【大象云 · 寄语】
阶段性的总结提炼，好处在于能够在纷繁庸扰的表象信息碎片中，精深自我对于业务、行业等方面的理解和认知。
这种理解和认知，一方面能够让我们看到自身的不足，从而有的放矢地加以刻意练习、着力改进，另一方面也可以让凡人的视野中多了一双鸟瞰全局的视角，从而窥探宏观格局、行业脉络中的趋势流动。
单个个体的呼喊态度或许只是个案，但众人话语朝向则往往谕示了当下行业真实，因此不妨统计各个互动平台上的阅读评论，精选其中有代表性的言论观点，与大家共享反思！
今天，我们聊聊“BIM软件学习”的那些问答互动。
【BIM软件 · 挑选哪些学习？】
根据业务经验，我们认为BIM自学需要从特定角度、指定顺序的软件学习，才能更加符合具体的使用场景，而具体角度可分为职责、场景、项目区域。
首先，从职责出发，BIM数据的源头仍是设计与建模环节，因此常见的例如Revit、Bentley Microstation等，这些都是在设计建模中常使用的参数化、结构性工具。而在国外的实践中，一般针对BIM项目会设立专门的BIM Manager岗位，其对标的便是ISO 19650中的Project Team的角色，负责对各专业、各团队的BIM等成果进行协调统筹，那么其可能便更多的使用Naviswork等软件，从而对不同格式的模型及文件予以统一查阅、问题分析、事务协调。需要了解的是，一般在Naviswork的工作流中，考虑格式兼容性的问题，你需要了解IFC格式，其从过往的2×3升级到目前的4.0，是项目中、大型平台中常见的通用格式，但其对于数据完整度的保存有些许瑕疵，也是业界批评其痛点的细节。
其次，从场景出发，以上提及的Revit更多适用在房建领域，其优点是通用性强，但对某个专业的深化不足，而Bentley Microstation则更多用于特种工程等场景，其软件特点“精确绘图”和“中心文件”两大工作流，让整体设计更加自由，但对设计建模的专业程度要求也更高。而在钢结构场景中，常见的如芬兰的Tekla则是更多使用的软件，其面向钢结构装配式等场景，有更细节的专业参数化功能。在石油化工场景中，一般类似PDMS则是更多团队的首选。如上类推，需要了解面向的具体场景，从而确认对应的专业软件。
最后，从项目区域出发，以上提及的软件都是世界有名的，但是在特定的区域中仍会有更加主流的软件和格式。例如对标以上提及的Bentley，在北欧的桥梁等大型BIM工程设计中则更偏向ALL PLAN，而在北欧区域的BIM协同中，则更多使用Solibri来进行质量管控，而非以上提及的Naviswork。同时，同样的欧洲区域，目前与IFC通用格式齐头并进的还有BCF格式，其以对数据更好的完整保留特点而为人乐道尝试，这也是需要留意的重要细节。
同样，在以上BIM参数化、数据集成侧重之外，在项目中还有更多类似渲染、动画等需求，则对应会有Lumion、SketchUp、3D MAX等软件，其虽然在参数化方面涉及很有限，但其渲染方面的能力仍是项目汇报等重要应用需求的支持软件，其往往可以转为FBX输出，以便实现在渲染侧重软件和参数化软件之间的模型互导。
以上提及只是一小部分，关键还是得回到具体的需求和场景中，对应具体的软件展开学习。国内提及学习BIM的时候，往往等同于狭义的软件学习，或者对应某些BIM证书考级资质的认定，其中服务水平、含金量良莠不齐，需要学习者具体辨识。
【软件仅工具 · 别倒置本末】
BIM作为建筑工程信息化的数据基础，其如果真正要发挥预期的效果和价值，需要综合三维建模业务逻辑、建筑土木专业逻辑、云计算等技术逻辑、数字化系统应用场景逻辑等多种学识认知。以四个逻辑方面为导引，一般涉及的学习内容和理解侧重如下。
