随着人工智能技术快速发展，数字化转型持续深入，面对新形势，工程师如何主动拥抱变革、以技术跨越驱动能力升级？
       近日，筑龙学社“圈里人”栏目专访北京市市政设计研究总院有限公司数字智慧院副院长、人工智能研究应用团队负责人韩宝良。从土木工程到专业编程，从BIM深耕到人工智能探索，专访全景呈现了一位技术带头人的跨界成长路径，也折射出行业在数字化转型道路上的实践与思考。

       韩宝良，筑龙建筑智库专家，建筑结构专业高级工程师北京市市政工程设计研究总院有限公司数字智慧院副院长公司人工智能研究应用团队负责人龙图杯、创新杯、光辉大赛、市政杯等多项BIM大赛获奖者
       从事BIM设计与科研工作十余年，牵头多类型市政工程参数化软件研发及“BIM+”平台产品开发，主持或参与多项国家级、省部级科研课题，负责北京CBD、花湖机场、雄安新区等数十项重点工程BIM实施，取得多项软著及发明专利。

       Q1：是什么契机促使您开始接触并深入探索AI工具？能否分享一些您在学习和应用AI工具过程中的关键节点和心得体会？
       韩宝良：我接触并深入探索AI工具，本质上是源于对IT技术的长期热爱与探索习惯。作为土木工程专业毕业生，我并未局限于本领域，工作后不仅开发过与业务相关的程序，业余时间还会自主编写兴趣类代码，编程早已成为我拓展能力边界的重要方式。
       真正让我聚焦AI领域的契机，是2022年底ChatGPT的发布——它展现出的自然语言交互能力和逻辑生成能力，让我意识到AI可能会重塑传统工作与学习模式，便立刻开始密切追踪行业动态。而2025年初DeepSeek的“破圈”是另一个关键节点，其开源属性降低了技术探索的门槛，我由此开始尝试自主部署模型，从“被动使用工具”转向“主动掌控技术”。
       在这个过程中，我总结出两个核心心得：一是“先懂原理，再用工具”。只有先理解AI的基本概念、技术边界（比如知道它能高效生成内容，但无法替代人类的深度决策），才能避免盲目使用，精准发挥其价值；二是“重文档，多实践”。开源社区的原始文档是最权威的学习资料，能帮我掌握工具部署的底层逻辑，而反复试错则是消化知识的关键——很多技术细节只有在实际操作中遇到问题、解决问题，才能真正内化为自己的能力。

       Q2：在当前技术变革的浪潮中，结合您的专业背景，谈谈AI技术对个人职业发展的重要性？
       韩宝良：结合土木与工程领域背景来看，AI对职业发展的重要性体现在“当下提效”与“未来布局”的双重价值上。目前大语言模型、多模态模型虽未达到替代建筑工程、市政工程核心流程的程度——比如方案设计、CAD制图及结构计算等关键环节，AI仍无法完成，但它已能成为高效辅助工具。
       比如撰写工程说明文档、生成项目效果图、整理施工台账等重复性工作，AI能将效率大幅提升，让我们从繁琐事务中抽离，聚焦技术优化、方案创新等核心价值环节。更重要的是，技术迭代速度远超预期，当前AI在辅助环节的应用只是起点，未来很可能通过“AI+BIM”“AI+结构分析”等融合模式，深度介入核心流程。
       此时主动掌握AI技术，既是提升当下工作竞争力的“加分项”，更是应对未来行业变革的“必修课”。通用人工智能的实现虽需时间，但提前熟悉技术逻辑、积累应用经验，能让我们在AI深度赋能行业时，成为首批掌握主动权的从业者，而非被技术迭代淘汰的观望者。

