夜雨聆风我们脚下的路，正在剧烈改变
半年前，AI对我来说，不过是个更聪明的"笔杆子"。
半年后，它成了我手里的一柄新工具——能写代码、能搭平台、能把一张道路施工图纸的逻辑，翻译成机器听得懂的语言。
这半年的跨度，像是从一个世界，跨进了另一个世界。我想把这两个世界之间的风景，说给宁夏交通行业的同仁们听。不为别的，只因我们脚下这条走了几十年的路，正在悄悄改道。
──────────────────────────────
一、半年，从"写材料"到"写代码"
去年底，我和大多数人一样，把AI当成一个更聪明的"笔杆子"和"搜索引擎"。写总结、出方案，效率确实高了。直到今年春天，我开始不满足于"让AI替我干活"，而是想"让AI帮我做成一件事"——一件我们行业里真正需要的事。
于是从4月到现在，约一个半月攻坚，加上之前四个月打底，半年下来，我硬是从一个只会常规BIM建模玩数字底座的人，变成了能独立开发小程序和网页平台的人（当然和专业人士还有很大的差距，毕竟一个系统的架构设计需要多年的实战经验）。
目前我能做到什么程度？ 第一类，常规小程序与网页平台。 15天内交付，成本极低，覆盖人力成本即可。小程序的业务流我已经跑通了，同类的网页平台也能做，后台管理、数据可视化、用户权限这些常规模块都能搭。 第二类，带算法的小程序与网页平台。 如果算法可以通过AI对话、上下文训练或者知识库调教出来，小程序能做，网页平台也能做。比如一些业务逻辑推导、数据匹配类的功能，两端同步部署没问题。 第三类，复杂算法。 这是我目前卡住的地方。以我最近研究的"道路作业区自动生成"功能为例，需要真正的空间算法和工程逻辑判断。我评估了一下，这得走到模型微调甚至垂类大模型训练的地步。我还在门外，但已经看见门里的光了。这类功能未来如果能突破，小程序和网页平台都能承载。 |
一年前的AI是什么水平，现在是什么水平，明年又会是什么水平？我想都不敢想。但有一件事我很确定：AI正在把"有想法但不懂技术"和"懂技术但没想法"之间的那堵墙，一点一点拆掉。
──────────────────────────────
二、那个"作业区自动生成"，让我突然想明白了一件事
最近我一直在攻克一个技术难点：通过项目信息自动生成道路作业区布置图。常规的业务逻辑很快就理顺了，但这个自动生成的算法，成了整个事情的"卡脖子"环节。
过去这种事怎么推进？行业里通常是一个懂专业的人，跟程序员反复沟通，把工程经验翻译成算法，再植入程序。周期长、成本高、一改就崩。
但早在一年前，也就是2025年6月，宁夏交建就已经开始了垂类大模型的布局。那时候，大多数人还在把AI当"搜索引擎"用。而他们已经意识到：让大模型同时充当"资深工程师"和"高级开发工程师"，把行业知识直接变成可执行的代码逻辑，才是真正的护城河。
这让我突然想明白了前段时间我们集团内部统计"谁在搞专业大模型"那件事。当时觉得高大上，离我们很远。现在被这个作业区自动生成的功能"逼"了一下，才发现：垂类大模型不是锦上添花，而是地基。
没有这块地基，所有的"天马行空"都是空中楼阁。 |
宁夏交建部署大模型，我之前也有点理解不了，觉得是不是"赶时髦"。你再怎么训练，能比得上DeepSeek、腾讯、阿里、字节这些大厂的更新迭代速度吗？这钱不是白花吗？后来我才想明白——我狭隘了。这完全是两码事。大厂做的是通用大模型，解决的是"天下事"；我们要的是垂类大模型，解决的是"这段路该怎么修、这个作业区该怎么布"的工程实际问题。一个像百科全书，一个像老师傅的手艺。根本不是一回事。
垂类大模型是个匠人活，必须懂行的人自己干，没有太多捷径。但一旦做成了，它相当于在单位内部常驻了一个"能解决实际问题的行业专家团"。
这么多年来，我们行业里多少人有过好想法？自动出图、智能调度、风险预警……最后为什么都搁置了？两个原因：一是研发费用太高，二是没有实现的技术基础。现在，这两个门槛正在被AI踏平。
──────────────────────────────
三、行业正在发生什么？我想请大家看清这三件事
第一件事：通用大模型不够，垂类大模型才是护城河。
市面上的通用大模型解决的是通用问题。但我们要的是什么？是"这段路该怎么养护""这个作业区该怎么布""这个汛期该怎么调度"。这些答案不在通用模型的训练数据里，而在我们行业几十年的项目经验、规范条文、失败教训里。
