张英楠介绍，团队成立于2021年，是建筑行业中较早一批专注于人工智能研发的团队。核心目标是通过AI技术解决施工中的效率痛点，并推动行业生产力升级。

“建筑业数据量大，但质量堪忧。”张英楠坦言，这是团队初期面临的最大挑战。建筑行业历史数据庞杂，但受传统粗放管理影响，数据可用性低。为此，上海建工四建集团联合中国建筑工业出版社，利用官方权威的标准规范、专业书籍等行业数据资源与企业自身积累的施工方案、施工图纸等企业生产资源，自主研发了建筑业首个垂类大模型产品Construction-GPT，也是建筑业首个通过国家网信办深度合成服务算法备案的大模型产品。

此外，团队自主构建了国内首个建筑人工智能MaaS系统与产品服务平台——“云工大模型”(官网：https://cloudengineer.shjzgj.com），面向市场用户全面开放，实现了企业AI产品订单“零”的突破。该模型围绕建筑施工项目一线应用场景，上架了八大“云工”系列产品，包括“答、算、图、案、测、配、检、数”（即知识问答、施工计算、施工图纸、施工方案、施工监测、配比分析、损伤监测、材料点数）。该系列产品于去年9月12日正式发布，面向企业和个人使用。迄今为止，平台上已注册用户5万，累计使用人次超1000万，用户留存率高达96.8%。

谈及近期热门的DeepSeek开源大模型，张英楠认为其核心价值在于“推理能力”和“开源生态”。目前，团队已将DeepSeek接入Construction-GPT，融合团队自主研发的建筑专业词嵌入、GPTQ模型轻量化训练、混合父子增强检索、混合专家系统协同推理、低秩微调与建筑专业模型蒸馏5项专业大模型技术，将在逻辑性、全面性、准确性、合规性、专业性等方面显著提升模型性能。

“过去大模型只能总结答案，现在能解释思考过程。”例如，询问“焊接工艺规范”，模型不仅列出要点，还会分析不同场景下的适用性。这种能力在复杂工程决策中尤为重要。

在多模态大模型研究上，Deepseek的深度推理能力也为研究者提供了新的思路。传统的文生图、文生视频技术需要大量的语料库进行训练，而Deepseek的纯强化学习技术则可能减少对语料库的依赖，从而降低数据处理工作量和成本。

此外，DeepSeek的开源性将大幅降低研发成本。“过去像OpenAI这样的顶尖模型是闭源的，普通企业用不起、摸不着。而DeepSeek开源后，相当于把‘发动机’的技术图纸公开，让我们和其他开发者可以自由使用和改进。”他比喻道。这一改变直接降低了时间成本——企业无需再耗费大量时间测评不同模型底座性能，“现在行业内基本默认，DeepSeek已成为国产开源底座的重要选择之一，我们可以更高效地筛选和微调模型，在一定程度上减少了因算力成本过高而带来的压力。”此外，DeepSeek的开源还会带动行业生态——“近期不断有新的开源大模型在公开，也给我们后续研发提供了更多型号的‘发动机’。”张英楠表示。