李强：大家好！今天的题目是《民航智能建造的后半程：以数据资产管理应用为核心的实践探索》。
这个题目因为我们去年也基本是在这个时候，我们在广州把新机场三期的BIM数字建造、智能建造的相关情况进行的汇报，我们的工程也基本接近中后期，我们想给大家做一个复盘，从数据资产管理的维度来说下我们整个智能建造的问题和感受、经验教训。
首先要对智能建造整个的内涵做一个剖析，上午各位专家领导对智能建造的定义做了一个精准的解释，我今天想说的是需要本质思维，需要把智能建造抛去外衣看它的内里、内涵到底是什么。
我们觉得智能建造的本质就是用数据降本增效的解决工程建设问题甚至后期的运营问题，它分为三个层面：
1、采集数据。是机器采还是人采，包括我们的设计图是机器来写来画还是人来画，这是方式的问题。
2、承载和呈现数据的方式。到底是用BIM的三维呈现还是数据列表，到底是可视化还是数字化，到底是三维还是二维，这也是我们承载和呈现数据的方式问题。
一个题外话，上午有老师说BIM的数据计算机更容易读，但其实计算机更喜欢零一二进制数字化的东西。
3、应用数据。应用数据的同时将业务逻辑、工作问题在数字世界还原得出结论和解决问题，说起来简单其实整个还原，全和准还有及时目前有很多技术问题亟待我们克服。
所以我们智能建造的理想状态就是自动的采集，因为人会出错，我们用机器或者用传感器自动采集，然后实时准确的承载、呈现，及时高效的得出结论、解决问题，我们认为整个智能建造，我们要从这个维度把它剖析开，BIM也只是承载和呈现数据，或者是数据应用的一种方式和工具，而不是代表它的全部过程、主流。
把这个智能建造的本质说完后下面具体想给各位领导、专家汇报三个方面。
第一，后半程遇到的挑战、机遇。
第二，数据资产的归集管理。
第三，归集管理完怎样对数据资产进行应用。
首先后半程我们面临的挑战和机遇，大部分的机场在建造阶段、设计阶段已经做了很多BIM应用的工作并且大放异彩，也给我们的功能建设、设计以及前期整体的工作产生了一些效能和价值，我们机场尝到了甜头，所以去年成立了这么一个专业的做数字技术应用的公司--悦翔数创，来开展相应的功能赋能后期的机场建设运营工作。
但是我们在中后期面临的问题，后期的数据资产怎么动，我们发现目前为止，大部分机场我们调研过全部的机场，数据BIM建造完后没人接没人用就变成档案式的交互或者僵尸数据，建设期间可能会产生一些问题，但是建设完后谁来用它，怎么去用，怎么更新，怎么挖掘它的应用价值没人管，所以最后成了僵尸数据。
第二，后半程的数据传承和融合问题，刚才也说了我们建设各阶段BIM的模型、逻辑转换难度很大，缺乏有效的数据治理及技术手段，难以将建设阶段的BIM数据有效传输至运维阶段，简单来说我们设计和施工阶段关注的不一样，设计关注的是结构算力等设计的规范，但是施工关注的是工艺工法，我们对这个模型的拆分和解剖都不一样。
到了运维更不一样，运维从资产管理的角度关注的是资产的组套，空调管线、外机等等，但是我们在建造阶段是分开的，所以这种逻辑转化的难度和模型难以融合的难度造成了数据资产不全不准就传不下去。
第三,缺乏成熟的路径和参考案例，我们将IBM作为一个数据的载体，这个数据资产怎么有效传承，如何避免数据档案式交付或者是僵尸数据资产情况的发生，发挥应用价值，行业目前没有成熟案例，甚至我们整个建筑行业都没有相应的成熟案例。
所以，上面是挑战，下面同样遇见机遇。
去年开始国家提出数字中国的建设整体布局规划，我们叫数字中国数字经济的大战略，第二今年年初国家为了让数据资产更具价值，提出了《企业数据资源相关会计处理暂行规定》，我们的数据资产可以入表。
也就是说从国家层面已经关注到数据资产的价值和意义，希望通过政策引导我们把这个东西重视起来，所以这同时是一个机遇，因为有国家政策的支持。
下面就是怎么做的问题，从数字资产价值的角度来看以BIM代表的建设工程数据有一个演变过程，一开始我们要进行数据的采集，这个采集人采或者机器采都可以，但要保证真、全、准。预处理完后形成数据的整合、清洗、沉淀，形成我们相应的能够产生价值的数据，最后能够被我们业务利用，我们说业务数据化。
