在过去的一年里，以ChatGPT为代表，我们见证了人工智能技术的重大飞跃，人工智能模型呈指数级快速升级，这些技术影响着各行各业的前景趋势。当我们见证人工智能技术进步的同时，必须共同应对它所带来的挑战和机遇，以塑造更具创新性、可持续性和以使用者为中心的建筑设计领域。

嘉宾分享 

陈日飙

香港华艺设计顾问（深圳）有限公司总经理、总建筑师，广东省工程勘察设计大师，深圳市勘察设计行业协会会长

与AI共舞的设计未来

在过去，我们认为好的建筑师就是要驾驭美学和技术去设计优秀的建筑。现在我们认为好的建筑师要考虑作品是否能够融入城市，是否能够让城市、自然和人和谐共生。在AI浪潮袭来的时候，我认为未来，在AI技术不断迭代的背景下，好的建筑师应该是把AI作为设计过程的伙伴，在设计中和机器共同创造更加完美的作品，从这个角度来说，这也是我们作为建筑师的迭代。

我将分三个方面和大家分享与探讨，首先是是简单的回顾AI对我们的冲击和感受。二是分享我们公司是怎么样紧跟着这个节奏与浪潮努力和学以致用。三是怎么样看未来，如何与AI共舞。

围棋的活动是使用人类大脑比较多的一种比赛，也是传统意义上被认为人脑占有绝对优势的项目。然而，在2017年5月23日，中国年轻的棋手，也是世界冠军柯洁，和阿尔法狗对垒之后落败了，大家开始怀疑人脑是否一定比电脑好。一直到去年ChatGPT发布，ChatGPT是大模型训练语言类的AI，可以做很多事情，它的出现彻底改变了人类社会对AI的普遍认识。我想说的是，在这个过程中，AI不是突然出现的，它也在迭代。我们能看到整个AI技术迭代非常之快，也就是一两个月的事情，包括声音合成的AI技术，视频AI技术，火爆的图像生成的新算法等等，我们能看到这些技术正在日新月异的发展。

我们还能看到，建筑师们用得最多的MIDJOURNEY和STABLE DIFFUSION，主要是通过语言、图像的输入根据我们的指令生成一些二维图片，所以有非常广泛的应用场景.除此之外，AI也同事对金融、影视、IT、插画、医疗、建筑等等行业都有非常大的影响和应用。可以说AI的技术是第三次工业革命之后的第四次科技革命。

面对AI技术，我们需要迅速适应这个时代，需要更多的技术探索，需要更多更深的关于科技的反思，同时我们也需要自己的工作流程。

接下来我想介绍一下华艺在AI方面是怎么样学以致用的。首先我总结了AI技术在建筑设计的三个优势。

一是效率高，孵化快。特别是在有些场景，比如城中村改造，业主希望在多个方案之间进行风格对比，按照常规肯定就是得先构思再设计，还要再建模，有较多的步骤和流程。这种应用场景用AI就特别方便，可以把农民房的原图直接输入进去，做一些文字的引导和指令就可以生成不同的图。在较短的时间内就可以生成不同风格和造型的立面，极大提升了设计效率。

第二个方面，AI技术同时也能够带来设计思路上的拓宽，特别是在我们在构思或者方案创作的时候。比如ChatGPT，几乎无所不能，全世界很多的资料源源不断的输入，所以没有它不了解的东西，这方面能够带我们拓宽视野。在我们对于设计概念的提取和分析时，以及规范的查找时都提供了极大的帮助。

第三个方面，它几乎不会犯错，而且不用休息。现在用人工智能画施工图里面的楼梯，在传统施工图作业流程重标准性高，重复性高的工作都可以使用AI对流程赋能，极大极高效率。

针对以上的归纳，华艺有三个方面的行动，一是技术先行，讲学合一，首先还是学。二是我们内部有一个兴趣小组搞了一个武林大会的竞赛。三是我们借助了外部的专家资源，请到公司给我们授课，共同探讨。

我们在今年三四月份迅速组织了一系列AI技术内部的分享会，激发起建筑师对应用的好奇心和探索的欲望。之后我们做了一个华艺内部人工智能辅助设计的指引，这个指引能够傻瓜式地教大家怎么装这个软件开始，怎么用，要输入什么样的东西才能按照你的指令去做，让大家尽快上手。极大地降低了同事们对于AI技术入门和上手的难度，便于我们将这项技术在公司中普及和推广。

