（报告出品方：长江证券）

BIM：全生命周期+数字智能化助力行业转型

建筑信息化助力行业数字化转型，持续渗透可期

BIM 是适应建筑全生命周期数字化管理的有效工具。根据住建部《建筑信息模型应用统 一标准》，BIM（Building Information Modeling）的全称为建筑信息模型，具体指在建设 工程及设施全生命周期内，对其物理和功能特性进行数字化表达，并依此设计、施工、 运营的过程和结果的总称。由上定义可知，BIM 的内涵至少包括以下 2 个方面：1）全 生命周期应用：对于建设工程项目一般包括规划、设计、施工、运营、维护、拆除、再 利用等多个阶段，可通过 BIM 对每一阶段进行管理；2）数字化表达：项目全生命周期 会产生大量信息（如建筑结构、管线排布、机电设备位置等信息），BIM 采用数字化的 方式（如三维模型）将其捕捉并加以应用。

BIM 解决的主要问题是捕捉建筑全生命周期的各类信息，并将各环节打通，以数据对过 程进行优化。建筑工程项目在运行过程中会产生大量数据，而传统的工程组织结构和流 程无法对这些数据进行精准和及时的捕捉，因而效率的提升主要依赖人的经验，通过 BIM 对数据进行集成，打通建筑全生命周期的各个节点，相比于传统工程组织方式，BIM 至少在以下方面能够做到更优化：

1）2D 到 3D，减少图纸碰撞。碰撞指建筑的某些部件存在空间重叠的情况，传统 建筑设计采用二维图纸，可视化程度不佳，各专业协同不足，容易出现此类问题， 通过 BIM 对建筑进行三维建模，可以更加直观地对碰撞进行检查，及时发现并解 决问题。

2）3D 到“4D”，对全生命周期的各阶段进行模拟和规划。“4D”指在 3D 基础上 增加时间维度，因而可以对整个生命周期进行捕捉，如在设计建模完善之后，可根 据结构及所需物料进行施工模拟，制定施工方案/进度规划，通过模拟降低资源冲 突、施工变更的可能。

3）“4D”到“5D”，优化和控制建设成本。“5D”在“4D”基础上增加了成本属性， 如工程所需物料价格、人力成本信息等，根据 BIM 提供的建筑模型和施工进度规 划，可对成本进行精确度量，进而评估项目收益。

4）“5D”到“6D”，数据打通各个环节，实现全生命周期管理。例如在设计阶段利 用 BIM 中的勘察数据对建筑风环境、光环境等方面进行模拟以获得最优化的节能 布局，将 BIM 数据传递至资产的运营和维护端，可更高效地支持项目运行。

强化建筑工程各节点的数据捕捉，更好地指引生产和运营是建筑业现代化发展的大趋势， 政策上也对 BIM 开展了各项鼓励措施，包括定量指标要求、各项标准的制定完善，以及 发展规划等。2015 年住建部《关于推进建筑信息模型应用的指导意见》提出到 2020 年 末，以下新立项项目勘察设计、施工、运营维护中，集成应用 BIM 的项目比率达到 90%： 以国有资金投资为主的大中型建筑；申报绿色建筑的公共建筑和绿色生态示范小区。并 在整个“十三五”期间进行了大量标准编制工作，如《建筑信息模型应用统一标准》《建 筑信息模型分类和编码标准》《建筑信息模型施工应用标准》《建筑信息模型设计交付标 准》《建筑工程设计信息模型制图标准》等一系列标准。

商业模式方面，目前处于发展早期，变现方式多样化。BIM 技术可通过多种方式实现变 现，如最为基础的翻模收费、基于 BIM 的设计收费、BIM+EPC 工程管理、BIM 相关咨 询服务、软件相关费用等。

