生成式AI人居領(lǐng)域應(yīng)用趨勢調(diào)研報告（2024年）

騰訊研究院TencentResearchInstituteCO騰訊C騰訊研究院TencentResearchInstitute03序言附錄：人居領(lǐng)域生成式AI代表性產(chǎn)品附錄：人居領(lǐng)域生成式AI代表性產(chǎn)品01.UrbanYX-城市認(rèn)知大模型解決方案02.小庫AI云03.中國金茂的大模型探索04.廣聯(lián)達05.品覽筑繪通06.國匠城一元技能07.上格云08.建筑工程技術(shù)資料對話大模型Construction-GPT09.PlanGPT-規(guī)劃專業(yè)大模型02生成式AI人居領(lǐng)域應(yīng)用白皮書02序言2022年OpenAI發(fā)布ChatGPT，拉開了大語言模型和AIGC（生成式AI）時代的帷幕。時至今日，短短一年，大模型已家喻戶曉，千模大戰(zhàn)正在上演。生成式AI裹挾著人們對未來的興奮與恐懼，迅速席卷了幾乎所有行業(yè)。一般來說，大模型是指包含超大規(guī)模參數(shù)的神經(jīng)網(wǎng)絡(luò)模型，具有卓越的泛化能力和表達能力，但相應(yīng)的訓(xùn)練成本也極高。隨著大模型的廣泛應(yīng)用，人們逐漸意識到，其在產(chǎn)業(yè)領(lǐng)域發(fā)揮真正的作用仍然任重道遠(yuǎn)。對于大多數(shù)企業(yè)而言，面向垂直場景、垂直行業(yè)、垂直領(lǐng)域探索基于大模型的應(yīng)用創(chuàng)新，將成為現(xiàn)階段的重要攻堅方向。大語言模型是生成式AI的一個重要應(yīng)用領(lǐng)域，主要用于進行復(fù)雜的語言理解和文本生成任務(wù)。有觀點認(rèn)為，行業(yè)大模型是基于某個特定行業(yè)領(lǐng)域的數(shù)據(jù)進行訓(xùn)練和優(yōu)化的模型，旨在更好地理解和處理該行業(yè)的專業(yè)術(shù)語、規(guī)范和語義，以滿足該行業(yè)的需求。與通用大模型相比，行業(yè)大模型更加專注于某個特定行業(yè)，能夠更好地適應(yīng)該行業(yè)的特殊需求和場景。然而，具體到某個行業(yè)領(lǐng)域，大模型和生成式AI應(yīng)用的方式會存在很大的差異。有些行業(yè)，如醫(yī)療、法律或金融，需要專門訓(xùn)練或精調(diào)大量特定領(lǐng)域的文本數(shù)據(jù)，以實現(xiàn)專業(yè)領(lǐng)域的大模型，用于政務(wù)交互、專業(yè)問答等場景。而在交通、能源電力、生物、材料等領(lǐng)域，則會使用特殊模態(tài)的數(shù)據(jù)和算法進行訓(xùn)練。不過，在絕大多數(shù)領(lǐng)域，通過基礎(chǔ)大模型以Embedding等方式外掛知識庫，便足以解決大多數(shù)問題。隨著基礎(chǔ)大模型參數(shù)量的增加、算法的優(yōu)化以及跨模態(tài)能力的提升，其解決問題的效率可能會很快超越微調(diào)等方式。例如，GPT4的升級與DALL·E3的融合，顯示出讀圖、繪圖等能力的顯著提升，而GPT-4Turbo和GPTs的發(fā)布則大大降低了制作垂直應(yīng)用的難度。最終，AGI（通用人工智能）有望獨立解決各種場景問題。然而，在實現(xiàn)這一目標(biāo)之前，我們?nèi)孕杼接懘竽Ｐ秃蜕墒紸I近期的行業(yè)應(yīng)用模式問題。人居環(huán)境概念涵蓋城市、建筑與景觀等子領(lǐng)域，貫穿規(guī)劃、設(shè)計、建造到運營全生命周期，并涉及結(jié)構(gòu)、設(shè)備等相關(guān)學(xué)科。盡管相關(guān)行業(yè)整體數(shù)字化水平不高，但學(xué)界和業(yè)界一直在積極探索AI的各種應(yīng)用場景?；趯Ａ繑?shù)據(jù)的學(xué)習(xí)和建模，AI已廣泛應(yīng)用于空間和行為的模擬推演預(yù)測、數(shù)據(jù)分析與輔助決策等領(lǐng)域，主要體現(xiàn)為對專業(yè)人員的輔助。隨著生成式AI的出現(xiàn)，其處理多學(xué)科非結(jié)構(gòu)化知識、提供更友好的人機交互以及模仿人類藝術(shù)創(chuàng)作過程的能力，使我們獲得了處理復(fù)雜系統(tǒng)問題的全新手段。城市與建筑的復(fù)雜巨系統(tǒng)遠(yuǎn)比大多數(shù)垂直行業(yè)復(fù)雜，其行業(yè)知識規(guī)模也更大，這決定了在相當(dāng)長的時間內(nèi)，專業(yè)人員仍然難以被取代。因此，探究新技術(shù)影響行業(yè)發(fā)展的路徑與邊界也就尤為重要。一直以來，自然語言和圖紙被視為人居環(huán)境領(lǐng)域主要的信息載體，而這兩個信息載體正是目前生成式AI最為擅長的方向。作為一個傳統(tǒng)行業(yè)，各種類型和分工的企業(yè)、機構(gòu)都紛紛探索相關(guān)技術(shù)應(yīng)用，近期在生成式AI領(lǐng)域的探索也十分活躍。因此，騰訊研究院與北京建筑大學(xué)合作，對十余位人居環(huán)境相關(guān)行業(yè)各領(lǐng)域的專家學(xué)者進行了訪談，他們既對行業(yè)有著深入的理解和實踐經(jīng)驗，也都正在從事與生成式AI應(yīng)用有關(guān)的工作。我們討論的話題聚焦于生成式AI與大模型的人居環(huán)境領(lǐng)域應(yīng)用，當(dāng)然也會涉及與傳統(tǒng)的行業(yè)AI以及其他技術(shù)的結(jié)合。希望通過這些實踐與思考，推動行業(yè)在生成式AI技術(shù)背景下實現(xiàn)轉(zhuǎn)型升級。03生成式AI人居領(lǐng)域應(yīng)用白皮書03生成式AI人居領(lǐng)域應(yīng)用白皮書徐躍家博士，北京建筑大學(xué)建筑與城市規(guī)劃學(xué)院副教授，中國建筑學(xué)會城市設(shè)計分會理事建筑全過程國家級虛擬仿真實驗教學(xué)中心副主任，北京市未來建筑顛覆性技術(shù)創(chuàng)新育人平臺項目負(fù)責(zé)人，北建大IIC智慧創(chuàng)新中心主任，ADL人工智能設(shè)計實驗室副主任，數(shù)字建造實驗室負(fù)責(zé)人。畢業(yè)于清華大學(xué)建筑系，專注于空間行為挖掘、建筑具身智能、AI輔助設(shè)計等領(lǐng)域的研究。發(fā)表學(xué)術(shù)論文40余篇，主持參與國家級科、省部級研項目10余項。王鵬騰訊研究院資深專家，教授級高級城市規(guī)劃師十余年來一直從事城市數(shù)據(jù)和智慧城市研究和實踐，專注于數(shù)字技術(shù)與城市空間規(guī)劃結(jié)合的理論與實踐，多次獲得國家級規(guī)劃設(shè)計獎項。曾在清華同衡、萬科、華夏幸福、華為等各行業(yè)知名企業(yè)任職，負(fù)責(zé)大量國內(nèi)知名智慧城市和未來城市項目。城科會城市大數(shù)據(jù)專委會委員，曾發(fā)表學(xué)術(shù)論文40余篇，任《城市規(guī)劃》、《國際城市規(guī)劃》等學(xué)術(shù)期刊審稿專家。受訪專家（姓名首字母順序）：何宛余小庫科技CEO前OMA資深項目建筑師，香港大學(xué)建筑學(xué)院兼職教授，清華大學(xué)、同濟大學(xué)、哈爾濱工業(yè)大學(xué)客座教授。深圳市智能建造專家?guī)斐蓡T，深圳智能與綠色建造學(xué)會副會長，上海建筑學(xué)會數(shù)字建筑副主任委員。美國佛羅里達州立大學(xué)（人工智能與空間建筑）博士，荷蘭代爾夫特大學(xué)貝爾拉格學(xué)院碩士（建筑設(shè)計與計算機算法），發(fā)表學(xué)術(shù)論文20余篇。獲得眾多獎項，包括“胡潤40歲以下青年創(chuàng)業(yè)先鋒”，“大灣區(qū)優(yōu)秀創(chuàng)業(yè)青年”，WIM“中國女性創(chuàng)業(yè)者30人”，創(chuàng)業(yè)邦“最值得關(guān)注的女性創(chuàng)業(yè)者”，“世界建筑科技獎-年度創(chuàng)新力推動人物”等。李濮實中國金茂信息技術(shù)中心技術(shù)經(jīng)理中國金茂IT技術(shù)專家，數(shù)字化創(chuàng)新業(yè)務(wù)負(fù)責(zé)人。多年來在地產(chǎn)行業(yè)從事智慧社區(qū)、智慧工地、AI等方面的產(chǎn)品研發(fā)和落地時間，獲得多項省部級獎項。負(fù)責(zé)中國金茂AI大模型企業(yè)級落地應(yīng)用。李一帆品覽科技董事長上海品覽數(shù)據(jù)科技有限公司董事長/創(chuàng)始人，清華大學(xué)創(chuàng)新領(lǐng)軍工程博士，人工智能資深專家。上海市白玉蘭計劃專家，上海市靜安區(qū)中青年杰出人才。畢業(yè)于清華大學(xué)電子工程系，CMU卡內(nèi)基梅隆大學(xué)。生成式AI人居領(lǐng)域應(yīng)用白皮書04劉超同濟大學(xué)建筑與城市規(guī)劃學(xué)院助理教授智慧社區(qū)中心主任，上海同濟城市規(guī)劃設(shè)計研究院有限公司研究員，上海市啟明星計劃獲得者。聚焦智能可持續(xù)城市研究與實踐，主持國家級課題二項，省部級課題五項，數(shù)字化城市規(guī)劃與建設(shè)實踐近十項，發(fā)表同行審議論文二十余篇。劉剛廣聯(lián)達科技股份有限公司副總裁、研究院院長國家數(shù)字建造技術(shù)創(chuàng)新中心-數(shù)字建筑軟件實驗室副主任，廣聯(lián)達&清華大學(xué)BIM聯(lián)合研究中心專家委員，廣聯(lián)達&同濟大學(xué)智能建造聯(lián)合研究中心副主任，廣聯(lián)達&東南大學(xué)基礎(chǔ)設(shè)施智慧建造與運維聯(lián)合研發(fā)中心副主任。多年從事建筑產(chǎn)業(yè)數(shù)字化領(lǐng)域的BIM技術(shù)、CIM技術(shù)、產(chǎn)業(yè)互聯(lián)網(wǎng)、企業(yè)數(shù)字化轉(zhuǎn)型與數(shù)字建造方向的研究與實踐，多次參加國家十五、十一五、十二五、十三五等課題研究。在數(shù)字建筑、數(shù)字城市、數(shù)字企業(yè)、智能建造等領(lǐng)域多次負(fù)責(zé)和參與戰(zhàn)略規(guī)劃、解決方案、咨詢及項目落地等工作。