AIGC火爆下的冷靜思考，它將如何重塑建筑設計行業？
最近設計界已經被層出不窮的人工智能技術進展轟炸了。幾乎每家公司、每個設計團隊都在討論人工智能對設計工作流程的影響。尤其最近大火的Midjourney和Stable Diffusion模型，已經正在改寫平面設計的行業格局。二者在建筑效果圖生成上的優異表現，同樣讓建筑設計師眼前一亮。這一切的背后都依托于CLIP及擴散模型在圖文語義理解及圖像生成方面的卓越表現。（請記住“圖像”二字，關乎它的應用范疇與能力上限）
CLIP是一個多模態學習模型，能夠同時理解文本和圖像，并在兩種模態之間建立聯系，并且在訓練集數據相對較小的情況下也能夠表現出色。CLIP模型是文生圖的基礎，讓我們可以通過簡單敲入幾個文字，就能與海量的圖像數據產生關聯。文字是高級的、抽象后的信息傳達。通過文字介入，內容創建的過程更加高效和易于操作，從而使得以更快的速度制作圖像內容變為可能。
（根據相關資料翻譯繪制）
一系列模型及相關產品都能實現圖像生成，例如DALL·E、IMAGEN、SD、Muse、Dreamfusion等等，擴散模型只是其中的一種。當然，得益于Stable Diffusion的出色表現及其開源生態，從小紅書、B站到公眾號、短視頻平臺，目前隨手都可以搜索到大量的應用及教學視頻，甚至還有很多的單獨的知識付費教程，花上幾百塊錢，就有人手把手帶教學會SD模型及其常用的controlnet、lora等插件的部署、使用、訓練全套流程。得到自己的“AI繪畫師”的門檻已經大幅降低了。
技術來襲，最好的防浪堤就是“先用起來”
在一個新工具來臨時，最好的方式不是道聽途說，而是自己上手用用看，真偽自辯。事實上，國內已經有不少的設計公司在開展這方面的嘗試，開展的方式不局限于以下內容：
1. 成立或者籌劃成立單獨的AIGC小組
2. 在實際工作中，安排設計師用AIGC方案參與比選
3. 研究AI輔助設計工作流，并以推向全公司應用為目標
4. 基于SD模型，積極自主開發AIGC應用
5. 同步采購相關硬件設備，如高端顯卡等
上述內容不分高低前后，也說明了行業對新事物的切入點各有不同。例如，已有一些大師工作室（不管是外企、國企、民企）在實際工作中，安排設計小組（人類設計師）不僅要手動完成方案創意的建模，還要同步使用MJ和SD模型（AI算法）生成若干個效果圖，供方案主創作為設計參考，以期在方案早期將更多的“創意”納入設計思考中。再例如，頭部設計公司陸續成立了AIGC技術小組，考量的是要從人員組織上安排優勢的精銳力量優先突破，尋找合適的落地方式。工具落地的核心內容其實就是工作流的嵌入，即到底應該在什么環節如何使用這個新工具。得益于SD模型的開源，各公司的AIGC小組都以極快的速度上手了，很多團隊都已經在開發自己公司的AIGC應用了。目前行業主要探索出的應用場景有以下幾種：
1、靈感派：這塊有兩個工作場景。一個場景是，利用MJ的高質量圖像生成能力，快速生成想要的情緒板/概念氛圍圖/意向圖，一方面規避了版權問題，一方面也減少找到合適圖片所消耗的大量精力（很多設計師想起了熬夜給方案文本找配圖花上好幾個小時的痛苦回憶）。另外一個場景，則是利用ai的泛生成能力，輕控制甚至不輸入底圖，給AI更多發揮空間，實現概念階段的多方向對比。當然，也有人在質疑用Pinterest這樣的網站尋找靈感其實效率更高。因為如果在Pinterest/Archidaily/谷德網上找到了合適的案例，還可以更進一步深入看不同角度的設計效果、建筑平面、設計細部等內容，參考更加全面。畢竟目前AI還只能生成圖像，無法建模，而建筑設計明顯不是僅靠圖像就能搞定的。
