400 萬立方碼。這是美國每年澆注的混凝土數量，足夠鋪設一條環繞地球多圈的雙車道高速公路。橋樑、數據中心、高速公路、住宅，這些現代建築的骨幹都依賴混凝土。然而，一個隱藏的問題存在：雖然大部分預拌混凝土是在國內生產，但製造所需的水泥，美國卻進口了近四分之一。

Meta 正在用 AI 改變這個現況。

進口水泥的隱形成本

混凝土由水泥、膠凝材料、骨料、水和化學外加劑組成。混凝土供應商需要設計符合多重要求的配比：強度、速度、易操作性、成本、可持續性。傳統的混凝土配比設計主要依賴實驗室的試錯法、工程師的直覺，以及數十年累積的知識——一個緩慢且昂貴的適應流程。

水泥是混凝土的關鍵成分，因此進口水泥會對美國供應商產生重大影響，阻礙美國製造、就業和投資。雖然預拌混凝土通常在國內生產，但所需的水卻大量進口，美國約有 20-25% 的水泥消費量由進口滿足。此外，美國製造的水泥符合美國的性能和環境標準，這些標準在國際上並不一致。

這意味著什麼？當一個建築項目選擇使用進口水泥時，不僅意味著資金流向海外，還意味著材料標準可能與美國規範不同。對於要求高可靠性的基礎設施而言，這是一個潛在風險。

Reshoring：就業與經濟效益

確保產品在國內生產——這個過程通常被稱為 reshoring——通常會增加美國的製造業工作機會。自 2020 年以來，reshoring 和相關的外國直接投資（FDI）已經為美國帶回了超過 110 萬個工作。製造業擁有最高的經濟乘數之一：在製造業上每花費 1.00 美元，就會為美國經濟增加 2.69 美元。

水泥和混凝土部門單獨每年貢獻超過 1300 億美元，支持約 60 萬個工作——然而進口仍然供應約 23% 的總國內需求。為了在國內捕捉更多價值，美國的混凝土生產商希望在他們的配比中納入更多美國製造的材料。

這不是單純的保護主義，而是經濟理性的選擇。本土生產不僅能夠創造就業，還能夠確保材料標準的一致性，降低供應鏈風險，提高應對國際衝突的韌性。

不同水泥的化學差異

問題在於，不同的水泥有不同的化學特性，一種配比對某種水泥可能完美運作，但對另一種卻可能完全失敗。結果是，生產商需要一種方法來快速探索和驗證新配方，而不需要在實驗室裡花費數月時間。

這正是 AI 發揮作用的地方。

Meta 的解決方案稱為「適應性實驗」（Adaptive Experimentation），使用貝葉斯優化來智能導航可能的混凝土配方巨大空間。與隨機測試配比或完全依賴人類直覺不同，AI 執行以下步驟：

從現有數據中學習： 歷史配比設計、實驗室結果和性能指標會訓練模型了解什麼有效。

提出高潛力候選： AI 建議新的配比，這些配比最有可能滿足目標規範，並能夠比較美國製造和外國材料的性能。

預先納入約束： 用戶指定技術要求和要使用的成分。

隨每次測試進行改進： 每個實驗室結果都會改善模型的預測，形成一個自動改進循環。

雖然加入 AI 和適應性實驗並不改變實驗室驗證、現場試驗、工程簽字和法規合規的過程，但它大幅提升了發現速度，幫助工程師用更少的測試找到更好的起點。

BOxCrete：新模型的改進

在 2026 年美國混凝土協會（ACI）春季會議上，Meta 發布了一個新的用於設計混凝土配比的 AI 模型——用於混凝土的貝葉斯優化（BOxCrete）。BOxCrete 在 Meta 之前的模型基礎上進行了改進，具有更強的對噪聲數據的穩健性，以及新功能，包括能夠預測混凝土坍落度（一個重要的混凝土可操作性指標）。

與 BOxCrete 一起，Meta 發布了用於開發新穎混凝土配比的基礎數據，這個配比被用在 Meta 的 Rosemount, MN 數據中心。這個基礎數據是與其他開源、發布的數據集相比，混凝土配比性能的最佳系統性基礎數據。

Meta 的研究人員已經提交了一份關於 BOxCrete 的論文進行發表，概述了新模型、數據和相關方法論。

實際案例：明尼蘇達州的數據中心

在與 Amrize、Mortenson 和伊利諾伊大學厄巴納-香檳分校的合作中，BOxCrete 被用來生成更強、更快凝固的混凝土配比，該配比被大規模應用於 Meta 位於 Rosemount, MN 的一個數據中心建築板中。

AI 優化的配比專為建設中最苛刻的部分之一設計：支撐數千台服務器和冷卻系統重量的巨大混凝土基礎。使用本土材料，該配比比原始配方快 43% 達到完整結構強度，同時將開裂風險降低近 10%——證明 AI 可以幫助美國生產商快速改配方圍繞美國製造的材料，而不犧牲品質。經過數據確認它符合所有結構要求後，該配比現在被認定可在數據中心的其他區域使用。

