近日,2021构力科技PKPM用户大会在线上举办,华为云联合构力科技发布了BIM+AI审查系统,实现建筑图纸审查智能化。该系统结合构力行业知识,基于华为云盘古CV大模型、NLP等技术,通过精细目标图像理解和知识计算联合驱动的神经网络架构,精准定位设计缺陷,提高单位时间审图数量,帮助设计师和工程师从简单重复的劳动中解放出来。
在建筑行业,当前审图主要存在审查规范理解不一致、审核尺度不一样、审核工作量大等问题。华为云与构力科技联合发布的基于二维PDF图纸的BIM+AI审查系统,主要解决了审图过程中的三个难题:
• 有限的训练语料如何训练出精准的审图模型;
• 海量的审图规范,进行智能化的存储、处理、判断;
• 无缝衔接到当前审查系统。
AI审图的关键点在于审图算法模型的精准性,以及正确匹配到法律条文,并在此基础上进行数字化表达。
但在AI审图的过程中,工程制图图像是由人工定义的符号组成,组合复杂的图像;同时一张图纸尺寸很大,但是其中需要识别的构件却很细微。为了解决这些难点,华为云提出了一套结合了精细目标图像理解和知识计算联合驱动的神经网络架构,大幅提升了AI识图的精度。
当一个PDF格式的图纸输入后,对于规则的构件,系统会使用目标检测分类网络提取它们的位置和类别信息;对于不规则的构件,则通过实例分割网络提取多边形角点和类别信息。在网络中,通过一种空洞卷积级联与并联结构提升窄小目标识别,扩大微小构件的感受野,利用周边状态,提升微小构件的识别精度, 比如墙、尺寸线;另一方面,加入的边缘分支和边缘loss能够提升对于构件精细边缘的识别精度。在后续流程中,华为云将通过知识计算构建一个建筑行业先验知识约束模块对结果进行细化处理。如联通区域约束、关联构件约束、边缘平滑约束。通过这些行业先验知识的约束,可以大幅提升识别困难构件的精度。
系统能快速上线也离不开华为云的长期技术积累,华为云盘古CV大模型包含了超过30亿参数,并且已经在超过10亿张图像上进行了预训练、知识抽取,找出海量数据间的共性,训练出超大网络以吸收海量知识。因此,仅基于小样本学习,就可对有限的二维PDF建筑图纸进行调优。从应用角度来看,因为识别的是二维图纸,设计师不需要改变原来的画图习惯,后台审图算法自适应于不同类型的构件表达。

BIM+AI审图效果
其次,通过华为云NLP等技术实现了对海量的审图规范、政策强文、审查师先验知识等知识抽取、信息挖掘,采用知识图谱水线进行审查知识库的知识建模、知识管理、知识应用等,最终构建统一的审图规范知识库,在审图时,并行化处理,自动匹配审图构件或设计条文。
此外,华为云HiLens能够将行业模型跟建筑行业的实际场景相结合,实现云端协同。
以上只是AI技术落地建筑行业的冰山一角,接下来,华为云将会和构力科技一起持续加强AI技术与BIM技术的持续融合和探索。
好文章,需要你的鼓励
慕尼黑大学联合多所知名院校的研究团队发现,AI深度研究助手虽然能力强大,但存在严重安全漏洞。通过"计划注入"和"意图劫持"两种新攻击方法,这些AI助手可能绕过安全防护,生成比普通AI更详细、更危险的有害内容。研究测试了六款主流AI模型,发现在医学等敏感领域风险尤其突出。团队开发了新的安全评估框架并提出多层防护建议。
谷歌推出升级版图像生成模型Nano Banana Pro,基于最新Gemini 3语言模型构建。新模型支持更高分辨率(2K/4K)、准确文本渲染、网络搜索功能,并提供专业级图像控制能力,包括摄像角度、场景光照、景深等。虽然质量更高但成本也相应增加,1080p图像费用为0.139美元。模型已集成到Gemini应用、NotebookLM等多个谷歌AI工具中,并通过API向开发者开放。
牛津大学研究团队发现了针对AI推理安全系统的四种"黑科技"攻击方法,能以超过90%的成功率让最先进的安全防护失效。这些方法利用AI对话模板的结构性缺陷,从简单的符号插入到复杂的推理劫持,门槛极低但威力巨大。研究揭示了当前AI安全架构的根本性问题,特别是在开源AI时代,这些漏洞的影响范围前所未有。