分類: digital construction

最近在CCBC的課堂上問一位同學是否打算到CIC應考，她微笑搖一搖，細問之下原來在課程期間她已經被辭退，並有轉行的打算，這反映了BIM的人才供過於求，或市場上需要BIM jobs減小。

BIM Coordinator 的未來，不是變成工程師，而是走向 Digital Engineer

踏入 2026 年，本地建造市場持續低迷，工程量不似數年前般熾熱。同一時間，過去幾年 BIM 人才快速增長，市場一度大量招聘 BIM Modeller、BIM Coordinator、BIM Engineer。當大型項目高峰過去、BIM 在香港的導入（adoption）已大致完成後，明顯的現象出現了：

• 工程量下降，BIM 職位空缺隨之減少；
• 愈來愈多工程師、測量師、建築師本身懂得使用 BIM 工具，對「純操作角色」的需求下降；
• 自動化與人工智能加速發展，開始能處理部分重複性的 BIM 工作。

不少 BIMer，特別是 BIM Coordinator，開始感受到壓力：
一方面工作機會減少，另一方面角色本身亦面臨被「工程師＋BIM」或「自動化工具」部分取代的風險。

在這樣的背景下，BIM Coordinator 的出路應該是什麼？
關鍵在於：不要把自己定位為「準工程師」，而是由「軟件操作」走向「資訊管理、自動化與數碼建造」——即未來的 Digital Engineer / Digital Construction Engineer。

---

一、傳統 BIM Coordinator 的定位：為什麼在這一輪市場會被擠壓？

若對照 CIC 的 BIM 認證與課程框架（如 CCBC、CCBM 的核心能力），傳統 BIM Coordinator 多被期望承擔以下工作：

• 根據已訂立的標準和 BEP，協助建立及維護各專業模型；
• 合併模型、進行 clash detection、整理協調問題清單；
• 在 CDE 上載／下載文件與模型，處理命名及版本管理；
• 按要求輸出圖則、報表、工程量清單等交付物；
• 在協調會議中，以模型輔助各專業溝通。

這樣的角色，本質上介乎「技術專員」與「初級協調者」之間，重點還是放在：

• 以軟件執行既定任務；
• 確保模型與資訊在技術層面的正確性。

當市場環境改變，問題就出現了：

• 工程量減少 → 純操作工作量自然縮減；
• 專業工程人員自學 BIM → 對「只負責建模的中介角色」依賴度下降；
• 自動化與 AI 進場 → 重複、規則清晰的任務最先被取代。

這並不代表 BIM Coordinator 一定沒有出路，而是代表：
如果角色長期停留在「純軟件操作」層次，就會直接暴露於市場收縮與技術取代的前線。

---

二、香港的 BIM adoption 已近完成，下一步是 Digital Construction adoption

從行業層面來看，香港的 BIM 推行在過去十多年已由「試點階段」走向「幾近全面採用」：

• 政府工程有明確的 BIM 要求；
• 大型發展商和承建商已普遍把 BIM 納入標準流程。

在這個基礎上，行業焦點正在由 「BIM adoption」 轉向更廣義的 「Digital Construction adoption」——不再只是關心某套 BIM 軟件是否導入，而是關心：

• BIM（模型與資訊結構）、
• CDE（Common Data Environment）、
• IoT 與現場感測裝置、
• 行動端現場應用、
• 數據分析與報表工具、
• 自動化與程式化流程

如何整合成一套完整的數碼建造（Digital Construction）方案。

在這樣的轉變之中，傳統 BIM Coordinator 其實具有天然優勢，因為他們長期站在三個重要交叉點上：

1. 資料標準化與結構化的經驗
   • 熟悉模型屬性、命名規則、IFC 等開放格式；
   • 知道「資料要如何被組織，才能在不同平台與系統之間可靠流通」。
2. 跨軟件與平台的實務經驗
   • 每天處理 modelling 工具、協調工具、CDE 平台之間的匯入／匯出與相容性；
   • 清楚各工具的長處與限制，以及在實際項目中的取捨。
3. 對流程與協同的敏感度
   • 參與 BEP、CDE workflow、協調會議、資訊交付；
   • 對跨專業協同與資訊流的瓶頸有第一手觀察。