2、方案派：這種場景其實也很明晰，就是把方案這一步真正交給AI去做。通過簡單的體量模型/手繪圖，快速利用AI生成方案。這種應付的場景就是，當不知道這個項目是否能拿下的時候（或者說從甲方獲取信息不足、對項目后續進展不明確的早期階段），可以快速利用AI生成內容來推進項目溝通進展，避免投入過量的設計資源。當然，局限也很明顯。因為SD無法生成設計模型，所以精細調整比較困難。所以目前行業的設計師普遍共識是，如果項目一旦進入了嚴肅的方案設計階段，需要量化、精細化調整設計時，SD帶來的工作提效就十分有限、甚至幾乎沒有了。
3、渲染派：顧名思義，就是純粹當渲染器來用，通過對已完成方案設計的模型進行處理，導入SD從而實現極高程度的控制，實現比較好的表達效果。這種操作路徑上也有很多教程，具體來講就是利用controlnet的相關功能，把設計模型的顏色與SD模型的材質表現進行關聯。目前來看，室內設計領域會率先落地這種工具。
目前來看，SD無法在方案投標環節中完全替代效果圖公司。一些主要的鳥瞰、主透視是需要極高的控制的（建筑細部、玻璃反射/透射、多燈光的布局/色溫、配景人樹車的位置、姿態等），依舊需要渲染器來做。但是有可能一些“小透”，不太重要的角度，可能得到提效。例如原來會讓效果圖公司多渲幾張滿足各角度表達（有時候單純是湊數量），有的時候也會是設計師個人使用Photoshop實現風格化表現，如水彩、油畫、水墨等風格來表現。這些場景可能會被新的AI渲染器加持，從而降低成本。
（圖片來源：B站UP主“壯三斤xq”的視頻截圖）
為了方便閱讀,chatGPT幫助我們把上述信息做了整理。
這所有的一切都離不開Stable Diffusion模型的開源及其生態，越來越多的先行者無私分享自己的模型、訓練集及心得。例如下文這樣的共享文檔，分享整合了近百個模型，簡直就是行業紅寶書。
https://docs.qq.com/sheet/DRXF5cXNlVUpKUnVL?tab=BB08J2&scode=
B站上例如AI建筑師、建筑研究室、AI建筑研究室-帆哥、AAE建筑自編碼研究組等，都發布很多文章教程及相關模型資源，方便快速入手SD模型。（真的，現在大概率招個建筑院校的實習生，都會使用SD模型及controlnet功能，甚至相當一部分人已經掌握了如何訓練自己想要的lora模型）相信最近幾個月，在開源生態的輔助下，各公司的AIGC團隊都會總結出完整的工作手冊，包括提示詞工程、lora模型訓練及觸發等方方面面的應用細節，賦能項目團隊落地使用。
狂歡后的沉思：創意真的可以被生成么？
目前這個階段，AI在方案側的應用被上述三個流派概括了。在體驗過AI生成方案/效果圖之后，很多人會驚呼“創意”的門檻被拉低了，似乎AI已經可以做出很好的創意了，但是很多業內人士也提出了自己的觀點，認為AI目前在方案階段應用有限。指望靠AI能做出以前自己團隊做不出的方案、中以前得不到的標，似乎也并不現實。因為“得體的建筑”更重要，一個建筑的實用性，這些目前還是要靠建筑師去判斷。而這種實用性，本身就是創意的一部分。所以在概念階段的靈感之后，方案階段的扎實落地，目前更多還是靠原有的工作流程更加細致可控，因為方案階段中與業主方溝通需求、探求落地方式、逐步明晰目標，本事就是建筑設計服務的一部分。
