当 AI 进入施工现场：安全责任链的下一场重建

施工企业讨论 AI，通常先看到两个入口。

一个入口是文档：专项施工方案、技术交底、安全教育、检查记录、整改通知。另一个入口是现场：摄像头识别安全帽、反光背心、明火烟雾、临边防护和人员闯入。

这两个入口都值得做。

但它们都不能单独构成施工安全能力。

施工安全不是“写出一份像样的方案”，也不是“在大屏上框出一个告警”。它是一条责任链：方案谁编，谁审，是否需要专家论证；现场是否按方案实施；关键工序是否验收；隐患由谁整改，谁复查，怎么销项；发生险情后，资料能不能说明当时谁做了判断、依据是什么。

AI 可以进入这条链条，但不能替代这条链条。

它最合适的位置，是把方案、图纸、人员、设备、监测、巡检、整改和档案里的风险线索提前抽出来，形成待复核清单。最终结论仍然要回到项目技术负责人、安全管理人员、总监理工程师、专家组和企业授权体系。

这篇文章不讨论“AI 能不能做施工安全”。更准确的问题是：施工企业应该把 AI 放在安全责任链的哪一个环节。

一、施工安全不是多读几页方案

一本复杂的专项施工方案，动辄几十页甚至上百页。

里面有工程概况、编制依据、施工计划、施工工艺技术、施工安全保证措施、人员分工、验收要求、应急处置、计算书和施工图纸。对高支模、深基坑、起重吊装、脚手架、拆除、暗挖等危大工程，达到“超过一定规模的危大工程”条件时，方案还要进入专家论证。

这类材料确实适合 AI 做初步整理。

AI 可以抽取工程部位、关键工序、危险源、控制措施、验收节点和应急联系人。它也可以把正文、附件、人员证书、设备资料、监测记录和整改资料放到同一张表里，提示审查人先看哪里。

但施工安全的难点不只是“方案太长”。

很多风险发生在方案和现场之间：

• 方案写了监测频率，现场有没有按频率做；
• 方案写了验收条件，下一道工序开始前有没有验收；
• 方案写了支撑体系参数，现场搭设是否一致；
• 方案写了特种作业人员，现场实际人员证件是否有效；
• 方案写了应急处置，班组是否知道异常时该找谁。

如果 AI 只是读完方案，然后给出“基本合规”或“风险较低”，企业得到的不是安全能力，而是一种危险的确定感。

真正有用的 AI 应用，应该把方案、图纸、人员、设备、现场、验收、整改和档案连起来。它输出的不是结论，而是责任人可以继续核查的证据链。

二、制度要求本来就是一条责任链

围绕危大工程，现行制度并不是只要求“有一份方案”。

《危险性较大的分部分项工程安全管理规定》明确，危大工程是房屋建筑和市政基础设施工程施工过程中，容易导致人员群死群伤或者造成重大经济损失的分部分项工程。施工单位应当在危大工程施工前组织工程技术人员编制专项施工方案。专项施工方案需要由施工单位技术负责人审核签字、加盖单位公章，并由总监理工程师审查签字、加盖执业印章后方可实施。超过一定规模的危大工程，还要组织专家论证。行业里常把这类工程简称为“超危大工程”，但正式写作中仍应先说清完整概念。

配套通知进一步列出了专项施工方案的主要内容：工程概况、编制依据、施工计划、施工工艺技术、施工安全保证措施、人员配备和分工、验收要求、应急处置措施、计算书及相关施工图纸。

这些要求指向同一件事：安全管理不是文本生成动作，而是编制、审核、论证、交底、实施、监测、验收、整改、归档的连续过程。

2024 版《房屋市政工程生产安全重大事故隐患判定标准》也把风险前移到施工过程。它关注施工安全管理、基坑边坡、模板支撑、脚手架、建筑起重机械、高处作业、临时用电、有限空间、拆除、隧道、临时堆载、冒险作业等环节中已经具备重大风险的隐患。

这给 AI 划出了一条很清楚的边界。

模型可以帮助企业把制度要求拆成可检查、可分派、可复核、可留痕的工作项。比如，同样是“专项施工方案存在问题”，AI 不应该只写一句“建议完善安全措施”，而应当拆成：

