第11章 趋势：2026 年之后会发生什么
本章导读
本章把镜头拉到 2026 年之后，讨论五个可能改变行业格局的趋势：AI 从演示走进工位、标准接口化削弱格式壁垒、单体模型汇入城市级底座、点云与 AI 融合提速逆向建模、合规与安全从加分项变成准入门槛；再用表 32 的乐观、中性、保守三种情景说明不同走向下各自该储备什么，最后用表 33 的六项能力给出可操作的准备清单。图 9 先把生产工艺的成熟度演进拉开，提醒读者每一次跃迁都不是工具替换人，而是把人的时间从操作转移到判断。它承接第 4—5 章的技术路线与第 10 章的应用形态，讨论对象是尚未定型的能力与规则，因此趋势判断带有作者观点，事实部分均标注来源，读时需要把两者分开。全章回答一个问题：如果未来三年竞争点从“能不能建”转向“能不能被机器读懂、被系统信任、被持续更新”，现在应该把钱和人投在哪里。读完你应当能写出本单位的三项优先能力储备，并说清理由与验证方式。
学习目标
读完本章，你应当能够：
- 复述图 9 的四个演进阶段，说明“工具把人的时间从操作转移到判断”对岗位结构的具体影响；
- 列出 11.1 中至少四个已发布的 AI 嵌入建模软件本体的实例，并区分其中哪些是只读访问、哪些涉及生成；
- 说明 IFC 4.3、3D Tiles 1.1、OpenUSD 与 CIM 基础平台标准接口各自推进到哪一步，以及格式壁垒下降后为什么“治理能力”反而更重要；
- 用表 32 判断三种情景的触发条件，为每一种情景各写一条可提前准备的动作；
- 对照 11.5，说清《网络数据安全管理条例》与《人工智能生成合成内容标识办法》、GB 45438-2025 分别约束什么，并指出 AI 内容标识对交付物意味着什么新增动作；
- 从表 33 的六项能力中为你的团队选出三项优先项，给出负责人、时间窗与验证方式。
未来三年，翻模的竞争点会从“能不能建”转向“能不能被机器读懂、被系统信任、被持续更新”。
这一章基于 2025—2026 年的公开信息，讨论五个可能改变行业格局的趋势，并给出对应的能力储备建议。趋势判断带有作者观点，事实部分均标注来源。
先把时间轴拉长一点。翻模的生产工艺大致经历了从手工、脚本、平台协同到 AI 辅助的演进（图 9）。每一次跃迁都不是“工具替换人”，而是“工具把人的时间从操作转移到判断”。
图 9 翻模生产工艺的成熟度演进
资料来源：本报告归纳，阶段划分为作者判断，非官方评级。
11.1 趋势一：AI 从“演示”进入“工位”
2026 年的产品发布已经显示出一个清晰的方向：AI 不再是独立产品，而是嵌进建模软件本体。Revit 2027 的 Autodesk Assistant、AutoCAD 2027 基于 MCP 的上下文理解、Revit Public MCP Server 的只读模型访问、SketchUp 2026.1 的 AI Render 与 Generate Object，都是这一方向的具体体现。
对翻模行业的直接影响是：初级操作岗位的需求会下降，复核与判断岗位的需求会上升。会写提示词、会设计批量规则、会做质检的人，价值高于只会点鼠标建模的人。这不是遥远的预测——技术预览版本已经可用，只是稳定性与责任边界尚未解决。
11.2 趋势二：标准接口化，格式壁垒下降
IFC 4.3 成为 ISO 标准、3D Tiles 1.1 获 OGC 批准、OpenUSD 推进核心规范、CIM 基础平台标准接口公开征求意见，这一系列动作的共同指向是：数据交换正在从“厂商私有”走向“标准接口”。
对翻模方的含义是双面的。一方面，格式壁垒下降意味着“只会某个软件”不再构成护城河；另一方面，标准接口让“数据治理能力”变得更重要——同样一份 IFC，有人交出来能过审，有人交出来丢属性，差别在治理。
11.3 趋势三：从单体模型到城市级底座