此外，每個團隊會有自己的設計風格，這種設計風格本身是“客戶篩選器”，所謂慕名而來的客戶往往是有所偏好的。長遠來看，每個團隊如果應用SD模型來賦能設計效率，擁有團隊獨有的SD模型是必不可少的。對設計的獨特理解與差異性，是設計團隊取勝的法寶。
當下：左手擁抱AIGC，右手揮舞AGI
GPT讓我們看到了AGI的曙光
在MJ已經讓大量平面設計師面臨失業的危機時，GPT其實對全人類產生了更加深遠的影響。近日，數以千計的好萊塢編劇工會（WGA）成員走上街頭舉行罷工示威活動，抗議收入過低和AI越來越多地取代人類參與劇本寫作的現象。他們擔心AI既搶走了編劇們的飯碗，同時也貶低了“人類勞動的尊嚴和價值”。美國作家協會也因此提議在合同中定義，由ChatGPT等人工智能生成的材料不能成為文學材料或原材料。這樣一來，如果制片方將AI生成的劇本交給編劇潤色的話，編劇獲得的稿酬不會變少。據某些媒體報道，這或許是人類歷史上第一次因AI而發生的罷工運動。
（圖片來源：新浪財經）
這背后的浪潮在于3月份的GPT-4發布。GPT是一種基于神經網絡的自然語言處理技術，它可以讓機器像人類一樣理解并生成自然語言文本。這是一項非常重要的技術，因為自然語言是人類交流的主要方式，它的應用范圍非常廣泛，涉及到自動翻譯、智能客服、文本摘要、機器寫作等等。
在最近的案例中，GPT已經展現出了非常驚人的表現。例如，最新的GPT-4模型可以像人類一樣寫作，生成高質量的文章、詩歌、故事等等。甚至有人用它來生成了小說、劇本甚至是離婚協議。這種技術的背后，其實是神經網絡和深度學習的強大能力。
當然，GPT仍然存在一些局限性和缺陷。但是，這些問題都可以通過更加精細的訓練和調整來解決，相信未來GPT會越來越智能，為我們帶來更多的驚喜。雖然目前仍然存在很多挑戰和難題，但我們相信隨著技術的不斷發展和突破，人類離真正的AGI也會越來越近。
AGI離設計師還有多遠
對于設計公司/設計師來說，其實目前可以被學習的知識遠不止那些效果圖、建成照片，前文中提到的設計階段中與業主方、建設方、運營方溝通的內容、專業設計規范、設計圖紙（甚至是過程中的變更）都是可以被學習的內容。而這里存在的大量文字信息、圖片信息、矢量的圖紙/模型信息，都可以輸入到GPT模型進行學習。
建筑師、醫生、律師這類職業之所以被認為“越老越值錢”，某種意義上是我們認可這類職業的經驗積累十分重要，而這種經驗的學習成本是比較高的。隨著大模型能夠吸收處理海量的知識，越來越多的“經驗型”職業一定會逐步發生變革。我們真正需要的不僅僅是一些小工具，而是更廣泛全面的知識沉淀與AI助理。這種“上得了廳堂下得了廚房”的AI設計助手，能夠實現圖文模多模態的打通、具備“前策劃-中設計-后評估”全流程的輔助能力，進而實現設計業務流程閉環。這種具有全面知識理解能力的超級AI，才能夠真正意義上為設計團隊/設計師沉淀工作經驗，輔助設計師提高設計效率。
比如，在建筑設計的前期策劃及方案設計環節中，設計團隊可以輸入以下知識資產來讓GPT進行學習：
業主需求：設計公司可以收集業主對項目的需求，包括建筑形態、使用功能、場地條件等方面的需求并輸入GPT模型
設計標準和規范：建筑設計領域的標準和規范，如建筑設計規范、結構設計規范、消防規范、綠色建筑評價標準等
設計案例：設計公司可以收集優秀的建筑設計案例，包括國內外的商業綜合體、寫字樓、住宅等建筑類型。
建筑知識庫：設計公司可以將自身的建筑知識整理為可供GPT學習的文本資料，如建筑構造、建筑材料、建筑技術等方面的知識。
