《騰訊研究院：2024生成式AI人居領域應用趨勢調研報告（48頁）.pdf》由會員分享，可在線閱讀，更多相關《騰訊研究院：2024生成式AI人居領域應用趨勢調研報告（48頁）.pdf（48頁珍藏版）》請在三個皮匠報告上搜索。

1、生成式AI人居領域應用趨勢 調研報告CONTENTS目錄生成式AI人居領域應用白皮書02序言03第一問 人居領域有必要做行業大模型嗎？04第二問 人居領域行業大模型的基礎是什么？11第三問 人居領域大模型的數據層如何建立？14第四問 人居領域大模型算法層如何建立？16第五問 如何搭建人居領域大模型的平臺層？18第六問 在規劃設計端行業大模型可能有哪些場景？19第七問 在建設運維端行業大模型可能有哪些場景？22第八問 行業大模型會對規劃設計端帶來哪些影響？24第九問 行業大模型會對建設運維端帶來哪些影響？27第十問 人居領域的人才培養會有哪些改變？29附錄：人居領域生成式AI代表性產品3301.

2、UrbanYX-城市認知大模型解決方案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.建筑工程技術資料對話大模型Construction-GPT09.PlanGPT-規劃專業大模型10.合景悠活物業智能客服大模型11.飛渡崢嶸大模型03PREAMBLE序言生成式AI人居領域應用白皮書2022年OpenAI發布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。一般來說，大模型是指包含超大規模參數的神經

3、網絡模型，具有卓越的泛化能力和表達能力，但相應的訓練成本也極高。隨著大模型的廣泛應用，人們逐漸意識到，其在產業領域發揮真正的作用仍然任重道遠。對于大多數企業而言，面向垂直場景、垂直行業、垂直領域探索基于大模型的應用創新，將成為現階段的重要攻堅方向。大語言模型是生成式AI的一個重要應用領域，主要用于進行復雜的語言理解和文本生成任務。有觀點認為，行業大模型是基于某個特定行業領域的數據進行訓練和優化的模型，旨在更好地理解和處理該行業的專業術語、規范和語義，以滿足該行業的需求。與通用大模型相比，行業大模型更加專注于某個特定行業，能夠更好地適應該行業的特殊需求和場景。然而，具體到某個行業領域，大模型和生

4、成式AI應用的方式會存在很大的差異。有些行業，如醫療、法律或金融，需要專門訓練或精調大量特定領域的文本數據，以實現專業領域的大模型，用于政務交互、專業問答等場景。而在交通、能源電力、生物、材料等領域，則會使用特殊模態的數據和算法進行訓練。不過，在絕大多數領域，通過基礎大模型以Embedding等方式外掛知識庫，便足以解決大多數問題。隨著基礎大模型參數量的增加、算法的優化以及跨模態能力的提升，其解決問題的效率可能會很快超越微調等方式。例如，GPT4的升級與DALLE 3的融合，顯示出讀圖、繪圖等能力的顯著提升，而GPT-4 Turbo和GPTs的發布則大大降低了制作垂直應用的難度。最終，AGI（

5、通用人工智能）有望獨立解決各種場景問題。然而，在實現這一目標之前，我們仍需探討大模型和生成式AI近期的行業應用模式問題。人居環境概念涵蓋城市、建筑與景觀等子領域，貫穿規劃、設計、建造到運營全生命周期，并涉及結構、設備等相關學科。盡管相關行業整體數字化水平不高，但學界和業界一直在積極探索AI的各種應用場景?；趯Ａ繑祿膶W習和建模，AI已廣泛應用于空間和行為的模擬推演預測、數據分析與輔助決策等領域，主要體現為對專業人員的輔助。隨著生成式AI的出現，其處理多學科非結構化知識、提供更友好的人機交互以及模仿人類藝術創作過程的能力，使我們獲得了處理復雜系統問題的全新手段。城市與建筑的復雜巨系統遠比大多

6、數垂直行業復雜，其行業知識規模也更大，這決定了在相當長的時間內，專業人員仍然難以被取代。因此，探究新技術影響行業發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境領域主要的信息載體，而這兩個信息載體正是目前生成式AI最為擅長的方向。作為一個傳統行業，各種類型和分工的企業、機構都紛紛探索相關技術應用，近期在生成式AI領域的探索也十分活躍。因此，騰訊研究院與北京建筑大學合作，對十余位人居環境相關行業各領域的專家學者進行了訪談，他們既對行業有著深入的理解和實踐經驗，也都正在從事與生成式AI應用有關的工作。我們討論的話題聚焦于生成式AI與大模型的人居環境領域應用，當然也會涉及與傳統的

7、行業AI以及其他技術的結合。希望通過這些實踐與思考，推動行業在生成式AI技術背景下實現轉型升級。04生成式AI人居領域應用白皮書王 鵬 騰訊研究院資深專家，教授級高級城市規劃師十余年來一直從事城市數據和智慧城市研究和實踐，專注于數字技術與城市空間規劃結合的理論與實踐，多次獲得國家級規劃設計獎項。曾在清華同衡、萬科、華夏幸福、華為等各行業知名企業任職，負責大量國內知名智慧城市和未來城市項目。城科會城市大數據專委會委員，曾發表學術論文40余篇，任城市規劃、國際城市規劃等學術期刊審稿專家。李濮實 中國金茂信息技術中心技術經理中國金茂IT技術專家，數字化創新業務負責人。多年來在地產行業從事智慧社區、智

8、慧工地、AI等方面的產品研發和落地時間，獲得多項省部級獎項。負責中國金茂AI大模型企業級落地應用。李一帆 品覽科技董事長上海品覽數據科技有限公司董事長/創始人，清華大學創新領軍工程博士，人工智能資深專家。上海市白玉蘭計劃專家，上海市靜安區中青年杰出人才。畢業于清華大學電子工程系，CMU卡內基梅隆大學。何宛余 小庫科技CEO 前OMA資深項目建筑師，香港大學建筑學院兼職教授，清華大學、同濟大學、哈爾濱工業大學客座教授。深圳市智能建造專家庫成員，深圳智能與綠色建造學會副會長，上海建筑學會數字建筑副主任委員。美國佛羅里達州立大學（人工智能與空間建筑）博士，荷蘭代爾夫特大學貝爾拉格學院碩士（建筑設計與

9、計算機算法），發表學術論文20余篇。獲得眾多獎項，包括“胡潤40歲以下青年創業先鋒”，“大灣區優秀創業青年”，WIM“中國女性創業者30人”，創業邦“最值得關注的女性創業者”，“世界建筑科技獎-年度創新力推動人物”等。受訪專家（姓名首字母順序）：徐躍家 博士，北京建筑大學建筑與城市規劃學院副教授，中國建筑學會城市設計分會理事建筑全過程國家級虛擬仿真實驗教學中心副主任，北京市未來建筑顛覆性技術創新育人平臺項目負責人，北建大IIC智慧創新中心主任，ADL人工智能設計實驗室副主任，數字建造實驗室負責人。畢業于清華大學建筑系，專注于空間行為挖掘、建筑具身智能、AI輔助設計等領域的研究。發表學術論文40

10、余篇，主持參與國家級科、省部級研項目10余項。訪談人：05生成式AI人居領域應用白皮書劉 超 同濟大學建筑與城市規劃學院助理教授智慧社區中心主任，上海同濟城市規劃設計研究院有限公司研究員，上海市啟明星計劃獲得者。聚焦智能可持續城市研究與實踐，主持國家級課題二項，省部級課題五項，數字化城市規劃與建設實踐近十項，發表同行審議論文二十余篇。劉 剛 廣聯達科技股份有限公司副總裁、研究院院長國家數字建造技術創新中心-數字建筑軟件實驗室副主任，廣聯達&清華大學 BIM聯合研究中心專家委員，廣聯達&同濟大學智能建造聯合研究中心副主任，廣聯達&東南大學基礎設施智慧建造與運維聯合研發中心副主任。多年從事建筑產業

11、數字化領域的BIM技術、CIM技術、產業互聯網、企業數字化轉型與數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。在數字建筑、數字城市、數字企業、智能建造等領域多次負責和參與戰略規劃、解決方案、咨詢及項目落地等工作。參與和負責的報告及專著10余部，連續9年作為副主編參與住建部信息中心發布的中國建筑業信息化發展報告，發表論文數十篇，參編標準10余個。劉濟瑀 北京市建筑設計研究院數字總監畢業于清華大學建筑系，注冊城鄉規劃師，北京市建筑設計研究院股份有限公司總工程師，數字總監，中國勘察設計協會信息化工作委員會副主任委員，全國信息技術標準化技術委員會智慧城市工作組專家，北京

12、規劃學會數字規劃學委會專家組成員，2022年冬奧會工程建設領域專家。長期從事建筑信息化、三維圖形引擎、智慧建筑及智慧城市發展研究。先后主持及參加了數字雄安規建管平臺，雄安智能基礎設施建設標準，北京市規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設計施工軟件”及“面向建筑工業互聯網的BIM三維圖形系統”，北京市國資委重大研發項目“國產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準規劃建設管理電子報審數據標準（新編）、北京房屋建筑數據標準（新編）及民用建筑信息模型交付標準（修編）等標準。茅明睿 城市象限CEO北京城市象限科技有限公司創始人

13、、CEO，北京社區研究中心主任，北京城市實驗室聯合創始人。擔任全國自然資源與國土空間規劃標準化技術委員會國土空間規劃技術委員會委員，住建部科學技術委員會人居環境準委會委員，住建部科學技術委員會社區建設專委會委員，中國城市科學研究會城市大數據專業委員會副秘書長，中國城市規劃學會新技術專業委員會委員，中國地理信息產業協會空間大數據技術與應用工作委員會副主任委員等多項社會職務與學術職務。莫修權 清華大學建筑設計研究院有限公司副院長清華大學建筑設計研究院副院長、副總建筑師。中國建筑學會會員，中國建筑學會建筑師分會會員，教育建筑專委會委員，建筑理論與創作專委會委員。2012年度中國建筑學會青年建筑師獎獲

14、得，2015-2016年國家留學基金委公派美國南加州大學訪問學者，重點研究國外高校校園規劃和建，2018年設計作品參加歐洲佛羅倫薩設計周、巴薩羅那設計周和圣彼得堡設計周巡展。主要設計及研究方向為文化建筑規劃與設計、高校校園規劃及教育建筑設計、科研辦公園區規劃及建筑設計、城市重點地區規劃及城市設計等。從業20余年來，設計作品數十項，其代表作品獲全國優秀工程勘察設計獎銀獎，全國優秀工程勘察設計行業獎一等獎，建設部優秀建筑設計一等獎、教育部優秀建筑設計一等獎、中國建筑學會建筑創作獎等多個獎項。06生成式AI人居領域應用白皮書宋銀灝 廣聯達數字建筑研究院特聘首席專家博士/高級工程師，國家數字建造創新中

