前几天，Anthropic 发布 Claude Design。

一句话生成网页，读一遍品牌规范就能记住风格，设计稿直接转代码。Figma 当天跌了 6.84%，设计圈一片哀嚎，“要变天了”。

大家陷入深深的怀疑“还有什么是AI不能取代的”？

其实，整件事有个最值得琢磨的细节。

Claude Design 上岗之前，做的第一件事，不是生成设计稿，而是先读你的设计文件。

读你的代码库，读你的品牌规范，把颜色、间距、字体全部学一遍，然后才开始动手。

Anthropic 没让 Claude 直接上场。

为什么？

因为他们知道——没学过规矩的AI，画出来的东西再好看，也是好看地犯错。

这个"先学再动手"的选择，才是这波AI浪潮里，最值得所有人记住的信号。

---

设计有标准，但行业经验没有标准PDF

过去两年，行业里聊AI，焦点一直在"AI能做什么"。

能写文案、能画图、能写代码、能做PPT……每出一个新工具，就有一波"XX职业要完了"的讨论。

但 Claude Design 这件事，把话题往回拉了一步。

它没有证明"AI更强了"。它证明的是——AI越强，越需要人类喂给它行业规矩。

设计行业的规矩相对好处理，几份品牌规范文件，往大模型里一塞，基本能用。

但这个逻辑放到别的行业，马上就卡住了。

比如在建筑空间管理领域——

你的集团可能有10个园区、50个项目、9000多台设备。但每个园区对同一台设备的叫法都不一样：冷水机、冷机、冷气机，说的是同一个东西，系统里却是三条数据。

A园区报警5分钟必须响应，B园区觉得30分钟也没问题。哪个对？站在集团视角，两个都不对——因为没有统一标准，你根本没法做横向对比、没法做集团管控。

这还不是最要命的。

最要命的是那些没写在任何文档里的东西：

• 设备什么时候该修不该修，告警阈值怎么定，这个季节这栋楼的冷机正常值是多少——资深工程师脑子里有数，但他今年退休...
• 客流低谷怎么界定，节能策略什么条件下启动，租户服务优先级怎么排——运营总监心里门儿清，但她刚被竞争对手挖走...
• 同样的故障，去年3号楼处理过一次，最优方案是什么——当时在场的人都记得，但没人记下来...
  

这就像很多CIO说的，AI现在很强大，但想要落地总是差了“最后一公里”。

---

把行业经验翻译成AI语言，这件事千丁干了8年

这个问题，千丁数科比这波AI浪潮早了整整五年开始面对。

因为我们发现，建筑空间管理领域的AI落地，卡住的从来不是算力，是知识。

设备怎么管、能耗怎么控、报警怎么分、巡检怎么跑——这些"规矩"，是行业知识的第一层。一个资深工程经理脑子里几十年的判断经验，是第二层。多项目横向对比发现的优化规律，是第三层。

这些知识有一个共同特点：只存在于人的身上，没有被翻译成AI能理解的语言。

这意味着什么？

意味着你的AI不管多贵、多先进，在这个领域就是个"高学历新人"——什么都学过，但不知道你这里该怎么做。它能读数据，但读不懂数据背后的业务含义；能出报表，但给不出该采取什么行动。

更直接的后果是：

• 能耗占运营成本30%-40%，但AI判断不出哪栋楼在浪费，因为没人教过它"这个季节这栋楼的正常能耗区间"
• 巡检走了形式，该查的没查、该修的没修，因为AI不知道"这条管道在这个业态下是重点项"
• 老师傅退休，同样故障处理时间翻倍，因为知识跟着人走了，没留下
• 集团想统一管控，各项目数据口径对不上，汇报上来的数字不敢用 ...

所以2018年到2023年，我们做了一件很笨的事。

和业务专家逐条共创报警规则——375条报警规则，一条一条梳理。

从零建立统一的设备字典——224种设备类型，1873种设备点位，一个个建立。

跟一线工程人员反复确认巡检标准——275条巡检标准、196条维保标准，确认过每一行的执行细节。

这活儿没人愿意干。

没有成就感，没有PPT可写，做完了甚至说不清楚做了多少。

但没有这些"翻译"，AI在建筑空间管理领域就只会做两件事：要么沉默（不知道说什么），要么乱报（说了也白说）。卡在中间的那道墙，就叫行业知识。

---

90天翻译"建筑语言"，省下的不止是几百万

某头部康养集团，十几个园区，9000多台设备。他们的痛点不是缺硬件，而是各地不同园区"说不同的语言"，每个园区报上来的数据，连比都比不了，更谈不上统一标准，统一决策。

冷水机、冷机、冷气机，说的都是同一个东西，但在不同园区就是三个名字。A园区要求5分钟响应报警，B园区要求30分钟，标准不统一，AI按哪个来?

千丁进来后，第一件事不是部署AI，而是先做翻译。

127天，295场会议，35家供应商协同，从0到1建起统一标准。

单园区提效5人，年度节能效益150万+，设备故障处置提效80%。

该集团选的不是AI，而是带着行业经验来的千丁专家们。

---

Agent×Skill：让30年建筑空间管理经验，让AI直接上岗

手动翻译的时代，已经结束了。

就在最近，千丁数科发布 Agent × Skill 空间智能体矩阵。那条靠人一块砖一块砖垒起来的桥，现在变成了系统自动跑的轨道。

Agent 智能体——能感知、决策、执行的AI数字员工。

Skill 技能——把龙湖30年的业务经验，封装成可被调用的标准化模块。

设备运行监控是Skill，能耗预警是Skill，告警规则是Skill...

之前，一条新规则需要人工录入、测试、迭代——现在，Skill即插即用，AI自带经验上岗。

这不是从1到10的优化，是从"人教AI"到"AI自学"的范式跃迁。

---

你的竞争对手不是在买AI，是30年的经验

AI的下一阶段竞争，在于谁有更懂行业知识，懂行业运营背后的深层逻辑。

通用大模型会越来越强，门槛会越来越低。真正稀缺的不再是谁有AI，而是谁的AI更懂行业。

千丁数科8年来在做的，就是让AI能更懂行业。

设计行业的知识靠几份文件就能传递。物业、资管、园区运营的知识，需要30年实战、2000+项目验证、800+专利积累——这些无法压缩、无法模拟、无法速成。

375+园区、1000万+设备、120+算法引擎已在线运行。

这不是规划，是现状。

当整个行业都在喊"AI+"的时候，真正该问的是：你需要的是，是怎样的“AI+”？

或者，你也可以直接联系我们，预约专家聊聊。

💬 评论区聊聊： 你觉得AI落地最大的卡点是什么？

👇 关注千丁数科，下一个行业变革，从这里开始！