发布 HN：Rudus（YC P26）——混凝土承包商的 AI 工具

Hi HN，我们是 Rishi 和 Sahil。我们开发了 Rudus（<a href="https:&#x2F;&#x2F;www.rudus.ai&#x2F;">https:&#x2F;&#x2F;www.rudus.ai&#x2F;</a>），一个面向混凝土分包商的 AI 驱动算量和估价平台。<p>算量是从混凝土平面图中测量和量化材料的过程。Rudus 能够识别每个混凝土结构（基础、墙体、柱、板），提取相关细节，并消除数小时的手动数量计算。以下是演示视频：<a href="https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=PAMNDRWEdlI" rel="nofollow">https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=PAMNDRWEdlI</a>。<p>问题：混凝土分包商是每座建筑的基石，但他们的估价工作流程 20 年来没有改变。目前，高级估价师打开 PDF，手动描摹每一个基础和地梁，然后手动构建包含 300 多个行项的 Excel 电子表格——体积、模板、按钢筋尺寸分类的钢筋（包括搭接和锚固长度）。投标可能需要数周甚至数月。大多数公司只有少数估价师，这意味着他们实际上无法对大多数可投标项目进行报价。<p>这个工种现有的软件自 2020 年以来就没有更新过。此外，市场上所有 AI 算量工具都是为总承包商构建的，将混凝土视为一个复选框，而不是围绕混凝土估价师实际定价工作的方式。我们正在为这个工种打造 Rudus，并且只针对这个工种。<p>我们开始这个项目是因为 Sahil 上了一门施工管理课程，意识到估价工作流程几十年来没有变化。我们开始打冷电话、带着甜甜圈走进办公室、出现在工地，每个人都告诉我们同样的事情：缓慢的估价是他们业务增长的最大瓶颈，但他们尝试过的每个新产品都失败了。我们很快意识到这些工具失败的原因是缺乏信任以及频繁的错误导致后续问题。估价师基于这些数字进行百万到数十亿美元的投标，他们明确表示不会用他们的工作流程换一个黑箱。我们采取了不同的方法：开发能够智能加速他们现有工作流程的软件，而不是替代它——将我们的产品前置于他们当前的估价工作流程中。<p>当估价师将结构 PDF 上传到 Rudus 时，我们会自动对每张图纸进行分类（基础平面图、剖面详图、基础配筋表、立面图），并将每张图纸路由到正确的处理管线。计算机视觉在图纸集中检测混凝土元素，并跨图纸追踪交叉引用以解析尺寸和细节，捕捉仅基于平面图的工具通常会遗漏的元素。每个元素被扩展为完整的装配行项：混凝土、模板和钢筋，包含所有估价师通常手动进行的计算。一个典型的基础包从几个装配项扩展到 80-120 个已定价的行项。估价师进行审查，必要时进行覆盖，并直接导出到他们现有的工作流程中。<p>在 AI 估价领域，我们有几个关键优势。首先是专注于混凝土，这是建筑业的一个细分领域。没有人在为混凝土分包商构建这个，因为图纸与其他工种差异很大。出于同样的原因，视觉语言模型（VLM）和其他通用解决方案不起作用。相反，需要专有的计算机视觉模型，依靠大量客户数据的训练。我们运行多个不同的模型，直接根据客户的算量数据进行训练，客户与模型的每次交互都成为训练样本，从而使每个客户的准确性随着使用而提高。<p>我们的第二个优势在于产品方法论，我们选择构建一个 AI 副驾驶，而不是黑箱。大多数 AI 算量平台试图通过自主生成数量来完全取代估价师，但当前模型的输出质量较差，因此算量无论如何都会被人手动重做。在与结构混凝土估价师一起坐了 100 多个小时并亲自完成多次算量后，我们围绕他们的实际工作流程进行了构建。估价师开始算量，Rudus 通过查找相似性、追踪交叉引用和理解标注来扩展图纸上的工作。估价师对每次接受、覆盖和编辑保持控制。结果是更快的算量，他们可以捍卫，而不是不可靠的 AI 输出导致被丢弃。<p>我们很乐意听听你们对我们演示视频的看法（<a href="https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=PAMNDRWEdlI" rel="nofollow">https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=PAMNDRWEdlI</a>），或者你们在构建计算机视觉模型方面的经验，或者任何你们认为相关的内容！