15、心實驗室副主任，科技部國家重點研發計劃評審專家。從事人工智能，智能建造和智能裝備等領域研發及管理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/雄安新區等智能建造試點城市專家庫。發表中英文論文20余篇，申請國家發明專利30項，參與多項國家和行業標準編制。孫 亮 中國金茂信息技術中心副總經理中國金茂數字化工作負責人。在企業數字化轉型，IT架構管理，數據治理、創新技術應用研究等方面具有豐富時間經驗，企業經營大數據分析、業財一體、工地物聯網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、能源管理領域發布多份白皮書和應用指引規

16、范。吳若颯 上格云CEO北京上格云智能技術有限公司創始人、CEO。畢業于清華大學建筑學院。曾任北京博銳尚格節能技術股份有限公司技術總監，PMP。北京中關村U30年度優勝者，北京金種子企業，北京雛鷹人才。多年從事公共建筑機電系統技術、建筑智能化技術、節能減排技術等領域的產品研發。獲得國家發明專利12項。葉 宇 同濟大學建筑與城市規劃學院副教授，博導，高密度人居環境與生態節能教育部重點實驗室副主任同濟大學建筑與城市規劃學院副教授，博士生導師，建成環境技術中心副主任，高密度人居環境與生態節能教育部重點實驗室副主任。香港大學博士，瑞士蘇黎世聯邦理工學院未來城市實驗室博士后,荷蘭注冊城市設計師，中國注冊

17、城市規劃師。研究方向為計算性城市設計、城市大數據、量化城市形態學。主持國家級課題3項，省部級課題6項，發表國內外期刊近百篇。張 昕 清華大學建筑學院長聘教授英國劍橋大學訪問學者，中國照明學會室內照明專業委員會主任，中國科協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，聚焦日常情境（居住、辦公、學校、適老、駕駛等）的照明人因研究。主持清華大學本科教改項目建筑類交叉探索型人才培養體系構建。07生成式AI人居領域應用白皮書張文佳 北京大學城市規劃與設計學院副院長、研究員北京大學深圳研究生院城市規劃與設計學院研究員、博士生導師、副院長，國家級青年人才。主要從事時空大數據與人工智能技術開發、

18、城市復雜系統模擬、土地利用與交通一體化規劃等研究，開發了規劃領域專業大模型PlanGPT，擔任中國地理學會行為地理專委會秘書長。主持國家自然科學基金等國家級項目4項，省部級項目5項。在JUE、AAAG、CEUS等期刊上發表中英文論文80余篇，成果獲中國地理科學“十大年度進展”、Springer Nature“中國作者年度高影響力研究”、美國交通運輸協會第100屆年會最佳論文、中國城市規劃學會優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，現任上海建工四建集團新技術研究中心副主任、建筑人工智能研究室主任，兼任上海市國資系統青年聯合會常務委員、上海市

19、國資系統青年技術技能人才協會副會長、中國民族建筑研究會建筑遺產數字化保護專委會副秘書長/理事、中國人工智能學會智能融合專委會委員、同濟大學/上海理工大學校外導師，長期致力于人工智能技術在建筑全生命周期中的算法開發、產品研發、工程應用與實踐，帶領團隊打造了行業內獨特的建筑人工智能產品體系，全部產品累計使用人數已達3萬人，累計使用次數已達500萬次，累計服務工程50余項，曾榮獲上海市青年五四獎章個人、上海市青年科技啟明星、上海市“國資騏驥”高層次技術創新青年英才、上海建工工匠，共主持或參與科研項目23項，申請發明專利61項（授權17項），發表學術論文13篇，登記軟件著作權61項。張 宇 飛渡人工智

20、能研究院院長城市信息模型（CIM）國家標準專家編委會委員，CCF 專業會員，計算機輔助設計與圖形學專委會委員。2003 年加入中國科學院計算技術研究所。從事科研工作十余年。研究方向為人工智能、計算機圖形學、2D/3D 計算機視覺、三維數字孿生、機器學習等。近年來，主要圍繞“數字孿生”、AIGC 等開展研究工作。主要研究數字孿生城市3D生成的大模型及應用。設計開發飛渡崢嶸大模型。目前，相關研究內容已取得重要階段性研究成果并市場落地。達到國內領先、國際先進水平。相關成果將在國內外重要的學術會議/期刊發表系列高水平學術論文，已獲授權發明專利 20 余項。朱 瑋 國匠城CEO國匠城創始人，元技能網站創

21、始人，城市規劃行業新媒體工作者，AIGC科普博主（匠大實驗室）。致力于規劃建筑設計行業的知識服務、知識教學、知識傳播等工作。中國城市科學研究會大數據專業委員會委員。畢業于上海同濟大學建筑與城市規劃學院城市規劃系。1998年進入同濟大學城市規劃系本科學習，2004-2007年攻讀同濟大學城市規劃系碩士學位，2007-2014年攻讀同濟城市規劃系博士學位。QUESTION1第一問人居領域有必要做行業大模型嗎？從1990-2000年代以提升繪圖效率為核心關注的計算機輔助設計（Computer-Aided Design），到2010-2020年代以大數據研判支持為核心途徑的數據支持設計（Data-In

22、formed Design），不斷發展的新技術新數據已為設計行業提供了從繪圖工具、數據基底、分析研判的多方面革新。但前兩波新技術變革本質上是為設計人員提供更快捷的工具、更精準的現狀分析，而規劃設計的輸出端并未發生重大變化，仍需大量密集時間投入。不過這一情況正在發生轉變，當前智能化算法快速發展所催生的人工智能驅動設計（AI-Generated Design）直接聚焦工作流的輸出端，有望給人居行業的工作流帶來大幅變革。生成式AI在城市規劃、建筑設計中已開展應用探索，但在運營及維護等階段的應用仍有待拓展。大模型應用的近期價值主要體現在降低成本方面。但由于其成本很高，而且十分復雜，所以未來建立端到端人

23、居行業大模型的必要性和方式尚需探討。當然，生成式人工智能和大模型在人居環境各子領域結合傳統的定量模型、行業知識工程、專家經驗、各種非結構化數據等，仍然會有非常多樣的使用場景。葉宇：人工智能技術的發展歷程中存在兩個顯著的技術奇點。首個奇點出現在2014年，深度卷積神經網絡以ResNet為首和生成對抗神經網絡(GAN)起始了人工智能在特定環境中的特征學習與專家智能的融合。此項技術激進地展現了智能化分析決策和設計輸出的可能性。初始的應用成果看似粗糙，如街景分析、平面生成等，但在城市規劃和設計中的廣泛運用不可小覷。其次，2023年展現了第二個技術奇點，基于Transformer框架的生成式人工智能技術

24、如ChatGPT和Stable Diffusion模型實現飛躍式發展，產出了質量極高的文稿和圖像，幾乎達到了設計師們設定的“圖靈測試”的標準。這些技術不僅提升了設計輸出的質量，更是塑造了新的工作范式的前瞻，預示著人工智能技術的創新應用方向。無論是從技術發展的階段看，還是從現階段大模型帶來的效果看，發展建筑行業大模型都是必要的。張昕：建筑大模型建設的必要性可借鑒大科學計劃的邏輯進行整理。當項目能在關鍵領域解決重大問題，且對國家安全或人類的生存權/發展權形成積極影響時，如人類基因組計劃，投入對應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被認

25、真考慮?；蛟S可以參考公共衛生等相關領域的行動邏輯。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，本應該帶來新的動力，然而在建筑學領域，仍欠缺關鍵性行業大模型的推動力?？偠灾?，權衡建筑大模型的必要性，必須在戰略層面審酌項目的關鍵目標與預期效果。劉超：政府層面，自然資源部對大模型的接納度確實很高，然而，商業層面，面臨行業規模受限，建筑和規劃行業難以獨立支持大模型研發。另外，應用層面，在大模型應用上，建筑行業與規劃行業的核心焦點不同，建筑

26、更側重圖像處理，而規劃則注重文本和空間信息處理。盡管建筑與規劃在中國的傳統觀念中被視為同源，本科訓練基礎課程也存在相似性，然而新技術的出現和專業的演變正在加深兩者間的差異。未來這兩個領域能否重新融合，仍待觀察。建筑和規劃行業都需要大模型技術來提升其專業效率和精度，但面對行業內部分歧和資源限制問題，對建筑行業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。張文佳：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域，通過大模型的優秀表現發揮其優勢，降本增效。建筑與城市規劃，恰恰是智力密集、人力成本高昂的領域。從這一角度來說，建筑行業大模型建設的必要性是顯而易見的。08生成式AI人居領

27、域應用白皮書徐躍家：大模型在建筑及規劃領域的應用，應以提升質量和降低成本為目標。若追求高質量，建立大型行業模型則成為必要之舉。在建筑和規劃過程中，大模型的重要性可歸納為兩個階段：創意啟動階段，它提供了基于實際空間圖紙的輔助工具；在審圖階段，它以其規范性和邏輯推理能力為支撐。未來，行業特征可能將不再遵循傳統的分類，而更傾向于分為規范邏輯型和發散想象型兩種。這也更能發揮大語言模型的優勢。為提升建筑和規劃過程的質量和效率，建立大模型是必要且具有價值的。大模型的應用既可在創意啟動階段提供輔助，在審圖階段也能發揮其規范和邏輯推理優勢，未來其更可能呈現規范邏輯型和發散想象型的特征。孫亮：金茂正在多個領域廣

28、泛開展工作，尤其關注由人工智能引發的問題。雖然人工智能能夠取代人工，進而節省成本，但其真實對底層人群的裨益仍帶有疑問。企業通常以利潤最大化為目標，從而推動各種技術被用于減少人工成本。然而，是否能實現社會邏輯，技術邏輯和資源分配的一致性，該問題值得深入探討。在房地產業務方面，由于業務流程已經高度結構化，企業內部管理相對簡潔，甚至許多工作已被外包。近期，我們看到行業中開始嘗試將AIGC技術應用到城市景觀、建筑外立面和室內設計等領域。人工智能的未來應用可能包括進行圖像標注、審核以及設計評估等工作，但像全自動施工等領域還處于基礎階段。建筑行業大模型的建設在優化業務流程、提升工作效率，甚至預測未來趨勢等

29、方面具有重要價值，盡管其在一些領域的應用還處初始階段，但同時也揭示了未來發展的廣闊空間。莫修權：清華設計院目前正將AIGC作為基礎工具和技能進行內部培訓和競賽。確實，AIGC在創新階段，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。各設計院有設計師正在開發基于擴散模型的網頁工具，這些工具允許用戶通過簡單的交互進行建筑風格和功能的控制，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。施工圖階段已出現自動生成樓梯間、廁所等的產品，同時在