（當然3/4僅僅學習文字還不夠，還需要學習圖紙/模型等設計產物。這也是一個需要解決的問題）
在GPT學習完成后，未來我們可以將其應用于設計環節中，具體方式可能會包括：
需求分析：利用GPT對業主需求進行分析，輔助設計師確定項目的功能分區、空間布局等方面的設計方案。甚至可以查閱業主方的公開資料、業主決策者的過往喜好，判斷其“客戶畫像”及更偏好的空間功能。
方案設計：利用GPT生成設計方案模型，并根據反饋決策進行調整，輔助設計師快速產出多種設計方案，提高設計效率和質量。這塊需要GPT與設計平臺結合，所有AI可以干預的設計內容，設計師同樣可以操作。所以，這個設計工具必須滿足人和AI可以協同工作，以確保設計師對方案的100%可控。
標準和規范遵循、指標測算：對建筑設計標準和規范進行分析檢查，輔助設計師遵循相關規范和標準進行設計。并且通過指標要求的文本輸入，智能判斷是否滿足。
在可預見的未來，GPT+云設計平臺，可以在建筑設計環節中發揮重要的作用，不僅僅是輔助創意生成，更要加強對標準和規范的遵循，真正提高設計效率。
除此之外，GPT也可以用于建筑后評估環節，通過將后評估數據納入學習，提升建筑設計的科學性。業主方、設計公司、建造方和運營方都可以提供知識資產供GPT學習，例如：
設計公司可以提供已完成項目的相關數據，如設計方案、建筑效果、使用反饋等，作為GPT學習的輸入，以幫助分析和總結出成功的設計策略和技術。
業主方及運營方可以提供使用者的反饋和數據，如客流量、轉化率、客戶滿意度等，以幫助評估建筑設計的實際效果。以及一些商業經營的數據，如銷售額、客戶流轉、租金收益等，以幫助分析商業運營的影響因素和變化趨勢。
建造方可以提供施工工藝、設備運行和維護、建設成本、管理經驗和案例等，以幫助提升營造水平。
我們相信，多模態GPT（效果圖/文本/視頻/模型/工程圖）的逐步成熟，并且與新一代云設計平臺結合，一定會將建筑行業知識充分挖掘，變成能夠賦能每一名設計師的超級AI助手。AI助手可以幫助設計師分析和總結已完成項目的成功經驗和失敗教訓，提出適用于新項目的策略和技術方案；亦或是快速生成方案及所需圖紙/模型；甚至是基于運營的數據，對新項目的運營模式進行預測和優化，以最大化效益。AI是個能力放大器，會讓優秀的設計師擴展自己的能力邊界。或許設計師不會被AI顛覆，而是被會用AI工具的設計師顛覆。而這一切，都將給未來的建筑乃至城市建設帶來全新的發展機會與行業變革。
未來：筑繪通團隊的探索
筑繪通是一款AI賦能的建筑設計工具，它首先是專業的面向建筑設計師的設計工具，支持在線進行建筑設計、產出符合標準的圖紙與模型、多人實時編輯與評審。同時它搭載AI智能算法，用以自動深化模型，內嵌規范要求和智能審查，實現施工圖10倍提效。
當前，已有多家大型設計院簽約使用筑繪通，在平臺中在線進行建筑設計，多人實時協作，智能翻模并自動排布樓梯，得到高質量合規的樓梯間詳圖圖紙。中南院、中建上海院、中元國際、上海聯創等都已將筑繪通嵌入生產工作流。
現在，隨著多模態GPT以及更多AI能力的發展，筑繪通團隊基于自研的云設計平臺，將更多充分學習了AI建筑專業的智能助手加入到平臺當中：
筑繪通·建筑模型生成助手：通過自然語言描述建筑模型需求，快速生成多人可協作的BIM模型
筑繪通·建筑大語言模型：預先訓練的建筑專業大語言模型，生成合理規范的計劃書、細化設計需求、提供參考平面與素材，模型寫入筑繪通繼續編輯
筑繪通·建筑方案渲染助手：參數化+自然語言調整設計要求，或上傳參考圖紙，智能生成建筑靈感方案與渲染圖
