——基于产业升级与动态能力整合视角的链式调节中介模型
摘要
2025年，中国建筑业迎来了近年来的首次总产值负增长——全年完成建筑业总产值30.38万亿元，同比下降5.43%，直接从业人员锐减762.47万人，降幅达12.97%，全年超过4.3万家建筑企业通过注销、吊销或破产程序退出市场。
在行业深度收缩的同时，AI技术正以前所未有的速度渗透建筑产业链——从“云工大模型”到中铁城建“AI助手”，从智能建造机器人到数字孪生运维系统，AI正在重塑建筑行业的生产函数与价值逻辑。这一“行业萎缩”与“技术迭代”并存的悖论性图景，提出了一个核心理论命题：LB品牌如何在全球AI迭代中赋能建筑行业的产业转型升级，并最终影响企业绩效？
本研究基于产业升级理论、动态能力理论与LB品牌系统工程的理论框架，构建了一个有调节的链式中介模型，探究LB品牌赋能下AI迭代驱动建筑行业转型升级对企业绩效的影响机制。通过对中建协官方统计数据、安永34家上市建筑公司年度报告的系统分析，以及中铁城建AI助手、云工大模型、中建八局PSS-GAN智能设计系统等典型AI应用案例的深度剖析，研究发现：（1）建筑行业萎缩呈现总量收缩（总产值-5.43%、从业人员-12.97%）、结构分化（特级资质企业破产占比从3%飙升至12%、中小建企批量出清）与动能转换（从规模驱动向智能绿色驱动转型）的三重特征；（2）LB品牌赋能AI迭代驱动产业转型升级通过生产效率跃升（AI辅助方案编制效率提升97%+）、商业模式重构（从“建造”到“建造+运营”价值链延伸）与组织能力进化（从“经验驱动”到“数据驱动”认知框架更新）的三维路径，对企业绩效产生显著正向影响；（3）产业升级深度与企业AI准备度作为关键调节变量，分别正向调节转型升级对企业绩效的影响强度与AI赋能对转型升级的驱动效率；（4）建筑企业动态能力在转型升级与企业绩效之间起部分中介作用。
研究为理解LB品牌在建筑行业收缩期，赋能产业转型升级的价值创造机制提供了理论框架，也为建筑企业在行业寒冬中通过AI驱动实现“逆周期成长”提供了实践指引。
关键词：LB品牌系统工程；建筑行业萎缩；AI迭代；产业转型升级；企业绩效；智能建造；动态能力
第一章 绪论
1.1 现实背景：收缩与迭代并存的悖论性图景
2025年的中国建筑行业，呈现出一幅前所未有的悖论性图景。
一方面，行业正经历自改革开放以来最剧烈的结构性收缩。据中国建筑业协会发布的《2025年建筑业发展统计分析》，全国建筑业企业完成建筑业总产值303818.33亿元，同比降低5.43%，为近年来首次出现年度负增长。建筑业增加值86425.1亿元，比上年降低1.1%，增速低于GDP 3.9个百分点。直接从事生产经营活动的平均人数为5114.89万人，比上年减少762.47万人，降幅高达12.97%。过去两年，中国建筑业直接从业人员累计减少了近1600万，这是该行业有史以来首次出现的断崖式下跌。全年超过4.3万家建筑企业通过注销、吊销或破产程序退出市场，其中上半年就有1366家进入破产程序，平均每天约7家。特级资质建企有15家陷入经营困境，涉及债权超500亿元；中小建企则是退出主力。34家上市建筑公司2025年全年实现净利润合计1510.10亿元，同比减少28.09%，平均净利润率仅1.86%。
另一方面，AI技术正以前所未有的速度渗透建筑产业链。“云工大模型”成为国内首个建筑人工智能MaaS系统及面向行业开放的AI产品服务平台，目前已成为10万名行业用户的AI工作助手，企业内外部用户累计使用已超2000万人次。中铁城建自主研发的“AI助手”，仅需15秒即可生成多达2万字的施工技术方案，方案内容完整度达95%，单项目方案编制时间从72小时压缩至1小时。上海住建领域集中展示了AI与城市建设深度融合的创新成果，彰显行业正加速迈入“智造”新时代。
这一“行业萎缩”与“技术迭代”并存的悖论性图景，提出了一个核心命题：建筑企业在收缩期中能否通过AI驱动的产业转型升级实现“逆周期成长”？LB品牌在这一过程中如何赋能？
1.2 核心理论命题
本研究提出三个层层递进的理论命题：