第三步是数据资产化，数据能定义成为资产。
第四步是数据资产的资本化，可以在资本市场把它变现，变成一个交易和价值变现，相信在不久的将来整个这套体系完全可以形成闭环，但一切的前提是数据的预处理、数据采集，如果在这个环节不能把数据准确、全面的留下来，那么后面业务数据化、数据资产化和资产的资本化都是天方夜谭。
所以在我们这个项目中进行的第一步工作就是数据资产的归集和管理。首先将整个工作拆分成三个维度：1、模型层面；2、底层数据层面；3、业务场景应用层面。
在建设过程中，我们相对来说做的还是比较实，因为已经产生了一些价值的效能。我们在底层数据层面关注的是构建编码、资产编码、设备编码、信息数据库相应的融合，也就是说这个载体不能把它分成三个序列，资产编码的逻辑和构建编码的逻辑、设备物联网编码所有设备的序列号，资产的序列号本身的编码要三者合一，并且有机的和信息数据库整合到一起，这样我们这个载体才有身份证，能在库里实现映射和随时的调阅。
刚才是整体数据编码的问题，第二就是数据归集的关键是全、准、新的问题，说起来简单但是我们能实现全、准、新很难。我们统计了下，大型机场工程当中主要的总包工程三局八局以及地方各个实力比较强的正规的施工单位他们做BIM没有问题包括设计院，但是大家统计了下，一个机场工程除了主流的工程外，还有很多合营、代建、空管、通信、燃气甚至一些军用光缆等等，这些东西如果不在数字世界中呈现不全，举个例子在运营期间一铲子挖下去，我的光缆在模型当中没有，一铲子挖下去是有的，大家就会对这个模型抱以不信任的态度，这个东西就用不下去。
所以让模型全，专业全、构件全、标准全，甚至整个整合流程全，这说起来很难，所以在这个阶段，全面的梳理了我们整个所有专业发现了还有241个系统的漏网之鱼，包括光伏、空管油料局部的设施，还有一些地井等等，还有除了我们范围内市政的东西都没有，这个模型是用不起来的。
第二是准，我们要实现信息准、位置准、更新准还有传递准。准也是很难的，我们在用它的时候拿出来的东西和实际是相符的，无论是正向设计、正向深化我们要实现准，要通过相应的流程进行保证。
第三是新，当数据资产移交后，要时刻让它保证更新，这也是很难的，我相信目前为止大部分机场因为建运一体化的机制没有形成，建设的指挥部或者没有考虑后期移交运营后模型的更新、数据更新的问题，整个机场建筑工程还有局部的改造，还有设施、房屋等等功能的变化，不更新的话到后期这个数据资产用不起来。
所以我们最终做的工作就要保证数据资产归集的数据全准新，怎么做？对于我们的工程在这个阶段所有的工程在完工后要组织施工单位、建设单位、咨询、职能部门本身等现场进行复核，模型的成果和财务的付款挂钩，确保模型和实体工程的一致型，五方责任实体现场拍照，完成相应的审核工作，保证实时的更新。最后我们模型更新的程度比我们的图纸还要快、准，所以它慢慢就能让大家用起来。
第二个，做编码，编码就相当于模型的身份证，刚才我们的有些领导也说了其实它就像乐高积木一样，我们把它要拆分成一个一个构件，但是每个构件要有相应的身份证，在我需要的时候把它组合到一起，我们叫资产的组套，模型既要拆分也要组合到一起，和我们的编码绑定。其实我们的编码有三个，第一个，我们本身建筑信息模型维度建筑的编码。第二个我们资产管理的编码。第三个我们作为IOT或者是物联网设备，或者是设备设施它资产本身的编码，我们要把这个编码三码合一，形成相应的映射关系，然后再进行数模分离，通过这样的方式形成我们一套编码体系，给我们所有的构件和模型建立身份证。
举个例子，相当于我们的资产卡片，模型这种相应的编码和属性信息以及物联设备的数据属性信息，我们要通过绑定的方式进行全面的整合，这个工作量其实是很大的，我们也通过了插件的方式进行相应的工作开展，目前基本上也已经实现了我们所有企业级编码的设定。
还有一个题外话，其实我们建设阶段的编码逻辑和我们资产管理的编码逻辑，运营的逻辑是不一样的，所以其实我们要在拆分阶段把它拆分的更细，在组合的时候以建设阶段逻辑呈现，和以运营逻辑来呈现都可以，这个其实是一个既要懂建设，又要懂运营的团队来进行这样的工作，我们在干这样工作的时候也是把我们西安机场公司集团管资产管理的人纳入这个团队然后进行相应的工作。