通过一段时间的学和用，我们在6月份搞了一次AI建筑设计技能大比武，我们当时分成了三个板块。第一类是图像生成类的，从公司过往挑了4个项目，让参赛者选择任何一个项目，用AIGC的技术对项目进行设计和生成效果。在表现效果的同时要体现技术的可控性和准确性，做到收放自如。第二类是对话模型训练类的比赛，参赛的同事被设定要查找结构的某个规范，通过不算太复杂的编程，用里面的软件平台形成未来查找规范或者某一方面内容的工具，训练成果也可以在工作场景里实战。第三个偏三维一些，我们会设想工作流辅助我们的设计，提升我们的工作效率。我们不光着重于当下AI技术发展的高度，我们也放眼于未来，思考它的最终形态。

这是其中的AIGC图像生成类一等奖的作品，我们集团设计后海的总部大楼，在实际设计中100米的一栋楼，用相关的软件生成了很多图，选了一组作为参赛作品。语言模型训练类的一等奖作品，就是让人工智能帮助我们在某一个规范里查找，譬如说给软件提问我应该怎么样输入，最终了解我们想要什么，AI平台就会找出规范。二等奖作品通过SK+OPEN的训练，最终帮助我们在设计规范查找方面能够有一个专用的小工具。

工作设计流的一等奖作品其实更多是一种设想，具体往下做还是会比较难的，它是设定了工作里不同程度，不同阶段用什么样的AI，最终能够帮助我们在哪方面提升效率，这是我们当时开会的一些照片。

第三个方面，春节后，已经有单位专门通过比较集中地输入某一些大师的作品，或者知名事务所的作品形成他们在这一类型风格方面的方案创作能力，我们也跟他们做一些交流。我们积极和在这方面比较领先的技术团队合作，共同思考实际工作场景里如何能去运用。通过我们自己内部团队的比试和探索，加上外部的专业技术团队的合作与协力，我们迅速培养出了一批对人工智能有兴趣，有信心的小团队，在这条技术的道路上不断探索。

我们也能看到人工智能技术的局限性，比如要快一点生成我们想要的东西，硬件的条件，需要显卡和算力比较好。另外是创新性，某种程度上也没有这么理想，可能花了很多心血，出来的东西也不满意，特别是生成图像的精度有时候也不能做得很好，它也是依赖原有的东西做一些拼贴和算法上的生成。本质上对于我们想要的创新性还是略有欠缺。同时，它的操作流程还不是太友好，现在主要靠英语输入，语言上尚需完善。另外有时候它的指向不是我们的目标导向，比如我们的目标导向要一个风格的项目或者一个图片，可能变成其他我们不想要的东西。还有一个就是版权和著作权，很难定义。  

最后跟大家分享一下我自己的思考，在未来相当长一段时间，人工智能技术不可能取代建筑师或者相关的设计师的决策，但是能起到很巨大的辅助决策的作用，而且迭代很快，所以目前来说我们必须要主动学习和拥抱新的技术，是一种和它共舞的判断和驾驭。

第二个方面，回归到设计本身，我们也不要滥用AI，不要让甲方的欲望扩大，一个建筑五张效果图差不多了，现在一来就10张、20张，确实成本很低，滥用AI之后让甲方觉得设计很廉价。归根到底，我们做设计，最终服务的是人，我们关注的点不要变成了花里胡哨，而是对所在城市的文化和使用者的尊重，合适的度还是很重要的。

最后我也在想，技术的迭代会越来越快，我们怎么样看待新技术，怎么用新技术也是多样化的。世界一流的公司，包括KPF、SOM，他们内部对AI是一种很淡定的姿态，这些境外公司一般有一个团队，学计算机或者数学的，一直跟踪新的技术和软件研究，不断赋能一线设计团队。AI的浪潮袭来之后，他们并没有刻意改变原来的工作方式，而且作为头部公司，他们自己设计输出的品质和风格也比较稳定。国内的设计单位也是一样的，头部的公司设计水平本身还不错，有些建筑师学了之后也能够用到工作场景，但对他的能力没有多大的影响。但是学AI，有可能会让一些小型的公司，或者设计水平和创意能力没这么高的公司，可能在创意方面的提升，从这个角度来说，AI对我们行业的发展、倒逼和促进还是有价值的。