30、規范審圖方面也已有一些可用產品。盡管AI發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一樣成為行業的基本工具。如果是這樣的話，過早投入學習可能沒有太大價值?？偟膩碚f大模型在建筑行業具備一定的必要性，其在創新階段和施工圖階段的應用已經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，仍需行業不斷研究和探索。何宛余：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，顯示出優異性能。然而，如何將這些先進技術在具體場景中應用，以及如何依據問題本身來選擇合適的模型，確實是需要解決的關鍵點。在連接客戶需

31、求與設計師設想，以及在創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越性。對于某些其他問題，我們可能需要傾向于傳統方法。靈活地根據具體問題選擇合適的解決方式是至關重要的。建立建筑行業大模型實施的必要性在于其在連接用戶需求與設計構想，加強創新實踐與實際操作銜接等方面的獨特優勢。同時，靈活地根據任務特性和需求選擇合適的模型或方法，是實現真正有效應用的關鍵。劉濟瑀：在建筑設計自動化和AI應用的探索過程中，我們面臨著一個重要決策：是選擇立即提供生成式服務，還是依賴工程師手動遵循規則設計。這是AI生成式內容（AIGC）與規則生成式內容的關鍵討論點。雖然AIGC在審美方面有所貢獻，但在個性化和

32、嚴格遵循規范方面表現不足。在工程領域，尤其是施工圖、建設以及運維階段，行業模型展現出更大的潛力，能夠提供快捷的分析和自動化控制。期待AI能整合標準和經驗，長期而言，可在空間優化、能源消耗，以及安全性等方面表現更佳。雖然建立行業模型的初期成本較高，但其預期回報具有顯著優勢。建立建筑行業大模型是必要且具有價值，不僅能夠提高設計質量和效率，也能實現規范化、自動化的控制，并具有顯著的回報期待。09生成式AI人居領域應用白皮書李一帆：作為一家專注于設計云平臺的AI工程公司，我們一直專注于為工程設計、施工和政府用戶提供卓越的產品，旨在打造泛工程設計平臺。我們堅信大模型和AI技術的強大潛力，它們將引領一場技

33、術革命。在工程設計領域，我們正在見證一個從物理圖版到計算機輔助設計(CAD)，再到人工智能(AI)的演進。我們認為，大模型將推動更互動的設計方法，使設計師能夠通過文本或語音與系統互動，從而實現更高效的設計。我們正在探索以簡潔文本或會話生成設計模型的可能性，并且發現這種方式的可行性越來越大。我們堅信，由AI驅動的設計方法將推動設計師從傳統工具轉向更現代的交互模式，從而引發行業的重大轉變。我們致力于將最新的AI技術引入工程設計領域，以推動行業的進步和發展，相信這將開辟更廣泛的創新空間和高效工作流程。我們堅信建立建筑行業大模型是走向高效和創新的必要步驟。它不僅推動設計流程的現代化，提高工作效率，更引

34、領了行業的技術革命，開拓了廣闊的創新空間。朱瑋：大型模型充當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的專家，問題的質量直接決定了獲得的答案的質量。在我們的行業實踐中，為了將專業行業知識與大型模型相結合，需要持續對模型進行訓練和微調以適應具體的行業需求。訓練和驗證這樣的行業特定模型的過程雖然耗費時間并相當復雜，但對于全行業的變革卻有著重大意義。關注細節和工作流程的研究在模型訓練過程中至關重要。我們正在嘗試利用大模型的通用能力加快迭代速度，并通過網絡服務進行初步應用，同時收集用戶反饋以優化模型。建立專門針對建筑行業的大模型是一項對行業進步至關重要的工作。這不僅有助于實現工作流的

35、優化，更能推動行業技術進步，實現行業內的全方位變革。張英楠：自2020年10月創建以來，我們作為專注于建筑人工智能算法研發的施工企業團隊，已經發布了多款創新的產品。我們的首個產品是一款供行業一線人員免費使用的鋼筋鋼管云點數小程序，現已獲得近2萬注冊用戶。去年，我們推出了一款基于語義監督學習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。我們還開發了一款人工智能CAD插件，可一鍵生成施工方案圖紙，大大節省了繪制圖紙的時間。最近，我們研發了行業內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

36、業專家那樣與工程師展開對話，提供精準的答案。我們的目標是圍繞企業業務需求，為一線技術人員提供便利工具，以支持現場管理、施工模擬和日常工作流程。實踐經驗表明，建立建筑行業大模型不僅可以解決現有的工作痛點，優化流程，提高效率，也有助于推動行業的科技進步和創新，從而實現行業的深度變革。張宇：大模型的主要目標應是賦能各行業，尤其是解決細分領域的具體問題，而不僅僅是用于進行聊天。因此，專業類的大模型正是我們所追求的目標。實現這一目標需要經歷一個從通用培訓到專業調優的過程。我們在構建三維領域的大模型時，首先要進行預訓練以獲取基礎的三維知識，然后再針對具體領域進行專門的微調，這樣可以把模型的泛化能力優化到專

37、業領域。建立專業針對建筑行業的大模型，是實現行業內問題解決和創新優化的關鍵步驟，它帶來的具體問題解決能力和專業化優勢，將推動建筑行業的技術變革。大模型在規劃設計、概念設計、初步設計、施工圖設計階段以及施工和運營階段都能發揮作用，但需要將行業專業知識、規則和標準融入其中。擴散模型有利于縮短客戶需求與設計師構想之間的差距，但關鍵在于如何將技術應用于特定場景。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。行業大模型需吸納行業經驗，尤其是從工程實際數據中提煉、萃取和總結，以滿足工程建設整體需求。大模型將實現更快捷的交互式設計方式，通過文字、圖像、語音和視頻等多模態信息輸入，實現與設計系

38、統的交互。行業需要關注細節問題，開發微調模型以適應工作流程。當前人居領域應用大模型的主要方式還是通過API調用，實現特定功能，但Chat、Embedding、Copilot、Plugins、Agents等方式，都已經有很多的嘗試。10生成式AI人居領域應用白皮書QUESTION 2第二問人居領域行業大模型的基礎是什么？生成式AI行業應用的基礎通常包括兩大方面，一是大語言模型的基座（多模態），二是建筑行業知識工程與知識圖譜（規劃、勘察、設計、生產、施工、運維等）。前者對行業來說更多是選擇應用，而后者，則是專家和企業們主要致力的方向。由于數據安全問題，企業通常傾向于使用開源模型訓練并私有化部署，但

39、權限管理比較好的SaaS方式也會逐步接受。在建筑行業中，知識工程與知識圖譜是生成式AI應用的關鍵。知識工程是將人類專家的經驗、傳統規則模型和AI算法積累，以各種方式融入新的大模型生態中，從而實現對現有知識的重用和優化。知識圖譜則是將知識工程的結果進行系統化的管理和表示，以支持后續的智能應用。此外，還需要建立跨領域的知識融合模型，以支持不同領域之間的知識交互和共享。常用的具體技術手段和工具包括有監督精調、知識增強、人類反饋的強化學習、檢索增強等。有監督精調是一種通過人類專家對模型輸出結果進行標注和反饋，從而優化模型性能的方法。知識增強則是利用已有的知識庫對模型進行訓練，以提高模型的推理能力和準確

40、性。人類反饋的強化學習則是通過人類專家對模型輸出結果的評估和反饋，來提高模型的自我學習和優化能力。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據中的推理效率。李濮實：全球最先進的大型模型，如GPT4等，往往采取閉源模式。在國內市場，大公司如百度和騰訊也已經研發出自己的大型模型，而開源大型模型則以Llama和GLM為主。關于大模型與知識解耦的問題實質上是成本問題。繼續訓練大型模型需要大量的計算資源和數據支持，因此，將知識以知識庫的形式，通過向量鏈接混合結構化知識或企業內部專有知識，可能是一種更優的方法。我們致力于提升大型模型的可解釋性，因為它們往往表現為黑盒子。例如，我們公司在規章制度

41、的應用方面進行了實踐，確保AI提供的答案基于實際存在的實體和企業內部信息，保證其可靠性。對大模型的精細化調教以及知識的有效融入是人居領域生成式AI應用的基礎。通過這些實踐，我們能確保AI提供的信息準確無誤，從而有效推動人居領域相關工作的效率和質量。孫亮：當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構探究尚不足。因此，我們應努力鼓勵模型對人類語言和邏輯進行更深入的理解，并需要重視不同領域的知識學習，包括社會學和常識知識等。對于專業和工業領域的知識，建立專業數據庫以支持模型學習是必然的途徑，最終的目標是提升模型的決策能力。如若這種技術能提升專業技術水平，并減輕勞動力需求，那將對實際

42、工作帶來極大價值。對于大模型的應用，加深模型對人類語言和邏輯的理解，以及擴展模型在專業領域的知識學習，都是其基礎和關鍵。通過這種方式，我們有能力持續優化AI技術，使其能更好地服務于實際應用需求。劉濟瑀：在AI概念提出之前，工程領域已經進行了大量的仿真模擬和分析應用。人工智能生成內容（AIGC）依賴龐大的語料庫、機器學習和算法。但在工程界，特別是設計和施工領域，我們更常受國家行業標準和規范，即“規則”的限制。因此，在某些場合，基于規則的生成可能在設計階段更便捷。AI并不是獨立創造，而是依賴大量數據，和不同人對同一關鍵詞的描述。AI通過總結、分析和整理這些數據來幫助設計新的方案，并提供各種風格的選

43、擇。這一點很重要，因為社會發展導致年輕一代對于美感的理解正在發生改變。盡管年長一代對美的認識或許有些局限，但他們的理解經過社會和時間的檢驗，是值得傳承的。例如，時尚的更迭下，經典元素仍被維護，并且建筑背后的藝術原則如比例、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驗轉化為行業模型內容，提取關鍵設計理念和思路。將傳統的工程設計理念和規則糅合到生成式AI中，不僅能夠在設計階段提供便捷的方案生成，還能夠將經過時間檢驗并值得傳承的經驗和美學理念整合入模型，從而賦予AI工具更深層次和廣泛的應用價值。11生成式AI人居領域應用白皮書徐躍家：我們所需的并非一個無止境擴張的模型，而是一

44、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計過程中，通過調用語言模塊實現任務的自動化。具備時空推理能力，具備理解與無縫對接設計流程能力，是建筑行業大語言模型的必要基礎，在此基礎上大語言模型才能切實提升工作效率且保障設計的準確性。茅明睿：在AI的早期階段，基于規則的定量建模和專家系統對城市規劃起著關鍵的作用。雖然深度學習的出現帶來新的可能，但它仍然與這些傳統方法緊密相連?，F在，我們正在試驗將知識圖譜和大型模型結合，為特定任務開發嵌入式小型模型插件，以提供更為穩定的智能服務。我們明白，并非所有任務都需要大型模型，對于特定領域而言，小型模型