Transformer 模型点亮 AI 未来

人工智能（AI）是利用计算机模拟人类智能行为科学的统称。AI 训练计算机使其能够完 成自主学习、判断、决策等人类智能行为。目前，AI 涉及的主要产业结构有：1）应用 层：属于场景行业+AI，如智能医疗、智能安防、智慧教育，智能工厂智能家居等，可以 将 AI 应用到所在行业；2）技术层：主要研究通用技术，如图像识别、语音识别、文本 识别、自然语言处理等，其中 AI 的通用技术离不开机器学习和深度学习；3）基础层： 主要做芯片、云计算、框架等方向。

Transformer 是一类由一些架构特征定义的深度学习模型。首次出现在谷歌研究人员于 2017 年发表的著名论文《Attention is All you Need》中。最初的 Transformer 是为语 言翻译而设计的，特别是从英语到德语。但是，通过原先的研究论文就可以看出，该架 构可以很好地推广到其他语言任务。这一特别的趋势很快就引起了研究界的注意，研究 者发现它们能够快速适应其他任务，也就是迁移学习。在语言模型领域中，基于 transformer 模型开发的 GPT 模型近期爆火，同样基于此模型的 BERT 模型在语义分 析，句子预测和实体识别等任务中达到了业界里顶尖的效果。

Transformer 模型的结构由以下几个部分组成：1）编码器（encoder）和解码器 （decoder）：编码器接收输入序列，并生成序列的高效表示；解码器接收编码器的输出， 并生成最终的输出；2）多头注意力：Transformer 模型使用了多头注意力机制，以计算 序列中各个位置之间的关系；3）Feed-Forward 层：Transformer 模型还包括一个或多 个全连接的 Feed-Forward 层，用于对序列数据进行非线性转换；4）残差连接和归一 化：Transformer 模型使用残差连接和归一化，以提高模型的效果并防止过拟合；5）预 训练语言模型：Transformer 模型可以通过预训练语言模型来提高其在自然语言处理任 务中的效果。

GPT 模型是基于纯解码器的 Transformer 自生成语言模型。近来在文字生产领域大红 大紫的 GPT 模型，就是采用了 Transformer 解码器的结构。其核心思想是，通过使用 市面上存在的大量文本数据例如小说，教科书，贴吧论坛，开源代码等内容进行无监督 预训练，再根据具体任务，输入少量的标签数据进行监督学习。目前，GPT-3 模型规模 已经达到了惊人的 1750 亿参数，能让人类无法识别出是否是 AI 生成的文字，还能生成非常成熟且高效的代码，但其背后的底层结构还是来自于 Transformer 模型。

在过去的几年中，Transformer 模型经过不断开发拓展，已经可以应用于不同的领域。 在 Transformer 模型设计之初被应用于的自然语言模型领域，该模型目前可用于机器翻 译、文本预测、文本生成、文本分类、句子关系分析等功能。此外，在自然语言模型领 域之外，Transformer 模型可以用于声音识别，识别语音中的单词和语句；可以用于时 序预测，预测未来的事件；可以用于计算机视觉，进行图像分类、目标检测等任务。总 的来说，Transformer 模型因其优秀的迁移学习能力，而在多个领域得到广泛应用。

Transform 模型在计算机视觉领域的应用有望拓展 BIM 功能。受到 Transformer 论文 中使用自注意力机制来挖掘文本中的长距离相关依赖的启发，很多计算机视觉领域的任 务提出使用自注意力机制来有效克服卷积归纳偏差所带来的局限性。在目标检测、视频 分类、图像分类和图像生产等多个领域，Transformer 模型都带来了长足的进步，甚至 超越该领域 SOTA 解决方案的效果。在《Image Transformer》论文中，使用基于 Transformer 模型的算法计算得生成的图片，可以很好的预测图片的像素值。未来，随着对 Transformer 模型的深入研究，有望提升 BIM 系统的功能。

