看完广联达2026年投资者大会实录,AI与工程软件的新十年已经开始了

图片来源：官方公众号

以下是基于5月14日投资者大会的五个核心结论：

关于AI与组织架构👇

广联达今年对AI组织做了明确分拆，「AI工程部」负责用成熟技术做工程化落地，「AI研究院」负责2D图纸、图像识别、空间物理等前瞻方向的技术储备。分法的逻辑在于：不等技术完全成熟，边研究边转化。

同时，AI Coding已在内部全员推广，个体提效30%-50%，但公司判断组织整体提效比个体更难，核心是同步重构运营体系。广联达对AI落地的理解，已经从「工具引入」升级到「业务模型重构」。

关于AI与技术路径👇

广联达明确不在基模和算力层面自建，而是直接采购外部MaaS服务，或将开源模型微调后部署在自有算力集群。核心工作集中在基模以上：用行业数据做后训练，用公开数据训练行业通用模型，用客户企业数据做定制化应用，敏感数据支持本地化部署。

这是一条典型的「行业纵深」路线，不比拼通用能力，比拼的是工程数据积累和场景理解深度。另一个值得关注的细节：他们用图形平台和数字孪生主动生成极限工况数据（如塔吊倒塌场景）来训练安全模型，解决了ToB场景中极限数据天然稀缺的难题。

关于AI与产品形态👇

广联达正在把算量、计价等核心软件底层引擎化，让它们能被PMSmart项目管理软件、设计软件等跨产品调用，目标是「软件无处不在，却又看不见」。这对中小客户尤其重要——他们不需要打开专业软件，在日常使用的项目管理工具里就能直接获得算量和计价结果。

同时，公司也在推动功能向Agent化演进，为未来真正的自动化工作流做能力储备。内部已在统计各产品模块的调用次数作为价值衡量指标。

关于AI与商业模式👇

广联达的商业模式演进路径是：SaaS（现阶段主体）→ WaaS（按工作量收费）→ RaaS（按结果收费）。其中WaaS模式已在工业安装算量产品上跑通——客户上传图纸，系统智能完成算量，按工作量收费，市场接受度高。RaaS则通过生态伙伴在探索中。

公司判断这个演进不会一蹴而就，会随客户对AI的接受度、内部运营体系优化以及业务流程重构渐进推进，中长期形成三种模式并存的混合服务体系。这个方向意味着广联达的收入结构将越来越与客户的实际业务产出挂钩。

关于市场判断👇

广联达对建筑业市场的判断：存量客户在从房建转向基建、新能源，同时从省内走向全球；增量客户来自此前未覆盖的纯基建领域（公路、水利等）和中小项目。基建客户的特征是对人员、材料、安全的精细化管理需求远高于房建，单客户贡献收入也高于传统房建，诉求更强烈。

海外方面，亚洲聚焦成本和施工业务，欧洲以设计和施工为主，印尼已有产品落地，欧洲保持稳健高增。公司的判断是：海外软件发展规律和国内一样，前期慢、积累到一定阶段会加速——这句话是他们当前加大投入的战略依据。

Q1：公司在模型、算力、数据上的策略以及在运用数据训练模型和开发应用场景上有何后续规划？在拓展空间模型方面目前的进展如何？

答：我们观察到，AI技术落地正从一维向二维、三维方向演进，这一趋势已形成行业共识。为应对不同技术成熟度的挑战，公司今年对组织架构进行了调整，采取“双轮驱动”的策略：

一是AI工程部：负责基于现有成熟技术，结合工程化方式，将AI能力在具体场景中做深、做实。在工程化落地过程中，我们不仅使用大模型，也会结合大量小模型及传统模型进行协同支撑。

二是AI研究院：核心聚焦2D图纸、图像及空间物理等方向的前瞻性技术研究。由于这部分技术的不确定性较大，我们更多从技术研究和储备的视角推进，同时会进行阶段性的成果转化，而非等待技术完全成熟后再应用。

在模型、算力与数据的整体策略上，公司明确聚焦于基模以上层面。基模和算力层面，我们与外部伙伴合作，直接使用其MaaS服务，或将开源模型经行业微调后部署在自有算力集群上。在基模以上，我们利用行业数据对模型进行后训练，这是公司的核心工作。

关于数据应用，我们采取分类处理的方式：对于行业通用的公开数据，我们用于训练行业模型并构建基础能力；对于每家客户的企业数据，我们与客户合作，基于其数据进行定制化的数据应用，而非简单地将所有数据都训练成模型，这是一种融合应用的范式。对于客户自身的敏感数据，我们也会严格遵循客户需求和相关准则，并支持本地化部署，确保数据安全。

在数据采集方面，公司正推动工地现场数据采集的全面自动化。我们的安全产品、劳务实名制打卡、物料称重等系统每天产生大量数据，通过硬件与软件手段，我们正在建立数字孪生的工地现场，实现进度、成本、安全隐患等各类数据的自动采集。此外，ToB领域普遍面临极限工况数据缺失的挑战。例如，安全事故的发生等，模型难以通过真实案例进行大量训练。为此，我们利用图形平台和数字孪生技术，主动生成各类极限工况数据（如塔吊倒塌场景）来训练模型，而非等待真实事故发生后才能进行算法训练。