最后一句话，期待我们共同能够积极拥抱AI的技术，能够一起与人工智能共舞，为我们的设计本源赋能，我就分享到这里，谢谢大家。

Xavier Travert

AIRI 创始人、设计主管、建筑师

冯达源

AIRI 联合创始人、技术负责人、数据科学家

AI作为建筑师的设计助手

大家好，我们是AIRI实验室的创始人Xavier Travert和冯达源，想与大家分享的是这个实验室创立的故事。故事始于一年前，当时现代科技向前迈进一大步。人工智能崭露头角，为众多领域带来了前所未有的创新。人工智能模型，尤其是图像生成模型首次展示了“创意图”的可能性。当时，人工智能生成的建筑图像并不好看，与渲染图相去甚远。但作为设计师，我联想到了一些在日常工作中，常有的问题似乎得到了潜在的解决思路。

因此，我们组建研究小组，并开始探索、测试和实验，我们以建筑设计师与数据科学家的角色，深入研究AI和ML的开发技术，不断尝试如何充分利用它，使我们能够更好地控制和拓展AI能力。我们意识到，我们不仅在为设计师的问题寻找解题思路，也在为设计公司的困境寻找解决方案。经过3个月，我们与400名建筑师和公司领导者分享了我们在人工智能方面的成果。他们问:“若AI可能改变行业，怎样确保不被时代落下、我们如何让400个设计师不学习就会用、如何可以运用到实际项目和工作流程中？”

6个月后，AIRI诞生了，我们给出了回答。经过5500多个小时，使用超过300万个精选数据，创建了一个独特的架构模型。该模型从基础生成1K质量，最终输出生成4k分辨率，它为无限的设计可能性提供专业级的图像质量。今天，我们很兴奋也很自豪地向大家介绍我们的产品，这个产品目前正在为 400 名建筑师提供服务。它不仅达到了我们的目标，而且在很多方面还超出了预期。

借助于 AIRI 将AI引入设计过程，AI不再仅仅是一种工具，而是一个强大的设计助手，为建筑师们开辟了崭新的可能性，突破建筑设计的辅助新境界。

改进传统流程：从紧急任务到创意灵感

紧急任务是建筑设计团队面临的日常挑战。AI的介入不仅可以减轻建筑师的工作负担，有时还会带来惊喜和灵感。借助AIRI，建筑师们只需点击几下，便能生成高清图片，无需费时费力手动输入大量信息。提高效率、节省时间，能够更加专注于创意的发挥。

从选择到呈现：打开设计的无限可能性

AIRI不仅仅是一个简单的图像生成工具，更是一个无限创意的源泉。通过在大量的提示词中寻找适合当下类别的风格，建筑师们能够以一种全新的方式探索设计元素。无论是建筑类型、风格还是地标设计，AIRI都能够为设计提供有力的参考。创意生成只需点击几下，便能呈现出设计师们想要的结果。这不仅仅是设计助手，更是一个灵感的孵化器，为设计注入了新的活力和创造力。

设计优化的秘诀：精细的调整与呈现

在设计过程中，优化是不可或缺的环节。通过AIRI，设计优化变得更加轻松而高效。建筑师们可以将自己的设计输入AIRI，再根据自己的需求，进行风格和元素的调整。这一过程不仅可以实现快速优化，还可以生成多样化的设计方案。而当领导或团队提出反馈时，可以迅速进行局部重塑，无需重新制作模型，节省了宝贵的时间和资源。

横跨不同的阶段：从概念到深化的全程助力

AIRI的应用不局限于特定设计阶段，而是贯穿了整个设计流程。无论是初步概念还是深入细节，都能够为设计师们提供有力的支持。借助AIRI，设计师们可以快速呈现出不同视角的效果图，从半鸟瞰视角到立面视角，从街景到室内布局，应有尽有。这不仅提高了设计的可视化效果，还使得设计方案更具说服力。

设计的未来：AI的角色与建筑师的共创

然而，并不意味着AI将完全取代建筑师的角色。相反，它是一个强大的助手，为设计师们提供更多可能性和创意。AIRI能够迅速生成图像，加速优化过程，同时又保持设计师的创意思维。设计师可以借助AIRI，将更多时间投入到创意的发挥和深度思考中，将设计推向新的高度。