其一、关于三维建模业务，其与软件学习类似，但需要明确未来针对的场景所对应的模型格式、体量等方面。例如，对于普通房建公建，其常用的便是Autodesk Revit软件，其综合性较强但针对特定场景专业不足；例如对于特种工程的自由结构等特殊场景，则往往更多需要Bentley Microstation，其提供的精确绘图、中心文件的核心要义能够支持更加自由的设计发挥；如果对应钢结构、石油化工等场景，则需要Tekla、PDMS，需要留意的是类似场景由于模型造型涉及大量的异面结构，因此源文件等体量在转化为三角面片数之后，其对底层三维数据引擎、系统承载能力都有更高的要求，往往需要云渲染的算力支持才能够快速加载相关模型。另外，如果侧重于阶段汇报等效果需求场景，可能还需要对3D MAX、SketchUp等软件予以熟悉。
其二、对于建筑土木专业的逻辑，建筑工程信息化虽然植根于科技基因，但最终的应用功能设定与评判标准，仍需要对齐建筑学、土木工程等专业学科，这就要求相关的建模者、或者BIM数据的使用人对相关的场景有较为熟悉、甚至较深刻的理解，从而在具体的业务配合中，更好的利用BIM数据来对应相关服务。例如在土木工程中，对于现场土地挖方、填方的工程量计算，有明确的专业公式等数学关系予以对应，同时考究不同的土地质量属性，相关参数还需要予以调整，这些都要求应用系统在具体的开发过程中予以不同深度的配合。
其三、对于云计算等技术逻辑，如上所说不同格式的专业软件输出的模型文件，其最终呈现的三角面片可能是完全不同的，例如以1.5亿三角面片数量级为例，一般对应普通Revit模型可能源文件体量在1G-1.5G之间，而Tekla源文件可能只有50-100M，这就凸显了在实际的模型加载解析过程中，三维数据引擎需要云计算的加持从而获得可伸缩的算力资源，从而对不同的模型进行加载支持。类似的，不同的系统对于数据应用的深度完全不同，常见的系统更多偏向高逼真、好效果、抓眼球的三维模型，配套部分现场数据的挂接，但部分真正发挥生产力的系统则需要对数据深度处理，例如三维审查平台既需要自动识别政府强条的语义规范，同时又需要集成全部的BIM构件数据予以一一审查确认，底层需要的算力基础就完全不同。
其四、对于数字化系统的应用，目前来看基本有超过13个场景、超过50种以上的信息化、数字化系统，场景如施工管理、项目管理，特殊如海上风电管控，政策导向如石油化工数字化交付，每种系统的内在机理和服务侧重都有所不同，例如施工管理可能更需要4D模拟等进度管控功能，而数字化交付则要求模型构件对应系统位号一一锚定，从而实现ID号的唯一性需求。因此，在不同的数字化系统中，其看似相同，但都有细微的差异，而这些对于建模数据、底层架构等都有不同的技术开发要求。
【大象云 · 结语】
从实际的工作业务出发，BIM在实际业务的价值输出过程，仍然面对着不同的问题和挑战，这些就给从业人员以“进三步、退两步”的往复消耗、热情折损，虽有各种客观缘由，但也与部分“一招制全部”的偏见相关。
随着业务拓展的深入，我们清晰地意识到BIM作为一种技术，事实上需要与其他科技交相融合，才可能真正让静态的数据获得反馈真相、辅助决策的认知价值，而其交叉融合的过程也塑造着项目过程、行业应用信息自由化、打破边际、透明壁垒的专业价值观。
基于现实的挑战，以开放融合为行为准则，我们发现当充分共享信息、转介生态商机的时候，我们获得更多产品深入系统底层、服务最终项目的机会。这就好比手握黄沙，握得愈紧则指缝间沙粒溢去，大胆开掌捧示则更能虚怀若谷、赢得多方信任。
先学BIM，学好BIM，后期看看如何以BIM为基，开启未来人生。
声明：本文所有文字版权均属大象云所有，任何媒体、网站或个人欢迎来访交流。如需转载、链接、转帖或以其他方式复制发表，请注明“稿件来源：大象云”。