实景三维中国 2030 年全面建成、CIM 平台建设经验清单发布、地方审查系统上线，说明城市级三维底座已经从“试点”进入“建设期”。翻模作为建筑内部语义的主要来源，会被越来越多地要求“汇得进去、查得出来、更得动”。
这带来三个新要求：坐标正确（能叠加）、编码统一（能关联）、更新机制（能维护）。三者缺一，模型入库后就会迅速失效。
11.4 趋势四：点云与 AI 融合，逆向建模提速
scan-to-BIM 的自动化程度在提升：深度学习被用于点云语义分割、构件识别与材质判断，2025 年的研究已出现“材质感知的室内构件重建”等方向。产业侧，采集设备（手持 SLAM、无人机 LiDAR）的成本与操作门槛持续下降。
这意味着“既有建筑数字化”的供给能力会显著增强，价格竞争会更激烈。差异化的出路不是更便宜，而是更可靠：能证明精度、能追溯来源、能对接运维。
11.5 趋势五：合规与安全成为硬门槛
数据安全法、个人信息保护法、测绘数据与涉密成果管理的约束在收紧，而 AI 工具普遍需要“把数据送出去”。二者的张力会越来越明显。可以预见，本地化部署、私有化模型、数据脱敏会从“加分项”变成“准入项”。
2025 年之后，这条线上又多了两个具体抓手：一是《网络数据安全管理条例》（2025-01-01 施行）把数据分类分级、委托处理与跨境提供写成一般性义务；二是《人工智能生成合成内容标识办法》与强制性国标 GB 45438-2025（均自 2025-09-01 施行/实施）要求 AI 生成内容可识别、可追溯。换句话说，合规不再只是“别把图纸传出去”，还包括“传出去之后产出物能不能被认出来”。
对服务商的建议是提前布局：建立数据处理的环境边界（哪些数据允许上云、哪些必须本地）、把 AI 工具清单与内容标识方式写进内部规程、保留操作审计、与客户在合同中明确数据处理条款。这些工作在项目顺利时看不出价值，在出事时是唯一的护身符。
11.6 三种可能的情景
趋势判断总要面对不确定性。以下三种情景，对应不同的能力储备重点：
表 32 三种情景与应对
| 情景 | 触发条件 | 对翻模行业的影响 | 应提前准备 |
|---|---|---|---|
| 乐观：AI 大幅提效 | 图纸理解与构件生成的准确率显著提升，且可解释 | 低端产能过剩、价格下行；复核与治理岗位增值 | 尽早建立复核标准与质检资产 |
| 中性：渐进改良 | AI 在局部环节稳定可用，整体仍靠人机协同 | 产能温和提升，竞争焦点转向交付质量与服务 | 做深行业场景，积累样板与构件库 |
| 保守：合规收紧 | 数据出境与 AI 使用受限，云端工具受限 | 本地化部署与私有化工具成为刚需 | 布局本地算力与私有化流程 |
资料来源：本报告判断。
三种情景有一个共同点：越是自动化，越需要可信的复核。因此无论哪种情景，投资于标准、质检与数据治理都不会错——它们是唯一在三种情景下都增值的能力。
11.7 能力储备清单
表 33 面向未来三年的六项能力储备
| 能力 | 为什么重要 | 怎么储备 |
|---|---|---|
| 标准与合规解读 | 地方交付要求与审查规则直接决定能否交付 | 跟踪住建部与地方住建委公告，建立内部标准库 |
| 数据治理 | 格式趋同后，治理能力是差异化来源 | 建立属性字典、编码规则、质检规则库 |
| 脚本与自动化 | 批量处理是效率的主要来源 | 培养 1—2 名能写脚本的标准工程师 |
| 点云与实测 | 既有建筑市场的主要入口 | 配置设备或与测绘单位建立稳定合作 |
| 平台对接 | 城市级与运维场景的必经环节 | 掌握 IFC 导出、轻量化、3D Tiles 发布链路 |
| AI 工具应用与复核 | 效率提升与风险控制并存 | 建立“AI 产出必复核”的内部规程 |
资料来源：本报告归纳。
还有一个更贴近成本的事实来源：外协采购价。某咨询企业在北京证券交易所问询回复中披露了 BIM 外协服务的计费标准（2024 年）：土建建模按建筑面积 1.30—2.60 元/m²（大型体育场馆 3.80—4.50 元/m²，房地产项目 0.50—1.20 元/m²），钢筋建模 0.60—1.10 元/m²，机电工程算量 1.10—1.75 元/m²，全过程驻场 0.7—1.6 万元/月。
