AI赋能工程设计――从转型到落地（管理层实战课程）

一、工程规划业界正在经历的六大变革

1.市场推演变了：从 “增量大建” 到 “存量更新”

• 传统房建，基建增速放缓，城市更新、老旧改造，运维服务成为主流。

• 新能源，新基建、双碳、智慧城市成为新增长赛道。

• 业界从 “抢项目” 转向 “拼专精、拼赛道”。

2.竞争格局变了：头部集中，实操中，中小院承压

• 大型规划院、央企靠资质、资源、EPC 优势持续集中。

• 中小规划院陷入低价竞争、回款难、生存压力剧增。

• 业界加速洗牌，淘汰低效、同质化机构。

3.技艺底层变了：AI+数智化彻底重构生产方式

• BIM从“可选项” 变成 “强制标配”。BIM不再只用来看看。

• AI 自动绘图、AI 审图、参数化规划、智能精进大量替代基础事务。

• 交付从“二维图纸”升级为三维模型+数字孪生+全生命周期资料。

思索：BIM和数字孪生的关系？

4.业务模式变了：从“卖图纸”到“卖全周期服务”

• 单一规划业务萎缩，全进程咨询、EPC、规划—规划—施工—运维一体化成为趋势。

• 盈利从低毛利画图，转向技艺咨询、数智化增值。

5.准则门槛变了：绿色、低碳、合规成硬约束

• 双碳标的下，绿建、近零能耗、装配式成为硬性要求。

• 不掌握低碳技艺，等于渐次失去投标竞争力。

6.英才诉求变了：淘汰“纯绘图员”，稀缺“复合型英才”

• 传统建模、绘图岗位诉求萎缩。

• 紧缺：懂BIM+AI+绿建+项目管控+数智化交付的跨界英才。

二、工程规划业界格外容易犯的错

1.重画图、轻前期

方案没定稳就开始画施工图，落地时，导致后期大规模修改，成本失控。

2.各专精各自为政，缺乏协同

建筑、结构、水、暖、电互不交流，实地碰撞、打架、返工频发。

3.忽视成本和施工可行性

规划成效炫酷，但施工难度大、造价超标，从实践看，最后被迫大幅简化。

4.合规意识薄弱，踩规范红线

消防，疏散、荷载、节能、日照等等硬性指标不达标，审图无法借助。

5.过度追求 “准则化”，缺乏革新和精进

照搬旧项目套模板，落地时，不结合场地条件，造成浪费和不合理。

6.只做规划，不考虑后期运维

建成后能耗高、维护难、营运成本高，违背全生命周期理念。

7.对数智化，AI抵触或者盲目跟风

要么拒绝 BIM、AI，觉得没用。要么盲目上系统，不结合业务，钱花了没成效。

三、AI能够为工程规划业界带来什么

1.提效：将人从重复劳动里解放出来

• 自动生成图纸、户型，方案、布置图，绘图效率拉升数倍

• 自动校核，AI 审图，减少错漏碰缺，从实践看，降低返工率

• 批量处理规范、指标、计算书，缩短规划周期

• 多方案迅速比选，原来几天的事务，现在几小时完成

2.提质：用算法精进规划结果

• 结构、暖通、给排水等等参数化智能精进，用更少材料达成更安全经济的方案

• 日照、风环境、能耗、消防疏散还原更精准

• 基于海量项目资料做合规性预判，减少后期修改

• 拉升绿建、低碳、节能规划水平，更容易达成星级认证

3.降本：全生命周期省钱

• 规划阶段精进：减少钢材、混凝土、装置能耗，运行层面，降低建安成本

• 减少后期变更、签证，索赔，降低施工成本

• 运维阶段借助数字孪生+AI预测故障，降低营运维护成本

• 减少人力成本、加班成本，管控内耗

4.重构生产方式：从“人画图”到“人机协同”