       Q3：鉴于AI技术的快速发展，您认为对于职场人士来说，立即开始学习AI课程有哪些紧迫性和必要性？拖延学习是否会错失哪些关键机遇？
       韩宝良：AI学习的紧迫性和必要性，本质源于“技术门槛低窗口期”与“应用价值爆发期”的叠加。从技术层面看，当前AI核心理论体系并不复杂：大语言模型核心基于2017年谷歌提出的Transformer框架及注意力机制，神经网络的广泛关注也仅仅是始于2012年李飞飞团队的ImageNet比赛，核心技术栈相对稳定，现在入门难度较低。
       而紧迫性体现在两方面：一是技术迭代加速，每周都有新模型、新工具涌现，若此时拖延，未来技术生态更复杂时，入门成本会大幅增加；二是AI已从“概念”落地“实用”，AI已能直接赋能工作——比如工程领域用AI做数据统计、用多模态模型做监控分析，当下学习就能立即提效。
       立即开始行动可以抓住两大机遇：一是“效率红利期”，尽早用AI优化工作流程，能在同事中建立竞争力优势；二是“转型窗口期”，AI催生了跨领域机会，比如工程+AI解决方案设计等新岗位，提前学习能抢占这些新兴领域的先发优势，避免未来被技术迭代边缘化。

       Q4：您认为，对于希望提升自身竞争力的职场人士而言，系统化学习AI课程的核心价值体现在哪些方面？这些课程如何帮助他们应对未来的职业挑战？
       韩宝良：系统化学习AI课程的核心价值，在于构建“认知框架”与“应用能力”的双重优势而非单纯掌握工具使用技巧。当下AI技术迭代速度极快，2026年行业重点落地的AI Harness驾驭工程，标志着AI从零散工具应用，迈入了系统化、工程化、可管控的落地新阶段，这也让系统化学习成为职场人的必备能力，而非可选技能。
       对职场人来说，首先能建立“技术判断力”——通过学习底层原理，比如大语言模型的训练逻辑、多模态技术的融合机制，能清晰判断AI在自身领域的能力边界：哪些任务可交给AI，哪些需人类主导，避免盲目依赖或排斥。这也是当下驾驭工程的核心基础，只有具备完整的AI认知，才能规范调度、管控AI模型，适配行业标准化落地要求。
       系统化课程会讲授AI与传统工具的融合方法，比单纯使用零散AI工具的效率提升数倍。在技术快速迭代的背景下，碎片化的工具用法极易过时，而系统化学习能帮助职场人掌握通用的AI应用逻辑，适配2026年持续更新的驾驭工程、模型调度、AI链路优化等新技术范式。更重要的是，能形成“前瞻视野”——课程会梳理技术演进脉络，帮助职场人预判行业变革方向，跟上AI工程化落地的迭代节奏。
       这种价值在应对未来挑战时尤为关键：当行业出现AI替代潮时，系统化学习者能从“被替代者”转变为“替代方案设计者”，依托成熟的AI驾驭思维，落地标准化、规模化的AI业务应用；当跨领域机会出现时，他们能凭借AI知识与专业能力的复合优势，切入新兴赛道。
       简言之，系统化学习不是“学工具”，而是“掌握驾驭技术变革的能力”，足以适配AI高速迭代、工程化落地的全新职业要求。

       Q5：展望未来，您如何看待AI技术的演进趋势及其对建筑行业产生的深远影响？对于希望入门AI领域的学习者，您有哪些具体的学习建议或经验可以分享？
       韩宝良：未来AI在建筑行业的演进，将围绕“垂直深化”与“多模态融合”两大趋势展开。一方面，建筑行业作为传统领域，积累了海量规范、案例、数据，这些资源可用于训练行业垂直大模型——通过微调优化，AI也许可以精准适配工程计算、规范解读、风险预判等专业场景。
       另一方面，多模态融合将破解当前技术瓶颈。以CAD绘图为例，单一模型难以完成，但未来大语言模型可解析设计需求并转化为绘图指令，多模态模型则实时校验图形效果并反馈调整，形成“指令-绘制-校验-优化”的闭环，模拟人类设计的完整流程。这种融合将让AI从辅助工具升级为“协同设计者”，深刻改变方案设计、施工管理等核心环节。
       给入门学习者的建议有两点：一是“以用促学，兴趣驱动”。从具体需求切入，看到实际成效后更易坚持；二是“锚定核心，淡化杂术”。工具和平台会频繁迭代，但底层概念如Transformer框架、扩散模型算法等相对稳定，优先吃透这些核心原理，就能以不变应万变，后续学习新工具时会事半功倍。