Buildots 筹集 1.3 亿美元用于 AI 建筑监控

全球争相建设 AI 基础设施——数据中心、芯片工厂以及支撑它们的电力和冷却系统——已使施工排期成为董事会级别的风险。Buildots 首席执行官 Roy Danon 将这一问题描述为一个熟悉但规模更大的挑战：“我们为数据中心解决的盲点，与几十年来困扰学校或医院项目的盲点相同，只是规模大得多，这正是全世界终于开始关注的原因。AI 时代将建立在准时交付之上。” ^[1]这种紧迫性体现在数据上：Buildots 表示其收入已连续多年实现同比增长三倍，其技术被认为可将项目延误减少约 50%，平均节省三个月的工期；自约十六个月前 4500 万美元 D 轮融资以来，其估值已从约 3 亿美元升至近 10 亿美元，增长近三倍。 ^[2]该公司员工人数也已扩展至 400 多人，分布在以色列、美国和欧洲。 ^[2]本轮融资本身——1.3 亿美元由 Eyal Ofer 的 O.G. Venture Partners 领投，Intel Capital、Lightspeed 和另外五家基金参与——与其说是典型的成长期融资，不如说是投资者争相锁定对最终将掌控 AI 时代建筑数据层的公司的投资敞口。 ^[2]在 X 平台上，投资方 Lightspeed 从更宏观的角度阐述了这笔投资，将此轮融资与“AI 建设、制造业再工业化以及国防繁荣”联系起来，指出这些趋势正汇聚于同一个物理瓶颈：建筑本身。

在融资新闻背后，是一项具体的技术工程。现场施工人员佩戴头盔摄像头持续拍摄工地画面；这些画面输入计算机视觉模型管道，模型对单个建筑构件进行分类，并将实际建造情况与计划和模型进行比对，生成 Buildots 所称的项目“控制中心”。 ^[1]在一次关于公司工程技术的播客访谈中，工程副总裁 Ori Silverberg 表示，该系统会持续重新处理整个项目历史，而不仅仅是检查最新一帧画面，并强调团队有意优先考虑可解释性而非纯粹的黑箱准确性。此外，Buildots 行业转型副总裁 Amir Berman 阐述了精细化现场数据在整个行业中的重要性：“数据常常被视为事后之物——仅为合规或报告而勉强收集。关键洞察仍深埋于电子表格和电子邮件线程中，当团队解散时，项目知识也随之消失。” ^[1]

1.3 亿美元融资并非仅仅用于维持现有产品的发展——Buildots 正利用这笔资金拓展平台功能。该公司收购了劳动力与安全管理提供商 Genda Inc.，明确旨在将劳动力活动数据与其现有的进度追踪层融合，推动平台从“这项任务是否完成”转向“谁在现场，以及他们是否被高效使用”。 ^[3]有关本轮融资的报道还提到了产品其他方面的类似扩展：覆盖项目全生命周期，从投标到交付移交；同时提供组合级智能，使负责多个并行项目的高管能够全面掌握整个项目组合的进展，而非仅限于单个工地的报告。 ^[4]这一转变改变了 Buildots 的客户定位——不再是工地主管的工具，而是面向组合管理的采购决策——这也与当前其最大客户普遍签订的七位数、多年期合同相吻合。 ^[1]

Buildots 的主要投资者、O.G. Venture Partners 的 Ziv Kop 认为，真正的资产并非摄像头硬件，而是八年积累的工地影像数据：“Buildots 正是建筑领域的这一层，它所训练的数据量和质量是其他公司无法比拟的。” ^[3]这是典型的 AI 初创公司护城河论调，但并非没有争议。在一份公开案例中，一家建筑公司在为数据中心项目评估供应商时，将 Buildots 与竞争对手 Doxel 进行对比，指出两者在价格和现场团队采用难易度方面存在真实权衡，而非某一方遥遥领先；另有评论者认为，更深层次的行业问题是缺乏一个贯穿各个孤立系统的统一数据层，而单一的摄像头与计算机视觉供应商无法独自完全解决这一问题。不过，采用规模方面争议较少：Buildots 目前拥有超过 100 家大型建筑公司客户，是其十六个月前 D 轮融资时约 50 家客户的两倍。 ^[3]