參與和負(fù)責(zé)的報告及專著10余部，連續(xù)9年作為副主編參與住建部信息中心發(fā)布的《中國建筑業(yè)信息化發(fā)展報告》，發(fā)表論文數(shù)十篇，參編標(biāo)準(zhǔn)10余個。劉濟瑀北京市建筑設(shè)計研究院數(shù)字總監(jiān)畢業(yè)于清華大學(xué)建筑系，注冊城鄉(xiāng)規(guī)劃師，北京市建筑設(shè)計研究院股份有限公司總工程師，數(shù)字總監(jiān)，中國勘察設(shè)計協(xié)會信息化工作委員會副主任委員，全國信息技術(shù)標(biāo)準(zhǔn)化技術(shù)委員會智慧城市工作組專家，北京規(guī)劃學(xué)會數(shù)字規(guī)劃學(xué)委會專家組成員，2022年冬奧會工程建設(shè)領(lǐng)域?qū)＜摇ｉL期從事建筑信息化、三維圖形引擎、智慧建筑及智慧城市發(fā)展研究。先后主持及參加了數(shù)字雄安規(guī)建管平臺，雄安智能基礎(chǔ)設(shè)施建設(shè)標(biāo)準(zhǔn)，北京市規(guī)劃和自然資源委員會二三維電子報審平臺，工信部重大課題“大型BIM設(shè)計施工軟件”及“面向建筑工業(yè)互聯(lián)網(wǎng)的BIM三維圖形系統(tǒng)”，北京市國資委重大研發(fā)項目“國產(chǎn)自主三維圖形平臺——英心”等項目。著有《勇敢走向BIM2.0》論著，主持及參編了北京市地方標(biāo)準(zhǔn)《規(guī)劃建設(shè)管理電子報審數(shù)據(jù)標(biāo)準(zhǔn)》（新編）、《北京房屋建筑數(shù)據(jù)標(biāo)準(zhǔn)》（新編）及《民用建筑信息模型交付標(biāo)準(zhǔn)》（修編）等標(biāo)準(zhǔn)。茅明睿城市象限CEO北京城市象限科技有限公司創(chuàng)始人、CEO，北京社區(qū)研究中心主任，北京城市實驗室聯(lián)合創(chuàng)始人。擔(dān)任全國自然資源與國土空間規(guī)劃標(biāo)準(zhǔn)化技術(shù)委員會國土空間規(guī)劃技術(shù)委員會委員，住建部科學(xué)技術(shù)委員會人居環(huán)境準(zhǔn)委會委員，住建部科學(xué)技術(shù)委員會社區(qū)建設(shè)專委會委員，中國城市科學(xué)研究會城市大數(shù)據(jù)專業(yè)委員會副秘書長，中國城市規(guī)劃學(xué)會新技術(shù)專業(yè)委員會委員，中國地理信息產(chǎn)業(yè)協(xié)會空間大數(shù)據(jù)技術(shù)與應(yīng)用工作委員會副主任委員等多項社會職務(wù)與學(xué)術(shù)職務(wù)。莫修權(quán)清華大學(xué)建筑設(shè)計研究院有限公司副院長清華大學(xué)建筑設(shè)計研究院副院長、副總建筑師。中國建筑學(xué)會會員，中國建筑學(xué)會建筑師分會會員，教育建筑專委會委員，建筑理論與創(chuàng)作專委會委員。2012年度中國建筑學(xué)會青年建筑師獎獲得，2015-2016年國家留學(xué)基金委公派美國南加州大學(xué)訪問學(xué)者，重點研究國外高校校園規(guī)劃和建，2018年設(shè)計作品參加歐洲佛羅倫薩設(shè)計周、巴薩羅那設(shè)計周和圣彼得堡設(shè)計周巡展。主要設(shè)計及研究方向為文化建筑規(guī)劃與設(shè)計、高校校園規(guī)劃及教育建筑設(shè)計、科研辦公園區(qū)規(guī)劃及建筑設(shè)計、城市重點地區(qū)規(guī)劃及城市設(shè)計等。從業(yè)20余年來，設(shè)計作品數(shù)十項，其代表作品獲全國優(yōu)秀工程勘察設(shè)計獎銀獎，全國優(yōu)秀工程勘察設(shè)計行業(yè)獎一等獎，建設(shè)部優(yōu)秀建筑設(shè)計一等獎、教育部優(yōu)秀建筑設(shè)計一等獎、中國建筑學(xué)會建筑創(chuàng)作獎等多個獎項。生成式AI人居領(lǐng)域應(yīng)用白皮書05宋銀灝廣聯(lián)達數(shù)字建筑研究院特聘首席專家博士/高級工程師，國家數(shù)字建造創(chuàng)新中心實驗室副主任，科技部國家重點研發(fā)計劃評審專家。從事人工智能，智能建造和智能裝備等領(lǐng)域研發(fā)及管理20余年，參與國家863課題3項，參與“十四五”重點專項指南編制，入選北京/深圳/保定/雄安新區(qū)等智能建造試點城市專家?guī)?。發(fā)表中英文論文20余篇，申請國家發(fā)明專利30項，參與多項國家和行業(yè)標(biāo)準(zhǔn)編制。孫亮中國金茂信息技術(shù)中心副總經(jīng)理中國金茂數(shù)字化工作負(fù)責(zé)人。在企業(yè)數(shù)字化轉(zhuǎn)型，IT架構(gòu)管理，數(shù)據(jù)治理、創(chuàng)新技術(shù)應(yīng)用研究等方面具有豐富時間經(jīng)驗，企業(yè)經(jīng)營大數(shù)據(jù)分析、業(yè)財一體、工地物聯(lián)網(wǎng)等項目能使多次入選工信部、住建部、國資委等國家部委的典型案例，在智慧城市、未來社區(qū)、能源管理領(lǐng)域發(fā)布多份白皮書和應(yīng)用指引規(guī)范。吳若颯上格云CEO北京上格云智能技術(shù)有限公司創(chuàng)始人、CEO。畢業(yè)于清華大學(xué)建筑學(xué)院。曾任北京博銳尚格節(jié)能技術(shù)股份有限公司技術(shù)總監(jiān)，PMP。北京中關(guān)村U30年度優(yōu)勝者，北京金種子企業(yè)，北京雛鷹人才。多年從事公共建筑機電系統(tǒng)技術(shù)、建筑智能化技術(shù)、節(jié)能減排技術(shù)等領(lǐng)域的產(chǎn)品研發(fā)。獲得國家發(fā)明專利12項。葉宇同濟大學(xué)建筑與城市規(guī)劃學(xué)院副教授，博導(dǎo)，高密度人居環(huán)境與生態(tài)節(jié)能教育部重點實驗室副主任同濟大學(xué)建筑與城市規(guī)劃學(xué)院副教授，博士生導(dǎo)師，建成環(huán)境技術(shù)中心副主任，高密度人居環(huán)境與生態(tài)節(jié)能教育部重點實驗室副主任。香港大學(xué)博士，瑞士蘇黎世聯(lián)邦理工學(xué)院未來城市實驗室博士后,荷蘭注冊城市設(shè)計師，中國注冊城市規(guī)劃師。研究方向為計算性城市設(shè)計、城市大數(shù)據(jù)、量化城市形態(tài)學(xué)。主持國家級課題3項，省部級課題6項，發(fā)表國內(nèi)外期刊近百篇。張昕清華大學(xué)建筑學(xué)院長聘教授英國劍橋大學(xué)訪問學(xué)者，中國照明學(xué)會室內(nèi)照明專業(yè)委員會主任，中國科協(xié)智能人因照明決策咨詢專家團隊首席專家。研究方向為建筑光學(xué)，聚焦日常情境（居住、辦公、學(xué)校、適老、駕駛等）的照明人因研究。主持清華大學(xué)本科教改項目——建筑類交叉探索型人才培養(yǎng)體系構(gòu)建。生成式AI人居領(lǐng)域應(yīng)用白皮書06張文佳北京大學(xué)城市規(guī)劃與設(shè)計學(xué)院副院長、研究員北京大學(xué)深圳研究生院城市規(guī)劃與設(shè)計學(xué)院研究員、博士生導(dǎo)師、副院長，國家級青年人才。主要從事時空大數(shù)據(jù)與人工智能技術(shù)開發(fā)、城市復(fù)雜系統(tǒng)模擬、土地利用與交通一體化規(guī)劃等研究，開發(fā)了規(guī)劃領(lǐng)域?qū)I(yè)大模型PlanGPT，擔(dān)任中國地理學(xué)會行為地理專委會秘書長。主持國家自然科學(xué)基金等國家級項目4項，省部級項目5項。在JUE、AAAG、CEUS等期刊上發(fā)表中英文論文80余篇，成果獲中國地理科學(xué)“十大年度進展”、SpringerNature“中國作者年度高影響力研究”、美國交通運輸協(xié)會第100屆年會最佳論文、中國城市規(guī)劃學(xué)會優(yōu)秀科技論文專項獎等。張英楠上海建工四建集團有限公司建筑人工智能研究室主任博士，高級工程師，現(xiàn)任上海建工四建集團新技術(shù)研究中心副主任、建筑人工智能研究室主任，兼任上海市國資系統(tǒng)青年聯(lián)合會常務(wù)委員、上海市國資系統(tǒng)青年技術(shù)技能人才協(xié)會副會長、中國民族建筑研究會建筑遺產(chǎn)數(shù)字化保護專委會副秘書長/理事、中國人工智能學(xué)會智能融合專委會委員、同濟大學(xué)/上海理工大學(xué)校外導(dǎo)師，長期致力于人工智能技術(shù)在建筑全生命周期中的算法開發(fā)、產(chǎn)品研發(fā)、工程應(yīng)用與實踐，帶領(lǐng)團隊打造了行業(yè)內(nèi)獨特的建筑人工智能產(chǎn)品體系，全部產(chǎn)品累計使用人數(shù)已達3萬人，累計使用次數(shù)已達500萬次，累計服務(wù)工程50余項，曾榮獲上海市青年五四獎?wù)聜€人、上海市青年科技啟明星、上海市“國資騏驥”高層次技術(shù)創(chuàng)新青年英才、上海建工工匠，共主持或參與科研項目23項，申請發(fā)明專利61項（授權(quán)17項），發(fā)表學(xué)術(shù)論文13篇，登記軟件著作權(quán)61項。張宇飛渡人工智能研究院院長城市信息模型（CIM）國家標(biāo)準(zhǔn)專家編委會委員，CCF專業(yè)會員，計算機輔助設(shè)計與圖形學(xué)專委會委員。2003年加入中國科學(xué)院計算技術(shù)研究所。從事科研工作十余年。研究方向為人工智能、計算機圖形學(xué)、2D/3D計算機視覺、三維數(shù)字孿生、機器學(xué)習(xí)等。近年來，主要圍繞“數(shù)字孿生”、AIGC等開展研究工作。主要研究數(shù)字孿生城市3D生成的大模型及應(yīng)用。設(shè)計開發(fā)飛渡崢嶸大模型。目前，相關(guān)研究內(nèi)容已取得重要階段性研究成果并市場落地。達到國內(nèi)領(lǐng)先、國際先進水平。