把它与前面的 17.5—18 元/m² 放在一起看，会得出一个反直觉的结论：成本底与售价顶之间差着一个量级，而这个差额不是建模工时，而是管理、协调、审核、平台与风险。这解释了两种典型的定价事故：按外协价接单、却用自建团队交付，必然亏损；按业主预算配人、却按外协标准管理，必然失控。
口径提醒：外协价是“采购供给”的价格，业主预算是“采购服务”的价格，两者不是同一市场的同一商品；上述对比只用于理解成本结构，不能直接相减得出利润。
校订说明：外协采购价与 17.5—18 元/m² 的比价讨论属于第 9 章（成本、计价与效率）的议题，原报告置于本章末作为“成本视角的补充事实”。教程版保留原位置与原文，读者若关注计价方法，请对照第09章 成本、计价与效率。
本章小结
- 图 9 显示生产工艺从手工、脚本、平台协同到 AI 辅助一路演进，每次跃迁的实质是把人的时间从操作转移到判断，而不是用工具替换人。
- 趋势一：AI 从独立产品转为嵌进建模软件本体，如 Revit 2027 的 Autodesk Assistant、AutoCAD 2027 基于 MCP 的上下文理解；操作岗位贬值，复核岗位升值。
- 趋势二：IFC 4.3 成为 ISO 标准、3D Tiles 1.1 获 OGC 批准、OpenUSD 推进核心规范，共同指向“厂商私有”转向“标准接口”；壁垒下降后，同一份 IFC 能否过审，差别在治理。
- 趋势三：实景三维中国 2030 年全面建成、CIM 平台建设经验清单发布、地方审查系统上线，城市级底座已从试点进入建设期；翻模被要求“汇得进去、查得出来、更得动”，对应坐标正确、编码统一、更新机制三个新要求。
- 趋势四：深度学习用于点云语义分割、构件识别与材质判断，采集设备成本与操作门槛持续下降；供给能力增强会加剧价格竞争，出路不是更便宜，而是能证明精度、能追溯来源、能对接运维。
- 趋势五：数据安全法、个人信息保护法与测绘、涉密成果管理约束叠加，而 AI 工具通常要求把数据送出去；《网络数据安全管理条例》把分类分级与跨境提供写成一般性义务，AI 生成内容标识办法与 GB 45438-2025 要求可识别、可追溯。
- 表 32 的三种情景（AI 大幅提效、渐进改良、合规收紧）触发条件不同，但共同点是：越是自动化，越需要可信的复核；标准、质检与数据治理是唯一在三种情景下都增值的能力。
- 表 33 的六项储备——标准与合规解读、数据治理、脚本与自动化、点云与实测、平台对接、AI 工具应用与复核——都要落到“谁负责、什么产物、怎么验证”，否则只是清单上的名词。
思考与练习
- 对照图 9 的四个演进阶段，标出你所在团队目前停在哪一阶段，写出向下一阶段跃迁所需的两项前置条件，并说明缺哪一项会卡住。
- 从 11.1 列出的产品实例中选两个，查厂商官方发布说明，分别记录“发布日期、功能边界、是否只读、是否属于技术预览”，并判断它们能否作为对客户的交付承诺依据。
- 以一份你手头的 IFC 为例，列出“能过审”与“丢属性”两种结果在导出设置、属性集映射、验证手段上的差异，写出三步自查清单。
- 用表 32 做情景演练：分别假设 AI 大幅提效与合规收紧同时发生，写出对你所在单位影响最大的两个环节与对应的两条准备动作。
- 依据 11.5 梳理本单位的数据处理边界：哪些数据允许上云、哪些必须本地、AI 生成内容如何标识与留痕，形成一页内部规程草案。
- 从表 33 中选三项作为未来一年的优先储备，为每项写出负责人、验收产物与检查时点，并说明为什么其余三项可以延后。
上一章：第10章 从单体模型到城市级底座：应用侧的组织方式 | 返回目录：CAD 图纸翻模三维模型全景教程 | 下一章：第12章 组织、人才与能力建设