45、與本地知識庫的結合可能更有效。我們的目標是提供針對各種場景的適當解決方案，并繼續探索如何有效地結合各種工具和技術，以實現高效、經濟的智能服務。人居領域生成式AI應用的基礎在于對工具和技術的搭配與創新，以適應各類場景的需求。我們應借鑒歷史并結合當下的利器，不斷探尋高效而經濟的解決方案，推動智能服務的發展。朱瑋：我們正在積極探索AI在行業應用的最終目標，從理論和實踐兩個方向進行準備。理論上，我們借鑒了英國設計協會的“雙鉆模型”，發現AI在內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計師與AI模型協同工作的基礎，預示著設計范式的未來轉變。在實踐層面，大模型和小規模微調模型的

46、結合，類似于設計師的經驗與新知識的整合，預示著新的設計工作流的生成。在AI語言模型應用中，我們借助chatGLM的能力，結合知識庫和提示詞工程，建立了大模型與傳統數據查詢相結合的服務流程。這既是一種過渡手段，也可能是行業特點所決定的發展路徑。在圖像模型應用上，我們試圖構造AI認知鏡像，實現AI與人在設計環節的深度協作，使得行業模型真正成為協作工作的核心環節。簡言之，我們需要在理論與實踐中尋求AI與設計師的深度融合，嘗試不同的模型和工具搭配，逐漸塑造出新的設計工作流程。知識庫的建立和有效利用將是重要助力。李一帆：大模型在建筑設計中扮演著核心角色，它提升了計算能力，用于結構設計、優化和設備仿真，并

47、通過API進行關鍵的決策制定。它也可以作為一個架構，通過對話收集建筑策劃和設計方案的信息，利用插件進行計算，然后將其轉化為三維多專業模型，為智能施工和運營提供支持。我們利用GPT3.5接口進行研發測試，體驗了其最新的功能和能力。盡管仍看到了技術的差距和評估誤區。大模型在文本理解和上下文連接方面表現出色，可以快速準確地從大量的文本和圖紙中提取知識。未來，AI在設計全過程中的角色將越發重要，而這需要我們不斷改進和優化模型。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AI建筑設計師的目標。隨著互聯網和數據的可訪問性的增加，知識工程的必要性可能會降低，可以通過逐

48、步調用相關信息，沿著思維鏈條完成任務。需著重于大模型在建筑設計的全過程中發揮的決策支持和計算優化作用，通過優化模型和知識工程，持續改進服務效能，逐步實現AI建筑設計師的目標。12生成式AI人居領域應用白皮書宋銀灝：我們對市場上的主流大模型進行深入研究，并結合建筑行業的特殊要求，開發了自己的基礎模型，經過算法和軟件配置的優化和定制。廣聯達在此領域投入了巨大的資源，其中三分之一的員工是程序員，其余為行業專家和市場人員。我們不僅專注于研發投入，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。我們的基礎模型服務于建筑產業鏈的每個環節，從規劃到運營和維護。去年，我們推出了數維設計產品，并

49、基于自主的國產平臺充分利用正向設計模型，通過模型重用實現數據傳遞，消除信息孤島。我們通過連通價值鏈的各方，避免重復建模，減少浪費，提升工作效率，實現數據最大化的價值。我們需通過構建基礎模型、優化算法和軟件配置，以及投入適量的軟硬件資源來適應大型模型的需要。張文佳：在行業應用中，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量、訓練數據質量和對齊能力的限制。當前國內產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，如參數量大、訓練數據質量和對齊能力等，以推進國內產品的發展，解決效果受限的問題。張英楠：在研發行業大模型時，企

50、業主要采用三種方法。第一種是購買現成的商業大模型API接口，并將其集成到企業的數字化業務流程中，這種方法效率高，開發難度低，但可能存在數據安全和高成本的問題。第二種方法是部署開源大模型，可以避免數據和網絡安全問題，同時降低成本，但可能無法完全滿足企業的業務需求。第三種方法是基于開源大模型，自主開發針對特定業務場景的編碼器和解碼器，進行監督微調和價值對齊，保證數據和算法的分離。這種方法雖然開發難度高，但可以解決安全問題，保證大模型的性能，并在使用-反饋-優化的過程中提升企業大模型構建的能力。企業需要根據自身需求選擇適合的研發方法，并注重企業大模型構建能力的培養。通過不斷的試驗和優化，企業可以逐步

51、構建適應自己業務需求的智能體，從而實現AI在人居領域的高效應用。13生成式AI人居領域應用白皮書QUESTION 3第三問人居領域大模型的數據層如何建立？對于廣大從業者，我們使用的往往是最終的應用產品，而在應用層之下的數據、算法和平臺，則是孵化應用的土壤，缺一不可。數據是行業大模型落地的關鍵。其來源包括工程項目現場數字化、樓宇運維階段物聯網采集、建筑師經驗歸納、企業數據資產沉淀、全生命周期作業過程等。而向量化是目前數據處理的主要方式，使用RAG、nl2sql等技術進行解耦。數據屬性需詳細標注，設計工作應擴展至更廣泛領域，將經驗整合至行業模型。建筑領域數據相對匱乏，需解決數據真實性、有效性和及時

52、性問題。工程建設領域數字化程度較低，需利用現代技術獲取大量關鍵生產要素和管理要素的數據。建設知識圖譜對知識工程非常重要，需加強基礎工作的積累。人居行業獨特的法規、規范、標準等，是大模型行業應用的共性基礎，因版權問題商用存在問題，需要行業主管部門牽頭協調。李濮實：從企業視角出發，大模型的數據應結合基模型的全球知識、行業共識和特定企業知識。預訓練模型是構建基模型的有效手段，盡管成本可能較高。行業共識可以從教科書、國家標準和行業標準中獲得，它們得到業界的廣泛認可，可用于微調模型以適應行業的持續發展。企業數據主要位于應用系統和非結構化文檔中，更新頻繁，可以使用RAG、nl2sql、API調用等技術進行

53、解決耦合問題。我們正在建設一個基于騰訊向量數據庫的、能夠持續更新的大模型服務，預計這將在未來1-2年內成為企業獲取數據服務的主流方式。數據層建設應注重數據的來源和結構，包括基模型的全球知識、行業共識和企業特定知識，以及如何有效地從各種不同系統和非結構化文檔中抽取和更新這些數據。李一帆：當前，建筑領域的數據相對不足，這對深度微調或訓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，如果將火星的數據輸入模型中，可能需要針對整個數據集進行重新訓練。特定領域數據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。數據層，我們需要注意到特定領域數據稀缺問題對深度微調或訓練大模型

54、的影響，這是實現大模型在人居領域有效應用的關鍵問題之一。劉濟瑀：在數字經濟時代，數據在整個產業鏈中的傳遞效率得到了顯著提升。為充分利用這些數據，我們必需進行精細的數據屬性標注。歷經的經驗教導我們，如果在設計階段未考慮到材料、設備等因素，可能在采購階段出現問題。因此，設計工作的領域應從單一階段擴展至更廣的范圍。在大型項目中，僅將設計局限于設計可能會導致人力的減少。我們需將前輩們的經驗整合進行業模型中，以便所有員工從中受益。盡管存在挑戰，未來的目標應該是知識的傳承，這對設計行業將帶來積極的影響。大模型的數據層，我們應注意到數據的細致屬性標注與傳承歷史經驗的重要性，并嘗試在設計階段就考慮更廣的領域因

55、素。14生成式AI人居領域應用白皮書吳若颯：構建知識圖譜對于知識工程極為關鍵，特別是對于建筑運維周期中的知識固化。當前，國內建筑運維階段的數據質量一般，只有少數項目能產生高質量數據，通常取決于系統的良好維護。相較之下，香港在數據維護方面表現優秀，實現數據共享將有利于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據，需要結合建筑空間信息、設備屬性等多方面數據來建立關聯?，F階段，雖然數字孿生技術被廣泛應用于展示，其作為數據和關系的計算機數據庫的潛力尚未得到充分利用。因而，有必要強化基礎工作的積累，以更好地支持決策制定和模型構建。知識圖譜的構建、高質量數據的生成與積累，以及數據的有效關

56、聯是關鍵。目前，有待進一步發掘和利用數字孿生技術在數據處理和關系建立方面的潛力，以提供更強大的決策支持和模型構建基礎。劉剛：工程建設行業的核心在于工程大數據，然而，行業的數字化程度相對較低，主要原因是工程項目現場的數字化還十分不足，影響了數據應用的實際落地。盡管各企業和政府擁有大量的信息化管理系統，工地現場的數字化問題依然存在，這直接影響了數據的真實性、有效性和及時性。因此，數據無疑是行業大模型和產業應用的關鍵。隨著技術的發展，建筑業的現場數字化逐漸變得可行，可以通過大數據、物聯網以及智能設備等技術獲取關鍵數據。例如，人臉識別技術用于身份確認，姿態識別技術監測作業進程，物聯網技術則用于實時監控

57、機械設備。同時，通過與模型匹配的手機拍照質量驗收，AI推送的標準檢查，以及云端的數據存儲，可以提高管理效率，同時也生成了大量可用于AI和數字化的數據。數據層關鍵在于實現工程項目現場的有效數字化，以充分利用由大數據、物聯網以及智能設備等技術生成的場地數據。通過提高數據的真實性、有效性和及時性，可以有效推動該領域大模型的應用和產業的實際落地。張英楠：在人工智能的三大要素中，目前我們更重視數據質量，而非僅側重于算法。類似學習過程，關鍵在于學習內容的正確性和價值，而非學習的量。曾經，大數據概念被過度強調，但我們已認識到，對于滿足特定業務需求，數據質量同樣重要。因此，近期我們在數據質量上做出大量努力，確

58、保數據質量后再進行模型訓練，以減少對算力的消耗，提高算法效率和模型性能，達成更高效的結果。有時，模型效果未達預期可能并非模型參數或結構問題，而是源于訓練數據質量不佳。我們強調的是數據質量而非數據量。在模型效果未達預期時，我們需要先審視訓練數據的質量，而非僅僅調整模型參數和結構。莫修權：設計院通常會對自身數據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，或者具備良好內部權限管理機制的系統，以確保各機構能夠安全、合規地訪問自己的模型。這是因為數據的安全性和隱私防護在工程實踐中相當重要，只有保證了數據安全，才能確保大模型的正常運行和優化。對于數據層的關注點不僅在于數據質量和有效性，數據

