现在跟一家建筑企业聊 AI，最难的问题不是"有没有模型"，而是甲方怎么提要求。厂商各有各的演示，通用大模型能力看着都差不多，业主和总包想把它写进招标文件、写进验收口径，却找不到一个可以引用的说法：模型要达到什么水平、数据要满足什么条件、责任怎么划分，全靠现场谈判。设计院想上 AI 也常卡在同一个地方——哪些环节适合用、哪些环节不能碰，没有参照。
2026 年 8 月 27 日，国家市场监督管理总局（国家标准化管理委员会）发布 2026 年第 37 号国家标准公告，批准《人工智能 具身智能数据质量规范 第 1 部分：真实数据》等 60 项国家标准化指导性技术文件。其中直接对应建筑行业的有两项：GB/Z 245-2026《人工智能 建筑行业应用场景分类指南》和GB/Z 248-2026《人工智能 建筑行业大模型技术要求》。数量不多，但它们把建筑 AI 最缺的两个坐标补上了。
📌 先看这两份文件的身份
- 公告：国家标准公告 2026 年第 37 号，发布日期 2026-08-27，共 60 项
- 建筑两项：GB/Z 245-2026（应用场景分类指南）、GB/Z 248-2026（建筑行业大模型技术要求）
- 文件性质：GB/Z 是国家标准化指导性技术文件，为新技术提供架构、方法或实施参考，不等同于强制标准
- 效力来源：一旦被法规、合同、招标文件或企业制度引用，其中的建议才会变成具体要求
GB/Z 是什么：先弄清它管什么、不管什么
很多人第一眼会把它当成"新国标"。GB/Z 与 GB（强制性国家标准）、GB/T（推荐性国家标准）不是一回事。按各类标准清单的通行说明，GB/Z 主要是给新技术提供架构、方法或实施参考，用来支持技术选型、接口设计和前瞻建设，不作为上线门槛或合规红线。只有被招标文件、合同或内部制度引用之后，它里面的条款才会对具体项目产生约束力。
这一点对建筑业尤其重要。建筑业的强制性要求集中在结构安全、消防、节能等方向，AI 目前没有任何可能进入强制性标准；反过来，如果业主想用标准约束供应商，最有效的路径恰恰是在招标文件和采购合同里引用 GB/Z 的编号。也就是说，这两份文件的价值不在于"必须遵守"，而在于给了一次有编号、有官方背书的要求表达方式。
时间线上还有一个常被忽略的衔接：更早的 2026 年 7 月 30 日，同属指导性技术文件的 GB/Z 203-2026《人工智能 工业大模型技术要求》和 GB/Z 204-2026《人工智能 工业大模型体系架构》已经落地。工业领域先走了一步，建筑行业这次跟上。这种"先工业、再行业"的节奏，说明主管部门把行业大模型看作同一类对象，只是数据基础和场景差异不同。
60 项里看趋势：建筑不是孤例，而是一条标准路径上的一个节点
把同批 60 项按名称过一遍，会看到很清晰的路线：先分清场景，再谈模型要求，然后是评测指标和能力成熟度。建筑这一组目前完成的是前两步。
| 编号 | 名称 | 对建筑企业的实际用处 |
|---|---|---|
| GB/Z 245-2026 | 人工智能 建筑行业应用场景分类指南 | 盘点自家业务里哪些场景能用 AI、边界在哪 |
| GB/Z 248-2026 | 人工智能 建筑行业大模型技术要求 | 提出模型能力要求，作为选型、开发与验收对话的依据 |
| GB/Z 242-2026 | 人工智能 智能体技术要求 | 工程智能体类产品要面对的通用要求 |
| GB/Z 218.1-2026 | 人工智能 具身智能数据质量规范 第 1 部分：真实数据 | 建筑机器人训练数据的质量口径 |
| GB/Z 220-2026 | 人工智能 具身智能数据生成平台技术要求 | 仿真与数据生成平台的选型参考 |
| GB/Z 236-2026 / 253-2026 | 检索增强生成（RAG）评价指标与通用技术要求 | 规范与图纸知识库问答类应用的基本盘 |
| GB/Z 237-2026 | 人工智能 可信赖数据集 | 企业数据资产治理与合规留痕 |
