建筑师与土木工程师是我们城市景观的塑造者,他们的主要工作就是在细致的研究与大胆的创新设计之间寻求最佳平衡。
如今,人工智能,特别是基于语言的生成式AI,正彻底颠覆这些领域,就如同这项技术正重塑医生、律师乃至更多专业人士的日常角色一样。
这背后的基本思路并不复杂:生成式AI工具将帮助从业者简化工作流程、自动处理其间的重复元素,帮助他们将人类有限的注意力投入到真正需要独创性与创造力的任务当中。
AI技术能够快速生成设计理念,通过生成设计算法根据可用资源及材料交付多种候选方案。它还能部署模拟及数字孪生模型,生成项目管理与预算规划,甚至有助于优化建筑物乃至整个市政体系的可持续水平。
也正因为如此,我们更有理由深入关注这波AI技术机遇,思考如何从根本上改变领域专业人士们扮演的角色。
生成式AI现已成为许多标准CAD工具的重要组成部分,意味着建筑师与工程师们可以快速探索并迭代新的设计概念,之后再根据结构完整性、效率及可持续性等指标评估这些设计方案。
设计师只需要向AI工具提供关于项目目标、位置、环境、结构要素及材料的详细信息,AI就会自动生成可供参考的原型提案。
建筑公司Zaha Hadid Architects曾负责包括阿拉伯沙漠中受《沙丘》小说启发的Bee’ah集团新总部,该公司使用AI图像生成概念化的前沿结构,帮助工程技术人员围绕可持续性、材料选择和美学取向等不同思路快速获取可视化素材与评估结论。
生成式AI还可用于创建数字孪生模型——即建筑物或结构的虚拟表示形式,其特征与现实世界中的对应实体完全相同。这样一套数字虚拟副本可用于在实际部署前开展压力测试,了解设计方案能否承受住户踩踏、不同天气甚至是地震等极端灾害因素。它还可以模拟电力与水资源使用情况,以及建筑物或公共空间周边的人员及车辆移动轨迹。
生成式AI同样为项目管理创造了新的可能,包括自动化安排会议、整理报告以及提交监管/合规文件等日常任务。
大语言模型能够分析复杂的建筑及区域性法规,并对可能导致施工期间延误或瓶颈的问题生成预性见解。全部结论均可以通过自然语言进行交流,意味着潜在问题更有可能在早期阶段被发现,从而降低了由错误引发的高昂损失以及导致工期进一步延迟的风险。
据报道,中国建筑师使用生成式AI工具设计出一处拥有500间客房的酒店综合体,且整个设计周期从零起步仅耗时四个半月。
更重要的是,生成式AI还有助于提高建筑项目及建筑物的可持续性与能源效率。这些要求将在设计阶段就被考虑在内,由AI技术负责识别设计特征与对应建材,最大限度减少生态影响与碳排放量。
与许多其他行业相比,建筑领域的工具集已经相对成熟:行业标准的CAD平台Autodesk多年来一直在提供生成功能。Alphabet旗下子公司Sidewalk Labs也开发出相关工具,旨在帮助规划者在AI的帮助下设计出更可持续、更加环保的城市空间。
我预测,这些领域的专业人士如果能够通过生成式AI增强自身技能,必将极大提高自己的生产力水平。他们耗费在日常工作上的时间将越来越少,例如整理合规报告或者通过可视化形式向客户传达复杂的概念等。
如此一来,他们就能腾出更多时间与客户当面沟通,以便更好地了解对方需求。从业专家们还能从更广泛的战略视角来看待项目设计与执行进度。
至少在可预见的未来,AI还不具备人类的沟通技巧、冲突调解、创造乃至创新等能力,而这些能力也将在各行各业当中越来越受到重视与追捧。建筑及土木工程领域自然也不例外。
而与此同时,建筑师和工程师们也至少应当对这些新兴技术拥有基本的了解。虽然他们不必成为AI技术专家,但也需要熟悉数据驱动与自动决策的意义,包括AI方案中的种种错误、数据失真和偏见见解。
当然,在涉及人类使用的建筑物、道路、桥梁和施工结构设计时,我们肯定不能把所有工作都委托给机器。能最终对安全负责的仍然是人类自己。因此,我们还需要培养监督机器工作所需要的技能,确保AI方案始终以安全、稳定的方式长效运行。
事实上,了解哪些地方可以由AI安全做出决策、哪些问题必须维持人类监督实际是一个伦理问题。正如几乎其他所有专业人士一样,建筑师与土木工程师们也必须理解AI应用带来的道德影响。
但无论如何,生成式AI的时代已经到来,这对任何参与建筑、工程乃至公共空间建设的从业者们来说都是标志性的历史拐点。通过理解AI如何增强人类创造力、而非取代人的作用,这波技术浪潮有望推动行业转型,同时提高生产力、效率与可持续性。而在此基础之上,我们也或将迎来建筑方式与设计思维层面的一轮颠覆性转变。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。