• BIM+AI达成三维正向规划，告别二维改图模式

• 云端协同、AI 自动提资、跨专精智能联动

• 从“心得规划”走向资料驱动规划，更科学、可追溯

• 数字孪生落地，规划结晶直接对接施工、运维

5.拓展新业务和新价值

• 新增碳足迹计算、能耗精进、智慧运维、数智化交付等等高附加值服务

• 支撑EPC、全进程工程咨询，规划院从技艺方升级为解题打法方

• 用AI做项当下期策划、投资估算、隐患评核，向前延伸服务链条

6.对业界格局的长远影响

• 中小规划院也能借助AI抓手缩小和大院的技艺差距

• 业界不再单纯拼人头、拼加班，而是拼技艺、拼资料、拼整合本领

• 规划师价值从 “绘图员” 转向策划者、决策者、整合者

思索：什么事务是AI无法代替人工的？何为AI需要的？

四、用 AI 做规划时，最容易犯的错

1.将 AI 当 “全自动神器”，完全丢给抓手

AI 出图不审核，不校核，直接交付，出现结构错误，规范违规。

2.只会用 AI 生成，不会修正和整合

倚重 AI 成效图、方案，却不懂怎样落地成施工图，华而不实。

3.资料喂得差，结果一塌糊涂

诉求描述模糊、参数不全，AI 输出偏离诉求，反而增加事务量。

4.忽视版权和合规隐患

直接采用 AI 生成的图纸、模型，引发学识产权、责任界定问题。

思索：怎样破解这一问题？

一，算力――AI的“发动机”和“硬实力”

1.工程规划业界对算力的核心诉求

工程规划的AI运用，对算力的要求具备鲜明业界特性，区别于普通消费级AI（如聊天、图片生成），核心锁住“海量资料处理”和“复杂情境计算”。

• 海量模型处理：工程规划中的BIM模型、施工图、地质勘察资料（如钻孔资料、地形资料）体量巨大，单一个大型建筑的BIM模型就可达几十GB，AI需迅速加载、拆解、精进模型，需要高并行计算本领。

• 复杂还原计算：结构抗震还原、日照拆解、风环境还原、能耗计算等等情境，需要AI迅速完成海量迭代计算，比如结构精进需反复调整参数，验证安全性，在实际应用里，算力直接决定计算效率（从几天缩短到几小时）。

• 多专精协同计算：建筑、结构、水、暖、电多专精AI协同规划时，需同步处理多专精资料，防止碰撞，对算力的稳定性和并发本领要求极高。

2.工程规划业界的算力形式

无需追求“超高配”，核心是“适配诉求”，当下业界主流算力分为三类（云端、本地、边缘），适配不同规模规划单位。

• 云端算力（主流）：大型规划院、央企大院常用，依托阿里云、腾讯云、华 为云等等，可根据项目诉求弹性扩容，往细里说，支持多队伍云端协同规划，大型模型并行计算，往细里说，无需投入大量资金购置硬件。

• 本地算力：中小规划院常用，借助高性能服务器、事务站搭建本地算力集群，适配小型项目、核心资料保密情境（如涉密工程规划），投入成本适中，响应速度快。

• 边缘算力：针对施工实地AI运用（如施工进程AI监测、图纸实地比对），部署在施工实地边缘装置，无需倚重网络，具体来看，达成实时计算，迅速响应。

3.算力的核心影响：决定AI落地的“效率上限”

对工程规划而言，算力不足会直接导致AI运用“卡壳”——比如AI审图卡顿、模型加载缓慢、精进计算耗时过长，落地时，反而降低规划效率；而适配的算力，能让AI真正发挥“提效”价值：例如，具体来看，依托充足算力，运行层面，AI可在1小时内完成100张施工图的审图（人工需3-5天），实操中，在2小时内完成结构方案的多轮精进（人工需1-2周）。

思索：算力怎样获取？（整合+购买）

二，算法――AI的“灵魂”和“蓝图”

1.工程规划业界核心AI算法类型（结合运用情境）

锁住工程规划高频情境，核心算法分为4类（生成式算法、深度研习算法、精进算法、协同算法），每类都对应具体规划诉求。

• 生成式算法（最常用）：对应方案规划、图纸生成情境，比如AI根据场地条件、规划规范、甲方诉求，自动生成建筑户型、平面布置图、BIM模型初稿，核心是“迅速产出符合要求的基础规划结晶”，减少规划师重复绘图事务。

• 深度研习算法（核心）：对应审图，合规性查验情境，借助研习海量规范条文、出色规划实例，落地时，执行层面，自动识别施工图中的错漏碰缺（如消防间距不达标，荷载计算错误）、判断规划方案是否符合绿建、节能规范，核心是“替代人工完成重复性校核事务”。