正因為站在這個位置，BIM Coordinator 非但不是理所當然被淘汰的角色，反而是最適合轉向 Digital Engineer / Digital Construction Engineer 的起點。

---

三、不是變成工程師，而是由「操作」走向「資訊與自動化」

在目前市場情況下，要求大多數 BIM Coordinator 大規模轉型為傳統工程師，既不現實，回報亦未必足夠：

• 工程專業本身門檻高，需要長時間學理與實務累積；
• 工程崗位市場同樣存在收縮壓力；
• 單純轉行工程師，並不能解決整個行業數碼化轉型帶來的結構問題。

更可行的，是留在數碼建造這個賽道上，但把自身定位 由「操作」提升為「資訊與流程設計」、「自動化與數據應用」。具體可以分成兩條主線：

1. 由 BIM Coordinator 升級為「BIM Manager」

這條路線的重點，不在於學會設計結構或機電，而在於補強 資訊與流程管理：

• 從「跟隨 BEP 做事」，提升到「理解 BEP 背後邏輯，參與制定與優化 BEP」；
• 從「幫人上載檔案」，提升到「設計與管理 CDE workflow、命名規則、權限與審批流程」；
• 從「只操作 clash detection」，提升到「制定檢查規則、解讀 clash 結果，協助 PM 和商務團隊做出決策」。

這實際上是向 CIC 核心能力中的 BIM Uses & Processes 與 Digital Information Management / CDE 深化。
當你在團隊中被視為「懂標準、懂流程、懂資訊結構」的人，而不只是一個軟件操作者，你的定位就會自然向 BIM Manager / Information Manager 靠攏。

2. 向自動化與數據傾斜，而不是向傳統工程專業傾斜

與其嘗試補完一整套工程學，不如集中在更貼近現有技能的 「BIM + 自動化／數據」 路線：

• 學會運用常見自動化工具（如 Dynamo、Grasshopper）或基礎程式化（Python、C# API），把高重複、規則清晰的工作自動化；
• 理解 BIM 模型的資料結構（IFC schema、屬性表、編碼規則），在工具與流程選型上有更高話語權；
• 初步接觸數據視覺化與報表工具（如 Power BI），嘗試把 BIM 資訊轉化為管理層可讀的 dashboard。

這條路的核心，不是要變成專職程式開發，而是：

從「自己手動重複做」，轉變為「設計工作流程，善用工具去自動化重複工作」。

如此一來，自動化與 AI 就不再是威脅，而是你手上的「倍增器」，而你在團隊中，也會變為推動效率與創新的關鍵角色。

---

四、從 BIM Coordinator 到 Digital Engineer：行業已經在招聘的新角色

這並非純理論上的新職稱。事實上，香港已有多間大型承建商（例如金門、協興等），近年開始正式招聘 Digital Engineer / Digital Construction Engineer 類型職位，其職責大致包括：

• 協助項目團隊在設計、施工及管理工作中，有效應用 BIM、CDE 和其他數碼工具；
• 參與或主導項目的數碼化方案設計，例如制定數碼交付流程、資料標準、CDE 結構與權限設定；
• 開發或推動使用自動化工具（如 Dynamo、Grasshopper、API 擴充），減少重複工作、提升資料質量與一致性；
• 將現場數據（IoT、進度、品質紀錄等）與 BIM / CDE 整合，並支援項目管理層以數據作出決策；
• 為工程師及現場團隊提供數碼工具培訓和技術支援，推動數碼工作方式在組織內真正落地。

從這些實際職責可以看到：

• 「Digital Engineer」並不是傳統意義上的設計工程師；
• 它更接近一個 「懂工程語境的數碼流程設計者與資訊管理者」；
• 而這恰恰是有多年 BIM 協調經驗、熟悉資料標準與流程的 BIM Coordinator 最有條件轉型的方向。