這個案例的意義在於，它證明了 AI 不僅是一個研究工具，而是一個能夠在真實建設項目中實際應用的技術。當數據中心需要支撐數千台服務器和冷卻系統時，混凝土的強度和可靠性至關重要。BOxCrete 設計的配比不僅更快達到結構強度（加速建設進度），還降低了開裂風險（提高長期可靠性），同時使用本土材料（確保供應鏈穩定）。

實際案例：伊利諾伊州的產業合作

Meta 與伊利諾伊大學厄巴納-香檳分校和 Amrize 進行了密切合作，後者是總部位於伊利諾伊州芝加哥的北美最大水泥和混凝土製造商，在實施用於可持續和國產混凝土的 AI 方面展開合作。Amrize 在北美經營 18 家水泥廠、141 家水泥終端和 269 家預拌混凝土站點。他們的規模使其成為演示 AI 如何轉變工業體積配比設計的理想合作夥伴。

Amrize 最近推出了一個「美國製造」水泥標籤，保證水泥符合嚴格的美國標準，並由國內勞動力使用美國材料在美國製造。該公司還宣佈在 2026 年進行近 10 億美元的資本投資，部分原因是要增加國內水泥生產。

Meta 和 Amrize 將在美國混凝土協會（ACI）春季會議上演示，與伊利諾伊大學厄巴納-香檳分校的研究人員一起，進一步展示他們利用 AI 製造更低排放、國產混凝土的合作夥伴關係。

實際案例：賓夕法尼亞州的軟體整合

在 2023 年，Meta 以開源軟體形式發布了其混凝土優化 AI 框架，採用 MIT 授權，使從學術界到商業軟體供應商能夠廣泛採用。

在一項反映 AI 驅動配比設計正成為混凝土生產標準基礎設施的努力中，總部位於賓夕法尼亞州的 Quadrel——一家為預拌行業服務的領先企業 SaaS 平台——已將 Meta 的 AI 框架適配到其軟體中。Quadrel 已將其應用於真實世界用例，包括數據預處理、批次和測試正規化、特徵工程和客戶特定模型訓練。這些模型隨著現場測試結果的納入而持續改進，已被嵌入到日常配比設計和質量控制工作流程中，指導質量控制和運營的日常決策。

Meta 的開源可持續混凝土 AI 模型在 MIT 授權下提供，允許商業使用且限制最少，同時從開源 AI 進步和投資中受益。

BOxCrete 的技術優勢

BOxCrete 與 Meta 之前的模型相比，有幾個關鍵改進：

對噪聲數據的穩健性： 混凝土實驗室的數據往往有噪聲，不同批次、不同環境條件下的測試結果可能有所波動。BOxCrete 對這種噪聲更具抵抗力，能夠從不完美的數據中提取有用的模式。

坍落度預測： 坍落度是混凝土可操作性的重要指標，決定了混凝土是否能夠順利澆注到模具中。之前的模型可能無法準確預測坍落度，而 BOxCrete 增加了這個功能，使得設計的配比不僅強度高，而且易於施工。

基礎數據集的開源： Meta 發布的基礎數據集是「最佳系統性基礎數據」，這意味著它比其他開源數據集更全面、更系統。對於研究人員和產業從業者來說，這是一個寶貴的資源，可以用於訓練自己的模型或驗證新方法。

開源策略的意義

Meta 選擇將 BOxCrete 和相關數據以開源方式發布，這個決定有幾個重要意義：

加速產業採用： 如果 Meta 將技術保密，只有自己能夠使用，那麼對整個產業的影響會有限。通過開源，任何有興趣的混凝土供應商、軟體公司或研究機構都能夠使用和改進這個技術，加速整個產業的轉型。

建立標準： 當一個強大的開源工具存在時，它很可能會成為行業標準。BOxCrete 可能會成為混凝土 AI 優化的基準，未來的開發者會基於它進行改進，而不是從零開始。

促進合作： 開源代碼和數據能夠促進研究人員和產業從業者之間的合作。不同機構可以共享改進，共同推動技術進步，而不需要重複造輪子。

降低進入門檻： 對於中小型混凝土供應商來說，開發自己的 AI 模型成本太高。開源的 BOxCrete 降低了他們採用 AI 技術的門檻，能夠讓更多公司受益。

對建築產業的啟示

Meta 的 AI 混凝土項目，為建築產業提供了幾個重要的啟示：

數據驅動的決策： 傳統的混凝土設計依賴經驗和直覺，而 AI 驅動的方法基於數據。隨著時間推移，累積的數據會讓模型越來越準確，形成一個正向循環。

速度與品質的平衡： AI 不僅能夠加快發現速度，還能夠找到比傳統方法更好的配方。明尼蘇達州的案例證明，AI 設計的配比更快達到強度，而且開裂風險更低。

本土化與全球化的平衡： 通過 AI 的幫助，本土材料能夠替代進口材料，而不犧牲品質。這使得在地生產成為一個經濟上可行的選擇，而不僅僅是政治或意識形態的選擇。

跨領域合作： Meta、Amrize、伊利諾伊大學、Quadrel 的合作展示了科技公司和傳統產業合作的力量。AI 技術的潛力需要領域知識來釋放，而領域專家的經驗可以通過 AI 來放大。