59、的安全性和隱私防護也是一個不可忽視的重要議題。15生成式AI人居領域應用白皮書QUESTION 4第四問人居領域大模型算法層如何建立？地標建筑和背景建筑的設計在未來會基于不同的方法。大量的背景建筑設計可能會更多基于算法驅動，而地標建筑則需要人類更多參與的創意生成過程。在應用領域，專業人員往往并不參與生成式AI技術算法的訓練工作，但仍然需要進行大量的微調、適配等工作，整合原有行業模型和算法。從方案識圖到三維模型、符合規范要求的設計策劃的自動生成、機電系統的智能設計等等。一個很重要的問題是，目前大語言模型對空間關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

60、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、全生命周期的完整解決方案的設計與策劃。何宛余：自小庫成立以來，我們就一直堅信人工智能將對建筑產生重大影響。2011年，我們運用算法完成了深圳灣生態科技園項目的設計競標，這成功案例激勵我們進一步投入。然而，當時技術的局限性，特別是基于專家系統和規則的算法以及大量數據標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改良的必要性。當前，建筑行業已經從結合藝術與工程的藝術家轉向復雜性增加的數學計算，但在設計過程中仍然時常出

61、現因為需求、構想傳達和規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，從地標建筑到背景建筑，進一步加大了設計的難度。為此，我們正進行由數據驅動的設計方式轉變，包括明確定義如建筑面積、容積率等建筑需求，以及運用這些數據生成建筑。我們將此稱為“AI驅動的BIM Cloud”，并使用ISO定義的數據格式，將建筑設計、性能評估和制造過程連接在一起。未來，基于更高級的數據格式，我們期望以新的方式生成建筑并與產業鏈連接，以推動人居領域的持續進步。張宇：在AIGC的三維內容生成領域，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優秀，但其生成內容的可控性較弱，難以直接應用于數字孿

62、生領域。為了提升在此領域的應用價值，我們正在探索通過傾斜攝影技術進行三維重建以及利用視頻數據生成能與2D圖像完全對應的可編輯參數化模型。其次，目前生成的內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關系。為了能夠復制真實世界并生成高質量的三維運動場景，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數據進行升維處理，并通過海量數據的訓練學習，來最大程度地挖掘其價值。李一帆：在建筑設計行業中，大模型扮演著決定性的角色，尤其在思考策劃環節。我們可將大模型理解為一種AI Agent，它擁有規范知識庫、建筑設計算法和

63、模擬仿真算法。盡管當前的專業軟件能在各個環節，如設計、施工、運維等，發揮效能，但其能力常受限于單一環節，而不能實現全流程的整合。大模型“思考策劃”的能力，使其成為整個建筑設計過程中的中樞。它不僅可以通過串聯各個獨立的系統，以自然語言的形式與設計團隊進行深度交互，更可基于設計需求、行業數據和規范要求，生成詳實的設計方案。此外，配合設計師的草圖，借用專業軟件或筑繪通平臺，大模型還能生成適用于智能施工和運維的三維多專業BIM模型。在算法層面，大模型在人居領域的轉型性影響體現在其能夠整合不同環節，打破傳統的設計、施工、運維的獨立性。16生成式AI人居領域應用白皮書茅明睿：在AI實踐中，工作主要聚焦于感

64、知智能、計算智能和認知智能三個領域。借助知識工程和知識圖譜，構建科學的知識體系，同時利用專家系統對規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，展現出與知識圖譜和專家系統結合的可能，有望形成新的服務模式。大模型對規劃、設計和管理流程具有深遠的影響。通過城市認知模型，自動感知并調用空間數據，生成有關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在人居領域中發揮作用的期待。大模型需要時間來完全投入使用和持續發展，通過其泛用性和調整能力，將在各環節中揭示其價值。然而，大模型在建筑設計應用中存在限制，一方面是現有語料庫對大模型的控制能力不強，導致模型輸出的不適

65、應性；另一方面是大模型在時空認知和推理能力上的不足。盡管目前已通過插件實現了一定的時空認知和可視化，但仍存在改進空間。算法核心在于利用其泛化和推理能力，結合知識圖譜和專家系統，提高對建筑設計流程的認知能力。同時，需要對模型進行持續的調整和優化，以期在語料庫控制及時空認知等方面取得突破，讓大模型在建筑設計領域發揮出更大的潛力。張文佳：國內針對規劃院和政府機構面臨的數據安全問題，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，但這種方法雖然能改善風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，雖然回答的準確性有所提高，但在專業問題的

66、處理上仍有不足?；赗AG技術進行改良提高了向量查詢的準確性，并使用戶能更自由地提出問題。為解決數據滯后問題，我們接入了一個網頁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，已經在技術上得以實現。規劃方案的制定需要在準確性和創新性之間找到平衡。通用型大模型傾向于追求概率，而專業型大模型則注重的是準確性。從技術角度考慮，可以通過生成代理（agent）的方式實現規劃方案的生成，然而其挑戰在于需使用其他專業模型或擁有行業知識的專業大模型進行價值評估和選擇。人居領域大模型需要不斷調整和優化其算法，以提高回答復雜問題的準確性和面向特定需求的自由度。

67、同時，也需要對現有的模型進行進一步擴展，實現與GIS及其他領域的深度融合，提高其在規劃方案生成和價值評估方面的能力。張英楠：在開發Construction-GPT對話大模型過程中，我們實現了三項重要的技術創新。首先，建立的建筑專業詞嵌入模型幫助深入理解建筑專業知識。其次，運用的半監督微調策略通過用戶反饋進行強化學習，進一步優化模型性能。最后，根據建筑行業的特性，實施價值對齊確保模型效果更加貼近實際需求；且支持24種文件格式的內容解析，展現出高度的實用性。面對高并發量的問題，我們選擇自行開發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，這不僅節約了成本，也為這個大模型及其他建筑AI產

68、品提供了更高的處理能力。當前，Construction-GPT僅供企業內部人員使用。建立專業詞嵌入模型、實施半監督微調、進行價值對齊的建筑領域大模型至關重要。17生成式AI人居領域應用白皮書廣義的平臺層或者連接層是指應用層和底層AI技術和硬件之間扮演橋梁的一層結構，以實現軟硬件的集成與整合。一般包含核心技術平臺，如模型訓練、模型優化和數據處理等能力，使非AI專業的開發者也能便利地開發AI應用。還有其他各種工具和服務，幫助開發者更快地實現復雜的任務。張英楠：在我們的應用中，我們充分利用了云廠商所提供的OSS對象存儲服務，以便管理我們的數據負載。同時，為了實現模型的高速計算和處理，我們也引入了推理

69、端的GPU計算能力服務。這兩個技術的結合有效地提升了我們的處理速度和數據管理能力，成為我們服務中的重要組成部分。然而，當考慮到向量數據庫和大模型托管的實施，我們必須認真評估相關的成本問題。按照我們目前的企業用戶量以及效益折算情況，這兩種技術的實施并不能保證我們能夠平衡成本。這引發了一個問題，就是如何在滿足技術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的協同與整合。僅憑我們單一的企業力量，很難實現向量數據庫和大模型托管技術在成本效益上的平衡。但是，如果行業能夠實現有效的協同與整合，不僅可以分攤這些技術的成本，同時也可以從中獲得更多的行業共享資源和技術紅利。從平臺層次的角度

70、進行觀察，體現了人居領域大模型在技術實施和成本控制方面的復雜性。對于技術選擇，需要基于其對業務影響的理解和評估，同時，也要對技術成本有全面的預測和控制。在實際操作中，將大模型應用到平臺設計中，需要在技術優勢、業務價值和成本效益之間找到最佳平衡。劉剛：廣聯達發布的建筑業務平臺，是專門針對工程項目全周期管理的關鍵解決方案。此平臺擁有開放性的結構設計，能夠在項目全周期內實現流程的一體化管理，該屬性來源于其強大的技術平臺能力和云中立的特性。該平臺提供的云中立功能，是通過容器化技術和微服務架構完成的，從而保證了廣泛的兼容性和靈活的擴展性。更進一步，建筑業務平臺采用了業務中臺、數據中臺和物聯中臺的模式，實

71、現了業務流程和數據之間非常深度的融合。這種中臺模式的設計，使得數據處理與業務處理能夠同步進行，大大增強了它們之間的交互性和實時性。無論是用于協助各類具體產品的開發，還是作為不同行業解決方案的依托，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，廣聯達的建筑業務平臺體現了人居領域大模型在平臺設計和實現方面的重要性。它展示了如何利用大模型搭建一體化設計的平臺，提供一站式的項目管理，保證了云平臺的中立性，以及實現了業務與數據的深度融合。這證明了大模型在建筑領域的平臺層面上，將科技和業務功能有機轉化為可操作的解決方案的重要性。QUESTION 5第五問如何搭建人居領域大模型的平臺層？18生成式

72、AI人居領域應用白皮書張文佳：對于PlanGPT工具，其研發的初衷正是響應了中國城市規劃設計研究院深圳分院的實際需求，即對非結構化數據，如規劃文本和調研報告的有效利用。該工具采用大模型技術，以激活這些數據，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，包括實習生，都能以最小的門檻獲取這些知識。產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劃中的應用，促使我們對PlanGPT進行了風格上的微調。在行業應用中，將知識庫的功能與規劃需求分開處理是至關重要的。目前，知識總結算得上是最常用的功能，盡管其生成結果的質量還存在提升的空間。但考慮到規劃行業的人力資源緊張，任何

73、能夠接替實習生進行數據整理工作的系統都被視為成熟且有價值的工具，特別是在生成重復性、低效率且可控的內容方面。而這類系統的成熟度，將直接依賴于基礎模型的技術發展進程。PlanGPT工具完全顯示了大模型在處理非結構化數據，特別是文本類數據時的強大能力。之前龐雜而雜亂的規劃文本和調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解決方案的重要工具。規劃場景北京大學張文佳老師團隊在規劃行業率先發布了 PlanGPT 工具，并根據規劃院和國土資源部門的需求不斷迭代。在規劃行業的前期調研、資料總結整理等環節，都有較為明確的價值。劉超：國土空間規劃是一個涵蓋多個部門調研、

74、大量會議以及豐富文件資源的復雜流程。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、規劃方案的編制、方案繪圖與文本的撰寫、規劃審批（包含公眾參與環節）、以及實施評估。在這些階段中，生成式模型有著不俗的表現，尤其是在調研分析和文本撰寫環節，其能夠處理大量的非結構化數據，并編寫出結構化的文本。但是，面臨規劃方案編制階段時，我們仍然面臨一些挑戰。具體來說，大模型在理解地理空間坐標方面的精確性仍有待提高。雖然大模型在處理非結構化數據和生成結構化文本方面有顯著表現，提供了有效的工具支持，但在處理具有明顯地理空間坐標特征的規劃方案編制環節，模型的理解精度還需提升。QUESTION 6第六問人居