相關(guān)成果將在國內(nèi)外重要的學(xué)術(shù)會議/期刊發(fā)表系列高水平學(xué)術(shù)論文，已獲授權(quán)發(fā)明專利20余項。朱瑋國匠城CEO國匠城創(chuàng)始人，元技能網(wǎng)站創(chuàng)始人，城市規(guī)劃行業(yè)新媒體工作者，AIGC科普博主（匠大實驗室）。致力于規(guī)劃建筑設(shè)計行業(yè)的知識服務(wù)、知識教學(xué)、知識傳播等工作。中國城市科學(xué)研究會大數(shù)據(jù)專業(yè)委員會委員。畢業(yè)于上海同濟大學(xué)建筑與城市規(guī)劃學(xué)院城市規(guī)劃系。1998年進入同濟大學(xué)城市規(guī)劃系本科學(xué)習(xí)，2004-2007年攻讀同濟大學(xué)城市規(guī)劃系碩士學(xué)位，2007-2014年攻讀同濟城市規(guī)劃系博士學(xué)位。生成式AI人居領(lǐng)域應(yīng)用白皮書07第一問人居領(lǐng)域有必要做行業(yè)大模型嗎？從1990-2000年代以提升繪圖效率為核心關(guān)注的計算機輔助設(shè)計（Computer-AidedDesign），到2010-2020年代以大數(shù)據(jù)研判支持為核心途徑的數(shù)據(jù)支持設(shè)計（Data-InformedDesign），不斷發(fā)展的新技術(shù)新數(shù)據(jù)已為設(shè)計行業(yè)提供了從繪圖工具、數(shù)據(jù)基底、分析研判的多方面革新。但前兩波新技術(shù)變革本質(zhì)上是為設(shè)計人員提供更快捷的工具、更精準(zhǔn)的現(xiàn)狀分析，而規(guī)劃設(shè)計的輸出端并未發(fā)生重大變化，仍需大量密集時間投入。不過這一情況正在發(fā)生轉(zhuǎn)變，當(dāng)前智能化算法快速發(fā)展所催生的人工智能驅(qū)動設(shè)計（AI-GeneratedDesign）直接聚焦工作流的輸出端，有望給人居行業(yè)的工作流帶來大幅變革。生成式AI在城市規(guī)劃、建筑設(shè)計中已開展應(yīng)用探索，但在運營及維護等階段的應(yīng)用仍有待拓展。大模型應(yīng)用的近期價值主要體現(xiàn)在降低成本方面。但由于其成本很高，而且十分復(fù)雜，所以未來建立端到端人居行業(yè)大模型的必要性和方式尚需探討。當(dāng)然，生成式人工智能和大模型在人居環(huán)境各子領(lǐng)域結(jié)合傳統(tǒng)的定量模型、行業(yè)知識工程、專家經(jīng)驗、各種非結(jié)構(gòu)化數(shù)據(jù)等，仍然會有非常多樣的使用場景。人工智能技術(shù)的發(fā)展歷程中存在兩個顯著的技術(shù)奇點。首個奇點出現(xiàn)在2014年，深度卷積神經(jīng)網(wǎng)絡(luò)以ResNet為首和生成對抗神經(jīng)網(wǎng)絡(luò)(GAN)起始了人工智能在特定環(huán)境中的特征學(xué)習(xí)與專家智能的融合。此項技術(shù)激進地展現(xiàn)了智能化分析決策和設(shè)計輸出的可能性。初始的應(yīng)用成果看似粗糙，如街景分析、平面生成等，但在城市規(guī)劃和設(shè)計中的廣泛運用不可小覷。其次，2023年展現(xiàn)了第二個技術(shù)奇點，基于Transformer框架的生成式人工智能技術(shù)如ChatGPT和StableDiffusion模型實現(xiàn)飛躍式發(fā)展，產(chǎn)出了質(zhì)量極高的文稿和圖像，幾乎達到了設(shè)計師們設(shè)定的“圖靈測試”的標(biāo)準(zhǔn)。這些技術(shù)不僅提升了設(shè)計輸出的質(zhì)量，更是塑造了新的工作范式的前瞻，預(yù)示著人工智能技術(shù)的創(chuàng)新應(yīng)用方向。無論是從技術(shù)發(fā)展的階段看，還是從現(xiàn)階段大模型帶來的效果看，發(fā)展建筑行業(yè)大模型都是必要的。建筑大模型建設(shè)的必要性可借鑒大科學(xué)計劃的邏輯進行整理。當(dāng)項目能在關(guān)鍵領(lǐng)域解決重大問題，且對國家安全或人類的生存權(quán)/發(fā)展權(quán)形成積極影響時，如人類基因組計劃，投入對應(yīng)的資金是理智且必要的選擇。若建筑大模型能顯著提高中國人口的壽命或改善兒童視光健康，那么這樣的項目理應(yīng)被認(rèn)真考慮?；蛟S可以參考公共衛(wèi)生等相關(guān)領(lǐng)域的行動邏輯。一個項目，如果無國家或人類生存利益的直接支持，是難以獲得必要推動的。以日本為例，因為地震頻繁，建筑安全模型研究則居于至高無上的地位，然而在我國，以房屋安全為主題的大模型研究仍處于起步階段。再如，近期雙碳目標(biāo)，本應(yīng)該帶來新的動力，然而在建筑學(xué)領(lǐng)域，仍欠缺關(guān)鍵性行業(yè)大模型的推動力。總而言之，權(quán)衡建筑大模型的必要性，必須在戰(zhàn)略層面審酌項目的關(guān)鍵目標(biāo)與預(yù)期效果。政府層面，自然資源部對大模型的接納度確實很高，然而，商業(yè)層面，面臨行業(yè)規(guī)模受限，建筑和規(guī)劃行業(yè)難以獨立支持大模型研發(fā)。另外，應(yīng)用層面，在大模型應(yīng)用上，建筑行業(yè)與規(guī)劃行業(yè)的核心焦點不同，建筑更側(cè)重圖像處理，而規(guī)劃則注重文本和空間信息處理。盡管建筑與規(guī)劃在中國的傳統(tǒng)觀念中被視為同源，本科訓(xùn)練基礎(chǔ)課程也存在相似性，然而新技術(shù)的出現(xiàn)和專業(yè)的演變正在加深兩者間的差異。未來這兩個領(lǐng)域能否重新融合，仍待觀察。建筑和規(guī)劃行業(yè)都需要大模型技術(shù)來提升其專業(yè)效率和精度，但面對行業(yè)內(nèi)部分歧和資源限制問題，對建筑行業(yè)大模型的建立必要性，尚需要進一步的實際考量和策略部署。大模型的價值不在于模仿人類，而在于能夠在人力成本高昂的領(lǐng)域，通過大模型的優(yōu)秀表現(xiàn)發(fā)揮其優(yōu)勢，降本增效。建筑與城市規(guī)劃，恰恰是智力密集、人力成本高昂的領(lǐng)域。從這一角度來說，建筑行業(yè)大模型建設(shè)的必要性是顯而易見的。生成式AI人居領(lǐng)域應(yīng)用白皮書08大模型在建筑及規(guī)劃領(lǐng)域的應(yīng)用，應(yīng)以提升質(zhì)量和降低成本為目標(biāo)。若追求高質(zhì)量，建立大型行業(yè)模型則成為必要之舉。在建筑和規(guī)劃過程中，大模型的重要性可歸納為兩個階段：創(chuàng)意啟動階段，它提供了基于實際空間圖紙的輔助工具；在審圖階段，它以其規(guī)范性和邏輯推理能力為支撐。未來，行業(yè)特征可能將不再遵循傳統(tǒng)的分類，而更傾向于分為規(guī)范邏輯型和發(fā)散想象型兩種。這也更能發(fā)揮大語言模型的優(yōu)勢。為提升建筑和規(guī)劃過程的質(zhì)量和效率，建立大模型是必要且具有價值的。大模型的應(yīng)用既可在創(chuàng)意啟動階段提供輔助，在審圖階段也能發(fā)揮其規(guī)范和邏輯推理優(yōu)勢，未來其更可能呈現(xiàn)規(guī)范邏輯型和發(fā)散想象型的特征。金茂正在多個領(lǐng)域廣泛開展工作，尤其關(guān)注由人工智能引發(fā)的問題。雖然人工智能能夠取代人工，進而節(jié)省成本，但其真實對底層人群的裨益仍帶有疑問。企業(yè)通常以利潤最大化為目標(biāo)，從而推動各種技術(shù)被用于減少人工成本。然而，是否能實現(xiàn)社會邏輯，技術(shù)邏輯和資源分配的一致性，該問題值得深入探討。在房地產(chǎn)業(yè)務(wù)方面，由于業(yè)務(wù)流程已經(jīng)高度結(jié)構(gòu)化，企業(yè)內(nèi)部管理相對簡潔，甚至許多工作已被外包。近期，我們看到行業(yè)中開始嘗試將AIGC技術(shù)應(yīng)用到城市景觀、建筑外立面和室內(nèi)設(shè)計等領(lǐng)域。人工智能的未來應(yīng)用可能包括進行圖像標(biāo)注、審核以及設(shè)計評估等工作，但像全自動施工等領(lǐng)域還處于基礎(chǔ)階段。建筑行業(yè)大模型的建設(shè)在優(yōu)化業(yè)務(wù)流程、提升工作效率，甚至預(yù)測未來趨勢等方面具有重要價值，盡管其在一些領(lǐng)域的應(yīng)用還處初始階段，但同時也揭示了未來發(fā)展的廣闊空間。在建筑設(shè)計自動化和AI應(yīng)用的探索過程中，我們面臨著一個重要決策：是選擇立即提供生成式服務(wù)，還是依賴工程師手動遵循規(guī)則設(shè)計。這是AI生成式內(nèi)容（AIGC）與規(guī)則生成式內(nèi)容的關(guān)鍵討論點。雖然AIGC在審美方面有所貢獻，但在個性化和嚴(yán)格遵循規(guī)范方面表現(xiàn)不足。在工程領(lǐng)域，尤其是施工圖、建設(shè)以及運維階段，行業(yè)模型展現(xiàn)出更大的潛力，能夠提供快捷的分析和自動化控制。期待AI能整合標(biāo)準(zhǔn)和經(jīng)驗，長期而言，可在空間優(yōu)化、能源消耗，以及安全性等方面表現(xiàn)更佳。雖然建立行業(yè)模型的初期成本較高，但其預(yù)期回報具有顯著優(yōu)勢。建立建筑行業(yè)大模型是必要且具有價值，不僅能夠提高設(shè)計質(zhì)量和效率，也能實現(xiàn)規(guī)范化、自動化的控制，并具有顯著的回報期待。清華設(shè)計院目前正將AIGC作為基礎(chǔ)工具和技能進行內(nèi)部培訓(xùn)和競賽。確實，AIGC在創(chuàng)新階段，特別是作為甲方溝通的參考圖，是比較有效的工具。然而在可控性方面，如局部的調(diào)整收斂，以及生成真正的三維造型，AIGC還存在局限，以至于它最后可能僅成為一個渲染工具，僅可取代效果圖公司。各設(shè)計院有設(shè)計師正在開發(fā)基于擴散模型的網(wǎng)頁工具，這些工具允許用戶通過簡單的交互進行建筑風(fēng)格和功能的控制，盡管這些工具彼此之間大同小異。此外，我也在使用GPT進行一些文本的擴充工作。施工圖階段已出現(xiàn)自動生成樓梯間、廁所等的產(chǎn)品，同時在規(guī)范審圖方面也已有一些可用產(chǎn)品。