換言之，Digital Engineer 並不是與 BIM Coordinator 完全不同的跑道，而是 在 BIM 經驗基礎上，向上與向旁延伸的自然演化結果。

---

五、結語：離開「純操作」，才有真正的安全感

總結而言，在 2026 年這個階段：

• 建造市場不再高速增長；
• BIM adoption 在香港已大致完成；
• 工程專業自身亦不見得是一條大規模吸納人手的出路；
• 自動化與 AI 正逐步接手重複性高的 BIM 工作。

在這個現實下，BIM Coordinator 的真正出路，不在於「變成工程師」，而在於：

• 向上：深化 BIM / 資訊管理／流程設計，成為 Information Manager / BIM Manager / Digital Construction 中樞角色；
• 向旁：擁抱 自動化與數據，從手動操作者轉為 workflow 與工具組合的設計者；
• 在 BIM adoption 幾近完成的基礎上，把自己定位為推動 Digital Construction adoption 的 Digital Engineer。

當你不再只是「某套軟件的使用者」，而是能夠設計與管理整個數碼流程與資訊結構時，市場波動與技術變化帶來的風險，才真正開始由威脅，轉化為你的機會。

大家好！今天，讓我們聊聊一個業界熱議的話題：BIM 面對AI 的崛起，是否正宣告傳統 SaaS 的終結？

作為一名有10年BIM經驗的從業員，我親身經歷了從CAD到BIM的漫長過渡。那時，沒了專業軟件（如Revit或ArchiCAD），建築資訊的數位化管理幾乎不可行。它們不僅是工具，更提供從模型建置到協作的完整流程。過去，軟件堡壘要求使用者經過一定訓練——如何操作快捷鍵、建模設定、安排資料結構。多年累積的軟件經驗與嫻熟技巧，也讓一眾從業員成為資深軟件操作員。

傳統SaaS（Software as a Service）主要提供資訊處理功能，讓我們透過軟件達到交付成果。

但近幾年，AI的爆發讓許多媒體高呼「SaaS 已死」。為什麼？傳統SaaS（Software as a Service）主要提供資訊處理功能，讓我們透過軟件達到交付成果。但如今，AI agent（如基於LLM的工具）能直接跳過中間步驟，提供即時結果。例如，在設計階段，AI能自動透過草圖生成優化方案，而不需要我們手動調整模型。這無疑令一眾BIM modeler感到震驚，但同時也開啟了轉型機會——從重複勞動轉向更高價值的策略工作。

Data-based information exchange（基於數據的資訊交換）

對於BIM經理處理資訊管理一環亦有所影響。在BIM行業，我們習慣將文件視為「information container」（資訊容器）。傳統流程依賴軟件儲存的BIM模型，透過file-based exchange（檔案交換）在項目參與者間流通。這符合ISO 19650的object-based server information model（基於物件的伺服器資訊模型），但隨着AI agent的發展，尤其是低門檻的LLM（大型語言模型，如GPT系列），讓我們能轉向data-based information exchange（基於數據的資訊交換）。想像一下：無需繁瑣的檔案傳輸，AI就能直接分析數據、生成報告，甚至預測風險——這不僅簡化交付，還大幅提升效率。

花了十幾年時間和大量資源在教育與企業適應上

例如，最新工具如Buildots的AI agent，透過現場數據實時追蹤進度，過去可能需要透過4D模型輸入計劃及真實時序進行對比。這些發展似乎預示SaaS的轉型：從「軟件服務」變成「AI驅動的智慧服務」。但SaaS真的「已死」嗎？不，我認為它是演進。就像CAD到BIM的過渡，花了十幾年時間和大量資源在教育與企業適應上，AI的普及也需要類似過程，其挑戰在於訓練模型、隱私保護和技能轉型。