| GB/Z 247-2026 | 人工智能 视觉空间计算系统技术规范 | 现场视觉识别、空间感知类系统的技术要求 |
更值得建筑人注意的是那些"邻居行业"的进度。同一批文件里，钢铁行业既有场景分类指南（GB/Z 224-2026），也有大模型数据集要求和成熟度评估（GB/Z 231-2026、GB/Z 241-2026）；石油石化有场景分类指南和大模型评测指标；电力有评测指标、系统技术要求，还单独出了智能体通用要求；港口既有大模型技术要求，也有算力基础设施要求。相比之下，建筑行业的文件清单停在"场景分类 + 技术要求"，评测、数据集、成熟度这些后续环节还没有出。
这既是差距，也是一个可预期的路线图。对企业和厂商来说，下一步该盯的不是"会不会再发一份建筑标准"，而是评测指标和能力成熟度这两类文件什么时候出现——它们决定 AI 产品能不能被真正打分。
技术分析：为什么"先分场景"比"先定指标"更符合建筑业
建筑业不是单一场景。同一个项目上，勘察设计、施工建造、运维管理、安全监管、绿色低碳各自的数据基础、出错代价和人的接受度差别很大：
| 环节 | 数据基础 | AI 落地的主要障碍 |
|---|---|---|
| 勘察设计 | 相对好，模型与图纸数字化程度高 | 结果责任认定、专业审图习惯 |
| 施工建造 | 参差，进度与现场数据多半仍靠人工录 | 数据滞后、现场网络与采集条件受限 |
| 运维管理 | 取决于交付时有没有把数据带过去 | 竣工数据与运维系统脱节 |
| 安全监管 | 视频与传感数据较多 | 误报成本高，需人工兜底 |
如果跳过场景分类直接定技术指标，结果基本是两张皮：指标定得再细，落到具体项目上也没人知道该套在哪个环节。先做"应用场景分类指南"，本质上是先把建筑业务拆成可以逐项对话的颗粒度，让模型要求、数据要求、验证方法各自找到落点——这也是钢铁、石油石化等行业的同一套做法。
再说大模型技术要求这一项。公告清单只给出编号和名称，正式条款以官方发布文本为准，所以在标准全文到手之前，不宜对具体指标下断言。但从同批行业大模型的选题逻辑可以推断，这类文件通常围绕几条线索展开：数据与知识基础（专业语料、工程知识库、数据授权与分级）、模型能力与评测（专业问答与生成质量、幻觉控制、专业术语与规范理解）、系统集成（与 BIM、项目管理、算量计价等业务系统的接口）、安全与可解释（错误答案的拦截、留痕与责任追溯）、以及部署运行条件（私有化、算力与网络约束）。这些都是建筑行业讨论 AI 时反复卡住的地方。
几个务实的边界也需要说清楚。第一，GB/Z 是指导性文件，不能拿来当验收红线，除非招标文件或合同引用；第二，同批文件公布的是编号与名称，配套的评测、成熟度、实施指南还需要时间；第三，地方层面的智能建造政策与这批文件并行存在，两者不冲突，但引用时要分清依据层级。
行业意义与给 BIM / 技术负责人的具体动作
对多数建筑企业来说，这两份文件最直接的用途不是"学习标准"，而是把过去零散的内部讨论换成一套有编号的提问方式。以下四件事现在就能做：
🔄 把标准用起来：四个可执行动作
💡 对 BIM 工程师的三点判断
1. 模型会换，数据不会。大模型两三年一代，而项目的模型、图纸、清单和现场记录会一直跟着企业。谁把数据底座做扎实，谁在下一轮工具更换时才有筹码。
2. BIM 岗位正在变成"AI 的场景翻译人"。标准给出的场景分类要落到具体项目上，必须有人懂专业流程又懂数据结构——这正是 BIM / VDC 岗位的自然延伸。
3. 用标准降低沟通成本。和业主、分包、厂商谈判时，"按 GB/Z 248 的技术要求"比"我们觉得模型不够准"有效得多。能被引用的说法，才有谈判价值。
建筑行业 AI 的落地顺序，大概率会和工业领域一样：先把场景和术语统一，再谈指标和评测，最后才谈成熟度与认证。这两份文件是序章。对企业和个人来说，现在最值得投入的不是追新产品，而是把自家数据与场景盘清楚——等到评测标准出来，有准备的团队才能立刻对上号。