盡管AI發(fā)展已可以取代一些助理性工作，但對資深建筑師而言，使用AI的動力并不強大。未來，AIGC很可能像CAD一樣成為行業(yè)的基本工具。如果是這樣的話，過早投入學(xué)習(xí)可能沒有太大價值。總的來說大模型在建筑行業(yè)具備一定的必要性，其在創(chuàng)新階段和施工圖階段的應(yīng)用已經(jīng)證明了其價值和潛力。然而，其在可控性和廣泛推廣方面的挑戰(zhàn)，仍需行業(yè)不斷研究和探索。擴散模型和大語言模型具有出色的泛化能力，已在解決各類抽象問題上，特別是圖像和文本處理方面，顯示出優(yōu)異性能。然而，如何將這些先進技術(shù)在具體場景中應(yīng)用，以及如何依據(jù)問題本身來選擇合適的模型，確實是需要解決的關(guān)鍵點。在連接客戶需求與設(shè)計師設(shè)想，以及在創(chuàng)新實踐與具體操作之間的銜接問題上，擴散模型具有其獨特的優(yōu)越性。對于某些其他問題，我們可能需要傾向于傳統(tǒng)方法。靈活地根據(jù)具體問題選擇合適的解決方式是至關(guān)重要的。建立建筑行業(yè)大模型實施的必要性在于其在連接用戶需求與設(shè)計構(gòu)想，加強創(chuàng)新實踐與實際操作銜接等方面的獨特優(yōu)勢。同時，靈活地根據(jù)任務(wù)特性和需求選擇合適的模型或方法，是實現(xiàn)真正有效應(yīng)用的關(guān)鍵。生成式AI人居領(lǐng)域應(yīng)用白皮書09作為一家專注于設(shè)計云平臺的AI工程公司，我們一直專注于為工程設(shè)計、施工和政府用戶提供卓越的產(chǎn)品，旨在打造泛工程設(shè)計平臺。我們堅信大模型和AI技術(shù)的強大潛力，它們將引領(lǐng)一場技術(shù)革命。在工程設(shè)計領(lǐng)域，我們正在見證一個從物理圖版到計算機輔助設(shè)計(CAD)，再到人工智能(AI)的演進。我們認(rèn)為，大模型將推動更互動的設(shè)計方法，使設(shè)計師能夠通過文本或語音與系統(tǒng)互動，從而實現(xiàn)更高效的設(shè)計。我們正在探索以簡潔文本或會話生成設(shè)計模型的可能性，并且發(fā)現(xiàn)這種方式的可行性越來越大。我們堅信，由AI驅(qū)動的設(shè)計方法將推動設(shè)計師從傳統(tǒng)工具轉(zhuǎn)向更現(xiàn)代的交互模式，從而引發(fā)行業(yè)的重大轉(zhuǎn)變。我們致力于將最新的AI技術(shù)引入工程設(shè)計領(lǐng)域，以推動行業(yè)的進步和發(fā)展，相信這將開辟更廣泛的創(chuàng)新空間和高效工作流程。我們堅信建立建筑行業(yè)大模型是走向高效和創(chuàng)新的必要步驟。它不僅推動設(shè)計流程的現(xiàn)代化，提高工作效率，更引領(lǐng)了行業(yè)的技術(shù)革命，開拓了廣闊的創(chuàng)新空間。大型模型充當(dāng)著一個覆蓋廣泛知識的通用知識庫的角色。使用它如同咨詢一位博學(xué)的專家，問題的質(zhì)量直接決定了獲得的答案的質(zhì)量。在我們的行業(yè)實踐中，為了將專業(yè)行業(yè)知識與大型模型相結(jié)合，需要持續(xù)對模型進行訓(xùn)練和微調(diào)以適應(yīng)具體的行業(yè)需求。訓(xùn)練和驗證這樣的行業(yè)特定模型的過程雖然耗費時間并相當(dāng)復(fù)雜，但對于全行業(yè)的變革卻有著重大意義。關(guān)注細(xì)節(jié)和工作流程的研究在模型訓(xùn)練過程中至關(guān)重要。我們正在嘗試?yán)么竽Ｐ偷耐ㄓ媚芰涌斓俣?，并通過網(wǎng)絡(luò)服務(wù)進行初步應(yīng)用，同時收集用戶反饋以優(yōu)化模型。建立專門針對建筑行業(yè)的大模型是一項對行業(yè)進步至關(guān)重要的工作。這不僅有助于實現(xiàn)工作流的優(yōu)化，更能推動行業(yè)技術(shù)進步，實現(xiàn)行業(yè)內(nèi)的全方位變革。自2020年10月創(chuàng)建以來，我們作為專注于建筑人工智能算法研發(fā)的施工企業(yè)團隊，已經(jīng)發(fā)布了多款創(chuàng)新的產(chǎn)品。我們的首個產(chǎn)品是一款供行業(yè)一線人員免費使用的鋼筋鋼管云點數(shù)小程序，現(xiàn)已獲得近2萬注冊用戶。去年，我們推出了一款基于語義監(jiān)督學(xué)習(xí)的施工方案智能生成的云平臺，可以自動完成工況計算和文字生成，將編撰施工方案所需的時間從一小時縮短至3分鐘。我們還開發(fā)了一款人工智能CAD插件，可一鍵生成施工方案圖紙，大大節(jié)省了繪制圖紙的時間。最近，我們研發(fā)了行業(yè)內(nèi)首個百億字符的知識增強對話大模型——Construction-GPT，它不僅能進行智能檢索，還能像行業(yè)專家那樣與工程師展開對話，提供精準(zhǔn)的答案。我們的目標(biāo)是圍繞企業(yè)業(yè)務(wù)需求，為一線技術(shù)人員提供便利工具，以支持現(xiàn)場管理、施工模擬和日常工作流程。實踐經(jīng)驗表明，建立建筑行業(yè)大模型不僅可以解決現(xiàn)有的工作痛點，優(yōu)化流程，提高效率，也有助于推動行業(yè)的科技進步和創(chuàng)新，從而實現(xiàn)行業(yè)的深度變革。大模型的主要目標(biāo)應(yīng)是賦能各行業(yè)，尤其是解決細(xì)分領(lǐng)域的具體問題，而不僅僅是用于進行聊天。因此，專業(yè)類的大模型正是我們所追求的目標(biāo)。實現(xiàn)這一目標(biāo)需要經(jīng)歷一個從通用培訓(xùn)到專業(yè)調(diào)優(yōu)的過程。我們在構(gòu)建三維領(lǐng)域的大模型時，首先要進行預(yù)訓(xùn)練以獲取基礎(chǔ)的三維知識，然后再針對具體領(lǐng)域進行專門的微調(diào)，這樣可以把模型的泛化能力優(yōu)化到專業(yè)領(lǐng)域。建立專業(yè)針對建筑行業(yè)的大模型，是實現(xiàn)行業(yè)內(nèi)問題解決和創(chuàng)新優(yōu)化的關(guān)鍵步驟，它帶來的具體問題解決能力和專業(yè)化優(yōu)勢，將推動建筑行業(yè)的技術(shù)變革。大模型在規(guī)劃設(shè)計、概念設(shè)計、初步設(shè)計、施工圖設(shè)計階段以及施工和運營階段都能發(fā)揮作用，但需要將行業(yè)專業(yè)知識、規(guī)則和標(biāo)準(zhǔn)融入其中。擴散模型有利于縮短客戶需求與設(shè)計師構(gòu)想之間的差距，但關(guān)鍵在于如何將技術(shù)應(yīng)用于特定場景。大模型與知識解耦，最佳方式是將知識以外掛知識庫的形式融入模型。行業(yè)大模型需吸納行業(yè)經(jīng)驗，尤其是從工程實際數(shù)據(jù)中提煉、萃取和總結(jié)，以滿足工程建設(shè)整體需求。大模型將實現(xiàn)更快捷的交互式設(shè)計方式，通過文字、圖像、語音和視頻等多模態(tài)信息輸入，實現(xiàn)與設(shè)計系統(tǒng)的交互。行業(yè)需要關(guān)注細(xì)節(jié)問題，開發(fā)微調(diào)模型以適應(yīng)工作流程。當(dāng)前人居領(lǐng)域應(yīng)用大模型的主要方式還是通過API調(diào)用，實現(xiàn)特定功能，但Chat、Embedding、Copilot、Plugins、Agents等方式，都已經(jīng)有很多的嘗試。生成式AI人居領(lǐng)域應(yīng)用白皮書10第二問人居領(lǐng)域行業(yè)大模型的基礎(chǔ)是什么？生成式AI行業(yè)應(yīng)用的基礎(chǔ)通常包括兩大方面，一是大語言模型的基座（多模態(tài)），二是建筑行業(yè)知識工程與知識圖譜（規(guī)劃、勘察、設(shè)計、生產(chǎn)、施工、運維等）。前者對行業(yè)來說更多是選擇應(yīng)用，而后者，則是專家和企業(yè)們主要致力的方向。由于數(shù)據(jù)安全問題，企業(yè)通常傾向于使用開源模型訓(xùn)練并私有化部署，但權(quán)限管理比較好的SaaS方式也會逐步接受。在建筑行業(yè)中，知識工程與知識圖譜是生成式AI應(yīng)用的關(guān)鍵。知識工程是將人類專家的經(jīng)驗、傳統(tǒng)規(guī)則模型和AI算法積累，以各種方式融入新的大模型生態(tài)中，從而實現(xiàn)對現(xiàn)有知識的重用和優(yōu)化。知識圖譜則是將知識工程的結(jié)果進行系統(tǒng)化的管理和表示，以支持后續(xù)的智能應(yīng)用。此外，還需要建立跨領(lǐng)域的知識融合模型，以支持不同領(lǐng)域之間的知識交互和共享。常用的具體技術(shù)手段和工具包括有監(jiān)督精調(diào)、知識增強、人類反饋的強化學(xué)習(xí)、檢索增強等。有監(jiān)督精調(diào)是一種通過人類專家對模型輸出結(jié)果進行標(biāo)注和反饋，從而優(yōu)化模型性能的方法。知識增強則是利用已有的知識庫對模型進行訓(xùn)練，以提高模型的推理能力和準(zhǔn)確性。人類反饋的強化學(xué)習(xí)則是通過人類專家對模型輸出結(jié)果的評估和反饋，來提高模型的自我學(xué)習(xí)和優(yōu)化能力。檢索增強則是通過引入高效的檢索算法，來提高模型在海量數(shù)據(jù)中的推理效率。全球最先進的大型模型，如GPT4等，往往采取閉源模式。在國內(nèi)市場，大公司如百度和騰訊也已經(jīng)研發(fā)出自己的大型模型，而開源大型模型則以Llama和GLM為主。關(guān)于大模型與知識解耦的問題實質(zhì)上是成本問題。繼續(xù)訓(xùn)練大型模型需要大量的計算資源和數(shù)據(jù)支持，因此，將知識以知識庫的形式，通過向量鏈接混合結(jié)構(gòu)化知識或企業(yè)內(nèi)部專有知識，可能是一種更優(yōu)的方法。我們致力于提升大型模型的可解釋性，因為它們往往表現(xiàn)為黑盒子。例如，我們公司在規(guī)章制度的應(yīng)用方面進行了實踐，確保AI提供的答案基于實際存在的實體和企業(yè)內(nèi)部信息，保證其對大模型的精細(xì)化調(diào)教以及知識的有效融入是人居領(lǐng)域生成式AI應(yīng)用的基礎(chǔ)。