BIM經理必須裝備好自己

從我的視角看，這是機會：作為BIM經理，我們不僅要學會「使用AI模型」（如整合AI工具到工作流），更要理解「如何建立AI模型」的基礎（如訓練數據、tokenization、RAG技術），才能有效評估工具、避免使用錯誤的成果交付，BIM經理必須裝備好自己，迎接下一波建築數位轉型(construction digital transformation)。

你怎麼看？AI會加速BIM的轉型，還是帶來更多挑戰？歡迎留言分享你的看法，一起討論！

BMS 通常是固定的、集中的。它主要關注建築物內部的機電系統（冷氣、照明、電力），目的是維持建築物的日常運作和能源管理。
IoT 則更強調移動性、靈活性和微觀數據。在建造階段，工地環境每分每秒都在變，裝置（如無線溫濕度計、震動感測器、智能安全帽）無數個電子感應器，散佈在工地各個角落，甚至附著在工人或機械身上。
兩者的核心差異在於：

無數個電子感應器，散佈在工地各個角落

1. 數據傳輸方法 (Wired vs Wireless)：
為了控制大廈的命脈（如消防、電力），BMS 必須依賴實體線路以確保絕對穩定。這意味著一定的安裝成本和「一旦建好，難以移動」的特性。而 後者則利用 LoRaWAN, 5G 或 NB-IoT，裝置可以隨貼隨用 (Plug & Play)，適應動態環境。
2. 數據維度 (Data Dimension)：
BMS 關注系統狀態（開/關、溫度）；後者關注更多維度，例如混凝土的實時強度（通過埋入式感測器）、天秤的微小震動、或是工人的心率變化。
3. 互聯互通 (Interoperability)：
這是主要的差異，BMS 往往是封閉系統；後者強調 API 串接，能將數據即時推送到 BIM 模型或雲端平台 (CDE)，實現真正的 Digital Twin。
真正價值：從「被動管理」到「主動預測」

不再是等設備壞了才去修

當我們把 數據結合 AI 分析（正如我課程中提到的），我們就（BMS 的報警），而是能進行預測及模擬 (Prediction and Simulation)——例如預知設備故障前兆，或模擬不同情況下的能源消耗。
在我的 Digital Construction 課程 中，我們會有專門的課堂探討如何選擇合適的感測器，以及如何將這些零散的「感知數據」匯聚成有價值的決策依據。

隨著 ChatGPT 等通用 AI 模型的爆炸性成長，令我想到最近看到不少文章和討論，質疑：「既然有 ChatGPT 這麼強大的工具，似乎什麼問題都能解答，我們還需要花費資源去開發那些針對特定任務的『專項 AI』模型嗎？這不是重複投資嗎？」

這是一個極其關鍵的問題，它觸及了 AI 應用策略的本質。我的看法是：通用 AI 是知識的「圖書館」，你能夠找到問題的初步答案，而專項 AI 則是精準的「學術文章」，當你需要深入研究一個問題。如果在 Digital Construction 的生態中，我們需要學會明智地運用兩者。

通用 AI 是知識的「圖書館」，專項 AI 則是精準的「學術文章」

讓我們從成本、效率、安全和應用深度四個維度來拆解：

通用 AI 模型 (General AI, e.g., ChatGPT, Gemini)

• 優勢：廣泛與便利。 就像一個博學多才的助理，能迅速提供廣泛知識、生成創意內容、輔助資料搜索、甚至協助起草文件。其訂閱制的收費模式，對於發散性、非高頻的通用任務而言，成本效益顯著。
• 局限：通而不精、成本隱憂。 當它處理高度專業、需要極致精準度和穩定性的工程任務時（例如：核對 IFC 模型是否符合複雜的香港建築條例），可能因為缺乏特定領域的訓練數據而給出模稜兩可、甚至不準確的答案（所謂的「幻覺」-hallucination）。同時，處理大量複雜數據所需的 Token 數量會激增，潛在成本並不低，而且存在數據隱私和商業機密的洩露風險。