• 缺少哪类编制依据；
• 哪个施工参数与计算书或图纸不一致；
• 哪个验收条件没有责任人；
• 哪类人员证书、设备资料或监测记录缺失；
• 哪个整改项没有闭合到复查记录；
• 哪些内容需要总监、专家或项目技术负责人确认。

这样的输出可以作为复核入口。

但它仍然不是审查结论。

三、用一个高支模场景看 AI 的位置

以高支模为例。

方案里通常会写明模板支撑体系形式、立杆间距、步距、扫地杆、剪刀撑、可调托撑伸出长度、基础处理、混凝土浇筑顺序、监测要求和验收节点。计算书会给出荷载取值、构件验算和稳定性判断。现场还会有材料进场记录、搭设验收记录、技术交底、安全交底、巡检记录和浇筑前复查。

这些材料适合 AI 先做整理。

第一步，AI 把方案正文里的关键参数抽出来，形成字段表。

第二步，AI 对比方案、计算书、施工图和验收表。比如，方案正文写立杆间距 900mm，计算书按 800mm 取值；方案要求混凝土分层浇筑，但技术交底没有对应控制要点；验收表有“浇筑前复查”，但没有复查时间和责任人。

第三步，AI 把问题推给对应责任人：项目技术负责人复核参数，安全员复核现场检查项，监理复核验收记录，专家或企业技术部门复核论证意见是否落实。

到这里，AI 是有价值的。

但它不能替代现场验收。

支架有没有按方案搭设，扣件扭矩是否满足要求，扫地杆和剪刀撑是否连续，架体基础是否沉陷，浇筑前有没有局部拆改，这些必须到现场确认。架体基础承载条件、搭设偏差、扣件拧紧质量、浇筑过程荷载分布，也不能只靠方案字段判断。AI 可以提醒“这里要查”，不能代替“已经查过”。

更不能让模型根据几页方案直接说“可以浇筑”。

这个例子也说明，施工安全 AI 的核心不是写作能力，而是证据组织能力。它要把“方案怎么写”推进到“现场是否按方案执行”，再推进到“谁验收、谁整改、谁销项、资料能不能追溯”。

四、AI 可以做前置整理层，但不能越过红线

施工企业引入 AI，最稳妥的切入点，是把它放在人工审查之前。

它可以做四类工作。

第一，方案结构化。把专项施工方案中的工程部位、危险源、控制措施、验收节点、监测指标、应急联系人、设备材料和计算书引用抽取出来，形成复核表。

第二，规则比对。把法规文件、地方细则、企业安全标准、历史事故复盘和常见隐患清单整理成知识库，让 AI 按清单提示可能缺失的控制措施和文件附件。

第三，现场资料归集。把安全巡检照片、监控抓拍、整改通知单、班前教育记录、设备验收记录、特种作业人员证件、监测报告按时间、部位、责任人和隐患类型归档。

第四，整改闭环提示。把发现、派单、整改、复查、销项、复盘串起来，提醒责任人超期未处理、整改照片与隐患部位不匹配、同类问题反复出现。

这些工作都服务于人工确认。

红线也必须写清楚。

不能让 AI 替代超过一定规模的危大工程专家论证。深基坑、高大模板支撑、起重吊装、暗挖、拆除等场景，涉及力学、施工组织、周边环境、现场条件和应急能力。AI 可以整理论证材料、提示缺项、生成专家会前问题清单，但不能替代专家组判断方案可行性。

不能盲信 AI 给出的核心施工参数修改建议。如果模型建议调整支护形式、改变模板支撑间距、降低监测频率、替换起重设备或简化临边防护，系统应默认拦截。涉及工程物理参数、结构稳定性、设备能力和现场安全边界的建议，必须回到专业计算、图纸、规范和责任人签字。

不能让未经审核的 AI 文本直接下发班组。技术交底和安全交底到现场就是执行命令。AI 可以把长方案改写成班组清单，但下发前必须由项目技术负责人、安全管理人员或相应责任人确认。

不能把真实项目敏感资料随意上传到公有模型。施工方案、图纸、监测数据、隐患照片、人员证件、事故调查材料都可能包含企业和项目敏感信息。没有企业授权、数据隔离、供应商数据不留存承诺和访问审计机制之前，不应把完整资料交给外部工具处理。

