|
建筑设计是建筑行业知识密度最高、也最依赖个人经验与审美判断的环节之一。长期以来,方案阶段的产出高度依赖主创建筑师的个人阅历:他脑子里装了多少案例、去过多少现场、读过多少规范,直接决定了第一稿方案的质量。这种"个体经验驱动"的模式,正是行业知识难以有序沉淀、也难以在团队间真诚流动的根源——一个事务所积累的优秀总图逻辑,往往随主创离职而带走。 AI 辅助方案生成(Generative Design / AIGC for Architecture)带来的不是"替代建筑师",而是把方案阶段从"一张白纸从头想"变成"在海量可行解中做判断"。它的工作方式通常是:设计者输入约束条件——用地红线、容积率、日照间距、功能配比、风貌要求、造价上限——大模型与参数化引擎在数分钟内生成数十甚至上百个满足硬性约束的候选方案,并由建筑师基于专业判断筛选、深化、再迭代。这里 AI 做的是"穷举与合规筛查",人做的是"价值与体验判断",二者是互补而非替代。 要让这一能力真正落地,关键在于"知识的有序沉淀"。一个事务所若想让 AI 真正懂自己的设计语言,就必须把过去十年的中标方案、落标的遗憾、审批退回的原因、业主改了八版的痛点,结构化地沉淀为可检索的语料与规则库。例如,把"某类教育建筑的日照与活动场地矛盾"沉淀为一条设计约束;把"某次因消防扑救面不足被退"的案例沉淀为一条审查规则。当这些隐性知识被显化、被编码、被复用,AI 才从"通用画图玩具"变成"懂行的事务所数字员工"。 "真诚流动"则体现在跨项目的经验不再被锁在个人电脑里。当多个项目、多个团队共享同一套经过验证的设计约束库与失败案例库,新人不再需要从零踩坑,行业整体的方案一次通过率会显著提升。这正是 AI 重构生产力的第一层:把个人经验变成组织资产,把试错成本降到最低。 需要清醒的是,AI 生成的方案不等于可实施方案。它解决"可能性探索"和"合规性预筛",但空间氛围、场所精神、与城市的对话、对使用者的共情,仍然只能由人完成。因此最务实的落地路径,是先在高重复、强约束的业态(如标准化校舍、保障房、产业园)建立"AI 出初稿 + 建筑师深化"的协作流程,跑通后再向复杂文化建筑拓展。 落到具体动作,建议每个设计团队先建"三库":案例库(中标/落标方案及复盘)、约束库(规范强条与本地审查要点)、失败库(被退原因与业主痛点)。当三者用统一标签沉淀,AI 生成才真正"懂行"。某大型设计院在保障房标准化产品线试点后,方案一次通过率由约六成升至八成五以上,主创从"画图"转向"定方向",这正是知识沉淀释放生产力的最直接证据。需要提醒,AI 出的初稿仍须建筑师对场所精神与使用者共情负责,工具越强,人的判断越不能缺席。
|