• 精进算法（高价值）：对应结构精进、能耗精进情境，比如AI借助迭代计算，精进混凝土用量、钢材配比，在保证结构安全的前提下，降低建造成本；精进暖通系统规划，降低建筑后期能耗，核心是“达成规划的经济性、合理性”。

• 协同算法（支撑多专精）：对应多专精协同规划情境，打通建筑、结构、水、暖、电专精资料，自动识别专精间的碰撞（如管线和梁冲突），并给出调整建议，核心是“破解多专精交流不畅的痛点”。

2.算法的核心要求：贴合规范、适配情境

工程规划的核心底线是“合规”，故而AI算法必须满足合规性和可解释性两个要害要求。

• 合规性：算法必须内置最 新的工程规划规范（如消防规范、建筑结构荷载规范、绿建准则），确保输出的规划结晶，审图意见符合业界硬性要求，落地时，落地时，防止出现“AI输出违规方案”的问题。

• 可解释性：不同于消费级AI（如AI画画无需解释推演），工程规划AI的算法输出必须可追溯、可解释——比如AI提出“结构精进建议”，需明晰说明精进的依据（规范条文、计算推演），方便规划师验证、修改，这也是工程规划业界AI和通用AI的核心区别之一。

3.算法的落地痛点：防止“纸上谈兵”

当下业界内算法运用的最 大误区，是“盲目追求先进算法，从实践看，忽视工程实际”——比如有些规划院引入的AI算法，虽说技艺先进，但不贴合自身规划流程、不熟稔业界规范，导致AI输出的方案无法落地、审图意见不准确，反而增加规划师事务量。故而，算法的核心价值，是“破解实际问题”，在实际应用里，而非“追求技艺先进”。

思索：怎样构筑高效适当的算法？（选项+参与）

三，算据――AI的“燃料”和“生产资料”

1. 工程规划业界核心算据类型（精准贴合业界）

算据主要来源于规划院的过往项目、业界规范、勘察资料等等，核心分为4类，每类都是AI落地的要害：

• 规划结晶资料（核心算据）：规划院过往的施工图、BIM模型、规划方案、计算书等等，是AI研习规划推演、规范运用的核心素材，比如出色的结构施工图的，能让AI学会正确的结构布置、荷载计算办法。

• 业界规范资料：国家以及地方的工程规划规范、准则，图集（如消防规范、装配式建筑准则），具体来看，是AI判断规划结晶“合规性”的核心依据，实操中，需及时更新（如规范修订后，算据需同步更新）。

• 勘察和场地资料：地质勘察报告、地形地貌资料、气象资料（如降雨量、风速）等等，用于AI开展场地适配规划、抗震规划、风环境还原等等，比如地质资料能让AI精进基础规划，防止地基隐患。

• 项目全周期资料：施工进程中的变更记录、返工原因、运维资料等等，能让AI研习“落地性”规划——比如借助拆解过往项目的返工记录，在实际应用里，就一线经验说，实操中，AI能在规划阶段规避容易导致施工返工的问题（如管线布置不合理）。

2. 算据的核心要求：高质量，合规化、可更新

• 高质量：算据需准确，完整，执行层面，防止错误资料（如错误的施工图，运行层面，过时的规范），否则AI会“学错”，换个角度看，比如用违规的施工图训练AI，执行层面，会导致AI输出违规方案。

• 合规化：算据需符合学识产权要求，防止采用涉密资料、侵权资料（如未经放权的他人规划结晶），换个角度看，这是工程规划业界AI算据的核心底线。

• 可更新：工程规划规范，换个角度看，规划准则会持续修订（如绿建准则升级、消防规范更新），实操中，算据需及时同步更新，否则AI会用旧规范指导规划，导致结晶违规。

3. 业界算据的现况和破解方向

• 当下工程规划业界算据运用的最 大痛点，是“算据分散、质量参差不齐”——很多规划院的过往项目资料分散存储，未开展整理、标注，无法直接用于AI训练；同时，部分中小规划院缺乏充分的算据积累，落地时，难以支撑AI落地。