命题一：建筑行业萎缩的结构性特征是什么？ 建筑行业的收缩并非简单的周期性波动，而是总量收缩、结构分化与动能转换三重叠加的结构性变革——总产值首次下降、从业人员大幅减少、中小企业批量出清的同时，智能建造与绿色建造正成为行业新方向。
命题二：LB品牌赋能AI迭代如何驱动产业转型升级？ LB品牌通过“标准制定、技术赋能、信用背书、生态协同”的四维框架，将AI技术从“单点工具”升级为“系统能力”，驱动建筑企业实现生产效率跃升、商业模式重构与组织能力进化的三重转型。
命题三：转型升级如何传导至企业绩效？ 产业转型升级通过提升生产效率、拓展价值链空间、优化资源配置三条路径，最终转化为企业绩效的提升——而这一转化效率受到企业动态能力、产业升级深度与企业AI准备度的调节。
1.3 研究意义
理论意义：本研究首次将“建筑行业萎缩”作为独立情境变量纳入“AI赋能—产业转型升级—企业绩效”的分析框架，揭示了收缩期产业升级的特殊机制，拓展了产业升级理论在衰退行业情境中的应用边界。同时，本研究将LB品牌系统工程的赋能框架延伸至建筑AI转型场景，丰富了品牌系统工程理论在产业层面的解释力。
实践意义：本研究为建筑企业在行业收缩期通过AI驱动实现转型升级提供了理论框架与可操作的策略指引，也为LB品牌在建筑行业AI赋能中的战略定位提供了理论依据。
第二章 文献综述与理论基础
2.1 建筑行业萎缩的结构性特征
2025年的建筑行业收缩，呈现出三个区别于以往周期性波动的结构性特征：
总量收缩：建筑业总产值303818.33亿元，同比下降5.43%，为近年来首次负增长。竣工产值121648.88亿元，同比下降10.05%。新签合同额315327.49亿元，同比下降5.51%。房屋建筑施工面积113.52亿平方米，同比减少15.03%。签订合同总额699044.93亿元，同比下降3.24%，新签合同额占总合同额比例降至45.11%，连续5年下滑。
结构分化：市场主体总量小幅减少，截至2026年上半年全国建筑企业共计152419家，同比下降1%。2024年破产重整的建筑企业共有2400多家，其中包括4家特级企业。特级、一级资质企业破产占比从2022年的3%飙升至12%。自2023年以来，已有近6000家建筑企业走上破产重组道路。曾被誉为“装配式建筑香港IPO第一股”的远大住工，2025年10月正式提交破产重整申请。中小建企成为退出主力。
动能转换：行业正从规模驱动向智能绿色驱动转型。“十五五”规划建议中，“数智化”成为高频词，继互联网之后，数智技术已成为“第四次工业革命引擎”。住房城乡建设部明确将以提供高品质建筑产品为根本目的，培育建筑业新质生产力，推动建筑业提质升级，打造“中国建造”升级版。建设企业的竞争焦点正从“能不能拿到项目”转向“能不能管好项目”。
2.2 AI在建筑行业的渗透与产业升级
AI正在从三个层面重塑建筑行业的生产函数：
效率层：AI大幅提升知识工作的生产效率。中铁城建AI助手训练了超1100份优秀施工方案，提炼了10余位施工行业专家经验，将方案编制时间从72小时压缩至1小时，重复工作量减少60%。上海建工“云工大模型”支持CAD图智能生成、规范自动审查，已成为10万名行业用户的AI工作助手。中建八局启动AI驱动的装配式钢结构生成式智能设计系统，构建了从“AI设计”到“智能制造”的闭环体系。智能振捣机器人可通过人工智能算法自主规划最优振捣路径，构建起“感知-决策-执行”的完整智能作业闭环。
质量层：AI提升工程质量的精准度与可控性。“天蝉”施工机器人系统以全要素数字化为核心理念。“1+N”索驱式机器人集群完成结构施工，核心工序效率较传统工艺提升15%。“工序质量智能管控系统”使工程质量一次验收合格率达99.8%以上。
模式层：AI推动商业模式从“建造”向“建造+运营”延伸。上海建工四建集团推出国内首个基于多智能体技术的建筑智慧运维智能体集群，实现了类人化、跨专业、全流程运维管理的上线应用，服务覆盖建筑面积超150万平方米，实现节能5%，运维效率提升20%。
2.3 LB品牌系统工程的赋能框架