AI 生态下的建筑全生命周期产业链

建筑业一直是数字化进程较慢的行业，AI 有望重塑建筑设计、建造与运营方式。AI 之 中机器学习作为一个重要子集，可以通过整合海量的数据信息，管控制造、施工过程。 由于建筑行业本身的复杂环境，建筑业的数字化进程和汽车等制造业相比进展缓慢。Bim 的落地、深度学习的不断优化促使 AI 逐步渗透进建筑项目的全生命周期之中，包括设 计、采购施工、运营资管、商业模式等方面。其中生成式设计提供更广阔优质的筛选模 型、智能机器人可以更精准定位定时定速设备机器、风险监控可以有效实时检测现场风 险，并提高施工安全系数，同时促使场外操作施工、运维成为可能。

2023 年，随着 ChatGP、TMidJourney 等新技术的爆发，建筑 AIGC 领域再一次回到 视野。研究历程上看，AIGC（AI Generated Content）领域最先记录的数据格式即文本 与 2D 图像。这意味着可以将建筑学中的文本和图像进行解码编码，记录建筑中的各个 节点信息。解码编码的过程即建筑语义提取——神经网络自动编码的过程。其中文本到 图像的研究始于 2015 年前后，技术转折发生在 2022 年，OpenAI 的 DALL-E 2、GoogleBrain 的 Imagen 和 StabilityAI 的 Stable Diffusion 逐渐接近真实照片和人类绘画的质 量，其所共用的都是预训练模型 Contrastive Language-Image Pretraining (CLIP)，发 布于 2021 年 1 月。CLIP 采用 transformer 文本编码器，可以计算图像和文本的语义向 量的相似程度，将图像用文本描述出来。

设计：AI 识别/分析/优化促进自动化

介入到建筑方面，AI 对建筑尤其是设计领域的辅助作用逐渐显现。传统建筑设计行业的 问题日益显现：业主方和设计人员需要多轮次沟通和反复修改才能达成相对满意的设计 方案；设计本身需要考虑的维度很多，随着零碳减排的国家要求逐步落实和精细化设计 的市场需求转变，设计要纳入更多元的角度统筹方案；布局调整优化的实时检测与修正。 基于此， AI 识别、AI 分析、AI 优化是设计领域重要的技术布局。 AI 识别：2022 年 5 月，MidJourney 技术爆发，Matiasdel Campo，Daniel Koehler 等 人开始发布基于该技术的设计作品。6 月底，上海 DigitalFUTURES 上 ZHACODE 导师 们分享了基于 MidJourney 的方案生成。现阶段有两种图像生成框架： 1）扎哈事务所的方案生成方式为已有某种 rule-based3D 模型生成方法——随机生成方 案——将方案的截图导出到 CLIP 模型中，转换成语义向量——人为手动输文本信息， 例如:“我想要扎哈风格的酒店”，文本信息被 CLIP 转换成语义向量——两个语义向量 进行对比——遗传算法优化迭代完成设计。 2）佛罗里达大学的一项研究中，研究人员首先用他们事先有的 CEM 方法随机生成 400 个结构形式来构成数据集——通过人工标注建立 NLP 技术和 CEM（一种基于图形静态 的找形方法）之间的关系——最后建立生成对抗网络（GAN），可以通过输入的文本预 测建筑结构形态。在最终的生成模型中，生成对抗网络（GAN）的搭建具有极高的完成 度，摆脱了既有的 rule-based 的结构生成算法，没有走遗传算法优化的路。

AI 分析：基于对项目的有效识别，针对住宅、商场等常用民用建筑类型，基于绿色低碳 与居住舒适度的评估标准，具体将从自然通风、舒适度、日光系数、区域照度、空间利 用率和视野开阔度六个科技维度对户型进行评估，并将评估结果以二维图纸、三维模型 的方式进行可视化呈现。在应用层面上，可以协助客户进行项目方案量化分析，比如通 过对房企全线住宅产品的评估可以得到不同价值评估系数，协助房企提升产品品质。

