从体块生成到数据贯通：生成式AI进方案、BIM做收敛，建筑行业的融合走到哪一步
设计院的加班灯还亮着，但坐在电脑前的人，手边多了一个对话框。把容积率、限高、日照要求和一份设计任务书丢进去，等上几分钟，拿到七八个体块比选——这样的场景在近两年逐渐从演示视频走进真实项目。AI生成建筑方案这件事，讨论的重点已经从"能不能做"，挪到了"用在哪一环、怎么和BIM接上"。
河北BIM曦汇在梳理行业动态时注意到，2026年的关键词不再是单点的图像生成，而是设计与建造数据的贯通：AI负责发散与提速，BIM负责收敛与落地，中间靠一套可追溯的数据规则串联。
生成式模型最早被用在概念草图。给一张意向图、一段文字描述，模型能吐出几十张立面或总平面意向，设计师从中挑几张继续深化。这一层用法如今已经常态化，工具也五花八门：通用图像模型、参数化平台上的生成式插件，以及国内厂商推出的方案辅助模块。
往下一层，AI开始介入结构化的工作。中国建筑设计研究院、北京市建筑设计研究院、同济大学建筑设计研究院等机构都在做AI辅助方案与性能模拟的探索；一些团队把日照、通风、能耗的快速试算前置到方案阶段，让“排布—算指标—再排布”的循环从几天压缩到几个小时。
需要说清楚的是，这些试算结果往往还要回到本地性能模拟软件里复核，AI给出的是候选，而不是结论。
在国内厂商中，广联达的技术叙事比较有代表性。早期它把重心放在BIM模型与算量、造价的打通，也就是常说的BIM 2.0阶段——模型不只是三维展示，而要能出量、能对账。近些年这家公司对外提的是“产业AI”：把大模型能力嵌进设计、造价、施工的具体工序，而不是做一个泛泛的问答助手。
这条路径说明了一件事：AI在建筑行业落地，比拼的不是模型参数，而是行业数据的密度。谁手里有真实的构件库、清单规则、审图要点，谁就更可能把模型输出变成可用的工程成果。广联达多年积累的算量与成本数据，正是它做这件事的底牌。
2026工程数智大会·全球建筑业数智化发展论坛在深圳举办，议题里AI与BIM的融合占据相当篇幅。会上反复出现的一个判断是：单点工具的智能化已经不够，行业需要的是设计、算量、施工、运维各环节之间的数据不断链。
深圳本地的产业条件也支撑这类讨论——这里有较密集的设计院、总承包企业与智能建造试点项目，BIM正向设计在部分项目上已经开始推行，给AI提供了真实的试验田。
| 环节 | AI的典型用法 | 目前的边界 |
|---|---|---|
| 方案生成 | 体块与平面排布比选、立面意向生成 | 结果多为候选，需人工筛选与深化 |
| 合规审查 | 对照规范条文做初步筛查、标注疑点 | 条文理解存在偏差，不能替代正式审图 |
| 算量 | 从模型自动提取构件量、辅助清单编制 | 依赖建模规范程度，异形构件仍需人工核算 |
| 多专业协同 | 碰撞检测、管线综合的初步排布建议 | 机电与结构冲突的处置仍需专业判断 |
把AI放进设计流程，绕不开三个问题。模型会“一本正经地胡说”，编出一条根本不存在的规范条文；出了错，责任算设计师的还是软件厂商的；项目图纸涉密，数据能不能上云。
三条底线。规范条文、材料参数、经济指标必须回到权威来源复核；AI产出的成果在交付链条上仍由注册人员签章负责；涉及保密项目的图纸与模型，优先走本地化部署或私有化方案。
更现实的一点是，模型不会为错误负责，签章的人会。这也是不少设计院在内部推行AI工具时，先立规矩、再谈提效的原因。
行业里流传“AI要替代设计师”的说法，实际发生的变化更微妙。被压缩的主要是重复劳动：画标准层、排常规车位、按模板出图、做重复的碰撞检查，这些工作占了年轻工程师相当一部分时间。
BIM正向设计因此有了新的推力。过去正向设计推不动，一个重要原因是建模投入大、出图慢，设计师觉得“不划算”。当AI能承担相当一部分重复建模与出图工作，正向设计的经济账开始松动，模型驱动的流程才有机会真正落地。
站在2026年往回看，AI在建筑行业的位置已经清楚了一些：它是加速器，不是替身。真正决定一个团队能不能用好它的，是模型背后的数据是否干净、流程是否可追溯、责任是否划得清。河北BIM曦汇会持续跟踪省内设计院与施工企业的实践，把更多落地案例带回来。