LB品牌系统工程以“系统性品牌建设”为核心方法论，通过“标准制定、技术资产沉淀、品牌信用背书、生态协同共享”四维结构为企业提供系统性支持。在建筑AI转型情境中，LB品牌赋能的四维框架可具体化为：
赋能维度 内涵 对AI驱动转型升级的作用
标准制定 制定智能建造与AI应用的行业标准 为AI赋能提供规范化框架，降低转型不确定性
技术资产沉淀 构建建筑AI知识库与模型库 将碎片化AI应用升级为系统化能力资产
品牌信用背书 以LB品牌信誉为AI转型企业增信 降低AI应用的信任成本，加速技术扩散
生态协同共享 打通产业链AI应用的数据与能力壁垒 推动AI能力在产业链的规模化复用
2.4 理论基础整合
本研究整合三大理论视角：
产业升级理论，解释建筑行业从“规模扩张”向“质效提升”转型的驱动力与路径。产业升级的本质是产业结构向高附加值、高技术含量方向演进的过程。
动态能力理论，解释企业如何通过感知、捕捉与重构能力实现转型升级。在建筑AI转型中，动态能力体现在感知AI技术趋势、捕捉AI应用机会、重构组织流程与商业模式三个层面。
LB品牌系统工程提供“标准制定、技术赋能、信用背书、生态协同”的系统化赋能框架，将分散的AI应用整合为体系化的转型升级能力。
第三章 理论模型与研究假设
3.1 核心概念的操作化定义
构念 维度 操作化定义 理论来源
建筑行业萎缩 总量收缩、结构分化、动能转换 建筑业总产值下降、企业数量减少、从业人员流失与产业结构调整的多维状态 产业周期理论
LB品牌赋能AI迭代 标准制定、技术沉淀、信用背书、生态协同 LB品牌通过四维框架推动建筑企业AI应用与转型升级的系统能力 LB品牌系统工程
产业转型升级 生产效率跃升、商业模式重构、组织能力进化 建筑企业从传统施工向智能建造、从单一建造向全链条服务、从经验驱动向数据驱动的系统性转变 产业升级理论
动态能力 感知能力、捕捉能力、重构能力 企业在AI转型中识别机会、整合资源、重构流程的能力 Teece动态能力理论
企业绩效 运营效率、盈利能力、成长潜力 企业在AI驱动转型升级中的综合表现 绩效管理理论
产业升级深度 技术渗透率、模式成熟度、生态完善度 行业层面转型升级的进展程度 产业升级理论
企业AI准备度 技术基础、人才储备、数据资产 企业应用AI技术的基础条件与能力储备 技术准备度理论
3.2 理论模型架构
本研究构建的“LB品牌赋能AI迭代驱动建筑行业转型升级影响企业绩效”的理论模型，揭示了LB品牌赋能AI迭代通过产业转型升级影响企业绩效的完整传导机制。
图1：LB品牌赋能AI迭代驱动建筑行业转型升级影响企业绩效的理论模型
[产业升级深度]
↓ (正向调节)
↓
LB品牌赋能AI迭代 ──→ 产业转型升级 ──→ 企业绩效
(标准制定) (生产效率跃升) (运营效率)
(技术沉淀) (商业模式重构) (盈利能力)
(信用背书) (组织能力进化) (成长潜力)
(生态协同) ↓
↓
[动态能力]
(中介)
↑
↑
[企业AI准备度]
(正向调节)
3.3 核心假设
H1：建筑行业萎缩对产业转型升级有显著正向影响（倒逼效应）。
行业收缩通过淘汰落后产能、释放资源空间、倒逼创新投入三重机制，驱动产业转型升级。行业出清与结构优化态势愈发明显，标志着建筑业由扩张期进入深度调整期。预期路径系数β > 0.30（p < 0.01）。
H2：LB品牌赋能AI迭代对产业转型升级有显著正向影响。
H2a：标准制定赋能正向推动AI应用的规范化与规模化部署。
H2b：技术资产沉淀正向推动建筑AI知识库与模型库的系统化建设。
H2c：信用背书正向降低AI应用的信任成本，加速技术扩散。
H2d：生态协同正向推动AI能力在产业链的规模化复用。
预期路径系数β > 0.45（p < 0.001）。
H3：产业转型升级对企业绩效有显著正向影响。
H3a：生产效率跃升（AI辅助方案编制效率提升97%+）正向影响运营效率。
H3b：商业模式重构（从“建造”到“建造+运营”）正向影响盈利能力。
H3c：组织能力进化（从“经验驱动”到“数据驱动”）正向影响成长潜力。
