个转型虽然让品览失去了与万科合作时那种”站在舞台中央”的机会，但也让它避开了与大客户直接竞争的陷阱。

令人欣慰的是，品览找到了自己的生存之道。截至2026年3月，其筑绘通产品B端客户突破300家，实现了全年经营性盈利。他们还开始出海日本市场，虽然李一帆坦言”出海这件事是急不来的，我们毕竟不是巨头企业”。

四、深层剖析：为什么AI在建筑行业这么难

万科与品览的故事，绝不只是两个企业之间的恩怨纠葛。它折射出的是整个人工智能在传统产业落地过程中面临的系统性困境。

第一重困境：技术本身的”天花板”。

建筑图纸的识别难度被严重低估了。品览曾经从几何原理、结构力学等基础知识入手，试图拆解绘图逻辑，但面对成百上千家设计院各不相同的标准，AI模型的泛化能力始终是个痛点。一位业内人士表示，AI审图在住宅等标准化程度较高的场景表现尚可，但一旦遇到复杂的商业综合体或基础设施项目，准确率就会大幅下降。

更深层的问题是，审图不仅仅是”看图识字”，它需要理解建筑规范背后的工程逻辑。一条管线为什么这样走、一个消防通道为什么必须留这个宽度——这些规则背后是人类几十年甚至上百年积累的行业智慧，远非算法可以简单复制。

第二重困境：商业模式的”死胡同”。

中国建筑行业的数字化程度之低，超出了大多数科技创业者的想象。在房地产领域，设计管理、施工作业过程中的数据大量依靠CAD图纸和人工解读，其结构化、线上化程度极低。这意味着AI公司不仅要卖产品，还要帮客户做数据治理、流程改造、人员培训——本质上是在做”教育市场”的苦活累活。

一位投资人曾经感慨，AI在不动产与建筑领域的应用很多还处于”叫好不叫座”的状态。技术突破的速度远远超过了企业组织能力、数据基础与战略协同的进化速度。

第三重困境：大企业的”技术依赖焦虑”。

这是中国AI创业最残酷的现实之一。当一个巨头客户发现某项技术对自己的业务至关重要时，它的第一反应不是长期依赖外部供应商，而是想办法把能力内化。万科最终选择通过万翼科技自主研发AI审图，正是这种逻辑的自然延伸。

对创业公司而言，这无异于一个悖论：你需要大客户的场景和数据来打磨产品，但一旦产品真的打磨好了，大客户就可能把你踢开自己干。在商场上，这不是道德问题，而是生存问题。

**第四重困境：资本耐心的极限。

AI创业是出了名的烧钱。建筑AI领域尤其如此——需要大量算法工程师，需要昂贵的算力资源，需要漫长的客户培育周期。而2023年之后，全球创投市场进入寒冬，投资人不再相信”先烧钱再盈利”的故事。朱啸虎那句”现在肯定很多投资人都认同的一点——所有企业都别烧钱”，道出了资本市场的集体转向。

在这样的环境下，像品览这样选择了”慢工出细活”路径的公司，融资难度可想而知。

五、没有输家的结局？一个审慎的观察

如果从结果倒推，万科与品览的”分手”似乎是一个双赢的局面。

万科拿到了自己想要的——一套自主可控的AI审图系统，还把它做成了行业级的标杆产品。对一家房地产企业来说，能把技术能力输出给近百个外部客户，这本身就是一个了不起的成就。

品览也没有倒下。它找到了更适合自己的定位，避开了与巨头正面竞争的红海，在一个相对细分但足够扎实的赛道上实现了盈利。从避雷针的设计到整栋住宅的电气系统，从国内市场到日本出海，它的技术能力在持续进化。

但如果我们因此就把这个故事包装成一个”各自精彩”的圆满结局，那未免太过轻率。

真正值得忧虑的是，万科与品览的分道扬镳，可能预示着中国AI创业的一个更宏观的困境：当每一个行业巨头都选择自主研发、把核心技术攥在自己手里时，独立的AI创业公司还有多少生存空间？

品览是幸运的，因为它及时转型、找到了 niche 市场。但更多的创业公司可能没有那么幸运——它们要么沦为巨头的”技术外包队”，要么在耗尽融资后默默消亡。2024年，中国一级市场AI领域的融资环境持续恶化；2025年，哪怕是DeepSeek这样的明星项目，投资人问的第一个问题依然是”怎么商业化”。

当万科可以把品览的算法重新包装成”自主研发”，当每一个大企业都在重复”引进—消化—替代”的路径，中国AI产业的创新生态会不会越来越封闭？这是一个比任何单个企业的成败都更重要的问题。

六、尾声：那些未被识别的图纸

让我们回到故事开始的地方——那密密麻麻的建筑图纸。

一张住宅建筑图纸上，可能有上千个构件、数百条标注、几十种不同的线型。AI可以学会识别它们中的绝大多数，甚至可以在几秒钟内找出人眼难以察觉的错误。但有一些东西，可能是算法永远无法真正理解的：

那个在深夜审图的设计师揉了揉眼睛，在图纸上留下的一丝不耐烦；那个项目经理看到返工通知时，心里闪过的那句”又要超预算了”；那个技术创业者满怀信心地走进大客户办公室，却不知道等待他的是一段怎样曲折的旅程。

万科与品览的故事，最终不是关于技术成败的故事，而是关于理想与现实如何相处的故事。

技术在进步，这一点毋庸置疑。DeepSeek等大模型的出现，正在给建筑AI带来新的可能性。但技术之外，商业的逻辑、组织的博弈、人性的复杂，才是真正决定一场创新能否走得远的变量。

对于那些还在建筑AI赛道上坚持的创业者，李一帆的一句话或许值得深思：“就像华为做基站，却不会去卖SIM卡。”

找准自己的位置，比追逐风口更重要。

而对于整个行业，或许我们需要的不是更多的”自主研发”口号，而是一种更开放、更健康的创新生态——让大公司做它们擅长的事，让小公司也有生长和呼吸的空间。只有这样，AI才能真正渗透进中国最传统的产业，而不是在巨头们的围墙花园里，重复着一轮又一轮的闭环游戏。

毕竟，一张图纸的价值不在于它被谁审查，而在于它最终能否变成一栋安全、舒适、让人安心的房子。