75、環境領域生成式AI的應用場景19生成式AI人居領域應用白皮書劉濟瑀：AIGC大模型在建筑行業的各個階段設計、施工以及運維都發揮了不可忽視的作用。然而，其在設計階段的影響尤為關鍵。設計師能利用專業或行業模型，以便在初期階段就達到規范標準和工程經驗的要求，并實現了設計階段的實時支持，而不是僅限于設計完成后的檢查和核驗。關鍵的目標在于同時滿足規范標準、工程經驗、美學以及空間優化的需求。在設計階段，AIGC大模型提供了有效支持，幫助專業團隊及時、高效地完成工作，促進了各方之間的交流以及需求的準確傳遞，從而實現了對設計流程全程的伴隨式支持?；谶@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計支

76、持，滿足規范標準和工程經驗的要求，還在進一步支持設計師創新和優化設計、促進團隊之間精準溝通等方面發揮作用。這種全程伴隨的設計支持，有助于提升設計效率和質量，同時也為建筑設計場景中大模型的未來發展開辟了新的可能性。茅明睿：作為觀察者，我參與了一些青年設計師活動，他們利用人工智能技術展示設計思路，如使用AIGC模型生成效果圖、草圖和概念設計。一些小團隊和年輕設計師們還利用人工智能技術將設計環節串聯起來，并運用文本模型對功能分區設計進行細化和規則提取。他們還運用大模型生成短視頻，以不同視角展示設計方案。在建筑設計領域，人工智能模型如AIGC正在革新設計流程和視覺展示方式，大幅提升了設計表達的效率和質

77、量，但更深入的設計力賦能還需要更多等待與觀察。朱瑋：我們的目標是利用AI提升認知效率和工作效率。在知識學習領域，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習。在城市規劃領域，我們重視信息的準確性和實效性，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。在設計領域，我們正在訓練各種場景的設計模型，旨在兩個層面提供輔助設計：一是生成符合建筑行業要求的專業圖像；二是精確控制圖像生成，根據設計師草圖和模型精準介入設計協作。模型訓練和AI介入設計的起始與結束點是研究重點。此外，在公共項目中，AI作為通用工具有廣泛應用。我們設想未來公共設計可能不再全程依賴設計師，而是

78、通過AI分析、圖像生成和結構分析，最終通過三維打印建造，設計師則扮演協調角色。因此，AI可能會重塑社會關系和價值觀，帶來深遠影響。在關注大模型帶來的效率提升的同時，我更關注設計過程、互動關系和建筑師角色的轉變。設計場景建筑設計從業者很早就開始引入StableDiffusion和Midjourney等工具生成效果圖。小庫、國匠城、品覽等幾家企業，都發布了基于擴散模型的設計工具，用大量人工標注的方案圖紙訓練更加符合專業要求的成果。類似產品還包括簡單易用的訓練平臺，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、風格描述和選擇，簡化了Prompt的寫作過程。目前設計階段以擴

79、散模型為主的、用于效果圖渲染的大模型應用還是很初級的階段。通過與設計規范、行業經驗等知識工程的深度結合，包括通過融合各種傳統模型獲得時空知識，大模型將會貫穿建筑的整個生命周期，實現伴隨式設計。20生成式AI人居領域應用白皮書劉剛：在建筑設計過程中，基于BIM的正向設計具備較高效率，但設計常從二維開始再轉為BIM。我們采用算法直接將二維CAD圖紙轉化為三維模型，以減少轉換工作量，該方法的準確率達到了96%。對于無法識別的部分，系統具有快速識別并修正問題的能力，同時，系統還能夠學習模型修訂行為，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、規范和質量審查。即便二維圖紙在建筑

80、業中仍具有法律效應，我們仍致力于利用人工智能減少手動創圖，直接生成施工圖紙。我們還利用AI生成設計方案，其依賴經驗、規范和歷史數據并進行空間設計和建筑性能模擬，人工智能也負責選擇最優的設計方案。BIM設計能夠實時計算工程量和造價，從而保證經濟合理性。結合數字孿生技術可以優化施工方案。此外，人工智能在優化設計、決策支持和風險預判方面起著關鍵作用。從二維轉三維的高效轉換、模型修正的自學習以及AI審查保證模型一致性，再到設計方案的生成及優選，以及工程量和造價的實時計算，到施工方案的優化，人工智能表現出了在建筑設計場景中的重要功能和潛力。孫亮：在傳統的碧桂園模式中，拿地前的邊界條件已早已確定，鑒于產品

81、線的高度統一，針對特定地點的需求、業態規劃、競爭對手情況和樓面價格限制，僅需進行精細的調整。這種模式依賴于快速出圖和審圖，故而需要人工智能特別是在設計和排序方面的應用。然而，市場環境已發生轉變，快速出圖的側重度已降低，例如，產品如金茂府系的升級換代便需涉及到產品和設計條件制定等一系列工作，需要考慮的因素更加全面，例如未來人們對住房和環境的需求。同時，人工智能在設計的概念階段就需要被融入。簡而言之，AI在設計速度提升、產品設計全面性，以及早期參與設計等方面都應當發揮更重要的作用，這在很大程度上提升了建筑設計的效率和質量。21生成式AI人居領域應用白皮書QUESTION 7第七問在建設運維端行業大

82、模型可能有哪些場景？對規劃設計施工企業已經在使用自己的大模型來提供規范檢索等能力；建筑施工機器人目前較貴或維護困難，一般是租賃使用，未來智能設備和算法整合可能使操作更簡便；銷售階段，AI可以幫助銷售顧問評估購買意向；物業管理階段主要是智能安防，包括人臉識別進出；國家提倡雙碳目標，需要降低建筑能耗，可通過布置傳感器進行能耗監測和運行控制，但需權衡成本和效益。大語言模型在建筑運維中的應用還不夠廣泛，主要應用于降低成本和管理風險等持續性業務，未來有潛力提供吸引客戶的亮點和個性化服務。住宅和商業地產的管理運維場景AI應用有一些差異。前者更多用于銷售、安防、客服交互等，而商業地產則可以用過大模型提高設備

83、運營和建筑管理的效率，改善用戶體驗。孫亮：當前，建筑施工機器人的成本高昂且維護繁瑣，一般采取租賃方式使用。例如，部分抹灰機器人每月可以節省兩個工人的勞動力，但與工廠自動化機器人相比，仍存在效率差距。未來，智能設備與算法的整合可能使如測量墻高、上料噴涂等操作簡化為簡單的點擊操作，甚至有望看到無人化施工場景。在銷售階段，人工智能可以輔助銷售人員，通過自動分析客戶的語言和語調來評估和判斷購買意向。在物業管理階段，人工智能主要應用于智能安防，如人臉識別進出等，該技術已顯著成熟。未來的主力市場可能不再是設計、施工、管理，而是具有大模型能力的硬件設備。宋銀灝：在西安，我們新建了一座研發基地，主體建筑包括地

84、下三層和地上十二層，設有超過2000個工位。項目的前期建設設定了五大目標：首先，打造綠色建筑；其次，構建自制能源的建筑，該建筑配備了光伏設備、太陽能全熱交換設備和智能燈光控制設施；第三，創造健康的建筑環境，例如籃球場、運動中心、餐廳和直飲水設施等；第四，實現智能化建筑，該建筑和人的互動通過23項智能化系統實現；最后，建造低碳建筑，以響應國家的雙碳目標，通過安裝傳感器進行實時能耗監測和運行控制。綠色建筑、自給自足的能源系統、健康優先的設施、智能化的人-建筑互動和低碳目標的實現。每一個目標都代表了在建筑業發展中的關鍵技術和實踐，都會統合到大模型中。劉剛：在建筑施工中，從人工、機械、物料的角度來看，

85、物料進場簽收環節是容易出現漏洞的關鍵環節。物料成本大約占工程成本的70%，這也是最容易失控、產生浪費和出現漏洞的環節。例如，鋼筋在材料中的占比較大，其驗收工作量大且容易出錯。以往以手工粉筆標記鋼筋的方式效率較低，現在則已開發了能以拍照方式自動識別鋼筋規格、型號和數量的人工智能應用。類似的應用場景還包括火焰檢測、工地安全圍擋與防護設施監測、重大危險源安全措施檢測、工人行為軌跡與作業狀態分析、人臉識別技術在工人管理方面的應用等。在建筑施工管理中，大視覺模型的作用更為突出。多模態的大模型必然是未來的應用趨勢。22生成式AI人居領域應用白皮書 吳若颯：大語言模型在建筑運維領域的應用主要聚焦于降低成本和

86、管理風險，但這種應用還尚未普及。該技術在提升收益、優化交互體驗和實現個性化服務等方面具有顯著的潛力，這包括個性化推薦和決策支持等功能。相比之下，傳統的AI技術更適合于問題診斷和設備控制。目前，這些技術在建筑運維領域的應用尚處初級階段。我們的主要目標是使AI能夠替代建筑運營管理員進行決策，從而實現運維決策過程的智能化。具體來說，我們期望通過應用大模型，提升公共建筑或商業大樓的用戶體驗，以此來追求更高的商業收益，這與專門針對個人住宅的智能家居品牌有所不同。就目前的狀況來看，傳統AI技術與大模型技術的結合是一個可以實際落地的思路，不過未來必定要實現，問題診斷與設備控制在大模型中的嵌入統合。張英楠：我

87、們研發的對話大模型Construction-GPT收錄了規范標準、工程圖集和集團內部的內控技術文件。雖然它能理解行業知識并生成專業解答，但我們發現大部分需求集中在查詢規范和圖集上。因此，在V1正式版中，我們專門加入了Agent來滿足這些需求，以便更好地協助同事們的日常工作。此外，我們的大模型也可以通過API服務接入企業的其他數字化業務和產品中。目前，我們正在與公司內的城市更新研究中心合作，將大模型智能問答功能集成到他們開發的歷史建筑數字孿生平臺中。這樣，用戶可以在平臺上進行專業問答，實現大模型的“一模多用”，為更多數字化業務和產品提供支持。對話大模型在施工、管理和運維場景中發揮了核心作用，既滿

88、足了專業知識查詢的主要需求，也通過與數字化業務和產品的集成，擴大了其應用范圍。大模型的可擴展性是驚人的。23生成式AI人居領域應用白皮書QUESTION 8第八問行業大模型會對規劃設計端帶來哪些影響？大語言模型與生成式AI未來將為人居環境的全生命周期帶來顛覆性的改變。與傳統數學模型和編程方法不同，大模型使AI技術應用的門檻大大降低。具體來說，Transformer模型基于注意力機制，具有對海量自然語言的理解能力，可以承載歷史文化、生活經驗、地域特征等隱性空間知識，以及法規、規范等結構化知識；而Diffusion（擴散）模型則通過大量作品的學習，可以形成特定的設計風格，并進行基于圖像甚至三維的創

