وقتی از هوش مصنوعی صحبت میکنیم، معمولاً ذهنمان به سمت چت‌بات‌ها، مدل‌های زبانی و نرم‌افزارهایی می‌رود که روی صفحه کامپیوتر اجرا می‌شوند.
اما پشت این دنیای دیجیتال، یک واقعیت کاملاً فیزیکی وجود دارد:
هوش مصنوعی به ساختمان نیاز دارد.
مدل‌های بزرگ هوش مصنوعی برای اجرا به دیتاسنترهایی با هزاران سرور، سیستم‌های خنک‌کننده قدرتمند، شبکه‌های ارتباطی و زیرساخت انرژی گسترده نیاز دارند.
همین موضوع باعث شده ساخت دیتاسنترها به یکی از بخش‌های مهم رشد صنعت ساخت‌وساز تبدیل شود. گزارش Deloitte در چشم‌انداز صنعت مهندسی و ساخت‌وساز ۲۰۲۶ نیز رشد پروژه‌های دیتاسنتری مرتبط با AI و زیرساخت انرژی را یکی از محرک‌های مهم بازار معرفی می‌کند.
اما ماجرا فقط ساخت چند ساختمان جدید نیست.
تب هوش مصنوعی در حال تغییر این سؤال است که ساختمان‌های آینده چگونه طراحی و ساخته خواهند شد.
هر بار که یک مدل هوش مصنوعی بزرگ‌تر می‌شود، به قدرت پردازشی بیشتری نیاز دارد.
قدرت پردازشی بیشتر یعنی:
سرور بیشتر، برق بیشتر، سیستم خنک‌کننده بزرگ‌تر و در نهایت زیرساخت فیزیکی بیشتر.
به همین دلیل شرکت‌های بزرگ فناوری در حال سرمایه‌گذاری سنگین روی دیتاسنترها هستند.
بر اساس گزارش رویترز در سپتامبر ۲۰۲۶، پروژه‌های مرتبط با دیتاسنترهای هوش مصنوعی در آمریکا و اروپا به مقیاس بسیار بزرگی رسیده‌اند و همین رشد، فشار قابل‌توجهی بر نیروی متخصص ساخت‌وساز و زیرساخت‌های انرژی ایجاد کرده است.
یعنی بخشی از رونق جدید ساخت‌وساز دیگر فقط از مسکن، اداری یا تجاری نمی‌آید.
یک مشتری جدید وارد بازار شده است: هوش مصنوعی.
ساخت یک ساختمان مسکونی را تصور کنید.
طراحی معماری، سازه، تأسیسات، نما و تجهیزات بخش‌های اصلی پروژه هستند.
اما دیتاسنتر داستان متفاوتی دارد.
در چنین پروژه‌ای، برق و خنک‌سازی فقط یک بخش جانبی نیستند؛ اساس عملکرد ساختمان‌اند.
تعداد زیادی سرور باید به‌صورت مداوم کار کنند و گرمای تولیدشده نیز باید کنترل شود.
بنابراین طراحی ساختمان باید از ابتدا با نیازهای تجهیزات محاسباتی هماهنگ باشد.
این یعنی فاصله میان مهندسی ساختمان و مهندسی فناوری کمتر شده است.
ساختمانی که برای AI ساخته می‌شود، دیگر صرفاً یک پوسته برای قرار دادن تجهیزات نیست؛ خودش بخشی از یک سیستم پیچیده محاسباتی است.
اینجا یک تناقض جالب شکل گرفته است.
هوش مصنوعی به نیروی محاسباتی بیشتری نیاز دارد و در نتیجه پروژه‌های ساختمانی جدید ایجاد می‌کند؛ اما صنعت ساخت‌وساز خودش با کمبود نیروی متخصص مواجه است.
رویترز در گزارشی در سپتامبر ۲۰۲۶ به کمبود نیروی کار ساختمانی در آمریکا و رقابت پروژه‌های دیتاسنتری با پروژه‌های مسکن و زیرساخت اشاره کرده است.
این مسئله فقط به تعداد کارگران مربوط نمی‌شود.
افرادی مانند:
برای پروژه‌های پیچیده‌تر اهمیت بیشتری پیدا می‌کنند.
در نتیجه، آینده ساخت‌وساز احتمالاً فقط به نیروی انسانی بیشتر نیاز ندارد؛ به نیروی انسانی ماهرتر و فناوری بیشتر نیاز دارد.
تناقض جالب این صنعت این است که همان فناوری‌ای که باعث افزایش تقاضا برای ساخت دیتاسنترها شده، می‌تواند به حل بخشی از مشکلات ساخت‌وساز هم کمک کند.