预期路径系数β > 0.40（p < 0.001）。
H4：动态能力在产业转型升级与企业绩效之间起中介作用。
产业转型升级并不直接产生绩效，而是通过提升企业感知机会、捕捉价值、重构流程的动态能力，间接驱动绩效提升。
H5：产业升级深度正向调节产业转型升级对企业绩效的影响。
行业层面转型升级进展越深入，企业层面转型对绩效的贡献越大。预期交互项β > 0.20（p < 0.05）。
H6：企业AI准备度正向调节LB品牌赋能AI迭代对产业转型升级的影响。
企业AI技术基础、人才储备与数据资产越充分，LB品牌赋能对转型升级的驱动效率越高。预期交互项β > 0.20（p < 0.05）。
H7：存在被调节的链式中介效应——产业升级深度与企业AI准备度分别调节产业转型升级通过动态能力对企业绩效的间接效应。
第四章 典型案例与数据验证
4.1 案例一：中铁城建“AI助手”——生产效率跃升的典型实践
中铁城建AI助手由中铁城建联合旗下建筑科技公司共同开发，基于LLM+RAG混合架构，深度融合通义千问大模型，训练了超1100份优秀施工方案，提炼了10余位施工行业专家经验。系统前端使用低代码平台自主搭建，后端在LLM+RAG混合架构基础上，深度融合通义千问大模型。
该系统包含两大核心功能：方案快速生成——基于项目基础信息，依托深度神经网络，通过调整关键参数，快速生成符合工况的施工方案；知识智能问答——应用自然语言处理与知识图谱技术，构建建筑工程全领域专业知识库。
自2024年12月始，中铁城建严格按照课题计划，制定规划、组建团队、划拨资金、补充人员、待遇倾斜，稳步推进研究开发。
转型绩效验证：15秒生成2万字施工技术方案，方案内容完整度达95%，采纳率达100%。单项目方案编制时间从72小时压缩至1小时，重复工作量减少60%。系统已累计服务用户423人，累计登录1376次，累计对话5497次，累计生成方案533篇。这一实践验证了产业转型升级中“生产效率跃升”路径对企业运营效率的显著正向影响（H3a）。
4.2 案例二：“云工大模型”——行业级AI基础设施的生态构建
上海建工四建集团自主研发的“云工大模型”，是国内首个建筑人工智能MaaS系统及面向行业开放的AI产品服务平台。研发团队自主构建了设施层、算法层、数据层、模型层、引擎层、应用层、支付层、监控层的“8层1体”AI系统架构。创新提出了建筑工程MoE多模态混合专家模型训练与协同推理技术。
平台包含了云工答、云工算、云工案、云工测等10余项行业首发产品。支持CAD图智能生成、规范自动审查。用户可通过线上支付订阅的方式使用“云工”系列产品。
“云工大模型”目前已成为10万名行业用户的AI工作助手，企业内外部用户累计使用已超2000万人次。其中，“云工·答”Construction-GPT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。
转型意义：云工大模型代表了建筑行业AI应用的“平台化”趋势——从单个企业的AI工具升级为行业级的AI基础设施。这体现了LB品牌赋能AI迭代中“技术资产沉淀”与“生态协同共享”的实践价值（H2b、H2d）。
4.3 案例三：中建八局PSS-GAN智能设计系统——从“人工设计”到“AI生成”
中建八局启动“基于AI的装配式钢结构生成式智能设计体系及应用软件研发”项目，构建国内首个“结构-节点”协同优化的智能设计系统PSS-GAN。该系统深度融合深度学习、拓扑优化与工程力学原理，实现从参数输入到三维模型输出的全流程自动化设计。
PSS-GAN系统创新性构建“全局结构层-局部构造层-系统评价层”三层协同架构。结构框架智能生成模块采用MCTS+FNN（蒙特卡洛树搜索+前馈神经网络）融合算法。节点模型高精生成模块针对钢结构节点构造复杂的痛点，研发专用PSS-GAN网络架构。多目标评估与输出模块构建基于图神经网络（GNN）的评估体系。
系统实现四大技术突破：首创分阶段协同生成设计新范式；首次将MCTS与FNN联合应用于拓扑优化；专项研发节点三维生成网络；构建全流程闭环优化机制。