89、作。因此，大語言模型與生成式AI不僅將改變設計工具的形態，更可能以新的方式創造出前所未有的空間特征。設計師不再受傳統創意思維模式和技術限制，而是能夠借助AI的強大能力開拓新的設計領域和創作方式。從創意草圖到精細化設計，從局部改造到城市更新，從單體建筑到城市規劃，大語言模型和生成式AI將對設計的各個階段產生深刻影響。同時，生成式AI的創作成果也可以推動設計理論和方法的進步，形成更加智能化、高效化和人性化的設計體系。通過對基地以及周邊時空要素的全面描述和理解，加上規范標準和專家經驗的知識工程，未來可能基于Agents等方式，實現設計方案的直接生成。當然對于很多項目來說，過程中還是需要建筑師和業主的

90、強參與。這種生成可能從概念方案到三維模型，然后反向生成各種工程圖紙，并關聯成本、產品解釋等信息，BIM的生產和使用邏輯也會根本變化。未來AIGC的托底效應，不僅將提高行業整體的設計水平，還將通過生成代理人和社交網絡等方式，進行更加復雜的社會運行和時空行為模擬，促進更廣泛的公眾參與。張昕：對于建筑師來說，雖然大多數人對于AI的應用持歡迎態度，但AI在建筑設計領域的沖擊速度相對較慢，因為建筑設計的決策過程復雜且不易分拆為邏輯決策。但未來某天，如果所有人使用來自大一統的行業大模型的AI生成設計，市場將迅速飽和，因此建筑師需要聯合AI共同思考差異化競爭問題，建立新的話語權體系、重新定義設計師地位。最終

91、，新的秩序將決定行業發展，而AI可能在其中發揮重要作用，協助建立新秩序。在建筑設計中，AI的慢速融入挑戰了市場飽和的憂慮。建筑師需與AI共同開創設計差異，重構角色并塑造新秩序。徐躍家：我們正在討論建筑創作中的問題，包括某些元素的固定化可能導致未來審美趨同。雖然一般設計可以依賴大型模型，但獨特設計仍需建筑師的創作。大型語言模型在建筑設計之外的工程項目階段更有用途。行業需要大模型，但首先要建立自己的知識圖譜或知識工程，之后才能考慮審美問題。大型語言模型對建筑行業有深遠影響。我們作為建筑師出身的人在探索AI在建筑中的應用。過去我們用多目標優化和強邏輯反饋系統解決問題，這些方法在解決收斂性強的問題上效

92、果顯著。但大型語言模型基于擴散模型，具有強泛化能力，帶來新挑戰。它能生成文本、設計理念、規范文檔，但也引入了法規、倫理和可解釋性的問題。因此，我們需要審慎處理，并開發適應新技術的方法和標準。大型語言模型帶來新機遇和挑戰，需謹慎應對。固化元素可能導致審美趨同，特殊設計依然需依賴人的創新。行業需求大型模型，但知識圖譜的構建是先決條件。既然AI帶來新的機遇，也引入了倫理和可解釋性的問題，謹慎應對尤為關鍵。李濮實：未來，大模型在建筑設計領域的發展將依賴于標準化組件來構建BIM和三維圖形，進而形成平面圖。這些組件將與實際物料相關聯，大模型的角色在于組合這些組件，而不是創造新物品。這樣做可確保設計圖的可執

93、行性，減少幻覺影響。此外，組件還可與成本、技術參數等信息關聯，促進設計順利過渡到后續環節。大模型的核心不在創新元素，而在以標準化組件促進設計的可行性和過渡性，消解幻覺的干擾。24生成式AI人居領域應用白皮書劉濟瑀：建筑行業在設計階段不會持續發散，因為經濟回報主要在施工圖和技術服務階段實現。設計院的目標是將投入轉化為回報。建筑行業的發展與國家建設和經濟發展密切相關，受行業管理模式影響。國內建筑行業決策的分散性導致了技術管控不協調等問題，應對這些挑戰、尋找更好的發展模式是未來的重點。設計價值不僅關乎經濟成本，更涉及社會價值。設計融合藝術、專業性和技術標準，要求高精度。設計水平和社會接受度影響其價值

94、。建筑設計不僅受經濟因素制約，也承擔公共安全和發展責任。設計師需要對其設計負責，類似醫生的職責。在國內，建筑師的地位相對較低，而國外建筑師更具創造性和責任感。建筑設計的價值與技術和社會責任緊密相關，受社會職責的限制。未來，建筑設計將朝著更高要求和水平發展，考慮多種方案、材料和手段的比選。業主的需求將更深入、長期，需要適應建筑的變化。建筑設計的經濟和藝術價值雙重考量制約其自由發散，其社會職責和高級別需求的挑戰迫使設計師承擔更大責任，表現出醫生般的角色。目前的地域性差異和未來對高水平的迫切需求都加劇了這種形勢。朱瑋：AI大模型能協助進行設計，但其訓練素材來源于設計師，缺乏個性可能導致內容雷同。因此

95、，AI的使用實際上對設計師提出了更高要求。在“AIGC”領域，未來AI將生成的內容不僅限于文字、圖片、視頻，還包括虛擬世界的“代理人”。這些代理人能以自主行為參與設計驗證和模擬，如在人流模擬中使用AI代理人代替簡單模型或志愿者，提供初步使用體驗和反饋。在建筑設計領域，AIGC的創造能力將賦能虛擬空間搭建，降低成本并增強設計創意。一個應用場景是老舊建筑和公共空間的改造，創建更開闊多樣的虛擬環境。隨著頭戴式虛擬設備和增強現實技術的發展，這個領域將成為新的熱點，為實體空間提供新的活力。AI輔助的設計可能導致創新匱乏，而AI的未來發展，如虛擬“代理人”，將被設計驗證和模擬采納，從而提高設計師的責任要求

96、。盡管虛擬和增強現實技術的崛起給實體空間帶來新活力，也帶來了挑戰。朱瑋：人工智能對建筑產業的影響可能需要三到十年時間才能顯現，因為建筑設計涉及多方參與，改變速度較慢。近兩年新建筑面積減少導致行業面臨挑戰，但市場已觸底，預計這些阻力會逐漸化解。行業的標準化產品發展較快，但許多人傾向于直接應用而無研發能力。品質和效率成為存量時代的關鍵。在海外市場，建筑師通常具備更多技能和造價能力，參與項目的程度更高。我們將重點關注三個方面：三維云設計引擎、大模型和計算引擎。目前已有二維協同設計平臺和傳統深度學習模型，大型模型商業化仍在實驗階段。計算引擎是重要的技術接口，正在進行整合和研發。為了滿足更廣泛的需求，全

97、行業水平的三維呈現能力變得越來越重要。AI對建筑的影響需時待顯，行業內短視的依賴標準化產品并忽視研發，暴露了其面臨的長期與質量挑戰。未來需集中于三維云設計、大模型和計算引擎等技術，以滿足廣泛需求。李一帆：人工智能對建筑產業的影響可能需要三到十年時間才能顯現，因為建筑設計涉及多方參與，改變速度較慢。近兩年新建筑面積減少導致行業面臨挑戰，但市場已觸底，預計這些阻力會逐漸化解。行業的標準化產品發展較快，但許多人傾向于直接應用而無研發能力。品質和效率成為存量時代的關鍵。在海外市場，建筑師通常具備更多技能和造價能力，參與項目的程度更高。我們將重點關注三個方面：三維云設計引擎、大模型和計算引擎。目前已有二

98、維協同設計平臺和傳統深度學習模型，大型模型商業化仍在實驗階段。計算引擎是重要的技術接口，正在進行整合和研發。為了滿足更廣泛的需求，全行業水平的三維呈現能力變得越來越重要。AI對建筑的影響需時待顯，行業內短視的依賴標準化產品并忽視研發，暴露了其面臨的長期與質量挑戰。未來需集中于三維云設計、大模型和計算引擎等技術，以滿足廣泛需求。25生成式AI人居領域應用白皮書劉剛：在設計領域，數字化設計是未來智能設計的基礎。我們使用基于國產自主可控的閉環引擎平臺的應用軟件，廣泛應用于建筑設計、結構、機電和市政設計等領域，構建了名為GDMP的集中設計平臺。三維圖形引擎平臺歷經近20年迭代，目前已廣泛應用于多個項目

99、。我們基于新技術和架構，以及云端方式，構建數據模型系統進行產品設計。我們牽頭開發自主BIM技術平臺和國產BIM應用軟件，推出的數字設計產品已在各大設計單位應用。目前，只有大公司有能力自主開發這樣的平臺，市場推廣窗口期將結束，需要持續研發和升級。從成本效益角度看，主流平臺的二次開發可能是最快方法，但這將使我們成為他們生態系統的一部分。關鍵技術和平臺的自主能力建設至關重要，需要持續投入，尤其是研發和溝通方面。長期看，平臺將成為產品并提供SaaS服務，自主平臺和大模型對滿足客戶需求、提升用戶體驗和創造價值至關重要。同時，我們還需考慮國家安全和數據安全問題，作為有使命感的企業，將持續提高這一核心能力。

100、盡管數字化設計是智能設計的基礎，但市場中僅大公司具備自主開發能力，形成研發格局的偏頗。主流平臺的二次開發雖速效，卻損失了獨立生態的權益。以SaaS模式提供自主平臺和大模型服務，有利于增值，但必須在確保國家和數據安全的前提下進行。葉宇：人工智能技術的支持可能使設計師的工作模式從“九比一”的機械性勞動和創造性工作比例，轉變為“一比九”。目前，設計流程中的前期調研、分析討論和成果輸出階段包含大量重復工作。例如，在前期調研階段處理繁雜的文本資料、在分析討論階段進行低效的意向交流迭代、在成果輸出階段進行文本風格調整和基礎渲染等。新一代人工智能技術，如ChatGPT和Stable Diffusion，可以

101、為各環節提供全面支持，大幅減少重復工作比例。ChatGPT能快速處理文本資料，提取關鍵信息，學習文本撰寫風格，并與智能PPT制作平臺聯動。Stable Diffusion則在設計草圖深化、風格化表達和快速渲染方面顯示出“即插即用”的能力。在這些技術的賦能下，設計師的工作流將大幅減少低效重復勞動，轉向更高比例的創造性工作。AI技術可以減輕設計師的重復勞動，如處理繁雜文本，低效交流等，以提升創新工作比例。然而，這帶來了設計師角色與技能的轉變和挑戰，需重新定義其在設計流程中的位置和價值。王鵬：北京院和廣聯達都推出了建筑行業大模型的概念，旨在傳承老一代建筑師的知識和經驗，包括施工技術等。廣聯達的應用更