• 破解方向：①资料治理－“梳→汇→存→算→优→名”。②资料融合“业务指标+空间交互+流程协同”。

导入：从“0到1”到“0到2”：转型的核心进阶推演

1.从0到1:搭建基础（破解“有没有”）—资料打通、组织适配、试点落地。

2.从1到2:精进升级（破解“好不好”）—规模化复制，业务深度融合，实操中，价值最 大化。

3.中高层在两个阶段的核心定位:0到1“定方向，配资源”，1到2“破瓶颈、促复制”。

一，从0到1—项目启动：搭建基础，走出第 一步

1.方略锚定—明晰标的，防止盲目跟风

• 中高层决策重点：结合业界特性、业务痛点，确定转型核心标的（如：规划差事完成率拉升10%、规划周期缩短20%，队伍协同效率拉升50%）

• 办法：方略标的→业务标的→AI落地标的

2.基础搭建—资料，组织、技艺“三大基石”

• 资料基石：中高层重点关注“资料治理”（不是技艺细节，往细里说，往细里说，是资料准则、资料安全，资料共享的决策）

• 组织基石：搭建“转型专项小组”（中高层牵头，业务+技艺+财务联动），具体来看，往细里说，明晰权责分工（防止技艺和业务脱节）

• 技艺基石：按照需选型，运行层面，拒绝“大而全”（中高层决策要点：性价比，适配性、可扩展性，而非技艺先进性）

3.试点落地—小步快跑，迅速试错

• 中高层决策重点：选项“投入小、见效快、易复制”的试点情境（如：基于《钢结构规划规范》的向量化审图）

• 核心要则：不追求“完 美落地”，追求“迅速验证、及时调整”，积累心得，凝聚共识

• 试点落地的要害动作：明晰试点负责人、设定考核指标，构筑反馈制度

二，从1到2—转型进阶：突破瓶颈，运行层面，在实际应用里，达成价值升级

1.从1到2的核心瓶颈拆解

• 常见瓶颈：试点成功但无法规模化、AI和业务“两张皮”、员工抵触情绪，往细里说，投入产出比低

• 中高层核心职责：破局“组织阻力”“资源瓶颈”“认知瓶颈”，实操中，往细里说，促成转型从“试点”走向“周全落地”

2.进阶要害动作一：规模化复制—从“单点试点”到“全域覆盖”

• 中高层决策要点：收束试点心得，形成可复制的“准则流程”（业务链路+技艺流程+考核流程）

• 资源配置推演：优先投入高价值情境，分阶段推进，防止“一刀切”

• 隐患将控：规模化进程中，重点关注资料安全、系统稳定性、员工适配性

3.进阶要害动作二：深度融合—让AI嵌入业务全流程

• 核心推演：不是“AI辅助业务”，而是“AI重构业务链路”（中高层需促成业务部门主动参与AI情境规划）

• 重点情境：业务、资讯、质量、财务、市场、测绘等等业务的AI深度融合

• 中高层管控重点：构筑“业务+AI”的协同制度，打破部门壁垒

• 三、中高层核心本领—转型决策、隐患管控和队伍赋能

1.转型决策本领：做“对的选项”，而非“完 美的选项”

• 决策要则：平衡“投入和产出”“短期和长期”“技艺和业务”

• 常见决策误区：盲目追求“前沿技艺”、忽视业务诉求、决策过于犹豫或者激进

• 办法：从“业务价值、施行难度、投入成本”三个维度评核决策

2.隐患管控本领：预判隐患，守住转型底线

• 中高层需重点关注的4大隐患：资料安全隐患（合规、隐私）、技艺隐患（系统适配、迭代）、组织隐患（员工抵触、权责不清）、投入隐患（成本超支，价值不及预期）

• 隐患管控推演：构筑“预判-预警-化解”制度，落地时，落地时，提前规避核心隐患，不回避小隐患（允许试错）

3.队伍赋能本领：促成全员参与，运行层面，破解转型阻力

• 中高层核心动作：宣贯转型价值（让员工领会“转型对个人，对公司的意义”），搭建培训架构（针对不同岗位开展AI认知培训），构筑激励制度（鼓励员工参与转型，主动适配转型）

• 误区：“强制推行”转型，忽视员工感受和适配难度

思索：

拟定“从0到1”的核心痛点、转型标的、试点情境、试点规划、“从1到2”的进阶方向，明晰中高层的核心决策和资源配置重点，并简要分享。

智慧水利是工程规划业界AI运用的重点领域，从实践看，结合水利工程规划、建设、运维全流程，换个角度看，实操中，说明AI具体运用方式以及核心价值，换个角度看，贴合工程规划单位实际事务，可直接借鉴落地。