总的来说，AI作为设计助手的应用，为建筑师们带来了全新的体验和可能性。从初始的紧急任务到创意的灵感，从设计的选择到优化的过程，从不同阶段到设计的未来，AIRI与建筑师们共同创造了一个更加出色和高效的设计世界。这个产品也是由400名建筑设计师共同打磨出来的成果，它与设计流程完美契合，为设计师提供最佳助手。

尹三维

深圳市欧博工程设计顾问有限公司 、建筑设计中心总经理

曲面建筑的数字化设计方法

今天我想与大家分享的是，如何运用数字化手段来帮助曲面建筑的顺利落地。曲面建筑实施的痛点在于成本高、设计繁琐与施工困难。为了做好曲面建筑，欧博每一年都在不断拥抱新的技术，包括精准模型全专业整合、参数化设计、正向有理化思维等，都是控制成本、提升质量的关键。AI是当下最热门的数字化手段之一，它之于建筑设计，不光是一种设计手段，更是一种崭新的思维模式，我们称之为“正向有理化思维”。他是由控制性因素操控、引导要素自动生成的设计方法。

例如城建梅园项目（与WOODS BAGOT合作），一个拥有流畅曲线造型、380米高的异形塔楼建筑，欧博负责方案深化和施工图部分。项目的设计流程首先进行参数化设计与多方案比选，方案定选后形成犀牛模型，转化成BIM模型，再形成Revit模型，最终以编程和数据化转换脚本为输出。这个脚本非常复杂，但对施工质量非常管用。

异形塔楼的施工，存在一个很大的困难点，在于它的定位。这个项目总共有83个平面，一万多个定位点。只有在全数字化的情况下，才有可能实现对施工质量的精准把控。如果采用传统的二维图纸方式，不仅需要投入翻几倍的人力资源，还容易出现纰漏，产生施工问题。

第二个案例是由欧博进行全过程设计的国际生物谷文体中心，这是大湾区最长、离海最近的文体建筑。它的定位决定了它必须提前做好与台风正面对抗的准备。从常规逻辑可能会想如何去解决台风问题。但欧博想的是，如何正向地去思考海风对建筑的利弊，我们保持着与风共舞的态度，而不是与风对抗的姿态。带着对科学的严谨性，我们充分研究了风环境，在设计早期即开始多次风洞实验，最终形成了与盛行风向匹配以及能够化解台风危机的精准造型。所以不论建筑的旋纽角度，还是开洞位置，在实际施工时，都需要控制在一定的误差范围以内。

因此，欧博采用的是正向BIM以及现场数字化施工矫正的方法。如何矫正？我举个例子。这个项目在幕墙的连接节点处，存在很多由三角面构成的大曲面。为了提高施工精度，我们设计了一个原理很简单的节点做法。在施工现场，锯短或加长连接体，就可控制三角面不断矫正角度偏差。不用返回工厂，降低施工难度。当然，这样人工操作在交接板块数量多了以后，也不完全精准。因此我们用了三维扫描激光仪，运用科技手段突破人眼局限，通过重建点云打到模型里，与原有设计模型进行匹配检查，发现问题再不断矫正。

第三个案例是深圳的一个总部大楼，欧博负责全过程设计。位置相邻绿廊和海岸线，处于总部集群当中，周围高楼林立。在投标时，我们从城市思维出发，在局部造型上进行了一定程度的扭转，尊重城市格网垂直正交关系。同时以更巧妙的方式，让大楼的重点空间能侧向海景及绿轴。中标之后，为了改善设计质量，我们开始和AIRI进行合作，运用AIGC对方案进行优化。通过有限语言分析、大量遗传算法，引导AI以严谨生成正向有理化逻辑，实现了结构、机电、室内空间和曲面幕墙的一体化设计。

AIGC作为一个动手很快又麻利的工具，同时还帮助我们尝试了很多异性空间的可能性。在有限的人力物力与时间条件下，AIGC让我们产出了更多的对比方案，脑子里的概念逐一实现，草图效率飞快，这或许是AIGC在当下这个阶段的意义所在。如果用犀牛的话，一个对比方案的制作流程至少需要三天，一天建模、一天调模、一天渲染。但是AIGC可以做到更快更有效，为我们腾出时间对更多的细节进行深入的研究，更细致地去处理异型建筑面临的各种复杂情况。