通過這些實踐，我們能確保AI提供的信息準(zhǔn)確無誤，從而有效推動人居領(lǐng)域相關(guān)工作的效率和質(zhì)量。當(dāng)前的大型模型主要是理解文本的表面含義，而對知識的深層邏輯結(jié)構(gòu)探究尚不足。因此，我們應(yīng)努力鼓勵模型對人類語言和邏輯進行更深入的理解，并需要重視不同領(lǐng)域的知識學(xué)習(xí)，包括社會學(xué)和常識知識等。對于專業(yè)和工業(yè)領(lǐng)域的知識，建立專業(yè)數(shù)據(jù)庫以支持模型學(xué)習(xí)是必然的途徑，最終的目標(biāo)是提升模型的決策能力。如若這種技術(shù)能提升專業(yè)技術(shù)水平，并減輕勞動力需求，那將對實際工作帶來極大價值。對于大模型的應(yīng)用，加深模型對人類語言和邏輯的理解，以及擴展模型在專業(yè)領(lǐng)域的知識學(xué)習(xí)，都是其基礎(chǔ)和關(guān)鍵。通過這種方式，我們有能力持續(xù)優(yōu)化AI技術(shù)，使其能更好地服務(wù)于實際應(yīng)用需求。在AI概念提出之前，工程領(lǐng)域已經(jīng)進行了大量的仿真模擬和分析應(yīng)用。人工智能生成內(nèi)容（AIGC）依賴龐大的語料庫、機器學(xué)習(xí)和算法。但在工程界，特別是設(shè)計和施工領(lǐng)域，我們更常受國家行業(yè)標(biāo)準(zhǔn)和規(guī)范，即“規(guī)則”的限制。因此，在某些場合，基于規(guī)則的生成可能在設(shè)計階段更便捷。AI并不是獨立創(chuàng)造，而是依賴大量數(shù)據(jù)，和不同人對同一關(guān)鍵詞的描述。AI通過總結(jié)、分析和整理這些數(shù)據(jù)來幫助設(shè)計新的方案，并提供各種風(fēng)格的選擇。這一點很重要，因為社會發(fā)展導(dǎo)致年輕一代對于美感的理解正在發(fā)生改變。盡管年長一代對美的認(rèn)識或許有些局限，但他們的理解經(jīng)過社會和時間的檢驗，是值得傳承的。例如，時尚的更迭下，經(jīng)典元素仍被維護，并且建筑背后的藝術(shù)原則——如比例、色彩和表達方式，也是值得傳承和保留的。目前，我們正在將退休專家的經(jīng)驗轉(zhuǎn)化為行業(yè)模型內(nèi)容，提取關(guān)鍵設(shè)計理念和思路。將傳統(tǒng)的工程設(shè)計理念和規(guī)則糅合到生成式AI中，不僅能夠在設(shè)計階段提供便捷的方案生成，還能夠?qū)⒔?jīng)過時間檢驗并值得傳承的經(jīng)驗和美學(xué)理念整合入模型，從而賦予AI工具更深層次和廣泛的應(yīng)用價值。生成式AI人居領(lǐng)域應(yīng)用白皮書11我們所需的并非一個無止境擴張的模型，而是一個具備時空推理能力的模型，它可以在綜合條件下生成較為精確的可以編輯的對象。并且這類模型需要能夠整合到設(shè)計過程中，通過調(diào)用語言模塊實現(xiàn)任務(wù)的自動化。具備時空推理能力，具備理解與無縫對接設(shè)計流程能力，是建筑行業(yè)大語言模型的必要基礎(chǔ)，在此基礎(chǔ)上大語言模型才能切實提升工作效率且保障設(shè)計的準(zhǔn)確性。在AI的早期階段，基于規(guī)則的定量建模和專家系統(tǒng)對城市規(guī)劃起著關(guān)鍵的作用。雖然深度學(xué)習(xí)的出現(xiàn)帶來新的可能，但它仍然與這些傳統(tǒng)方法緊密相連?，F(xiàn)在，我們正在試驗將知識圖譜和大型模型結(jié)合，為特定任務(wù)開發(fā)嵌入式小型模型插件，以提供更為穩(wěn)定的智能服務(wù)。我們明白，并非所有任務(wù)都需要大型模型，對于特定領(lǐng)域而言，小型模型與本地知識庫的結(jié)合可能更有效。我們的目標(biāo)是提供針對各種場景的適當(dāng)解決方案，并繼續(xù)探索如何有效地結(jié)合各種工具和技術(shù)，以實現(xiàn)高效、經(jīng)濟的智能服務(wù)。人居領(lǐng)域生成式AI應(yīng)用的基礎(chǔ)在于對工具和技術(shù)的搭配與創(chuàng)新，以適應(yīng)各類場景的需求。我們應(yīng)借鑒歷史并結(jié)合當(dāng)下的利器，不斷探尋高效而經(jīng)濟的解決方案，推動智能服務(wù)的發(fā)展。我們正在積極探索AI在行業(yè)應(yīng)用的最終目標(biāo)，從理論和實踐兩個方向進行準(zhǔn)備。理論上，我們借鑒了英國設(shè)計協(xié)會的“雙鉆模型”，發(fā)現(xiàn)AI在內(nèi)容生成中也展示了擴展和收斂的雙重特性。這種思維模式的相似性可以作為設(shè)計師與AI模型協(xié)同工作的基礎(chǔ)，預(yù)示著設(shè)計范式的未來轉(zhuǎn)變。在實踐層面，大模型和小規(guī)模微調(diào)模型的結(jié)合，類似于設(shè)計師的經(jīng)驗與新知識的整合，預(yù)示著新的設(shè)計工作流的生成。在AI語言模型應(yīng)用中，我們借助chatGLM的能力，結(jié)合知識庫和提示詞工程，建立了大模型與傳統(tǒng)數(shù)據(jù)查詢相結(jié)合的服務(wù)流程。這既是一種過渡手段，也可能是行業(yè)特點所決定的發(fā)展路徑。在圖像模型應(yīng)用上，我們試圖構(gòu)造"AI認(rèn)知鏡像"，實現(xiàn)AI與人在設(shè)計環(huán)節(jié)的深度協(xié)作，使得行業(yè)模型真正成為協(xié)作工作的核心環(huán)節(jié)。簡言之，我們需要在理論與實踐中尋求AI與設(shè)計師的深度融合，嘗試不同的模型和工具搭配，逐漸塑造出新的設(shè)計工作流程。知識庫的建立和有效利用將是重要助力。大模型在建筑設(shè)計中扮演著核心角色，它提升了計算能力，用于結(jié)構(gòu)設(shè)計、優(yōu)化和設(shè)備仿真，并通過API進行關(guān)鍵的決策制定。它也可以作為一個架構(gòu)，通過對話收集建筑策劃和設(shè)計方案的信息，利用插件進行計算，然后將其轉(zhuǎn)化為三維多專業(yè)模型，為智能施工和運營提供支持。我們利用GPT3.5接口進行研發(fā)測試，體驗了其最新的功能和能力。盡管仍看到了技術(shù)的差距和評估誤區(qū)。大模型在文本理解和上下文連接方面表現(xiàn)出色，可以快速準(zhǔn)確地從大量的文本和圖紙中提取知識。未來，AI在設(shè)計全過程中的角色將越發(fā)重要，而這需要我們不斷改進和優(yōu)化模型。知識工程在整個過程中是不可或缺的，大模型的支持使得判斷和決策變得可能，使我們接近實現(xiàn)AI建筑設(shè)計師的目標(biāo)。隨著互聯(lián)網(wǎng)和數(shù)據(jù)的可訪問性的增加，知識工程的必要性可能會降低，可以通過逐步調(diào)用相關(guān)信息，沿著思維鏈條完成任務(wù)。需著重于大模型在建筑設(shè)計的全過程中發(fā)揮的決策支持和計算優(yōu)化作用，通過優(yōu)化模型和知識工程，持續(xù)改進服務(wù)效能，逐步實現(xiàn)AI建筑設(shè)計生成式AI人居領(lǐng)域應(yīng)用白皮書12我們對市場上的主流大模型進行深入研究，并結(jié)合建筑行業(yè)的特殊要求，開發(fā)了自己的基礎(chǔ)模型，經(jīng)過算法和軟件配置的優(yōu)化和定制。廣聯(lián)達在此領(lǐng)域投入了巨大的資源，其中三分之一的員工是程序員，其余為行業(yè)專家和市場人員。我們不僅專注于研發(fā)投入，還進行了大量的軟硬件投資，以支持運行大型模型所需的強大計算能力。我們的基礎(chǔ)模型服務(wù)于建筑產(chǎn)業(yè)鏈的每個環(huán)節(jié)，從規(guī)劃到運營和維護。去年，我們推出了數(shù)維設(shè)計產(chǎn)品，并基于自主的國產(chǎn)平臺充分利用正向設(shè)計模型，通過模型重用實現(xiàn)數(shù)據(jù)傳遞，消除信息孤島。我們通過連通價值鏈的各方，避免重復(fù)建模，減少浪費，提升工作效率，實現(xiàn)數(shù)據(jù)最大化的價值。我們需通過構(gòu)建基礎(chǔ)模型、優(yōu)化算法和軟件配置，以及投入適量的軟硬件資源來適應(yīng)大型模型的需要。在行業(yè)應(yīng)用中，常常需要對開源模型進行本地部署。然而，這樣的操作通常會受到開源大模型參數(shù)量、訓(xùn)練數(shù)據(jù)質(zhì)量和對齊能力的限制。當(dāng)前國內(nèi)產(chǎn)品在這些方面還存在瓶頸，因此其效果可能會受到影響。我們需要克服開源大模型在本地部署時的具體問題，如參數(shù)量大、訓(xùn)練數(shù)據(jù)質(zhì)量和對齊能力等，以推進國內(nèi)產(chǎn)品的發(fā)展，解決效果受限的問題。在研發(fā)行業(yè)大模型時，企業(yè)主要采用三種方法。第一種是購買現(xiàn)成的商業(yè)大模型API接口，并將其集成到企業(yè)的數(shù)字化業(yè)務(wù)流程中，這種方法效率高，開發(fā)難度低，但可能存在數(shù)據(jù)安全和高成本的問題。第二種方法是部署開源大模型，可以避免數(shù)據(jù)和網(wǎng)絡(luò)安全問題，同時降低成本，但可能無法完全滿足企業(yè)的業(yè)務(wù)需求。第三種方法是基于開源大模型，自主開發(fā)針對特定業(yè)務(wù)場景的編碼器和解碼器，進行監(jiān)督微調(diào)和價值對齊，保證數(shù)據(jù)和算法的分離。這種方法雖然開發(fā)難度高，但可以解決安全問題，保證大模型的性能，并在使用-反饋-優(yōu)化的過程中提升企業(yè)大模型構(gòu)建的能力。企業(yè)需要根據(jù)自身需求選擇適合的研發(fā)方法，并注重企業(yè)大模型構(gòu)建能力的培養(yǎng)。通過不斷的試驗和優(yōu)化，企業(yè)可以逐步構(gòu)建適應(yīng)自己業(yè)務(wù)需求的智能體，從而實現(xiàn)AI在人居領(lǐng)域的高效應(yīng)用。生成式AI人居領(lǐng)域應(yīng)用白皮書13第三問人居領(lǐng)域大模型的數(shù)據(jù)層如何建立？對于廣大從業(yè)者，我們使用的往往是最終的應(yīng)用產(chǎn)品，而在應(yīng)用層之下的數(shù)據(jù)、算法和平臺，則是孵化應(yīng)用的土壤，缺一不可。