專項 AI 模型 (Specialized AI)

• 優勢：精準、高效、安全。 這些模型為特定任務而生，經過專門的行業數據（例如：數萬份歷史項目文件、精準標註的 BIM 數據、工地安全影像）訓練和優化。例如，用於自動化檢查 IFC 模型是否符合 ISO 19650 標準，或透過視覺分析實時監測工地進度。
  1. 效率與成本控制： 針對性強，運行速度快，處理專項任務的 Token 消耗量遠低於通用 AI，因此「用多少付多少」的計費模式更具成本效益。
  2. 極致精準： 因為專注，它們在特定任務上的準確性遠超通用 AI，錯誤率極低，能滿足工程對精確性的嚴苛要求。
  3. 數據安全與合規： 專項 AI 可以部署在企業的私有雲或內部服務器，確保敏感的工程數據、商業機密和客戶隱私在嚴格控制下，符合 PDPO (個人資料私隱條例) 等法規。這在處理 BD 入則、DEVB 合約等敏感文件時至關重要。

專項 AI 可以部署在企業的私有雲或內部服務器，確保敏感的工程數據、商業機密和客戶隱私在嚴格控制下，符合 PDPO (個人資料私隱條例) 等法規。

Digital Construction 的 AI 策略：明智的選擇與整合

在 Digital Construction 領域，我們需要的是一套混合策略。將通用 AI 作為提升日常工作效率、輔助決策的廣泛工具；而將專項 AI 則定位為解決特定業務痛點、實現核心價值增長、保障數據安全與合規性的戰略性工具。

理解兩者的區別，並根據任務性質、所需精準度、成本結構和數據安全考量來進行策略性選擇與整合，是 Digital Construction Manager 必須具備的能力。

這也是為什麼我的課程 不僅教大家如何有效使用 ChatGPT 等通用 AI 工具，更會深入探討如何利用 RAG 技術和工程專屬數據，構建企業專屬的「專項 AI 大腦」，以及如何應對香港政府關於 AI 應用的最新指引。

你們公司在 Digital Construction 中，最需要哪種類型的 AI 來解決當前痛點？歡迎留言分享你的 AI 策略！

這段時間我們討論了 AI 搜索、4S 合約和 IoT 感測器。最近在翻閱國外建築科技網站時，我忽然想到一個問題：建築 3D 列印 (3D Print Hong Kong) 這項「建築業未來」的技術，為何在香港工地顯得「舉步維艱」？

確實，3D Printing 描繪了美的藍圖：由BIM 模型直接轉化為實體構件，數據能驅動效率，設計的自由度無限。然而，將這份「美好」帶到香港工地，卻像是一場高昂的未來賭注。技術本身的打印速度、材料性能穩定性、大型打印機的成本和現場部署靈活性等限制，都是實實在在的挑戰。