不能用 AI 输出替代现场验收。支撑体系、临边洞口、吊装作业、有限空间作业、临时用电等风险，必须由人到现场确认。AI 可以提醒“需要验收”，不能代表“已经验收”。

五、智慧工地不能停在识别框上

视觉 AI 是施工安全里最容易被误解的场景。

安全帽识别、反光背心识别、烟火识别、区域闯入识别、临边防护识别、吊钩下站人识别，这些能力已经不新鲜。很多项目也装了摄像头、边缘计算盒子和安全大屏。

问题是，识别不是闭环。

施工现场不是工厂流水线。粉尘、逆光、遮挡、雨夜、材料堆放、人员流动、临时围挡和不断变化的作业面，都会影响识别效果。视觉 AI 会误报，也会漏报。一个红框出现在大屏上，不等于隐患已经处理。

真正有用的智慧工地安全，要回答后面的管理问题：

• 谁收到告警；
• 谁去现场确认；
• 告警是否对应真实隐患；
• 多久内必须整改；
• 整改后由谁复查；
• 同类问题是否反复出现；
• 复盘后是否调整班组教育、巡检路线或现场布置。

如果这些问题没有答案，AI 摄像头只是更贵的监控。视觉识别结果也不应单独作为处罚、事故归因或责任认定依据；它必须和现场确认、整改通知、复查记录、销项材料一起进入证据链。

更可行的路径，是把视觉 AI 放进安全管理流程。它负责初筛，安全员负责确认，班组长负责整改，项目部负责复查和留痕，企业层面负责复盘高频隐患和薄弱项目。

六、施工企业现在可以做的五件事

第一，选 3 到 5 个典型危大工程方案做反向复盘。先看历史方案能否拆成工程概况、控制措施、验收节点、监测要求、人员责任和应急措施。拆不出来，说明企业自己的资料结构还不适合直接上 AI。

第二，建立专项方案 AI 复核清单。先从低风险、高确定性的检查开始：目录缺项、编制依据缺失、人员证书信息不完整、应急联系人缺少电话、验收节点没有责任人、计算书引用和正文不一致、附件名称前后不一致。

第三，用一个高支模、一个深基坑或一个起重吊装样本做小测试。不要测试“能不能生成一篇方案”，而要测试能不能抽取参数、定位矛盾、识别缺失资料、生成待复核清单，并统计人工修正成本。

第四，把现场隐患整改做成闭环数据。每一条隐患要有发现时间、部位、照片、责任人、整改期限、复查结论和销项记录。没有闭环数据，AI 很难从历史中学习企业真正的风险模式。

第五，把 AI 使用规则写进项目管理制度。哪些资料可以上传，哪些必须脱敏，哪些输出可以作为草稿，哪些必须人工签字，哪些场景禁止模型给结论，都要提前写清楚。否则 AI 会以“影子工具”的方式进入项目，最后风险由企业承担。

这些动作不复杂，但指向同一个目标：让 AI 帮安全责任链更早发现问题、更快闭合整改、更完整留下证据。

结语：AI 不是安全签字人

施工安全对错误的容忍度很低。

AI 进入施工现场，是趋势。它能帮项目团队更快读方案，更系统地找缺项，更早发现重复隐患，也能把分散的整改记录整理成企业资产。

但它不是安全签字人。

它不能替代专家论证，不能替代现场验收，不能替代项目负责人和安全管理人员承担责任，也不能把概率性的文本输出包装成确定性的工程判断。

施工企业真正要重建的，不是让模型代替总工、安全员和监理，而是把方案、现场、隐患、整改、复查和责任人连成一条可追溯的安全责任链。

当 AI 进入施工现场，企业的安全能力不会来自谁的大屏更炫，也不会来自谁的模型话术更像专家。

它来自更早暴露风险，更快闭合整改，更清楚留下每一次人工判断的证据。

参考资料

• 住房城乡建设部：《危险性较大的分部分项工程安全管理规定》
• 住房城乡建设部办公厅：《关于实施〈危险性较大的分部分项工程安全管理规定〉有关问题的通知》
• 住房城乡建设部：《房屋市政工程生产安全重大事故隐患判定标准（2024版）》
• 住房城乡建设部办公厅：《智能建造技术导则（试行）》

关注我们

欢迎搜索并关注 筑见实验室，获取更多结构计算与工程前沿动态：