數(shù)據(jù)是行業(yè)大模型落地的關(guān)鍵。其來源包括工程項目現(xiàn)場數(shù)字化、樓宇運維階段物聯(lián)網(wǎng)采集、建筑師經(jīng)驗歸納、企業(yè)數(shù)據(jù)資產(chǎn)沉淀、全生命周期作業(yè)過程等。而向量化是目前數(shù)據(jù)處理的主要方式，使用RAG、nl2sql等技術(shù)進行解耦。數(shù)據(jù)屬性需詳細(xì)標(biāo)注，設(shè)計工作應(yīng)擴展至更廣泛領(lǐng)域，將經(jīng)驗整合至行業(yè)模型。建筑領(lǐng)域數(shù)據(jù)相對匱乏，需解決數(shù)據(jù)真實性、有效性和及時性問題。工程建設(shè)領(lǐng)域數(shù)字化程度較低，需利用現(xiàn)代技術(shù)獲取大量關(guān)鍵生產(chǎn)要素和管理要素的數(shù)據(jù)。建設(shè)知識圖譜對知識工程非常重要，需加強基礎(chǔ)工作的積累。人居行業(yè)獨特的法規(guī)、規(guī)范、標(biāo)準(zhǔn)等，是大模型行業(yè)應(yīng)用的共性基礎(chǔ)，因版權(quán)問題商用存在問題，需要行業(yè)主管部門牽頭協(xié)調(diào)。從企業(yè)視角出發(fā)，大模型的數(shù)據(jù)應(yīng)結(jié)合基模型的全球知識、行業(yè)共識和特定企業(yè)知識。預(yù)訓(xùn)練模型是構(gòu)建基模型的有效手段，盡管成本可能較高。行業(yè)共識可以從教科書、國家標(biāo)準(zhǔn)和行業(yè)標(biāo)準(zhǔn)中獲得，它們得到業(yè)界的廣泛認(rèn)可，可用于微調(diào)模型以適應(yīng)行業(yè)的持續(xù)發(fā)展。企業(yè)數(shù)據(jù)主要位于應(yīng)用系統(tǒng)和非結(jié)構(gòu)化文檔中，更新頻繁，可以使用RAG、nl2sql、API調(diào)用等技術(shù)進行解決耦合問題。我們正在建設(shè)一個基于騰訊向量數(shù)據(jù)庫的、能夠持續(xù)更新的大模型服務(wù)，預(yù)計這將在未來1-2年內(nèi)成為企業(yè)獲取數(shù)據(jù)服務(wù)的主流方式。數(shù)據(jù)層建設(shè)應(yīng)注重數(shù)據(jù)的來源和結(jié)構(gòu)，包括基模型的全球知識、行業(yè)共識和企業(yè)特定知識，以及如何有效地從各種不同系統(tǒng)和非結(jié)構(gòu)化文檔中抽取和更新這些數(shù)據(jù)。在數(shù)字經(jīng)濟時代，數(shù)據(jù)在整個產(chǎn)業(yè)鏈中的傳遞效率得到了顯著提升。為充分利用這些數(shù)據(jù)，我們必需進行精細(xì)的數(shù)據(jù)屬性標(biāo)注。歷經(jīng)的經(jīng)驗教導(dǎo)我們，如果在設(shè)計階段未考慮到材料、設(shè)備等因素，可能在采購階段出現(xiàn)問題。因此，設(shè)計工作的領(lǐng)域應(yīng)從單一階段擴展至更廣的范圍。在大型項目中，僅將設(shè)計局限于設(shè)計可能會導(dǎo)致人力的減少。我們需將前輩們的經(jīng)驗整合進行業(yè)模型中，以便所有員工從中受益。盡管存在挑戰(zhàn)，未來的目標(biāo)應(yīng)該是知識的傳承，這對設(shè)計行業(yè)將帶來積極的影響。大模型的數(shù)據(jù)層，我們應(yīng)注意到數(shù)據(jù)的細(xì)致屬性標(biāo)注與傳承歷史經(jīng)驗的重要性，并嘗試在設(shè)計階段就考慮更廣的領(lǐng)域因素。當(dāng)前，建筑領(lǐng)域的數(shù)據(jù)相對不足，這對深度微調(diào)或訓(xùn)練大模型造成了制約。例如，地球上的飲食文化和服裝可能與火星上的迥然不同，如果將火星的數(shù)據(jù)輸入模型中，可能需要針對整個數(shù)據(jù)集進行重新訓(xùn)練。特定領(lǐng)域數(shù)據(jù)稀缺的問題可能會影響模型的效能，這是一個亟需解決的問題。數(shù)據(jù)層，我們需要注意到特定領(lǐng)域數(shù)據(jù)稀缺問題對深度微調(diào)或訓(xùn)練大模型的影響，這是實現(xiàn)大模型在人居領(lǐng)域有效應(yīng)用的關(guān)鍵問題之一。生成式AI人居領(lǐng)域應(yīng)用白皮書14工程建設(shè)行業(yè)的核心在于工程大數(shù)據(jù)，然而，行業(yè)的數(shù)字化程度相對較低，主要原因是工程項目現(xiàn)場的數(shù)字化還十分不足，影響了數(shù)據(jù)應(yīng)用的實際落地。盡管各企業(yè)和政府擁有大量的信息化管理系統(tǒng)，工地現(xiàn)場的數(shù)字化問題依然存在，這直接影響了數(shù)據(jù)的真實性、有效性和及時性。因此，數(shù)據(jù)無疑是行業(yè)大模型和產(chǎn)業(yè)應(yīng)用的關(guān)鍵。隨著技術(shù)的發(fā)展，建筑業(yè)的現(xiàn)場數(shù)字化逐漸變得可行，可以通過大數(shù)據(jù)、物聯(lián)網(wǎng)以及智能設(shè)備等技術(shù)獲取關(guān)鍵數(shù)據(jù)。例如，人臉識別技術(shù)用于身份確認(rèn)，姿態(tài)識別技術(shù)監(jiān)測作業(yè)進程，物聯(lián)網(wǎng)技術(shù)則用于實時監(jiān)控機械設(shè)備。同時，通過與模型匹配的手機拍照質(zhì)量驗收，AI推送的標(biāo)準(zhǔn)檢查，以及云端的數(shù)據(jù)存儲，可以提高管理效率，同時也生成了大量可用于AI和數(shù)字化的數(shù)據(jù)。數(shù)據(jù)層關(guān)鍵在于實現(xiàn)工程項目現(xiàn)場的有效數(shù)字化，以充分利用由大數(shù)據(jù)、物聯(lián)網(wǎng)以及智能設(shè)備等技術(shù)生成的場地數(shù)據(jù)。通過提高數(shù)據(jù)的真實性、有效性和及時性，可以有效推動該領(lǐng)域大模型的應(yīng)用和產(chǎn)業(yè)的實際落地。構(gòu)建知識圖譜對于知識工程極為關(guān)鍵，特別是對于建筑運維周期中的知識固化。當(dāng)前，國內(nèi)建筑運維階段的數(shù)據(jù)質(zhì)量一般，只有少數(shù)項目能產(chǎn)生高質(zhì)量數(shù)據(jù)，通常取決于系統(tǒng)的良好維護。相較之下，香港在數(shù)據(jù)維護方面表現(xiàn)優(yōu)秀，實現(xiàn)數(shù)據(jù)共享將有利于AI模型的建立。建筑維護決策主要依賴于諸如電流和三相供電等數(shù)據(jù)，需要結(jié)合建筑空間信息、設(shè)備屬性等多方面數(shù)據(jù)來建立關(guān)聯(lián)?，F(xiàn)階段，雖然數(shù)字孿生技術(shù)被廣泛應(yīng)用于展示，其作為數(shù)據(jù)和關(guān)系的計算機數(shù)據(jù)庫的潛力尚未得到充分利用。因而，有必要強化基礎(chǔ)工作的積累，以更好地支持決策制定和模型構(gòu)建。知識圖譜的構(gòu)建、高質(zhì)量數(shù)據(jù)的生成與積累，以及數(shù)據(jù)的有效關(guān)聯(lián)是關(guān)鍵。目前，有待進一步發(fā)掘和利用數(shù)字孿生技術(shù)在數(shù)據(jù)處理和關(guān)系建立方面的潛力，以提供更強大的決策支持和模型構(gòu)建基礎(chǔ)。在人工智能的三大要素中，目前我們更重視數(shù)據(jù)質(zhì)量，而非僅側(cè)重于算法。類似學(xué)習(xí)過程，關(guān)鍵在于學(xué)習(xí)內(nèi)容的正確性和價值，而非學(xué)習(xí)的量。曾經(jīng)，大數(shù)據(jù)概念被過度強調(diào)，但我們已認(rèn)識到，對于滿足特定業(yè)務(wù)需求，數(shù)據(jù)質(zhì)量同樣重要。因此，近期我們在數(shù)據(jù)質(zhì)量上做出大量努力，確保數(shù)據(jù)質(zhì)量后再進行模型訓(xùn)練，以減少對算力的消耗，提高算法效率和模型性能，達成更高效的結(jié)果。有時，模型效果未達預(yù)期可能并非模型參數(shù)或結(jié)構(gòu)問題，而是源于訓(xùn)練數(shù)據(jù)質(zhì)量不佳。我們強調(diào)的是數(shù)據(jù)質(zhì)量而非數(shù)據(jù)量。在模型效果未達預(yù)期時，我們需要先審視訓(xùn)練數(shù)據(jù)的質(zhì)量，而非僅僅調(diào)整模型參數(shù)和結(jié)構(gòu)。設(shè)計院通常會對自身數(shù)據(jù)的安全性抱有深刻的考慮，因此會需要一種可以私有化部署的工具，或者具備良好內(nèi)部權(quán)限管理機制的系統(tǒng)，以確保各機構(gòu)能夠安全、合規(guī)地訪問自己的模型。這是因為數(shù)據(jù)的安全性和隱私防護在工程實踐中相當(dāng)重要，只有保證了數(shù)據(jù)安全，才能確保大模型的正常運行和優(yōu)化。對于數(shù)據(jù)層的關(guān)注點不僅在于數(shù)據(jù)質(zhì)量和有效性，數(shù)據(jù)的安全性和隱私防護也是一個不可忽視的重要議題。生成式AI人居領(lǐng)域應(yīng)用白皮書15第四問人居領(lǐng)域大模型算法層如何建立？地標(biāo)建筑和背景建筑的設(shè)計在未來會基于不同的方法。大量的背景建筑設(shè)計可能會更多基于算法驅(qū)動，而地標(biāo)建筑則需要人類更多參與的創(chuàng)意生成過程。在應(yīng)用領(lǐng)域，專業(yè)人員往往并不參與生成式AI技術(shù)算法的訓(xùn)練工作，但仍然需要進行大量的微調(diào)、適配等工作，整合原有行業(yè)模型和算法。從方案識圖到三維模型、符合規(guī)范要求的設(shè)計策劃的自動生成、機電系統(tǒng)的智能設(shè)計等等。一個很重要的問題是，目前大語言模型對空間關(guān)系和空間知識的理解還非常薄弱，所以往往需要通過與BIM、GIS和時空計算等工具和方法進行連接，通過時空知識圖譜等，幫助其形成完整的時空概念，才能更好理解和加工時空知識。