گزارش McKinsey در سال ۲۰۲۶ از حرکت صنعت AEC به سمت استفاده از AI Agentها برای هماهنگی پروژه، بررسی مشکلات اجرایی، زمان‌بندی، مدیریت اطلاعات و تحلیل داده‌های پروژه خبر می‌دهد.
فرض کنید در یک پروژه، یک تغییر مهندسی باعث شود قطعه‌ای که قبلاً سفارش داده شده دیگر با طراحی جدید هماهنگ نباشد.
در یک فرآیند سنتی، بررسی این مشکل ممکن است شامل تماس میان چند تیم، بررسی نقشه‌ها، بررسی سفارش خرید و اصلاح برنامه زمان‌بندی باشد.
اما در یک سیستم مجهز به AI Agent، می‌توان بخشی از این اطلاعات را به‌صورت یکپارچه بررسی کرد و گزینه‌های مختلف را برای تصمیم‌گیری سریع‌تر در اختیار مدیر پروژه قرار داد.
اینجا AI قرار نیست جای مهندس را بگیرد؛ قرار است زمان تلف‌شده برای پیدا کردن و جمع‌کردن اطلاعات را کاهش دهد.
یکی از مهم‌ترین تغییرات در ساخت‌وساز مدرن، حرکت از «ساخت و بعد اصلاح کردن» به سمت «شبیه‌سازی و سپس ساختن» است.
BIM، Digital Twin و تحلیل داده می‌توانند تصویری دیجیتال از پروژه ایجاد کنند.
در چنین شرایطی، تیم پروژه می‌تواند پیش از اجرای بخش‌هایی از ساختمان، سناریوهای مختلف را بررسی کند.
حتی گزارش Deloitte اشاره می‌کند که ترکیب BIM، Digital Twin و سایر ابزارهای دیجیتال می‌تواند به کاهش دوباره‌کاری و بهبود زمان‌بندی پروژه کمک کند.
این تغییر ساده به نظر می‌رسد، اما از نظر اقتصادی اهمیت زیادی دارد.
چون هر خطایی که قبل از اجرا پیدا شود، معمولاً بسیار ارزان‌تر از خطایی است که بعد از اجرا کشف شود.
وقتی صحبت از آینده ساخت‌وساز می‌شود، تصویر ربات‌هایی که در یک کارگاه ساختمان را از صفر می‌سازند جذاب است.
اما واقعیت فعلی بسیار محتاطانه‌تر است.
در سال ۲۰۲۶ استفاده از رباتیک و سیستم‌های خودکار در برخی وظایف ساخت‌وساز در حال گسترش است، اما تمرکز اصلی هنوز روی کارهای تکراری، ثبت پیشرفت پروژه، بازرسی و جمع‌آوری داده است.
McKinsey نیز معتقد است استفاده گسترده از ربات‌ها و تجهیزات خودران برای فعالیت‌های پیچیده ساختمانی هنوز به زمان نیاز دارد و برخی کاربردهای گسترده‌تر ممکن است به یک دهه زمان احتیاج داشته باشند.
پس اگر کسی امروز ادعا کند «به‌زودی تمام کارگاه‌های ساختمانی بدون نیروی انسانی کار می‌کنند»، احتمالاً بیشتر در حال فروش رؤیا است تا تحلیل آینده.
یکی دیگر از روندهایی که در کنار AI اهمیت پیدا کرده، ساخت‌وساز مدولار و پیش‌ساخته است.
در این روش، بخشی از ساختمان خارج از محل پروژه و در محیط کنترل‌شده تولید می‌شود و سپس به محل پروژه منتقل و نصب می‌شود.
مزیت آن فقط سرعت نیست.
تولید کارخانه‌ای می‌تواند کنترل کیفیت، تکرارپذیری و هماهنگی فرآیند را افزایش دهد.
یک مرور پژوهشی منتشرشده در سال ۲۰۲۶ نیز ساخت‌وساز مدولار را در ارتباط با افزایش سرعت، کیفیت، ایمنی و بهره‌وری منابع بررسی کرده و بر نقش فناوری‌های دیجیتال و اتوماسیون در توسعه این روش تأکید دارد.
اگر AI بتواند طراحی را بهینه کند و کارخانه بتواند اجزای ساختمان را با دقت بیشتری تولید کند، بخشی از فرآیند ساخت از کارگاه به محیط کنترل‌شده منتقل می‌شود.