AI 优化：是基于前序识别与分析后的进一步寻优迭代，即基于已有内容重新生成更优的 成果。结构优化上，一个机器学习模型被训练并用作一个快速评估器，以帮助进化算法 找到最优设计，评估和优化结构性能和可施工性，从而在几乎无限的解空间中找到最佳 的解决方案。 在实际项目操作过程中，根据不同方式生成组件和特定的数据结构，通过多目标迭代优 化算法来寻找更好的建筑设计变体，在短时间内验证和评估设计方案。生成的组建模块 可以包括自动生成模块：建筑物生成、图底生成、景观生成、交通体系生成；数据分析模块：视野分析、结构合理性分析、场地舒适度分析、空间群集；实用工具模块：设计 变体性能评估、风模拟。在布局阶段，根据具体项目要求，引入不同设计理念测试多种 布局，找寻最合适的方向。

施工：计算机视觉+模型+智能机械引领变革

计算机视觉：让机器用“眼睛”理解施工

计算机视觉（Computer Vision）是研究如何采用机器“看”的科学，通过对采集的图片 或视频进行处理以获得相应场景的三维信息，让计算机能感知环境，其应用范围覆盖航 空航天、医疗诊断、土木建筑等各个领域。

计算机视觉为结构施工质量的检测方式创造新的可能。钢结构和钢筋混凝土结构作为土 木工程领域最主要的两种结构形式，其施工阶段的质量控制和缺陷识别是保障结构安全 性的重要环节。由于图像捕捉到的视觉信息与人员观测到的场景信息相似，可利用计算 机视觉算法对结构表面损伤进行检测。同时由于在此过程中采用了稳定的图像特征分析 和提取算法，可以最大程度降低或消除人工检测中主观意识的影响，从而实现检测自动 化、智能化，并保证了检测结果的稳定。具体而言包括以下场景：

1）钢结构焊缝连接质量检测

钢材焊接本质上是一个很复杂的过程，其中一个或者几个变量出现波动均会使得焊接后 的焊缝几何尺寸不符合要求或者表面出现咬边、焊瘤、弧坑等缺陷，这些缺陷轻则影响 结构美观，重则导致重大事故发生。计算机视觉作为一种非接触性检测方式，具有高灵 敏、高精度等特点，在焊缝质量检测中得到了广泛应用。根据数据统计，传统人眼检测 的焊点不合格检出率为 65%，而 AI 智能检测的焊点不合格检出率高达 98%。

焊缝成形尺寸测量一般基于主动视觉完成，最常用的手段是线性结构光测量，即首先由激光发射器发射出具有特定形状的结构光到需要被测量的物体表面，之后摄像机将投射 在物体表面的结构光进行采集并进行一系列后续处理可以得到被测物体的三维坐标和 形状特征。焊缝表面缺陷检测一般基于被动视觉来实现，即直接模拟工人视角来对焊缝 表面缺陷进行检测，从而获得大量的焊缝表面信息。

2）混凝土结构表面裂缝识别

混凝土是一种由水、粗细骨料、胶凝材料拌和养护而成的人工石材，常由建筑工人在施 工现场拌合浇筑，操作不当易出现质量问题，比如在材料方面可能出现水灰比、颗粒级 配使用不当等情况，在浇筑方面可能出现浇筑速度，养护温度不合规定等问题，最终混 凝土出现裂缝，对结构安全产生隐患。

基于计算机视觉的结构裂缝检测技术在近年迅速发展，已有大量研究者采用基于传统图 像处理技术和基于特征的机器学习方法对结构裂缝进行提取和分析。但由上述视觉方法 获取的裂缝检测数据常包含大量噪声，严重影响检测结果的可使用性。因此目前深度学 习方法已被引入裂缝视觉检测领域，用以取代传统图像处理技术和基于特征的机器学习 技术，实现多场景下土木基础设施裂缝的高精度检测。

三维扫描：深度融合 BIM，创造建筑的数字世界

三维扫描技术以激光测距原理为基础，快速获取物体表面大量而密集的点的坐标等信息，相当于一个高速测量的全站仪，其成果表现为点云数据。与全站仪相比，三维扫描可自 动化地快速测量海量的点，在常规方法需要较多控制点的异形结构测量中，可大大提高 测量效率。同时，与设计模型不同，点云数据真实反映了扫描对象的状态，包含制造误 差、施工误差、结构变形等信息。三维扫描技术在施工中的具体应用包括以下方面：