對 AI 產業的啟示

對於 AI 產業來說，Meta 的項目也有幾個值得借鑑的地方：

實用性優於炫技： BOxCrete 不是一個「炫技」的項目，而是一個解決實際問題的工具。它的成功證明了 AI 的價值不在於技術複雜度，而在於解決真實世界的問題。

開源作為競爭策略： Meta 選擇開源，而不是將技術保密。這不是「做慈善」，而是一個明智的戰略選擇。通過開源建立生態系統，Meta 能夠在更大的市場中發揮影響力。

領域知識的重要性： AI 模型的性能不僅依賴算法，還依賴領域知識。Meta 的項目成功，部分原因是團隊深入理解混凝土的化學和物理特性。

持續改進： BOxCrete 不是一次性完成的產品，而是一個持續改進的平台。每次實驗室測試都會提供新的數據，模型會不斷學習和改進。

可立即執行的行動建議

對於混凝土供應商、建築公司和 AI 研究人員，以下是基於 Meta 經驗的可執行建議：

對混凝土供應商：

  1. 評估現有數據資產： 檢查你有多少歷史配比設計、實驗室測試結果、現場性能數據。這些數據是訓練 AI 模型的基礎。即使數據不完整，也可以從現有的開始，逐步積累。

  2. 從小規模試驗開始： 不要試圖一次性將所有配比設計都交給 AI。選擇一個具體的項目或一類配比，用 AI 進行優化，然後與傳統方法比較性能。積累信心和經驗後，再逐步擴大範圍。

  3. 整合到現有工作流程： 不要為了採用 AI 而徹底改變工作流程。像 Quadrel 一樣，將 AI 工具整合到現有的配比設計和質量控制流程中，作為輔助工具，而不是替代品。

  4. 與領域專家合作： AI 模型的輸出需要領域專家的審查和驗證。與資深的混凝土工程師密切合作，讓他們提供反饋，指導模型的改進方向。

  5. 考慮開源工具： 在投入大量資源開發專屬模型之前，先試試 Meta 的開源工具 BOxCrete。它可能已經能夠滿足大部分需求，而且可以作為改進的基礎。

對建築公司：

  1. 了解供應鏈本土化的可能性： 與混凝土供應商討論使用本土材料的可能性。了解他們是否已經在用 AI 優化配比，或者是否有計畫採用相關技術。

  2. 規範數據收集： 確保項目中的混凝土測試數據被系統性地記錄和存儲。這些數據未來可能成為供應商改進模型的寶貴資源。

  3. 試驗 AI 優化的配比： 在非關鍵或低風險的項目中，嘗試使用 AI 優化的配比。親身體驗它們的性能差異，為未來的重要項目提供依據。

對 AI 研究人員：

  1. 研究領域特定的挑戰： 混凝土設計不是唯一的應用場景。建築、能源、製造等許多傳統產業都有類似的優化問題。研究如何在這些領域中應用 AI，有巨大的價值。

  2. 重視數據質量： 數據質量比模型複雜度更重要。花時間清理、標註、組織數據，比盲目追求最新算法更有效。

  3. 與產業緊密合作： 與領域專家合作不僅能夠獲得數據，還能夠理解問題的本質。許多時候，問題的定義比解決方案更重要。

  4. 考慮開源： 如果開發了有價值的工具，考慮以開源方式發布。這不僅能夠幫助他人，還能夠建立你的影響力和聲譽。

未來發展方向

Meta 表示，未來幾年計劃與建築業進一步合作，開發新的 AI 工具。隨著更多像 Quadrel 這樣的平台基於 BOxCrete 構建，AI 優化的配比設計將變得對生產商可及，而不需要他們改變現有的工作流程。團隊還計劃繼續與伊利諾伊大學厄巴納-香檳分校進行學術合作，探索 AI 如何不僅解決本土材料替代，還能解決混凝土可持續性和性能的更廣泛挑戰。

通過減少本土材料採用的障礙，Meta 正在幫助美國生產商在成本上競爭，減少排放，並建立供應鏈韌性——一次一個配比。

這不僅是關於混凝土，也是關於 AI 如何在傳統產業中發揮價值的一個範例。當技術與領域知識結合，當開源與商業實踐結合，當速度與品質並重時，真正的改變才會發生。

本文資料來源：Meta Engineering Blog，「AI for American-Produced Cement and Concrete」，以及 Meta、Amrize、伊利諾伊大學厄巴納-香檳分校的合作發布內容。BOxCrete 模型和相關數據已在 GitHub 開源。