و این می‌تواند یکی از مهم‌ترین تغییرات صنعت ساختمان در سال‌های آینده باشد.
دیتاسنترها فقط به ساختمان نیاز ندارند.
به برق بسیار زیادی هم نیاز دارند.
این موضوع باعث شده رشد AI مستقیماً با زیرساخت انرژی گره بخورد.
گزارش‌های صنعت ساخت‌وساز در سال ۲۰۲۶ نیز رشد دیتاسنترها را در کنار توسعه زیرساخت انرژی بررسی می‌کنند؛ زیرا بدون توسعه هم‌زمان این دو بخش، افزایش ظرفیت محاسباتی با محدودیت مواجه خواهد شد.
به زبان ساده:
نمی‌توان دیتاسنتر ساخت و بعد به فکر برق آن افتاد.
برق، خنک‌سازی، شبکه، زمین، دسترسی و زیرساخت باید از همان مرحله طراحی در کنار ساختمان دیده شوند.
این یعنی پروژه‌های ساختمانی آینده در بعضی حوزه‌ها بیش از گذشته به پروژه‌های زیرساختی تبدیل خواهند شد.
احتمالاً بله؛ اما نه به این معنا که فردا همه خانه‌ها تبدیل به دیتاسنتر شوند.
فناوری‌هایی که ابتدا در پروژه‌های بزرگ و پیچیده استفاده می‌شوند، معمولاً به‌مرور راه خود را به پروژه‌های کوچک‌تر پیدا می‌کنند.
سیستم‌های مدیریت هوشمند ساختمان، تحلیل مصرف انرژی، پایش تجهیزات، کنترل کیفیت و مدل‌سازی دیجیتال نمونه‌هایی از همین مسیر هستند.
از طرف دیگر، بحث ساختمان پایدار نیز در حال تبدیل‌شدن به یک موضوع جدی‌تر است.
در گزارش جهانی Sustainable Construction Barometer 2026، اکثریت ذی‌نفعان مورد بررسی معتقد بوده‌اند که صنعت ساختمان باید مسیر پایدارتری را دنبال کند؛ با این حال، اجرای عملی این رویکرد هنوز با فاصله از اهداف اعلام‌شده قرار دارد.
بنابراین آینده ساختمان فقط درباره «هوشمندتر شدن» نیست.
هوشمندی باید با بهره‌وری، دوام و مصرف منطقی منابع همراه شود.
شاید مهم‌ترین تغییر همین باشد.
سازنده آینده فقط ساختمان نمی‌سازد.
او باید بتواند یک سیستم بسازد:
سیستمی که در آن طراحی، داده، مصالح، انرژی، نیروی انسانی، تجهیزات و مدیریت پروژه به یکدیگر متصل باشند.
AI می‌تواند بخشی از این سیستم باشد.
BIM بخش دیگری.
ساخت مدولار، اتوماسیون، حسگرها و Digital Twin هم اجزای دیگر آن هستند.
اما هیچ‌کدام به‌تنهایی معجزه نمی‌کنند.
اگر داده پروژه ضعیف باشد، AI هم خروجی قابل اعتمادی نخواهد داشت. Deloitte نیز کیفیت پایین داده را یکی از موانع مهم تحقق ارزش واقعی ابزارهای AI در صنعت ساخت‌وساز می‌داند.
پس تکنولوژی بدون فرآیند درست، فقط هزینه جدید ایجاد می‌کند.
ساختمان‌ها همچنان با بتن، فولاد، شیشه، چوب و هزاران قطعه دیگر ساخته خواهند شد.
اما پشت این مصالح، یک لایه جدید در حال شکل‌گیری است:
داده.
داده‌ای که می‌تواند به سازنده بگوید پروژه چقدر پیشرفت کرده، کجا احتمال خطا وجود دارد، چه تجهیزاتی نیاز به تعمیر دارند، کدام بخش پروژه عقب افتاده و کدام تصمیم می‌تواند هزینه بیشتری ایجاد کند.
هوش مصنوعی قرار نیست ساختمان را از انسان بگیرد.
اما می‌تواند روش ساختن آن را تغییر دهد.
و شاید در نهایت، تفاوت میان سازنده سنتی و سازنده آینده نه در ظاهر ساختمان، بلکه در سیستمی باشد که پشت آن ساختمان قرار گرفته است.
برای صنعت ساختمان، عصر AI تازه شروع شده است.
دسته بندی:
اخبار و مقالات
ما به حریم خصوصی شما احترام می گذاریم و ایمیل های مهم را ارسال میکنیم
(در ساعات کاری)
دیدگاهتان را بنویسید