1）深化设计。以先期施工的土建点云模型为依据得到修正后的 BIM 模型，随后进行机 电、幕墙等深化设计，可减少因施工误差引起的结构碰撞。 2）变形监测。通过定期连续的扫描工作可获得被监测结构在不同时间的几何信息，进 而获取被监测结构的变形情况，例如基坑沉降监测、建筑变形监测和挡土墙位移监测等。 3）质量检查。通过对比点云模型与 BIM 模型，可测量出实际结构和设计图纸间的误差， 从而进行施工质量（如平整度和垂直度）检查。高精度的三维扫描还可用于缺陷检查， 如外保温系统空鼓、脱落等问题。 4）进度控制。三维扫描技术可以进行现场土方量等工程量的统计，并可与 BIM 模型结 合确定各个施工阶段的工作量，通过连续定期扫描以控制施工进度。 5）既有结构改造修复。三维扫描技术可在既有结构设计图纸缺失的情况下，通过逆向 工程方法得到既有结构的 BIM 模型，进而为既有结构改造修复提供依据。

建筑机器人与智能设备：工厂与现场的双重革命

建筑机器人和智能装备可以按照计算机程序或人类的指令自动执行建筑施工工作，代替 或协助人完成施工任务。具体用于以下方面： 1）预制构件制造。在预制构件制造工厂中，生产环境较为简单，为智能制造技术应用提 供了便利。智能装备和智能机器人现已广泛应用于预制构件生产工厂等场景，实现了预 制构件生产的智能化与自动化。例如在厦门新会展中心项目中，多达 40 万件的钢结构 部件大部分来自郑州宝冶钢构 5G 智能工厂。郑州宝冶钢构为中冶旗下上海宝冶专业品 牌公司，聚焦装配式钢结构建筑及中高端钢结构市场，在郑州以“高起点、高标准、高 定位”的要求规划建设了智能化生产线，并结合大数据、物联网、BIM 等技术，实现钢 构制造最复杂工序的无人化，效率达人工 3 倍以上。

2）施工机械改造。对现有施工机械进行智能化改造是实现工程施工自动化的途径之一， 目前已有对推土机、挖掘机、装载机、压路机等设备的智能化改造，增加自动控制模块， 结合 BIM、物联网、人工智能等技术，实现机械的自动控制，工人无需操作或仅进行简单的操作即可完成相应的施工过程。例如韩国迪万伦（DEVELON）公司为提出 ConceptX 智能解决方案，将通讯技术（ICT）和人工智能技术融合，推进施工现场智能化实现 重要突破，达到提升工作效率，节约费用，降低危险系数等一系列客户需求，为客户创 造更多的附加价值。

运维：聚焦数字孪生，为传统建筑运维破局

传统建筑运维往往存在大量问题。在建筑设施的全生命周期中，运营阶段所占时间最长， 花费最高，维护管理的缺失还会导致建筑使用寿命缩短，资产受损。同时传统的建筑运 维管理存在着大量问题，例如建筑数据海量复杂，无法流转；建筑内子系统繁多，互不 支持；事后处理运维模式，无法预警等。

数字孪生技术为建筑运维模式破局提供了新的契机。建筑信息化正在进入以数据深度挖 掘和融合应用的智能化新阶段，将多元异构数据全面打通并赋能建筑运维至关重要。为 此，数字孪生技术提供了新的契机。数字孪生（digital twin）是指充分利用物理模型、 传感器、运行历史等数据，集成多学科、多尺度的仿真过程，它作为虚拟空间中对实体 产品的镜像，反映了相对应物理实体产品的全生命周期过程。数字孪生和仿真模型的区 别在于数字孪生具有演化性，数字孪生会不断接收实际物体的各类信息，实时调整状态， 努力达到与实际物体实时对应的状态。