比如这个项目众多的V字领口节点，可能存在上百个微变化。以前没有AIGC时，设计费不变，你能上100个人吗？显然不可能。但现在2个人就可以在限定条件下进行细部测试，甚至可以做到节点的多方案对比。

AIRI对室内氛围感的细腻拿捏也是非常精准。AIRI介入之后，他给出了不同方向的室内方案。AI对于空间氛围的快速测试、对比能力非常强，能让设计师进一步挖掘空间的可能性，打开更多的思路。

AIGC还能挖掘空间的多功能性，这是出乎我意料的。比如这个空中花园，原本室内想法是以清新绿植为主，初衷为的是让员工的交流空间更为惬意。AI测试了这个空间的多种用途，以及未来再次装修翻新的各种变化潜力，为此提醒了我们需要适度提高结构荷载，为建筑的生命周期延长，为未来的可能性做铺垫。

Generative Design生成设计是一种AI思想，现代建筑的各项要求错综复杂，拥有包括消防疏散、通风采光、平面功能、空间组织等众多控制性条件，设计结果不一定是由设计师一笔一笔画出来的，而是由设计师通过判断筛选出控制要素而形成的设计逻辑。那么在数字化工具的时代，可有效帮助我们实现整体设计逻辑的建构。

筛选控制要素也是一项非常关键的工作。特别是对于曲面形体，除了满足各种控制性要求，还需要厘清曲面几何关系的落地性。很多曲面设计的过程是：建筑师用参数化做出来非常酷炫的造型，但幕墙顾问介入后，就走样了或需推倒重来。但如果设计师掌握有理化背后基本的曲面几何结构原理，从一开始就把它控制住，那可有效提高设计的落地性，缩短后续优化需要走的弯路。

比如曲面幕墙的双曲面比率，应以G1相切连续为主，G2曲率连续为辅，像G3以上这种用于苹果或者法拉利的精度就不应采用。但我观察很多年轻的同事在建模时，仍然运用大量的G3曲率，视觉上很抓眼球，但为后期埋下了雷，哪怕是最厉害的幕墙顾问也无法实现。

再者还需要掌握各种材料的极限系数，如玻璃冷弯的极限、铝板阳极氧化的工序限制、石材废料率等。举个例子，通过加拉帕戈斯算法不断分析形体平板化的数据，将翘曲值过大区域平均分配到其他区域，从而减低总体翘曲值。

由这些核心的要素限制，进行galapagos 遗传算法，程序自我迭代达到匹配限制的最优解。将曲面的有理化尽量前置，从根本上强有力地控制设计要素的严谨定义，同时优化更为流畅的曲线造型，大量减少双曲面玻璃，可节省约40%~50%的立面造价。

“FEA有限元分析”也是提高效率的有效办法，合并或消除在分析中认为不重要的几何特征，排除过多干扰项，以数学方式达到理论上的最优解，而后进行系统性优化。异型空间的结构计算非常复杂，在有限的时间内，只能按照思维惯性进行常规操作。若结构工程师运用有限元分析的数学方法，就能够形成更清晰的结构体系布置。主体结构、楼板与幕墙体系实现有理化对应，所有定位点被理想描述，避免施工时额外增加结构成本。

同时还能运用“CFD流体力学分析”加强机电与节能的优化，优化自然或人工通风效率，有助于精准布置异型空间各类机电管综组件等。

欧博设计在正向数字化设计思维之下，运用丰富且多维度的数字化设计方法，实践于设计全专业和全过程之中，直到施工落地并延展至后期运营。在未来的规划之中，希望我们能够塑造出更多更具创新性、可持续性和以使用者为中心的建筑设计，请大家拭目以待。

杨小荻

小库科技联合创始人

人工智能时代下的建筑可能性3.0

首先给大家讲一个故事，这个故事来自于柏拉图的《理想国》，故事叫洞穴之喻。一群人住在洞里，有一个小小的洞口，外面有人在火堆面前做出一些动作，洞中的人对着在墙壁上不断跳动的影像开始了漫长且深入的探讨，洞中的人没有想到墙上的影像仅仅是洞外的人无意识做出来的，他们不知道外面发生什么事情，所以才认为这是真实的，外面的人有自己的想法和自己的目标，这些和洞中影像的设置不一致。