最終，大模型有機會將建筑設(shè)計、性能評估和建造連接在一起，形成針對一個建筑工程項目多專業(yè)、全生命周期的完整解決方案的設(shè)計與策劃。在AIGC的三維內(nèi)容生成領(lǐng)域，我們面臨著兩大主要問題。首先，盡管AIGC在自由生成方面表現(xiàn)優(yōu)秀，但其生成內(nèi)容的可控性較弱，難以直接應(yīng)用于數(shù)字孿生領(lǐng)域。為了提升在此領(lǐng)域的應(yīng)用價值，我們正在探索通過傾斜攝影技術(shù)進行三維重建以及利用視頻數(shù)據(jù)生成能與2D圖像完全對應(yīng)的可編輯參數(shù)化模型。其次，目前生成的內(nèi)容在信息維度上存在一定的匱乏。城市底板的重建還主要依賴于手工建模，缺乏與物理世界的直接對應(yīng)關(guān)系。為了能夠復(fù)制真實世界并生成高質(zhì)量的三維運動場景，需要在模型中添加剛性、柔性、彈性等高級物理屬性。我們需要利用大模型，針對低信息量的多模態(tài)數(shù)據(jù)進行升維處理，并通過海量數(shù)據(jù)的訓(xùn)練學(xué)習(xí)，來最大程度地挖掘其價值。自小庫成立以來，我們就一直堅信人工智能將對建筑產(chǎn)生重大影響。2011年，我們運用算法完成了深圳灣生態(tài)科技園項目的設(shè)計競標(biāo)，這成功案例激勵我們進一步投入。然而，當(dāng)時技術(shù)的局限性，特別是基于專家系統(tǒng)和規(guī)則的算法以及大量數(shù)據(jù)標(biāo)記的需求和運行時間過長所造成的效率問題，使我們意識到了技術(shù)改良的必要性。當(dāng)前，建筑行業(yè)已經(jīng)從結(jié)合藝術(shù)與工程的藝術(shù)家轉(zhuǎn)向復(fù)雜性增加的數(shù)學(xué)計算，但在設(shè)計過程中仍然時常出現(xiàn)因為需求、構(gòu)想傳達和規(guī)范符合性的差距而造成的錯誤和不匹配。另外，建筑需求的多樣性，從地標(biāo)建筑到背景建筑，進一步加大了設(shè)計的難度。為此，我們正進行由數(shù)據(jù)驅(qū)動的設(shè)計方式轉(zhuǎn)變，包括明確定義如建筑面積、容積率等建筑需求，以及運用這些數(shù)據(jù)生成建筑。我們將此稱為“AI驅(qū)動的BIMCloud”，并使用ISO定義的數(shù)據(jù)格式，將建筑設(shè)計、性能評估和制造過程連接在一起。未來，基于更高級的數(shù)據(jù)格式，我們期望以新的方式生成建筑并與產(chǎn)業(yè)鏈連接，以推動人居領(lǐng)域的持續(xù)進步。在建筑設(shè)計行業(yè)中，大模型扮演著決定性的角色，尤其在"思考策劃"環(huán)節(jié)。我們可將大模型理解為一種AIAgent，它擁有規(guī)范知識庫、建筑設(shè)計算法和模擬仿真算法。盡管當(dāng)前的專業(yè)軟件能在各個環(huán)節(jié)，如設(shè)計、施工、運維等，發(fā)揮效能，但其能力常受限于單一環(huán)節(jié)，而不能實現(xiàn)全流程的整合。大模型“思考策劃”的能力，使其成為整個建筑設(shè)計過程中的中樞。它不僅可以通過串聯(lián)各個獨立的系統(tǒng)，以自然語言的形式與設(shè)計團隊進行深度交互，更可基于設(shè)計需求、行業(yè)數(shù)據(jù)和規(guī)范要求，生成詳實的設(shè)計方案。此外，配合設(shè)計師的草圖，借用專業(yè)軟件或筑繪通平臺，大模型還能生成適用于智能施工和運維的三維多專業(yè)BIM模型。在算法層面，大模型在人居領(lǐng)域的轉(zhuǎn)型性影響體現(xiàn)在其能夠整合不同環(huán)節(jié)，打破傳統(tǒng)的設(shè)計、施工、運維的獨立性。生成式AI人居領(lǐng)域應(yīng)用白皮書16在開發(fā)Construction-GPT對話大模型過程中，我們實現(xiàn)了三項重要的技術(shù)創(chuàng)新。首先，建立的建筑專業(yè)詞嵌入模型幫助深入理解建筑專業(yè)知識。其次，運用的半監(jiān)督微調(diào)策略通過用戶反饋進行強化學(xué)習(xí)，進一步優(yōu)化模型性能。最后，根據(jù)建筑行業(yè)的特性，實施價值對齊確保模型效果更加貼近實際需求；且支持24種文件格式的內(nèi)容解析，展現(xiàn)出高度的實用性。面對高并發(fā)量的問題，我們選擇自行開發(fā)異步計算代碼以處理大量的請求，而不是購買昂貴的外部云服務(wù)，這不僅節(jié)約了成本，也為這個大模型及其他建筑AI產(chǎn)品提供了更高的處理能力。當(dāng)前，Construction-GPT僅供企業(yè)內(nèi)部人員使用。建立專業(yè)詞嵌入模型、實施半監(jiān)督微調(diào)、進行價值對齊的建筑領(lǐng)域大模型至關(guān)重要。在AI實踐中，工作主要聚焦于感知智能、計算智能和認(rèn)知智能三個領(lǐng)域。借助知識工程和知識圖譜，構(gòu)建科學(xué)的知識體系，同時利用專家系統(tǒng)對規(guī)則進行建模和診斷流程搭建。大模型因其卓越的泛化能力和推理能力，展現(xiàn)出與知識圖譜和專家系統(tǒng)結(jié)合的可能，有望形成新的服務(wù)模式。大模型對規(guī)劃、設(shè)計和管理流程具有深遠(yuǎn)的影響。通過城市認(rèn)知模型，自動感知并調(diào)用空間數(shù)據(jù)，生成有關(guān)空間的判斷和治理策略，即使這一進程尚處于探索階段，仍讓人充滿對未來AI在人居領(lǐng)域中發(fā)揮作用的期待。大模型需要時間來完全投入使用和持續(xù)發(fā)展，通過其泛用性和調(diào)整能力，將在各環(huán)節(jié)中揭示其價值。然而，大模型在建筑設(shè)計應(yīng)用中存在限制，一方面是現(xiàn)有語料庫對大模型的控制能力不強，導(dǎo)致模型輸出的不適應(yīng)性；另一方面是大模型在時空認(rèn)知和推理能力上的不足。盡管目前已通過插件實現(xiàn)了一定的時空認(rèn)知和可視化，但仍存在改進空間。算法核心在于利用其泛化和推理能力，結(jié)合知識圖譜和專家系統(tǒng)，提高對建筑設(shè)計流程的認(rèn)知能力。同時，需要對模型進行持續(xù)的調(diào)整和優(yōu)化，以期在語料庫控制及時空認(rèn)知等方面取得突破，讓大模型在建筑設(shè)計領(lǐng)域發(fā)揮出更大的潛力。國內(nèi)針對規(guī)劃院和政府機構(gòu)面臨的數(shù)據(jù)安全問題，我們采用利用開源模型在本地部署的策略。初期利用Llama微調(diào)，但這種方法雖然能改善風(fēng)格和遵從指令的能力，但未能解決模型"亂說話"的問題。之后，我們采用了Langchain和向量檢索技術(shù)，雖然回答的準(zhǔn)確性有所提高，但在專業(yè)問題的處理上仍有不足。基于RAG技術(shù)進行改良提高了向量查詢的準(zhǔn)確性，并使用戶能更自由地提出問題。為解決數(shù)據(jù)滯后問題，我們接入了一個網(wǎng)頁GPT，保證了知識庫的及時更新，大致滿足了我們的基本需求。大模型與GIS的融合，包括地理大模型的實現(xiàn)，已經(jīng)在技術(shù)上得以實現(xiàn)。規(guī)劃方案的制定需要在準(zhǔn)確性和創(chuàng)新性之間找到平衡。通用型大模型傾向于追求概率，而專業(yè)型大模型則注重的是準(zhǔn)確性。從技術(shù)角度考慮，可以通過生成代理（agent）的方式實現(xiàn)規(guī)劃方案的生成，然而其挑戰(zhàn)在于需使用其他專業(yè)模型或擁有行業(yè)知識的專業(yè)大模型進行價值評估和選擇。人居領(lǐng)域大模型需要不斷調(diào)整和優(yōu)化其算法，以提高回答復(fù)雜問題的準(zhǔn)確性和面向特定需求的自由度。同時，也需要對現(xiàn)有的模型進行進一步擴展，實現(xiàn)與GIS及其他領(lǐng)域的深度融合，提高其在規(guī)劃方案生成和價值評估方面的能力。生成式AI人居領(lǐng)域應(yīng)用白皮書17第五問如何搭建人居領(lǐng)域大模型的平臺層？廣義的平臺層或者連接層是指應(yīng)用層和底層AI技術(shù)和硬件之間扮演橋梁的一層結(jié)構(gòu)，以實現(xiàn)軟硬件的集成與整合。一般包含核心技術(shù)平臺，如模型訓(xùn)練、模型優(yōu)化和數(shù)據(jù)處理等能力，使非AI專業(yè)的開發(fā)者也能便利地開發(fā)AI應(yīng)用。還有其他各種工具和服務(wù)，幫助開發(fā)者更快地實現(xiàn)復(fù)雜的任務(wù)。廣聯(lián)達發(fā)布的"建筑業(yè)務(wù)平臺"，是專門針對工程項目全周期管理的關(guān)鍵解決方案。此平臺擁有開放性的結(jié)構(gòu)設(shè)計，能夠在項目全周期內(nèi)實現(xiàn)流程的一體化管理，該屬性來源于其強大的技術(shù)平臺能力和云中立的特性。該平臺提供的云中立功能，是通過容器化技術(shù)和微服務(wù)架構(gòu)完成的，從而保證了廣泛的兼容性和靈活的擴展性。更進一步，建筑業(yè)務(wù)平臺采用了業(yè)務(wù)中臺、數(shù)據(jù)中臺和物聯(lián)中臺的模式，實現(xiàn)了業(yè)務(wù)流程和數(shù)據(jù)之間非常深度的融合。這種中臺模式的設(shè)計，使得數(shù)據(jù)處理與業(yè)務(wù)處理能夠同步進行，大大增強了它們之間的交互性和實時性。無論是用于協(xié)助各類具體產(chǎn)品的開發(fā)，還是作為不同行業(yè)解決方案的依托，這個平臺都能夠提供強大的支援力度。從平臺層級的角度來看，廣聯(lián)達的"建筑業(yè)務(wù)平臺"體現(xiàn)了人居領(lǐng)域大模型在平臺設(shè)計和實現(xiàn)方面的重要性。它展示了如何利用大模型搭建一體化設(shè)計的平臺，提供一站式的項目管理，保證了云平臺的中立性，以及實現(xiàn)了業(yè)務(wù)與數(shù)據(jù)的深度融合。這證明了大模型在建筑領(lǐng)域的平臺層面上，將科技和業(yè)務(wù)功能有機轉(zhuǎn)化為可操作的解決方案的重要性。