📌 一句话看懂
- 事件：第29届全国计算机辅助设计与图形学学术会议（CCF CAD/CG 2026）8月12-14日在苏州举办，广联达是《智能体驱动的 CAD 新范式》专题课程里唯一的企业分享嘉宾。
- 判断：工程 CAD 正经历第三次范式跃迁——从交互绘图、参数化建模，走向"智能体驱动"。
- 两条卡点：建筑语义理解难（规范术语多义）、建筑模型操作难（构件层级深、超出大模型上下文窗口）。
- 解法：结构化行业知识 + 标准化领域逻辑 + 大模型能力 + 可执行专业操作。
CAD 这个老品类，正在被大模型改写
8月12日至14日，中国计算机辅助设计与图形学领域规模最大的千人级学术会议——CCF CAD/CG 2026 在苏州举行。会上最值得建筑从业者留意的一件事，发生在《智能体驱动的 CAD 新范式》专题课程里：广联达数维房建生态与 AI 创新部总监贾合丰，是这场课程里唯一的企业界分享嘉宾。
他带来的不是一个概念，而是一条已经跑起来的落地路线。贾合丰的判断是：工程建设行业的 CAD 技术正经历一场范式革命——从最早的交互式绘图，到参数化建模，再到未来的智能体驱动。他特意强调，这不只是工具升级，而是设计思维和产业模式的改变。
这个判断的背景，是行业正处于"双重范式叠加"：三维 BIM 还在落地的路上，智能体驱动已经进场。而工程建设行业数字化底子薄、又赶上行业下行周期，降本增效的需求比任何时候都急。换句话说，AI 进建筑的窗口，正好撞上了行业最需要省钱的时刻。
真正的难点，不在模型而在建筑
大模型的能力有目共睹，但真把它放进工程场景，问题出在建筑本身。贾合丰点了两个卡脖子的问题。
第一是建筑语义理解。建筑规范体量巨大，术语体系复杂，同一个词在不同专业语境下含义可能完全不同——"墙"在结构专业和机电专业里，指的不是一回事。AI 如果直接理解，很容易跑偏，直接影响审查和判断的准确性。
第二是建筑模型操作。建筑构件信息量大、层级嵌套深，远远超出当前大模型的上下文窗口承载能力。想在自然语言交互里完整定位、理解并可靠操纵目标对象，对现在的模型来说是一件勉强的事。
针对这两条，他给出的落地路线是一句话：结构化行业知识 + 标准化领域逻辑 + 大模型能力 + 可执行专业操作。这句话的潜台词是——别指望大模型单打独斗，要给它配好"底座"。
三条技术路径，把难题拆给 AI 擅长的手
路线怎么落地？贾合丰拆出了三条可执行的技术优化路径，每条都对应一个具体的工程痛点。
| 路径 | AI 不擅长的事 | 改让 AI 做的事 |
|---|---|---|
| 转化空间计算逻辑 | 连续空间计算（坐标数值几何识别） | 离散符号约束求解（靠近、紧贴、贴合、线上、面上） |
| 优化推理约束范围 | 全局弱限定条件推理（向量库全局概率查找） | 局部强限定推理（自然语言转严谨逻辑符号） |
| 重构模型检索方式 | 遍历搜索（直接读海量嵌套 BIM 模型） | 问题分析 + 操作编排（AI 生成二开插件代码） |
这三条的共同点，是承认大模型的两个短板——不擅长精确的空间计算，不擅长海量的精确检索——然后把这两件事交给符号逻辑和程序代码去干，AI 只保留它真正擅长的：自然语言理解、问题拆解、操作编排。
拿第三条举例最直观：不让 AI 直接去读那个层层嵌套、动辄上百兆的 BIM 模型，而是让 AI 根据你的需求生成一段二次开发的插件代码，由代码去搜索和更新模型。AI 写代码、代码改模型，中间多了一道程序逻辑的"翻译"，换来的是可复现、可调试、可复核。
支撑这套打法的，是一层"结构化知识库"
路线再清晰，没有知识底座也是空的。广联达数维房建的 AI 助手，底下垫了三层知识库：行业业务知识库、数维系统知识库、数维 API 知识库。建筑构件知识被完整结构化之后，AI 才能精准识别、调取、操控各类 BIM 构件。
这套"知识库 + 大模型"的组合，还打通了知识推理、代码生成、三维模型操作的全链路。也就是说，从"用户提需求"到"模型真的被改好"，中间不需要人手动去点软件，AI 负责理解、生成代码、调用 API，模型自动完成操作，人只需要复核结果。
另一个容易被忽略的点，是自主可控。数维是国产 BIM 平台，在国产软件替代的大背景下，这条路线瞄准的不只是效率，还有软件底座的安全。对一个"链"可能建在别人家软件上的行业来说，这个信号的分量不轻。
对 BIM 工程师意味着什么
对一线做 BIM 的人来说，这轮变化最直接的冲击是：核心技能会从"会画"转向"会描述、会审查、会校验"。贾合丰演示的流程里，AI 把自然语言需求转成插件代码、代码去操作模型——这意味着工程师以后更多是在描述"我要什么约束、什么逻辑"，而不是一构件一构件地去摆。
门槛也在下降。对普通设计院和施工企业来说，不需要自研大模型，只要把自家的构件库、规范、企业标准结构化，就能接入现成的 AI 能力。谁先把数据理干净，谁就先吃到这波红利。
💡 给 BIM 工程师的三条实用建议
- 现在就整理命名规范。构件命名、族库、企业标准，是 AI 读懂你的前提。数据乱，AI 进去只看到一堆没意义的线。
- 学会把需求说清楚。能讲清"我要什么约束、什么逻辑"，比会背软件命令更值钱。这是下一阶段的硬技能。
- 守住人工复核这道关。建筑是终身责任，AI 生成的代码和模型必须有人签字。别把设计判断整个外包给机器。
说到底，广联达这次晒的不是一个"更聪明的模型"，而是一套承认 AI 边界、并把边界之外的活儿交给确定性工具的工程化思路。对建筑行业这种容错率极低的领域，这可能是比"让 AI 一步到位建模"更靠谱的一条路。
资料来源：广联达官网《从「辅助工具」到「智能伙伴」：广联达在 CADCG2026 大会描绘 AI×BIM 新图景》（2026-08-18）。文中技术路线、三条优化路径及知识库描述均引自该来源。