未来真正的企业技术壁垒，不是某款软件，而是这家公司对行业的理解所沉淀下来的训练数据集。传统软件公司没有实时互动，没有一线数据，这是天生的缺陷。过去我们依赖的那些专业建模工具，护城河在未来几年可能会被重构。 |
第二件事：全寿命周期项目是最好的"培养皿"，但门票很贵。
当前行业的全寿命周期项目，完整链条、海量鲜活数据——这简直是AI训练最理想的培养皿。但能做这类项目的，得有现金流实力。这些过程中产生的最新数据，就是拿到下一场比赛的门票。
第三件事：人才结构正在洗牌。
明年这个时候，我们路桥土木行业最缺什么样的人？
有经验、有想法、懂IT业务流、拥抱AI、做事负责的人。 |
班组里需要经验老道但眼界开阔的人做领导，带着团队做实事。招聘方向上，Agent工程师、大数据工程师、大模型训练师，这些岗位会从互联网渗透到基建行业。
过去我们习惯跟高校合作，请他们解决算法难题。现在的趋势是，垂类大模型正在提供新的解决路径。不是高校不重要，而是解决问题的路径变了。我们需要的是能把行业知识"喂"给模型、会调教模型的人。
──────────────────────────────
四、写在最后：给行业，也给自己
半年前，我还在为AI写的材料不通顺而修改；半年后，我已经在思考怎么训练一个属于我们路桥行业的"数字专家"。这个跨度让我既兴奋又焦虑——兴奋的是，有想法的人终于有机会把想法变成现实了；焦虑的是，如果我们不跑快点，连当"追风者"的资格都没有。
宁夏交通行业内的头部企业的在做大模型部署，集团内部也在统计摸底，省外同行企业的探索……这些碎片拼在一起，指向同一个判断：我们交通行业正在从"软件购买产生附加值时代"进入"软件自主叠加垂类模型训练时代"。
传统设计单位如果还停在"买软件、请人做"的模式上，就落后了。必须自己下场，把行业知识数字化、模型化。这件事没有捷径，但一旦刷新成功，就像游戏里的5级升6级的"大招CD升级"——后面的一整套创新玩法，都有了技术底座。
而比技术底座更重要的，是我们这个行业沉睡多年的数据资产。
想想看——各个设计院手里攥着多少年的图纸设计经验？施工单位积累了多少现场施工数据和工艺工法？监理单位留存了多少质量管控记录？检测单位沉淀了多少试验检测数据？这些散落在各单位的"行业记忆"，过去只是躺在档案柜里、存在服务器角落里的静态资料，现在，它们完全可以被唤醒、被标注、被训练，变成垂类大模型的"燃料"。
怎么用？如何用？这是未来几年我们每一个土木人都该思考的问题。
设计院的历史图纸，可以训练出自动识图、自动纠错、自动优化的AI助手；施工单位的工艺数据，可以变成智能排产、风险预警的决策模型；监理和检测的质量记录，可以构建出工程质量预测与溯源系统。谁先把这些沉睡的数据变成"会说话的专家"，谁就在下一轮竞争中占据了先机。
数据不会自己说话，但懂行业的人+AI，可以让它开口。这不是IT部门的事，也不是某个信息中心的事——这是每一个在一线干过、有真实经验的人，都可以参与的事。把你知道的、你见过的、你踩过的坑，变成模型的训练语料，就是在为行业铸造下一代护城河。 |
先把常规功能做扎实，把业务流跑通，同时死磕那个"自动生成"的算法瓶颈。如果能迈过这一步，后面就是批量复制；如果迈不过，至少我知道门朝哪边开。
关于窗口期，我想和同仁们说几句心里话：AI应用开发这股浪潮，正在重塑每一个行业的游戏规则。对宁夏交通行业来说，这不是"做几个小程序赚快钱"的小生意，而是一次让我们更快、更早介入行业痛点的历史性机会。 过去，我们有很多想法因为技术门槛高、开发成本大而被搁置。现在，AI把这两道门槛砍掉了大半。这意味着，真正懂行业、有想法的人，终于可以亲手把自己的解决方案做出来，推到一线去验证、去迭代。窗口期不会等人。趁着这股风还在，我们应该抓紧去做那些过去想做而做不成的事——去碰真实的业务痛点，去试大胆的产品想法，去把工程经验变成可复用的数字资产。不是为了赶时髦，而是为了让我们在下一轮行业洗牌中，手里有牌、心中有底。 |
明年此时，我希望我们宁夏的交通行业，不只有会画图、会建模的人，还有一群会调教AI、会设计Agent、会把工程经验变成数据资产的"新土木人"。 |
路还长，但灯已经亮了。
—— 业余督工