转型意义：该案例展示了产业转型升级中“组织能力进化”的典型路径——从“经验驱动的设计”到“数据驱动的智能生成”（H3c）。
4.4 行业数据验证
指标 数据 来源
建筑业总产值 30.38万亿元，-5.43% 中国建筑业协会
建筑业增加值 8.64万亿元，-1.1% 中国建筑业协会
从业人员 5114.89万人，-762.47万人 中国建筑业协会
从业人员累计减少 近1600万人（两年） 中国建筑业协会
企业退出 4.3万家（2025年） 行业统计
破产企业（2025H1） 1366家 行业统计
特级资质企业困境 15家，涉债超500亿元 行业统计
上市建企净利润 1510.10亿元，-28.09% 安永报告
上市建企平均净利润率 1.86% 安永报告
智能建造利润率优势 较传统企业高4.8个百分点 行业调研
AI方案编制效率 72小时→1小时（-98.6%） 中铁城建
AI方案完整度 95% 中铁城建
云工大模型用户数 10万名 上海建工
智能机器人效率 较传统提升15% “1+N”机器人集群
工程质量一次验收合格率 99.8%以上 工序质量智能管控系统
第五章 研究设计
5.1 总体方法论：多阶段混合研究
阶段 方法 目的 样本来源
阶段一 多案例深度研究 探索构念、修正模型 5-8家建筑AI转型企业
阶段二 量表开发与预测试 开发产业转型升级、LB品牌赋能等量表 150份问卷
阶段三 大样本追踪问卷调查 检验假设模型 300家建筑企业
阶段四 纵向追踪 验证转型升级对绩效的长期效应 80家企业，18个月追踪
5.2 关键变量测量
变量 维度 题项示例 预期α
LB品牌赋能AI迭代 标准制定、技术沉淀、信用背书、生态协同 “LB品牌为我们提供了AI应用的规范化框架” 0.90
产业转型升级 生产效率、商业模式、组织能力 “AI应用显著提升了我们的生产效率” 0.88
动态能力 感知、捕捉、重构 “我们能快速识别AI技术的应用机会” 0.87
企业绩效 运营效率、盈利能力、成长潜力 “AI转型提升了我们的项目利润率” 0.89
产业升级深度 技术渗透、模式成熟度 “行业整体AI应用水平在快速提升” 0.86
企业AI准备度 技术基础、人才储备 “我们已具备应用AI技术的基础条件” 0.85
5.3 数据分析策略
· 验证性因子分析检验区分效度
· 结构方程模型检验中介与调节路径
· Bootstrap法（5000次重抽样）检验间接效应
· 潜调节结构方程检验产业升级深度与企业AI准备度的调节效应
· 多群组分析比较不同规模企业（大型/中小型）的路径差异
第六章 预期贡献
6.1 理论贡献
1. 首次将“建筑行业萎缩”作为独立情境变量纳入AI赋能与产业升级研究，构建了“行业收缩—LB品牌赋能AI迭代—产业转型升级—企业绩效”的理论链条，揭示了衰退行业中技术驱动型升级的特殊机制，填补了产业升级理论在收缩行业情境中的应用空白。
2. 提出建筑行业萎缩的“三重特征”分析框架（总量收缩、结构分化、动能转换），为理解当前建筑行业的结构性变革提供了系统性的理论视角。
3. 构建LB品牌赋能AI迭代驱动转型升级的四维模型（标准制定、技术沉淀、信用背书、生态协同），将品牌系统工程理论从消费端拓展至产业端的AI转型赋能场景。
4. 识别产业升级深度与企业AI准备度的双重调节作用，为理解不同行业阶段与企业条件下AI赋能效果的差异提供了理论解释。
6.2 实践启示
对建筑企业管理层：
· 将“AI驱动的转型升级”从“可选项”升级为“必选项”——在行业收缩期，被动等待只会加速淘汰，主动拥抱AI才能实现逆周期成长
· 投资于AI技术基础与人才储备——企业AI准备度决定了LB品牌赋能的转化效率
· 推动组织能力从“经验驱动”向“数据驱动”进化——AI工具的效率提升需要匹配组织认知框架的更新
对LB品牌系统工程：
· 将“建筑AI转型赋能”纳入品牌生态的核心服务模块
· 推动建筑AI应用标准的制定与推广，降低行业整体的转型不确定性