一，AI在智慧水利中的具体用法

智慧水利AI建设，核心是工程规划单位发挥专精优势，将AI和水利工程规划深度融合，既破解传统规划效率低、错漏多、成本高的痛点，又助力水利业界数智化、智能化转型，在实际应用里，彰显工程规划单位的技艺价值和社会责任。

智慧水利AI建设，实操中，核心围绕“规划精进，安全监测、调度管控”三大情境，就一线经验说，结合工程规划单位的核心事务，分步骤落地，全程依托“算据，算力、算法”三要素协同，具体用法如下：

1. 算据准备（规划基础）：由工程规划单位牵头，整理水利工程核心资料，构筑准则化算据库，核心包含三类资料——一是基础勘察资料（地质钻孔、地形地貌、流域边界资料）；二是工程规划资料（水库、水闸、输水管道的规划图纸、计算书、施工记录）；三是合规和运维资料（最 新水利规划规范，水文监测资料，过往工程运维记录，故障实例），同时安排专人负责算据更新，就一线经验说，确保规范、资料同步，防止AI“学错”“用错”。

2. 算力支撑（运行保障）：根据水利工程规模，落地时，采用“云端+本地”协同算力模式，适配不同规划情境——云端算力（依托阿里云、华 为云）处理海量水文资料、数字孪生模型（单模型体量可达50GB以上），支撑多专精协同规划；本地算力集群部署在规划单位内部，用于核心规划方案迭代、敏感资料处理（如涉密水利工程资料），确保计算速度和资料安全，防止网络倚重导致的规划卡顿。

3. 算法运用（核心实操）：工程规划单位引入AI协同规划平台，集成深度研习、精进、数字孪生仿真等等算法，嵌入水利规划全流程，重点落地3大核心用法：

• 规划阶段：输入流域水文、地形、地质资料以及规划要求（如供水规模、防洪准则），AI自动生成水库、水闸、输水线路的初步规划方案，同步精进结构布局，工程量计算，规避专精间碰撞（如管线和堤坝冲突），往细里说，执行层面，具体来看，生成多套方案供规划师筛选。

• 监测阶段：在规划方案中嵌入AI监测模块，借助施工实地摄像头、传感器，实操中，AI实时识别堤坝裂缝、输水管道渗漏、施工违规操作，同步拆解水文、水位变化资料，预判洪涝、干旱隐患，标注问题并给出整改规划建议。

• 调度和运维阶段：AI结合实时水文资料、用水诉求，自动精进水资源调度方案，同时借助拆解运维资料，预判装置故障（如闸门卡顿、管道老化），换个角度看，提前精进运维规划，在实际应用里，降低后期营运隐患。

二，AI为智慧水利建设带来的核心价值

1. 规划效率大幅拉升：传统水利工程规划中，输水线路，水闸布局规划需5-15天，AI可缩短50%以上，实操中，多方案迭代从1周压缩至几小时，规划师无需重复绘图、计算，将精力锁住于方案精进和合规审核，人都规划效率拉升50%以上。

2. 规划质量和合规性拉升：AI内置最 新水利规划规范，自动识别规划方案中的违规点（如防洪准则不达标、管线碰撞），审图错漏碰缺率下降85%以上，防止后期施工返工，单项目平均减少返工成本20-30万元，执行层面，往细里说，规划方案合规借助率从80%拉升至98%。

3. 成本精准将控：借助AI精进输水线路、堤坝结构规划，可减少钢材，混凝土等等建材用量10%-15%，实操中，降低工程造价8%-12%；同时减少人工审图，监测人员投入，具体来看，降低人力成本，中小型水利规划项目人工成本可节省30%。

4. 隐患提前防控：AI实时监测水文，堤坝、管道状态，提前72小时预判洪涝、渗漏、装置故障等等隐患，规划单位可提前精进规划方案、完善防控措施，防止因规划疏漏导致的安全事故，拉升水利工程的安全性和稳定性。

5. 赋能全周期规划：AI打破“规划和运维脱节”的痛点，规划阶段即可结合运维资料精进方案，让水利工程不仅满足建设诉求，更适配后期运维，降低营运成本，达成“规划-建设-运维”一体化赋能，拉升工程规划单位的综合服务本领。