將這份「美好」帶到香港工地，卻像是一場高昂的未來賭注。

但挑戰，絕不僅限於技術本身，讓我們來一場思想碰撞。在香港複雜的建築環境和嚴格的法規框架下，必須面對更多現實痛點：

1. 材料規範的「紅線」： 最核心的障礙之一，是材料的選擇。目前主流的建築 3D 列印材料（如特定配方的混凝土、聚合材料）在性能、耐久性、防火等級上，是否符合香港現有的建築條例？在沒有足夠的本地標準、測試數據和過往案例的情況下，法定機構如屋宇署（BD）如何能批准其在結構或防火上應用？這不是單純的技術問題，更是對法律和安全規範的挑戰，每一個新材料的引入，都是漫長且耗資巨大的認證過程。
2. 法規與監管的「灰色地帶」： 即使材料過關，現有法規對「新型建造方式」也讓項目團隊卻步。如果採用 3D 列印構件，其圖紙入則審批應該遵循哪些標準？驗收規範為何？一旦出現質量問題，法律責任如何劃分？這些在目前的合約體系下，仍是模糊地帶。在嚴格執行風險管理的香港工程環境中，這種「灰色地帶」本身就是最大的風險，因為它直接影響保險、融資，甚至項目能否順利開展。
3. 現場施工的「難度係數」： 雖然機器人打印聽起來很高效，但大型 3D 列印機的現場部署、操作、維護，以及如何與傳統工序（如鋼筋綁紮、機電預留）進行協調和集成，都是巨大的挑戰。香港工地空間狹窄、環境複雜多變，溫濕度、灰塵、空間限制，都可能影響打印質量和進度。這考驗的不僅是技術人員，更是整個項目管理的協調能力和適應性。
4. 供應鏈與前期投入的「高昂賭注」： 目前在香港，專門的 3D 列印建築供應商和具備規模的技術服務團隊仍是鳳毛麟角。任何項目若要嘗試，都面臨著高昂的前期投資（設備、研發、培訓）。在缺乏明確的政策支持和龐大的市場需求下，供應商為何願意承擔這個「高昂的未來賭注」？這不僅是技術投資，更是商業模式和人才培養的巨大挑戰。

這不是單純的技術問題，更是對法律和安全規範的挑戰，每一個新材料的引入，都是漫長且耗資巨大的認證過程。

我的觀點：技術已存在，但生態雖需共建 3D Print Hong Kong 的核心技術和以「數據驅動製造」的理念，早已是 Digital Construction 的趨勢。然而，在香港要實現其大規模應用，我們不能僅僅談論技術的「美好」，更要直面材料規範、法規空白、法律責任、監管標準、現場集成、供應鏈成熟度，以及前期投資回回報等現實挑戰。這是一場需要業主、政府、開發商、承建商、科技公司共同參與的生態系統共建。

需要業主、政府、開發商、承建商、科技公司共同參與

在我的課程中，我們將深入剖析 BIM 和 Digital Construction 在這類新型建造技術落地時所面臨的合約、管理、法規和供應鏈挑戰，並探索可行的破解之道。

你認為在 3D Print Hong Kong 的普及中，哪一個挑戰（材料規範？法規空白？供應鏈不足？）是目前最大的瓶頸？期待你務實的見解！

今天，聊一個真實的初創故事：早前，我曾在香港科學園營運一間人工智能+ BIM 初創公司。那段經歷，讓我體會到AI在建築行業的潛力和挑戰——如何從「大海撈針」般的數據搜索中，找到高效解決方案。

如何從「大海撈針」般的數據搜索中，找到高效解決方案。

當時，我們的產品核心是幫助用戶從IFC模型（Industry Foundation Classes，BIM的開放標準）中快速提取目標數據進行分析。輸入端很簡單：用戶提問一個問題（如「這個樓層的梁柱強度數據是多少？」），系統就執行相應的搜索工作。但在真實的IFC項目模型中，這就像大海撈針。對於AI來說，這不是問題——但使用的token消耗和效率卻不如理想。大概問一條問題需要等候5-10分鐘。

使用的token消耗和效率卻不如理想

為了解決這個痛點，我們開發團隊探討了各種優化方法，最終採用RAG技術（Retrieval-Augmented Generation）。我們先將IFC模型中的數據利用SQL進行數據標籤化，創建一個專屬的知識庫。然後，透過訓練AI模型，提高標籤的準確性和相關性。結果呢？搜索功能從原本的5-10分鐘，提升到只需2-3秒完成指令！這不僅大幅加速了資訊交換，還降低了token成本，讓AI agent更實用、更高效。
回想起來，這段經驗讓我看到人工智能在BIM行業的巨大潛力：從傳統的file-based exchange（檔案交換）轉向data-based information exchange（基於數據的交換），符合ISO 19650的演進方向。但同時，也提醒我們，人工智能不是萬靈丹——它的效能取決於底層數據的品質和模型的建構方式。

將IFC模型中的數據利用SQL進行數據標籤化，創建一個專屬的知識庫。