在我們的應(yīng)用中，我們充分利用了云廠商所提供的OSS對象存儲服務(wù)，以便管理我們的數(shù)據(jù)負(fù)載。同時，為了實現(xiàn)模型的高速計算和處理，我們也引入了推理端的GPU計算能力服務(wù)。這兩個技術(shù)的結(jié)合有效地提升了我們的處理速度和數(shù)據(jù)管理能力，成為我們服務(wù)中的重要組成部分。然而，當(dāng)考慮到向量數(shù)據(jù)庫和大模型托管的實施，我們必須認(rèn)真評估相關(guān)的成本問題。按照我們目前的企業(yè)用戶量以及效益折算情況，這兩種技術(shù)的實施并不能保證我們能夠平衡成本。這引發(fā)了一個問題，就是如何在滿足技術(shù)需求和成本效益之間找到一個平衡點。此問題的解決方向可能需要整個行業(yè)的協(xié)同與整合。僅憑我們單一的企業(yè)力量，很難實現(xiàn)向量數(shù)據(jù)庫和大模型托管技術(shù)在成本效益上的平衡。但是，如果行業(yè)能夠?qū)崿F(xiàn)有效的協(xié)同與整合，不僅可以分?jǐn)傔@些技術(shù)的成本，同時也可以從中獲得更多的行業(yè)共享資源和技術(shù)紅利。從平臺層次的角度進行觀察，體現(xiàn)了人居領(lǐng)域大模型在技術(shù)實施和成本控制方面的復(fù)雜性。對于技術(shù)選擇，需要基于其對業(yè)務(wù)影響的理解和評估，同時，也要對技術(shù)成本有全面的預(yù)測和控制。在實際操作中，將大模型應(yīng)用到平臺設(shè)計中，需要在技術(shù)優(yōu)勢、業(yè)務(wù)價值和成本效益之間找到最佳平衡。生成式AI人居領(lǐng)域應(yīng)用白皮書18第六問人居環(huán)境領(lǐng)域生成式AI的應(yīng)用場景規(guī)劃場景北京大學(xué)張文佳老師團隊在規(guī)劃行業(yè)率先發(fā)布了PlanGPT工具，并根據(jù)規(guī)劃院和國土資源部門的需求不斷迭代。在規(guī)劃行業(yè)的前期調(diào)研、資料總結(jié)整理等環(huán)節(jié)，都有較為明確的價值。對于PlanGPT工具，其研發(fā)的初衷正是響應(yīng)了中國城市規(guī)劃設(shè)計研究院深圳分院的實際需求，即對非結(jié)構(gòu)化數(shù)據(jù)，如規(guī)劃文本和調(diào)研報告的有效利用。該工具采用大模型技術(shù)，以激活這些數(shù)據(jù)，并將其整合為一個便于檢索的知識庫，從而使得不同層次的用戶，包括實習(xí)生，都能以最小的門檻獲取這些知識。產(chǎn)品的推出引起了自然資源部的注意，自然資源大模型開始探索在國土空間規(guī)劃中的應(yīng)用，促使我們對PlanGPT進行了風(fēng)格上的微調(diào)。在行業(yè)應(yīng)用中，將知識庫的功能與規(guī)劃需求分開處理是至關(guān)重要的。目前，知識總結(jié)算得上是最常用的功能，盡管其生成結(jié)果的質(zhì)量還存在提升的空間。但考慮到規(guī)劃行業(yè)的人力資源緊張，任何能夠接替實習(xí)生進行數(shù)據(jù)整理工作的系統(tǒng)都被視為成熟且有價值的工具，特別是在生成重復(fù)性、低效率且可控的內(nèi)容方面。而這類系統(tǒng)的成熟度，將直接依賴于基礎(chǔ)模型的技術(shù)發(fā)展進程。PlanGPT工具完全顯示了大模型在處理非結(jié)構(gòu)化數(shù)據(jù)，特別是文本類數(shù)據(jù)時的強大能力。之前龐雜而雜亂的規(guī)劃文本和調(diào)研報告被有效地組織和整合，形成了易于檢索的知識庫，大模型的靈活適用性也使其成為了行業(yè)解決方案的重要工具。國土空間規(guī)劃是一個涵蓋多個部門調(diào)研、大量會議以及豐富文件資源的復(fù)雜流程。通常，該流程可被劃分為以下階段：前期信息采集與分析報告制定、規(guī)劃方案的編制、方案繪圖與文本的撰寫、規(guī)劃審批（包含公眾參與環(huán)節(jié)）、以及實施評估。在這些階段中，生成式模型有著不俗的表現(xiàn)，尤其是在調(diào)研分析和文本撰寫環(huán)節(jié)，其能夠處理大量的非結(jié)構(gòu)化數(shù)據(jù)，并編寫出結(jié)構(gòu)化的文本。但是，面臨規(guī)劃方案編制階段時，我們?nèi)匀幻媾R一些挑戰(zhàn)。具體來說，大模型在理解地理空間坐標(biāo)方面的精確性仍有待提高。雖然大模型在處理非結(jié)構(gòu)化數(shù)據(jù)和生成結(jié)構(gòu)化文本方面有顯著表現(xiàn)，提供了有效的工具支持，但在處理具有明顯地理空間坐標(biāo)特征的規(guī)劃方案編制環(huán)節(jié)，模型的理解精度還需提升。生成式AI人居領(lǐng)域應(yīng)用白皮書19設(shè)計場景建筑設(shè)計從業(yè)者很早就開始引入StableDiffusion和Midjourney等工具生成效果圖。小庫、國匠城、品覽等幾家企業(yè)，都發(fā)布了基于擴散模型的設(shè)計工具，用大量人工標(biāo)注的方案圖紙訓(xùn)練更加符合專業(yè)要求的成果。類似產(chǎn)品還包括簡單易用的訓(xùn)練平臺，以及基于草模、草圖等生成效果圖的墊圖工具等。很多工具也以建筑師熟悉的功能、風(fēng)格描述和選擇，簡化了Prompt的寫作過程。目前設(shè)計階段以擴散模型為主的、用于效果圖渲染的大模型應(yīng)用還是很初級的階段。通過與設(shè)計規(guī)范、行業(yè)經(jīng)驗等知識工程的深度結(jié)合，包括通過融合各種傳統(tǒng)模型獲得時空知識，大模型將會貫穿建筑的整個生命周期，實現(xiàn)伴隨式設(shè)計。劉濟瑀：AIGC大模型在建筑行業(yè)的各個階段——設(shè)計、施工以及運維——都發(fā)揮了不可忽視的作用。然而，其在設(shè)計階段的影響尤為關(guān)鍵。設(shè)計師能利用專業(yè)或行業(yè)模型，以便在初期階段就達到規(guī)范標(biāo)準(zhǔn)和工程經(jīng)驗的要求，并實現(xiàn)了設(shè)計階段的實時支持，而不是僅限于設(shè)計完成后的檢查和核驗。關(guān)鍵的目標(biāo)在于同時滿足規(guī)范標(biāo)準(zhǔn)、工程經(jīng)驗、美學(xué)以及空間優(yōu)化的需求。在設(shè)計階段，AIGC大模型提供了有效支持，幫助專業(yè)團隊及時、高效地完成工作，促進了各方之間的交流以及需求的準(zhǔn)確傳遞，從而實現(xiàn)了對設(shè)計流程全程的伴隨式支持。基于這些觀察，不難看出，大模型不僅可以在項目初期提供有效的設(shè)計支持，滿足規(guī)范標(biāo)準(zhǔn)和工程經(jīng)驗的要求，還在進一步支持設(shè)計師創(chuàng)新和優(yōu)化設(shè)計、促進團隊之間精準(zhǔn)溝通等方面發(fā)揮作用。這種全程伴隨的設(shè)計支持，有助于提升設(shè)計效率和質(zhì)量，同時也為建筑設(shè)計場景中大模型的未來發(fā)展開辟了新的可能性。作為觀察者，我參與了一些青年設(shè)計師活動，他們利用人工智能技術(shù)展示設(shè)計思路，如使用AIGC模型生成效果圖、草圖和概念設(shè)計。一些小團隊和年輕設(shè)計師們還利用人工智能技術(shù)將設(shè)計環(huán)節(jié)串聯(lián)起來，并運用文本模型對功能分區(qū)設(shè)計進行細(xì)化和規(guī)則提取。他們還運用大模型生成短視頻，以不同視角展示設(shè)計方案。在建筑設(shè)計領(lǐng)域，人工智能模型如AIGC正在革新設(shè)計流程和視覺展示方式，大幅提升了設(shè)計表達的效率和質(zhì)量，但更深入的設(shè)計力賦能還需要更多等待與觀察。我們的目標(biāo)是利用AI提升認(rèn)知效率和工作效率。在知識學(xué)習(xí)領(lǐng)域，我們將AI助手“果小匠”嵌入社群知識庫問答，幫助用戶通過問答學(xué)習(xí)。在城市規(guī)劃領(lǐng)域，我們重視信息的準(zhǔn)確性和實效性，特別是政策知識的研究，并利用AI建立不同政策知識之間的推薦和連接。在設(shè)計領(lǐng)域，我們正在訓(xùn)練各種場景的設(shè)計模型，旨在兩個層面提供輔助設(shè)計：一是生成符合建筑行業(yè)要求的專業(yè)圖像；二是精確控制圖像生成，根據(jù)設(shè)計師草圖和模型精準(zhǔn)介入設(shè)計協(xié)作。模型訓(xùn)練和AI介入設(shè)計的起始與結(jié)束點是研究重點。此外，在公共項目中，AI作為通用工具有廣泛應(yīng)用。我們設(shè)想未來公共設(shè)計可能不再全程依賴設(shè)計師，而是通過AI分析、圖像生成和結(jié)構(gòu)分析，最終通過三維打印建造，設(shè)計師則扮演協(xié)調(diào)角色。因此，AI可能會重塑社會關(guān)系和價值觀，帶來深遠(yuǎn)影響。在關(guān)注大模型帶來的效率提升的同時，我更關(guān)注設(shè)計過程、互動關(guān)系和建筑師角色的轉(zhuǎn)變。生成式AI人居領(lǐng)域應(yīng)用白皮書20在建筑設(shè)計過程中，基于BIM的正向設(shè)計具備較高效率，但設(shè)計常從二維開始再轉(zhuǎn)為BIM。我們采用算法直接將二維CAD圖紙轉(zhuǎn)化為三維模型，以減少轉(zhuǎn)換工作量，該方法的準(zhǔn)確率達到了96%。對于無法識別的部分，系統(tǒng)具有快速識別并修正問題的能力，同時，系統(tǒng)還能夠?qū)W習(xí)模型修訂行為，進一步提升工作效率和模型精度。此外，我們利用人工智能進行模型的一致性、規(guī)范和質(zhì)量審查。即便二維圖紙在建筑業(yè)中仍具有法律效應(yīng)，我們?nèi)灾铝τ诶萌斯ぶ悄軠p少手動創(chuàng)圖，直接生成施工圖紙。我們還利用AI生成設(shè)計方案，其依賴經(jīng)驗、規(guī)范和歷史數(shù)據(jù)并進行空間設(shè)計和建筑性能模擬，人工智能也負(fù)責(zé)選擇最優(yōu)的設(shè)計方案。BIM設(shè)計能夠?qū)崟r計算工程量和造價，從而保證經(jīng)濟合理性。結(jié)合數(shù)字孿生技術(shù)可以優(yōu)化施工方案。此外，人工智能在優(yōu)化設(shè)計、決策支持