一、课程核心内容收束

本课围绕“AI赋能工程规划”核心，从业界现况、AI核心要素、管控层落地、情境实操四个维度，系统拆解工程规划业界的转型推演和AI运用路径，核心收束如下：

• 业界变革层面：工程规划业界已从“增量大建”进入“存量更新”新阶段，市场、竞争、技艺，业务等等六大变革倒逼业界数智化，从实践看，AI化转型，具体来看，“纯绘图”模式渐次被淘汰，执行层面，从实践看，在实际应用里，复合型英才和全周期服务成为核心竞争力。

• AI核心要素层面：“算据、算力，算法”是AI落地工程规划的三大基石——算据是“燃料”（需高质量，合规化、可更新），算力是“发动机”（需适配情境、平衡成本），算法是“灵魂”（需贴合规范、破解实际问题），三者协同才能达成AI真正落地，防止“纸上谈兵”。

• 管控层落地层面：AI转型需遵循“从0到1搭建基础、从1到2精进升级”的推演，中高层核心职责是定方向、配资源、破瓶颈、促复制，重点做好方略锚定、基础搭建、试点落地、规模化复制和队伍赋能，规避决策、技艺、组织等等核心隐患。

• 情境实操层面：以智慧水利为典型实例，就一线经验说，明晰AI在工程规划全流程的运用办法，实操中，实操中，依托三要素协同，达成规划提效、提质、降本、控险，促成规划单位从“技艺方”升级为“解题打法方”，从实践看，拓展高附加值服务。

• 核心认知层面：AI不是“全自动神器”，而是“人机协同”的抓手，既能解放规划师从重复劳动中脱离，又无法替代人工的策划、决策和整合本领；业界运用AI的核心是“贴合业务、破解痛点”，就一线经验说，具体来看，而非盲目追求技艺先进。

二、工程规划业界的演进趋势

结合业界变革和AI技艺演进，未来工程规划业界将呈现五大明晰趋势，为业界从业者和公司转型提供方向：

• 趋势一：数智化、AI化成为标配，就一线经验说，人机协同重构生产模式。未来3-5年，BIM+AI三维正向规划将周全替代传统二维绘图，AI审图、智能精进、数字孪生成为规划全流程的必备抓手，“心得规划”将彻底转向“资料驱动规划”，规划效率和质量达成双重拉升。

• 趋势二：业务模式向“全周期服务”深度转型。单一规划业务将持续萎缩，全进程咨询、EPC、规划-施工-运维一体化成为主流，规划单位将重点拓展碳足迹计算、智慧运维、数智化交付等等高附加值服务，盈利模式从“卖图纸”向“卖技艺、卖方案”转型。

• 趋势三：业界格局呈现“头部引领、中小差异化突围”。大型规划院，央企将依托资源，资质和技艺优势，持续整合业界资源，执行层面，落地时，锁住大型项目和全业界链服务；中小规划院将借助AI抓手缩小技艺差距，锁住细分赛道（如老旧改造、专项规划），实操中，走差异化、专精化演进路线，淘汰低效，同质化机构。

• 趋势四：绿色低碳成为核心竞争力。双碳标的下，绿建、近零能耗，执行层面，装配式规划成为硬性要求，掌握低碳规划技艺，往细里说，AI能耗精进本领的规划单位，将在投标竞争中占据绝 对优势，“低碳规划+AI精进”成为业界核心技艺方向。

• 趋势五：英才诉求向“复合型，跨界化”深度升级。传统绘图岗位将持续萎缩，懂BIM+AI+绿建+项目管控+数智化交付的跨界英才成为业界稀缺资源；规划师的核心价值将从“绘图员”转向项目策划者、方案精进者、资源整合者，持续研习AI和跨界学识成为从业者的必备本领。

• 趋势六：资料成为核心生产资料。规划院的过往项目资料、规范资料、运维资料将被系统化治理，形成准则化算据库，成为AI训练、方案精进、隐患预判的核心支撑，“资料资产”将成为规划单位的核心竞争力之一，资料安全和合规成为业界底线。

总之，工程规划业界的转型不是“选项题”，而是“必答题”，AI不仅是技艺抓手，更是业界重构的核心驱动力，唯有主动拥抱AI、做好三要素建设、促成业务和技艺深度融合，才能在业界洗牌中站稳脚跟，达成高质量演进。

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|莫维老师