我们面临一个问题：AI的意识究竟是什么？AI是否知道自己能够执行的任务，它的行为是否具有认知能力，AI程序生成的过程是否涵盖真正的理解？它是否意识到自己在做什么？AI的理解与我们自己的理解，甚至是我们对它理解的想象，都存在巨大差异。这种差异决定了我们如何认知、看待并研究AI，以及如何解读其行为的目的性积累。

什么样的情境被视为与AI共存和协同工作的最终状态呢？这包括对彼此的理解，共同利用各自的优势，明确AI的能力边界，了解其限制。在这种状态下，我们将如何识别AI的特征？这些特征将以何种形式呈现？这种共存模式能够帮助我们更好地理解外在表象与内在核心任务之间的联系。   

AI有4门功课，分别是识别、评估、优化、生成，所有AI工具都是基于这4门功课上的延伸。

一是识别，让电脑建立认知，这个非常重要，首先必须得建立这样的认知。这个认知可以转化成很多有用的工具或者逻辑，比如说能够把图片或者生成的图片转成模型的技术，或者通过一些聚类的方式做一些应用，其实都是在于识别的评估上。也就是说电脑会尝试理解什么是什么，这个过程有点类似于人类认知一个事物的过程，比如我们教小朋友认识圆形方形，他会尝试找到一些客观规律，根据客观规律建立他自己的知识图谱和认知体系。

二是“评估”，要让AI知道什么是好的，什么是坏的，这个东西为什么好，为什么坏，给出一个理由，有了理由之后然后尝试第三步“优化”。比如电脑在学习过程中，如果添加体系之后，就会知道往前一步加一分，往后减一分，这个过程不断修正自己的路径达到很模糊的认知状况。这个状况，前面三个功能合在一起，最后反馈给大家的就是“生成”。这4门功课就是前面讲的洞中的人在学习和研究墙上幻影中的一些表象特征或者规律。其实我们并没有告诉AI，我们为什么做这件事的目的，我们只是让AI自己归纳或者总结自己的认知。

当下AI的影响或者变化建立在现在的数据和信息上，在过去几年是信息无所不在的时代，但是我们认为在未来，这个信息的收集过程会转向“模型”的建立，也就是说过去的一些事情从“信息”转换为“范式”，AI开始尝试整理和梳理一些逻辑的思考模型，这个模型会超越前面一步的信息，为下一个阶段全能的人工智能做一个基础的准备。

现在的人工智能结合非常多的维度，以多模态形式，结合多种多样的能力或者多种多样的状态形成复合的模型，这也是当下人工智能模型比较显著的特征。

针对建筑学来讲，行业需要一个高维度的模型来解决实际的工程问题。我们认为建筑领域数字化的趋势会有一个比较大的转化，就是从信息数字化到知识智能化转变的过程，这是非常关键的。我们认为这个过程中AI能够去解决一些问题，具备一定的判断力，并能够自适应学习的状态，把信息归纳和整理，变成一个自我认识和认知的过程，这是我们当下对人工智能发展的一些看法。

接着我们讲一个实际的项目，通过我们的逻辑，尝试人工智能泛用性的方式在实际的项目中的应用。

有一个和水结合的项目，就是蛇口渔港项目。我们分析了区域洋流的状况，找到一个点，我们能不能通过岸线的重塑优化洋流的情况，同时使洋流能够主动的把垃圾带出去。后来发现我们的想法比较乐观，如果把全部的垃圾带出去，就是海洋的流速远远超过安全的流速，所以我们在不停的调整过程中，最后做出的策略是在下面开一个口去优化洋流，能带出一部分垃圾，同时把不能带走的垃圾集中在特定的区域去清理。AI在这个过程中，理解我们想要达到的目的，同时建立一个评估体系，不断迭代优化岸线和形成岸线的曲线，它能够找到最后形成的岸线，包括曲率、节点，口的开放大小，给出建议，我们最后的方案整体就是根据这个建议来生成。