以上是我们数字资产的归集管理工作，下面就是数据资产收集到一起怎么去用，在建设的中后期我们开展了四个方面的工作。
第一，资产移交的辅助工作。
第二，全过程数据的应用试点。
第三，数字孪生机场的建设。
第四，AI资源一体化管理平台的建设。
关于资产移交辅助是我们资产管理部门给我们出的一个命题，我们西安机场三期总共航站楼加GTC有10500万平米，6000多个房间，传统的验收方式或者资产移交方式是我们集团的资产管理部门、机场股份公司的资产管理部门和我们建设指挥部的人员以及相应的工程部门、监理部门大家组成一个浩瀚的团队然后一个一个房间去跑，拿着CAT做相应的编码。我们在以前二期的时候光开展这项工作，最后两年时间扯皮，到了最后资产的移交工作还没有处理干净。本期我们接到了资产管理部门这样一个需求，我们将我们的模型以资产管理的方式进行组套，然后在模型当中呈现，因为我们所有的模型之前经过了验收，然后给我们的房间自动的编号，房间有什么和现场是一致的，甚至我们中间发现我们在核查的时候发现我们的模型比图纸还要准确和新的，所以就能够完全的辅助我们相应的资产管理团队对我们整个的资产进行移交和检查的工作，因为我们已经进入核验了，他们先看模型，了解每个房间里是什么东西，第二去抽查每个房间的资产是否完备，是否和我们这个模型是一致的，是否和列表中是一致的，就可以了，通过这样的方式大幅缩短我们资产移交和资产组套的相应工作。
形成的这个BIM模型，具体就是我们在资产模型中导出来，然后放到我们的孪生系统里，每当我们移交一批，我们的数字孪生机场里把它放进去，因为我们是分批移交的，移交一批放一批，移交一批放一批，通过这种化整为零，最终把我们BIM模型的数据通过孪生系统呈现出来。
第二个，我们在一个新建的机场就是定边机场来试点全过程的数据管理应用，因为整个以数据为驱动的机场建设其实是我们未来的一个趋势，所以我们想找一块小的试验田，来对我们整个的从规划设计到施工、运维、运营，从业主的角度去考虑怎样去用我们的数据技术赋能它。
所以，我们找了一个我们集团内部新对来说比较小的机场，和我们的建设公司同步来做规划相应的全过程BIM数据资产的管理应用，其中就是先要获取，然后再管起来，再把它用起来。
在清明后我们去了现场，通过无人机先把我们整体的地形采集出来，形成了高精度模型，第一，这个事本身它是有价值的，因为以前我们的土方模型它是用方格网法，30米一个方格网，我们现在用这个高精度模型，它们两周干的活我们半天干完，然后进行后台的处理，最后把土方进行验证，这个精度理论上可以达到毫米级，因为这个点是每个毫米都有一个点。
通过这样的方式，我们在这个模型上还可以规划整个的工程建设的施工组织，以及土方进出的交通运输路线，以及随着我们实体工程的进展，我们在这个模型上逐渐的去叠加机场的模型，来进行可视化的形象展示，并且过程当中机场的禁空障碍的分析等等应用都可以做，通过这样的方式数字世界的机场和实体世界的机场来逐步的呈现共生共长。
第三，数字孪生机场的建设工作。基于我们准确全面的BIM数据，我们构建了全场景、全要素的数字孪生机场，来实现三个功能。第一个资产全要素管理，第二个就是态势感知，第三个就是模拟推演，首先刚才我们所说的我们在中后期通过化整为零的方式，分批把我们的BIM模型放到了我们孪生机场里，第一我们经过了五方责任主体的验证，它是准的。第二个我们把全要素的东西放进去，那么我们就有理由相信我们的孪生里所有的东西和现实是一致的，通过这样的方式未来我们的EM管理系统就完全可以被我们的孪生机场替代，随时都去查验我们隐蔽工程的管线，我们实时的资产位置信息和相应的状态等等，它这个是全要素的呈现。
我们克服的一个技术问题就是大体量的模型，我们机场的模型将近两千万平米，我们要把它摊平了来算，它可以流畅的运转，目前我们这个已经是做了完全的压力测试，已经完全可以在我们相应的孪生系统当中轻量化的模型进行轻量的流转和查询。