在空间模型领域，公司已依托设计软件沉淀海量建筑构件、标准户型等空间样本数据，持续深化二维、三维及空间理解能力建设，充分复用存量数据开展模型训练与场景适配。

Q2：如何看待AICoding对于软件工程师的替代，以及AI对软件行业市场空间的影响

答：本轮AI技术变革与过往技术迭代存在本质区别，并非单纯效率层面的量变，而是行业发展范式的重构，将推动全业务流程与价值体系重塑，进而产生深层次质变价值。当前AI已全面融入公司从需求、设计到开发测试的全软件工程流程，不仅重塑研发作业方式，也将持续驱动公司销售模式、服务模式与商业逻辑迭代升级。

以AI编程为例，广联达内部正在全员推广AICoding。我们观察到，从个体使用感受来看，提效幅度大约在30%到50%之间，但当我们将视角从个体回到组织层面，就会发现个体提效并不等同于团队和组织整体提效，关键在于要同步适配原有业务模型与运营体系，推动从个体增效向团队整体增效转型。

在人力结构层面，对于低门槛、标准化的基础编码类工作，AI具备明显替代效应，相关外包及基础岗位会相应缩减；而具备专业建模、业务理解与抽象能力的核心研发人员，不会简单裁撤，而是转向价值更高的前端业务场景，深入客户一线开展业务建模与落地实施，实现人力资源价值重构。

另一方面随着行业需求升级，客户不再局限于单一产品采购，而是将核心业务交由公司深度服务，业务复杂度持续提升，反而需要更多专业研发人员深耕复杂业务场景、驻场服务大型客户，人员结构呈现结构性变化。

对行业客户而言，AI工具首先实现个体效率提升，后续将倒逼客户重构自身业务流程与运营模式，释放现有人力精力去满足更多未被挖掘的业务需求，市场空间仍具备增长潜力。

Q3：AI对公司商业模式的影响

答：AI技术将推动行业数字化服务模式持续升级，整体将从传统SaaS服务，逐步向WaaS、RaaS演进，服务形态也将从常规服务交付，迈向工作交付乃至结果交付。目前公司主营业务仍以SaaS模式为核心，同时已在积极探索WaaS、RaaS等新型商业模式。例如工业安装算量产品已采用WaaS模式落地运营，通过图纸上传、智能化完成算量，按照工作量收费，市场接受度高、业务增长势头良好；在RaaS领域，公司也在通过生态伙伴合作开展相关模式探索。

整体来看，商业模式的升级并非一蹴而就，而是随客户AI接受度、内部运营体系优化及业务流程重构渐进推进。中长期来看，公司将形成SaaS、WaaS、RaaS多形态并存的混合服务模式，并随客户业务转型与AI应用深化持续迭代完善。

Q4：请问公司面向中小企业客户的差异化策略

答：当前下游行业结构发生明显变化，基建、城市更新建设需求增长，中小项目及中小企业占比持续提升，大小客户需求特征差异显著。中小企业更偏好轻量化、易上手的产品形态，无需复杂厚重的系统功能，但仍需覆盖全场景实际业务诉求。公司正对原有软件产品进行架构升级与模块化拆解，推动功能向Agent化、可调用化演进，将核心业务能力底层引擎化，可在各产品间灵活复用、跨场景调用。通过架构与AI能力升级，用户无需单独打开专业软件就可以获得业务结果，实现“软件无处不在，却又看不见”，当前公司的算量、计价等核心软件正在被PMSmart项目管理软件、设计软件等充分调用，变得无处不在。公司内部也在统计这些调用的次数，调用越多，价值越大。

Q5：随着中资客户从传统房建向基建、新能源转型并加速出海，公司业务也同步向非房建领域及海外市场拓展，请问后续这一转型加速趋势是否会持续？

答：当前行业客户主要呈现两大变化，一是现有客户自身业务的转型。不少客户从以房建为主转向基建、新能源，也有不少客户从只做省内业务向全球拓展。这部分客户的需求变化，带动了公司产品的相应转型。二是全新客户群体的拓展。公司早期没有覆盖纯粹的基建客户，但几年前便已布局公路、水利等基建领域，相关业务布局具备优势。基建类项目在业务模式、项目场景、远程管控及安全物资管理等方面与传统房建差异显著，对人员、材料、安全的精细化管理需求远高于房建，这为公司的产品、解决方案和商业模式都带来了新的变化和更大的市场空间。经过这几年的打磨，我们发现基建领域的客户诉求更强烈，单个客户为公司贡献的收入比例超过传统房建业务。

关于海外业务，我们认为很多业务的发展并非线性，而是需要经历沉淀才能起势。广联达在海外已深耕超过十年，积累和沉淀了不少技术、人才和管理上的经验。当前，我们在印尼等市场发布了具有竞争力的产品，这得益于对客户需求的深入理解、产品的持续调整以及技术的不断突破。总体来说，软件发展前期较慢，到一定阶段就会加快。广联达在国内市场经历过这一过程，海外市场同样如此。