我们平台的使命是将建筑智能化从过去的图纸时代发展到现在的L5阶段。L5阶段不仅包括了数字化的模型，还将模型，数据与“规”相结合，这个“规”包含了规范，规则和规律。在这一理念的指导下，我们运用人工智能来解决建筑领域数字内容生成的难题。这方面的探索，逐步汇集成了一个综合平台——小库AI云泛建筑AIGC创享平台。该平台不仅仅限于生成内容，更演变为一个AI设计平台。它涵盖了生成、训练、内容共享等功能，还致力于构建一个共享社区。我们的目标是建立一个全面的生态系统。平台的数据源来自于多年来积累，这个数据库规模达到了千万级级，是全球最大的建筑数据库。这个数据库不仅包含图片，还包括结构化的数据。我们用这个数据库构建了室内，建筑以及泛建筑领域的行业大模型。而要实现一个拥有泛化能力的模型，数据库的量级和精准度就显得格外重要。这需要严密填充各种知识领域的认知，这才能真正形成建筑领域意义上的大型模型。同时，我们还提供了自定义模型的能力，除了大模型外，我们提供了应用层，使用户能够更好地训练出符合自己需求的模型。比如用户只需简单上传几张图，比如几张路易斯康风格的建筑图片，然后设置一些参数（甚至不设置也可以），就能生成我们想要的效果。而且，这个模型的泛化能力，依托我们的大模型，还能形成很多意料之外的效果，比如根据路易斯康风格生成室内效果图，即使原始训练图片中没有室内元素，也能看到模型能够推理出一个非常合理具有路易斯康风格的室内设计。

甚至，我们也会测试将很多不合理的输入合在一起是否还会保持合理性，比如让扎哈设计一个路易斯康风格的建筑会是怎样的？结果我们认为还是非常有参考价值的。

最后一张图我特别喜欢，有一个小小红色的座椅强化路易斯康的风格，同时也非常扎哈。也就是说通过大模型和自定义模型的组合，来达到一种在行业里面的广泛泛用性，是我们一直努力的方向。

当然我们不只是做一个生成功能，而是希望搭建一个AI创作的平台，大家可以在平台上发布模型，发布灵感。在这个平台里可以做很多的事情，我可以把我的模型交给大家去训练和使用和调用，同时产生一定的收益。我们平台上有不少非常知名的模型训练师，模型数量每天都在高速增长。其实也是给未来建筑相关专业的学生提供另外一种职业可能性，去拓宽未来的方向。

齐奕

深圳大学建筑与城市规划学院副院长、智能设计与建造实验室主任

茶特随想

《人工智能》电影想必大家都看过或听过，现在有关人工智能的认知、理解及应用等很多问题都曾在相关电影中讨论过。我推荐给大家关于AI的系列短片——《人工智能时代》（The Age of A.I.），该系列包括8个短片，介绍了人工智能技术在健康、机器人、空间探索、食品、防灾等多场景中的应用。从ChatGPT的发展过程线可以看到大数据、人工智能等技术带来的巨大优势，人工智能迅速发展给各行各业带来巨大潜力与挑战。

前两个月《科学》杂志有一篇文章介绍ChatGPT是如何提升工作效率的，以及使用者对其的体验与反馈。麦肯锡在2023年技术报告中将应用人工智能、生成式AI列为人类当前最重要、最前沿的15项技术领域之一。

达利博物馆和人工智能科学家运用生成技术对达利生前所有的影像和画面进行深度学习，实现了等比例数字人呈现，实现了虚拟人物与观众的实时互动。我们可以看到，人工智能不仅与技术紧密有关，和艺术联系也已非常紧密。

建筑领域跟AI的关系

从前面嘉宾分享的案例我们可以看到计算机的算力及数据在建筑设计的优势。在方案设计时，AI在平面立面生成设计、停车场排布等方面拥有广阔应用场景；在施工阶段，各行业专家也在积极思考人工智能如何为运维、施工、建造提供自动化技术赋能。

在此，我向大家分享一本书《人工智能和建筑——从研究到实践》。建筑领域从上世纪的工业化和模块化，到计算机辅助设计，到参数化设计，再到如今的人工智能。计算机科学与技术的快速发展，为建筑行业带来变革，建筑师与计算机的互动越发紧密。该书除梳理了AI发展脉络外，还结合大量案例展示了AI在建筑平面立面生成、结构优化、人流分析等诸多方面的应用。

OMA的多哈医疗中心设计探讨了人工智能、3D打印和机器人如何与设计概念相结合。在模块平面下探讨了不同庭院风格的可能性，3D打印生成优化，最后展现了结合人工智能、3D打印新技术的类型建筑构想。

