《人工智能 建筑行业大模型技术要求》GB/Z 248-2026

本文件为规范类指导性技术文件，提出建筑行业大模型的三层技术架构，规定功能、安全性与部署模式要求，适用于建筑行业大模型及配套软硬件产品的设计、研发、系统集成与落地应用。其核心思路是：以通用基础模型为底座，融合建筑行业文本、二维/三维图形、图像与视频数据，面向投资、设计、施工、运维、供应链全生命周期提供理解、识别、生成、推理与预测能力。

架构分层与能力边界

技术架构自下而上分为平台层、模型层、应用层。模型层由通用基础大模型（NLP、CV、多模态）与建筑行业专用模型构成，后者细分为领域模型和专业场景应用模型。领域模型侧重建筑文本理解、二维dwg/pdf图纸识图、三维Revit/Catia/MicroStation图形识别及图像视频识别；场景模型覆盖文档报告生成、BI看板、二维图纸智能生成、三维模型生成、图像与视频生成、行业预测。应用层则按地产投资、勘察设计、施工建造、运营运维、供应链五类场景提出具体能力要求。

平台层与工程化支撑

平台层分数据平台与AI服务平台。数据平台规范采集、处理、标注、管理四环节，要求支持多源异构数据接入、清洗校验、数据增强及数据集全生命周期管理。AI服务平台涵盖开发框架、模型训练、模型推理、能力编排、模型管理、模型部署、质量评价与算力调度，要求兼容PyTorch、TensorFlow、MindSpore等框架，统一纳管GPU/NPU及虚拟机、裸金属资源，支持在线与批量推理、断点续训和可视化工作流。智能体平台另就架构扩展、消息通信、缓存加速、任务调度、数据存储及接口鉴权作出规定。

安全要求与部署模式

安全性要求贯穿数据、运行、平台三个层面。数据层面强调来源合法性、去标识化、分类分级存储、传输加密、完整性校验与定期备份；运行层面要求漏洞扫描、模型可解释性、输入意图识别与输出内容过滤、API限流鉴权及异常行为告警；平台层面要求监控告警、容灾备份、等保二级合规、堡垒机访问、蓝绿发布与10分钟版本回退、代码扫码与渗透测试，数据安全采用国密SM4存储加密、TLS1.3传输及DLP敏感信息阻断。部署模式由企业结合业务需求、技术能力、数据安全与成本预算，在四种类型中综合选择。