基于数字孪生技术，可以构建智慧平台以更好地为建筑运行提供立体感知，呈现直观可 视的管理界面，提高运维效率。通过数字化技术得到的数字建筑，可将空间位置特性与 设备管理、故障处理、物业运营、消防应急等信息高效结合，全面提升建筑运维管理效 率。同时过去分专业各自为阵的建筑运维方式也被打破，由智慧运维平台统筹协调运维 模式，打通暖通、强电、弱电、安保、给排水等多个专业系统，融合且高效。具体而言， 基于数字孪生技术的智慧平台可用于以下方面：

1）建筑节能。智慧运维平台对建筑整体及关键设备进行实时能耗数据采集，然后对分 类能耗、区域能耗、逐时能耗、逐日能耗、实时 COP 等进行可视化分析，为能耗统计、 节能减排提供数据支持。通过对庞大的能耗数据进行挖掘分析，更可以提前发现异常状 态，“主动式”提供预防和改进方案。

2）应急感知。在建筑关键区域部署具有图像识别功能的视频设备，智慧运维平台可以 实现在三维空间中定位和查找视频设备，实时调取及监控当前及历史视频画面，通过视 频 AI 技术实现白名单告警、徘徊告警等功能，减少人员巡视和排班强度，全面提升安 防工作效率，提升综合安防能力。

3）人居环境。在建筑内部及外部安装物联网 IOT 传感器，实时监测温度、湿度、PM2.5、 CO₂等空气质量数据，在数字空间中提供建筑、楼层、房间多层级展现环境数据。当温 度变化超过阈值时，联动空调机组调节运行功率和室内温度，营造舒适的室内环境。

4）物业管理。实现物业经营、运营、设备、资产数据在智慧平台上的统计分析，方便物 业经营决策。通过查看楼层和空间使用信息，查看租户信息和出租率，打造友好空间， 实现资产增值，提升客户粘性和服务口碑。同时提供访客预约、停车服务、会议室预约 等多种便民措施。

浪潮已至，关注行业机遇

在零碳节能环保需求攀升、智能化数字化建造日益蓬勃的当下，BIM 是适应建筑全生命 周期数字化管理的有效工具。BIM 捕捉建筑全生命周期的各类信息，将各环节打通，以 数据对过程进行优化。从“2D”到“6D”，数据打通各个环节，实现全生命周期管理。 从设计阶段对建筑风环境、光环境等方面进行模拟、获得最优化的节能布局，以及将 BIM 数据传递至资产的运营和维护端，实现更高效的项目运行。未来建筑领域 BIM 与 AI 有 望长效结合，持续助力建筑行业全生命周期产业链发展，在此基础上相关标的均可关注。

华设集团：公司在交通和城市建设领域提供全国领先的数字化整体解决方案，融合先进 的数字技术、工程技术和行业洞察，围绕“数字设计、数字孪生、智慧场景”，在规划咨 询、工程勘察设计、数字智慧、绿色环保等业务领域提供一流的产品和服务，包括： 1）规划咨询业务——充分利用大数据技术提升智库规划咨询能力。公司拥有交通 运输部综合交通运输大数据处理及应用技术研发中心，拥有深度挖掘庞大的数据 资源及其潜在价值的分析能力，依托大数据和数字模型，建立了基于多源大数据综合交通分析平台，支撑了全国 400 多个城市群/都市圈、省域、区域、城市及片区 等各类战略规划、综合规划及各专项规划落地。

2）工程数字化设计——基于 BIM+GIS 的正向设计和数字模型交付。公司设计了 全国及海外超过 6,000 公里高速公路、1,000 余公里城市快速路和主干道、300 多 座特大型桥梁、3,200 公里四级以上内河干线航道和沿海航道、80 余座各类船闸、 近 1000 公里的铁路、11 个城市超过 550 公里的地铁，民航评审项目覆盖七大管 理局，覆盖 24 个省、市、区 79 个机场。公司依托工程数字化技术中心，推动工 程设计向基于 BIM+GIS 的“全生命周期”正向设计和数字化交付转变。