一些公司一直关注科技给设计带来的助力？这些创新具有明显的跨学科属性，一些工具软件的开发得益于设计师、数据科学家、交互设计师等多方紧密合作。

哈佛大学设计实验室通过跨学科灵活的组织方式探讨人工智能、大数据、3D打印对整个建筑行业的发展。ETH将建筑学院、工程学院、材料学院、科学学院的资源进行整合，形成了Design++的研究平台，通过跨学科的方式推动产业发展。

深大研究团队的相关工作

深大在本科基础教育基础上开设了三个微专业：可持续建筑、医养建筑设计、计算性设计与智能建造的微专业。在硕士生层面，与深圳大学计算机与软件学院合作创建了City X人工智能专硕项目，使学生在理解城市建筑的同时，熟悉掌握计算机科学思维与技术。为未来培养跨学科创新人才进行了前沿教育探索。

近几年，我本人与其他老师合作进行了一些小的项目。例如与陆旻老师共同指导学生完成虚实空间交互展览，展览背后有许多机器视觉、交互、编程等内容，该项目有建筑学、计算机科学等多学科背景的学生合作完成。我鼓励学生应用A.I技术进行一系列图片、装置、室内和未来空间场景的设计实验，并启发其思考建筑AI背后的伦理、价值、方法等问题。

下面是我通过于计算类型学的探索，对于医院空间自动化布局进行的一些尝试。在对医院设计原理知识进行梳理归纳，数据化转译基础上，对空间类型、形体构成、变体规则等进行数据分析、描述及重构，从而构建生成流程和逻辑、步骤，形成半自动化的生成设计。事实上，大量建筑实践背后有着丰富的经验智慧，如何借助AI将这些内容学习并快速转译，尚有大量工作有待我们继续探索。

我们不光功能问题，还积极思考设计与建造的问题。我在指导学生时主张将计算性设计思维贯穿于建筑、室内、产品、服装等多个领域。我还指导研究生做了有关几何和基础算法的研究，运用算法实现一些可变动态表皮的设计及优化。

我的思考分享

2017年《纽约客》中提出了一系列问题，就是人类会被机器人替代吗？做什么样的工作最有可能被替代？干什么工作最不会被替代？从ChatGPT出现后大家都在讨论这类相关问题。前几年剑桥研究学者认为建筑师和教师被替代率是最低的，分别是1.8%和0.4%。但是在ChatGPT、AI、大模型发展巨大之后，事实真的是这样吗？恐怕并不是如此。仅以学校为例，许多大学都意识到人工智能会给教育带来的机遇与挑战，如何应对这一问题是多数老师正在思考的问题。在建筑业也是这样，建筑师们不得不回应并思考人如何与机器共生的话题。

来之前，我和ChatGPT聊了聊，我问人最不可能被AI替代的能力有哪些？它的回答是：一是创造力和创新性，因为人工智能生成缺乏人类的想象力和独特的创新思维；二是情感和情感智能，也就是说现在的人工智能只能模仿情感，但是没有办法有真正的情感；三是人际交互能力，它们还没有形成非常真实的情感体验；四是道德和伦理的判断，目前还没有形成可判断的方式；五是灵活性适应能力，人工智能只能相对简单的在某一个模型和函数支持下做出一些决策。在AI发展如此迅速的背景下，建筑师一些大量重复性劳动或许可以被替代，那么那些能力不可替代才是最重要，需要我们强化的。

最后我做个小结，仅供讨论。

第一，AI对人类生产生活产生巨大影响，对各行各业都带来很大的冲击，思考并讨论AI的应用场景以及影响是尤为必要的，我们需要思考未来怎样更好实现人机共存。

第二，AI在建筑设计、建造、运维都有它的可能性，所以在效率、质量、启发性上有很多的潜能，我们应该熟悉了解和研究它，并且让它为我们所用，这是我们当前面临非常重要的问题。

第三，建筑设计和行业与AI在多学科、多产业、多专业都有互通和联动，良好的创新生态需要高校、企业、研究机构共同的努力。一系列有关自主性、伦理、安全、权属、创新方法论都有待于所有人共同思考，批判性讨论。

第四，人机共生的时代已经到来，人机互动已经存在了，我们如何用批判的心态审视人跟机器各自的价值，找到我们原本内核的优势，同时拓展机器的外延可能性，是我们当前面临很大的问题。