第二个，实时的态势感知，目前我们将西安机场三期43个系统的实时数据，包括离港、能源的等等，接入到了我们相应的孪生机场里，我们就可以实现跨域的、跨业务的实时态势查看，当然这个主要是给我们机场的领导去看的，因为各个业务有各个业务的控制系统和查看系统。
第三个，我觉得是我们这次最重要的一个难题，也是我们目前数字孪生系统进步最大的或者做得最好的一方面，就是全身的模拟仿真推演，本次我们是基于神经网络架构的运行逻辑的拟合，我们当时遇见的大问题就是机场的运行逻辑它其实是变化的，我们每天的航班时刻表也是变化的，我们举了个有趣的例子，在棋盘变化的同时棋子的走向还是在走向，你怎么去预测它未来的趋势和规模等等？怎么去看未来的事儿？
所以，我们在这个过程当中运用了神经网络架构的相应技术，比如说我们的知识图谱，它其实就是神经网络前期的一个雏形，只不过我们把它通过知识图谱的方式把我们西安机场全域的、跨域的、全业务的关联关系、泛化关系、相应的关系进行了数字识别的呈现，然后找出它们每个参数可变化的值，然后我们可以通过零代码的方式进行变化，通过这样的方式对我们整个机场未来的跑滑容量以及机位停靠的方案，以及相应的场面实时的未来方案进行预测，这个我们目前已经用在了北二跑道，跑滑以后规模预测的方案当中，5月底会出相应的详细的报告，我们也相信模拟推演是我们数字孪生机场最终的形态，未来还会融合Transformer、ChatGPT的技术，它可以自动通过特征值的寻找抓取运行的数据，自动的去判断、辅助未来航班最佳运行机位停靠的方案，来辅助我们运行中心科学的进行决策。
第四，现在也正在研究做的事AI资源一体化平台的建设，我们觉得数据资产它的本质是数据，数据将来怎么用？现阶段AI应用是数据资产应用的必然方向，需要提前去建立相应的平台去把它收集起来、归拢起来。
为什么这么说？从技术角度讲，作为机场单位，我们核心的竞争力不是技术本身，因为像一些模型的架构，目前已经开源了或者技术公司的必然选择，我们的最大优势就是高质量的场景和数据，我们可以通过相应的不断的业务运行收集上来很多高质量的数据，通过这些数据进行后期AI应用的叠加。
前提是我们大部分机场拿着这个框没办法去挖掘，所以我们首要的目标是把AI相关的数据资产归集到一起进行清洗，然后把相关的资源拢到一起，将来需要的时候就可以分门别类的把数据算法拿出来，建构相应的AI应用，这是在AI领域应用的资源整合前提。所以说，我们基于未来数据资产的应用方向进行了这样的工作。
整个工作要实现数据和AI模型的资源共享需要把我们AI应用到全过程，保障体系的全过程和模型算法的全过程以及数据全过程管理，这样所有的工作进行相应的梳理才能形成这样的平台，目前这个工作我们在逐步的展开，我们把这个时间轴拉长来看，数据最终应用的本源现阶段，AI已经指向明确的方向。
最后，个人提下智能建造的愿景。
目标需要我们系统的站在未来看未来，画一副理想图景。也就是说我们目前遇到的所有问题可能是我们在这个维度或者在这个时间节点看到的事，BIM可能遇见各种各样的问题，但当我们提升一个维度，只把它看成一个数据的载体，或者它只是一个技术，它已经50年了，从1975年到现在已经将近50年的过程，我们有更理想、更好的解决方案。
换句话说，如果是一个好的技术，最终智能建造受益的是设计单位、施工单位，我们不用强加于设计单位、施工单位他们就会用，这样的技术才是真正好的技术，它中间的问题我们需要深入的去看，需要拉长时间轴去看，所以我们需要站在未来描绘一副我们认为的智能建造的图景，然后把各自的分工做好，各自朝着各自的方向努力，把这个图景画成，那么我们真正理想的智能建造就成功了。
第二就是过程，我们认为需要百家争鸣和大浪淘沙。如果我们把包括技术过程和这些标准都定了后，不利于后期找一个更加高效和精简的路走向我们的目标，标准化和个性化需要找一个平衡博弈的点。
第三，智能建造最终还是要实现降本增效、精益建造才能体现它的价值，最终才能让大家自然而然的接受，就像电子商务打破实体的购物，像我们的微信打破传统的短信，最终有了相应的技术，大家觉得好自然而然就用起来了，这样才是我们最终智能建造的结果。
以上就是我的演讲内容，不足之处请大家批评指正。