3）基建数字化底座：公司向控股子公司江苏狄诺尼信息技术有限责任公司进行增 资，增资完成后，公司合计持有股份 77.5%。公司完成新一轮基础设施数字化发展 规划，继续推进数字勘测云平台、数字设计云平台、数字建造云平台系统的开发与 完善。公司围绕基础设施数字化构建“四云、七线”的数字化产品线和平台系统，打 通各阶段之间的信息堵点，提升工作效率、管理水平和决策能力。

公司子公司江苏狄诺尼发布 AI Road 更新，支持输出高清渲染效果图和路线平纵图。AI Road 是一款专注于方案研究的三维快速方案设计软件，正处在不断更新迭代中。近期 重磅推出了场景出图的新功能。AI Road 场景出图实现了设计方案三维模型与设计信息 的综合展示，大大提升方案研究、工可及投标阶段的成图效率，提高了方案的展示效果 和设计品质。

华阳国际：深耕华南市场、国内知名的建筑设计科技龙头企业。主要业务包括建筑设计、 建筑科技及其延伸业务，产品包括居住建筑、公共建筑、商业综合体等。公司在华南地 区市场与一批优质核心客户建立战略合作关系，并积极布局华中、华东、西南、华北等 区域市场。作为设计行业龙头之一，积极布局装配式设计、BIM 等新业务领域，整合行 业上下游优质资源，将设计单点优势转化为产业链综合优势，十四五期间保障房建设， 也将进一步拓展 BIM、装配式技术的应用场景，为公司技术投入带来更多变现空间。

公司在国内 BIM 专项研究启动领先，产品持续迭代升级。公司早在 2008 年就启动 BIM 专项研究，前后参与了国家、市级等 14 项标准的制定和市级 3 项专项课题研究，获得 BIM 相关专利 7 项。2019 年公司相继研发上线了 iBIM 平台 V1.0 版和华阳速建 2019 版，实现了全专业的 BIM 正向设计。2021 年公司研发上线了 iBIM 平台 V4.0 版和华阳 速建 2022 版。公司不断加强 BIM 技术的研发和应用，升级华阳速建等 BIM 正向设计 平台，逐步提升建筑、结构、给排水、暖通、电气、装配式等全专业 BIM 正向设计效率， 并持续迭代 iBIM 平台，对接万翼 AI 审图平台，逐步搭建以设计为起点的建筑全产业链 数据平台。2019 年公司 BIM 设计业务收入 4616.41 万元，同增 84.41%，占公司营业收入 3.86%同增 1.13pct。

广联达：广联达是我国数字建筑平台龙头企业，当前时点三大主业均有望迎来加速成长。 数字造价业务 SAAS 模式稳健支撑下，数字新成本拓展超预期，成为重要的新的增长点， 打开该业务天花板。同时探索增值服务带动 ARPU 值提升和基建造价拓展带动用户量 继续增长。数字施工业务迎来外部环境向好，房地产行业政策修复，压制因素缓解，基 建有望作为财政发力重要方向继续在经济增长中发挥积极作用，下游需求有望修复向上。 建筑行业施工和项目推进有望加速，带动数字施工业务合同向营收转化，营收增速提速。 数字设计业务有望迎来产品推广周期。 较早布局 BIM 业务线，体系化推进赢得客户认可。公司从 2009 年正式开始 BIM 研究， 逐渐形成了体系化的施工阶段 BIM 产品：岗位级应用、项目级应用与企业级应用。通过 单点型岗位级应用如 MagiCAD、BIM 算量、BIM 场布、BIM 模架等获得初始数据，然 后数据被集成至项目级管理平台 BIM5D，通过虚拟建造和可视化管控实现精细化管理， 最终管理层通过企业级 BIM 云平台对所有项目进行把控，为企业决策提供依据。体系化 的 BIM 产品一方面有利于施工企业消除信息孤岛，提高管理质量与工程效率，另一方 面能提高公司产品的替代成本，形成较强的客户粘性。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）

精选报告来源：【未来智库】。「链接」