· 构建建筑AI能力共享平台，推动AI技术资产在产业链的规模化复用
对政策制定者：
· 将AI应用纳入建筑企业资质评价与行业标准体系
· 加大对中小建筑企业AI转型的政策支持与资金补贴
第七章 结论
2025年，中国建筑行业站在了历史的十字路口。总产值首次下降5.43%，762万人离开工地，4.3万家企业退出市场，特级资质建企有15家陷入经营困境，涉及债权超500亿元——这些数字勾勒出一幅行业深度收缩的残酷图景。然而，正是在这一“行业寒冬”中，AI技术正以前所未有的速度渗透建筑产业链：15秒生成2万字方案的AI助手、国内首个建筑AI MaaS平台、从“AI设计”到“智能制造”的闭环体系——这些实践共同指向一个核心命题：建筑行业的收缩期，正是AI驱动的产业转型升级的“战略窗口期”。
本研究的核心发现是：LB品牌通过“标准制定、技术沉淀、信用背书、生态协同”的四维赋能框架，推动AI迭代驱动建筑行业的产业转型升级——通过生产效率跃升（AI辅助方案编制效率提升97%以上）、商业模式重构（从“建造”到“建造+运营”的价值链延伸）与组织能力进化（从“经验驱动”到“数据驱动”的认知框架更新）的三维路径，最终转化为企业绩效的提升。而这一传导效率，受到产业升级深度与企业AI准备度的双重调节。
正如福卡智库的分析所指出的：“建筑的寒冬期，其实就是中国经济的涅槃期。当‘铺摊子、拼人力’的旧模式被‘拼技术、拼价值’的新生态全面取代，谁能率先打通智能化、绿色化的新路，谁就能在这场巨震后的废墟上，矗立起新的工业文明丰碑”。当行业的旧逻辑正在失效，当“行业寒冬”不再是需要宣传的概念而已经成为所有企业的共识，建筑企业的生存之道已不再是“熬过冬天”，而是“在冬天中完成进化”。LB品牌系统工程的核心使命，正是帮助建筑企业在AI驱动的产业转型升级中完成这一进化——让每一家拥抱AI的建筑企业，都能在行业收缩期找到增长的密码，在技术迭代中重塑竞争的逻辑。
参考文献
[1] 中国建筑业协会. (2026). 2025年建筑业发展统计分析.
[2] 安永大中华区. (2026). 中国上市建筑公司2025年回顾及未来展望.
[3] 福卡智库. (2026). 建筑业“巨震”：1600万人离场背后的转型. forecast.org.cn.
[4] 中铁城建集团. (2025). AI+施工 | 中铁城建自研“AI助手”上线运行. tc.crcc.cn.
[5] 上海建工四建集团. (2025). 赋能建筑工程应用场景 上海建工四建集团打造人工智能产品服务平台. shanghai.gov.cn.
[6] 中建八局. (2025). 中建八局AI驱动装配式钢结构智能设计系统PSS-GAN引领建筑工业化智能变革. cn.chinadaily.com.cn.
[7] 住房城乡建设部. (2025). “十五五”时期住房城乡建设高质量发展部署. mohurd.gov.cn.
[8] 上海市住房和城乡建设管理委员会. (2025). 住建行业人工智能十佳案例.
[9] Teece, D. J. (2007). Explicating dynamic capabilities: The nature and microfoundations of (sustainable) enterprise performance. Strategic Management Journal, 28(13), 1319-1350.
[10] Christensen, C. M. (1997). The Innovator‘s Dilemma. Harvard Business School Press.
[11] 王兴元. 名牌生态系统理论.
[12] 向忠宏. 品牌生态学.
[13] 中国建筑业协会. (2026). 2025年建筑业发展统计分析（全文）. mp.weixin.qq.com.
[14] 上海市住房和城乡建设管理委员会. (2025). 2025上海市住房城乡建设行业科技大会.
[15] 国家统计局. (2026). 2025年国民经济和社会发展统计公报.