102、廣泛，覆蓋造價等領域，積累了豐富的行業經驗。這些經驗能使建筑師和學生專注于架構設計和人際交流等機器難以替代的領域，減少對瑣碎細節的學習和記憶需求。一些公司正在構建和積累行業大模型，這有助于建筑教育回歸本質，培養真正的架構師。大模型傳承建筑知識與經驗，繼而釋放設計者專注于AI難替代領域的可能，但過度依賴可能抑制創新，工具化建筑教育，實則偏離設計本質。莫修權：建筑設計不是尋求最優解的問題，因此難以完全交由AI處理。整個設計過程中，建筑師與甲方的溝通和選擇參與至關重要。關于是否采用代理(agent)方式實現全程自動化，一方面這并非必需，另一方面由于實現難度極大，目前還沒有任何一家公司能夠獨立完成。這

103、需要行業達成共識并共同合作才有可能實現。AI無法全面接管建筑設計，其缺乏處理復雜性和人際交流的能力是限制。期待全自動化無視了設計的實質需求，且其實現需行業整合，而非孤軍奮戰。26生成式AI人居領域應用白皮書隨著建筑全生命周期大模型的形成，未來在建筑運維和物業管理領域，人與人工智能（AI）和機器人（Bot）的合作模式將發生新的變化，為人們提供更高質量的服務。在新的模式下，建筑信息模型（BIM）的價值也會真正發揮，成為建筑全生命周期時空信息和知識的載體。QUESTION 9第九問行業大模型會對建設運維端帶來哪些影響？劉濟瑀：在工程技術和專業管控需求不斷增加的背景下，AI在發展中扮演更重要角色以支持

104、人類思維和能力，成為一個關鍵問題。同時，社會倫理和責任歸屬問題也需考慮，可能涵蓋AI的責任。AI可能提出建設要求，我們需將這些要求轉化為圖紙，制定并比較多個方案。在此過程中，AI及相關技術能幫助我們更精準、安全地完成工作。AI在滿足增長的技術需求和支持人類思維中的角色日益重要，但必須謹慎處理其倫理和責任歸屬問題。AI的輸入轉化和方案比較的過程中確有助力，但不能忽視其在精準和安全實施中可能帶來的風險和責任問題。孫亮：物業領域整體上確實需要減少人員，但這取決于具體部門。例如，保安和秩序管理可能不宜減員，因為某些小區需提供優質服務體驗。機器人雖能掃地，但無法替代管家的親切問候。因此，結合機器人和人員

105、共同提供高質量服務，提高效率和質量，可能是最佳方案。物業管理相對簡單，其管理邏輯容易復制。保潔、秩序維護、安保、維修和收費支持等工作都相對簡單。此外，物業行業穩定，現金流回收速度快。盡管物業中簡易任務可以機械化，人工仍不可替代，尤其是人情味的服務。盲目削減人員忽視客戶體驗，穩定行業變革不能以此為理由。宋銀灝：我們的模型旨在賦能不同行業，并保持開放性，貢獻多種標準，包括國家標準、行業標準和企業標準。例如，我們開發的GFC標準及其代碼將開放供他人使用。我們的目標是服務于行業，提升行業的數字化、綠色化和智能化水平，其中數字化和智能化是核心。我們也在推動綠色轉型。未來，我們將與建筑產業鏈的不同參與方進

106、行交流和探索，形成豐富的產品體系。廣聯達已研發100多款軟件產品，未來將著重提升智能化水平，將繁瑣任務自動化。這是大趨勢，不可逆轉，我們必須跟進，否則可能被淘汰。模型推動各行業開放標準與智能化的宏大理想需權衡工業沖擊與社會轉型風險。追逐大趨勢，但不能掩蓋其帶來的問題，更需勇于面對挑戰。徐躍家：上格云在樓宇機電系統運維項目中使用大型語言模型學習傳感器數據，形成節能運維模式，并自動分發任務以提高效率，這是一個明確的知識工程案例。另外，他們正在建立一個三維云平臺，用于人工智能算法的訓練和應用，識別建筑元素，生成仿真模圖，自動匹配機電系統。目前正在改進平臺，使其更易于編輯和優化，這代表了前沿領域的應用

107、。雖然上格云的AI和3D云平臺優化了工程運維，但我們不能忽視潛在的技術挑戰，應用邊界以及對勞動力市場可能產生的深遠影響。27生成式AI人居領域應用白皮書張英楠：我們的大模型目前僅供企業內部使用，但我們認為需要行業整體的頂層設計和統籌。建議由行業主管部門牽頭，邀請設計、制造、施工、運維等各階段企業共同參與，多方協作以攤薄成本、共創效益。目標是共同構建行業大模型，賦能整個行業，同時每個企業根據自身需求構建企業大模型，實現行業和企業大模型的融合，甚至發展成建筑業智能體。我們還希望已有的公開大模型產品在行業內有市場推廣機制，需防范忽視個體需求與整體的失衡。張昕：在樓宇機電系統運維項目中，考慮隱私問題至

108、關重要，需確保保護隱私的成本低于節能帶來的節省。因果循環復雜，涉及許多混合變量，數值的精確度并不總代表問題的準確解決或對客戶的精準服務。每個變量的數值差異具有專業意義，多變量決策不應僅依賴于專家評分的加權方法。?；谌后w樣本數據而忽視個體數據，因此群體的最優解不一定適用于個體。在運維中，追求數據精確便忽視隱私保護與個體需求是有問題的。單憑群體數據決策，遮蔽個體差異，很可能誤導的誤區。孫亮：萬物云得到萬科的支持，作為一家上市公司，在物業領域推廣AI和機器人是合理的。社區安防系統雖然成本高，但能節省人力成本，如監控陌生人和實現無感通行。設備維護較簡單，可能不需要人工智能，更類似于傳統自動化系統。這

109、個領域已有專門的廠商在進行研究。推廣AI和機器人成本權衡是不容忽視。機械化的設備維護中目前AI可能并非一切問題的解決方案，有時更應傾向于傳統自動化。吳若颯：國外建筑后運維市場前景良好，預計將持續存在。雖然人工智能應用在增長，可以替代某些決策和技術事務，但建筑后運維仍需要人際接觸，有多個難以替代的層次。不論建筑的高級程度，相應服務仍需人對人提供，與機器或系統服務存在明顯區別。這些服務雖可能不屬高端，但具有高增值價值。正在開發的大語言模型可能不會對建筑行業造成太大沖擊，主要目標是提高后期建筑市場的運維效率。但在前期設計階段可能有一定影響，例如通過建立實時用電模型節省成本。如果模型成熟，未來設計院可

110、能不再需要某些工程師進行計算，因為模型數據更準確，減少錯誤率和成本。人工智能在建筑后運維市場的應用和設計階段的節約成本潛力，展現出其顯著的優勢。然而，其對人際交互服務的影響及對專業職位的潛在解構挑戰，需要我們把握和應對。葉宇：城市規劃與設計是智力密集型的生產性服務業，通常以小組形式組織。無論是宏觀的國土空間規劃還是微觀的城市設計，常見的結構是一個項目負責人負責對接和決策，幾位有經驗的主創負責理念轉譯和過程推進，以及多位員工執行具體任務，形成“金字塔”式架構。新一代大模型支持的AIGC工作鏈有望提升圖冊和文本制作的效率，減少反復修改的工作量，減少基層人力需求，壓縮溝通環節。人工智能內容生成技術的

111、普及可能會促使城市規劃與設計的組織架構從“金字塔型”向“圖釘型”聯結關系轉變。如何在實踐中適應這種新型關系，未來仍需探討。AI技術的沖擊導致的組織架構轉型，其對工作流程和員工角色的深遠影響，將是未來重要的探討課題。28生成式AI人居領域應用白皮書QUESTION 10第十問人居領域的人才培養會有哪些改變？生成式AI給建筑人才培養帶來了很多新的啟發，是機遇也是挑戰。未來設計師角色會發生變化，優秀的建筑師會回歸初心，重新成為復雜系統和全產業鏈的統籌者。大模型將幫助建筑師更好地發揮主動性，以開放的心態，理解和融合文化、歷史、社會和其他多維度因素，創新設計思路。這種情況下，設計教育有必要更關注培養學生

112、挖掘論證核心問題、協調多方利益的綜合性能力。企業為了發揮新一代人工智能技術的潛力，需要研究人工智能技術的平臺化、集成式部署與私有化、風格化訓練等。這有望催生橫跨規劃設計與計算機領域的新興技術人才需求，并對學科教育提出深入改革的挑戰。張昕：我主持的清華大學本科教改項目旨在為建筑大類中的交叉探索賽道建立培養體系。我們設計了新課程計劃，減少傳統設計課程，增加自主選修的數理和工具類課程，并用大型科技公司實習替換建筑師的業務實踐。大三學生開始選修交叉設計課程，涵蓋多個領域。我們鼓勵設計背景的學生整合智能技術，改變教學方式，培養面對復雜問題的勇氣和使用新工具的能力。評價標準超越傳統的空間和形式。例如，上學

113、期項目融合AI影像和建館改造，需學生全面規劃，克服技術挑戰。教育對建筑師職業至關重要，未來建筑師角色可能變得模糊，需要重新定義建筑學學位，拓展為“架構師”。這是一個巨大變革，教師和學生需學習適應新體系，同時為他們提供更多可能性。專業教育不應局限于專業內，跨學科融合在AI時代至關重要，我們應關注不同行業間的連接與合作。充分整合交叉學科與現代科技，勇敢面對多元復雜問題，敢于挑戰未知，超越傳統教育視野，定義全新的“架構師”角色。徐躍家：專業去向正在變化，建筑師角色可能變得模糊。AI工具雖易用但需要高技能，擴展了能力邊界。創造力和架構能力變得關鍵。底層能力影響AI工具利用，核心能力更顯重要。這突顯了A

114、I教育的重要性，AI賦能建筑學生，拓寬能力范圍，模糊了專業邊界。建筑學正在被AI重塑，創新與架構能力更為核心。AI教育與賦能成為提升建筑學生能力、拓展視野的關鍵途徑。劉濟瑀：作為數字總監和經驗豐富的教師，我強調學生應全面理解建筑的含義，它不僅是社會環境的組成部分，還承載著社會文化和歷史。許多年輕建筑師和學生對文化理解淺顯，僅限于表面的圖案應用，而對社會、文化、歷史、氣候等方面的深入理解不足。因此，培養學生對建筑與文化、歷史的綜合思考非常重要。同時，利用AI技術收集設計地點的環境、氣候、文化信息是未來發展的關鍵方向。建筑師的培養不僅要學習基礎知識和技能，還應深入體驗和理解各類建筑，如體育館等，了

115、解其功能流程和空間布局。建筑師在未來需結合人工智能技術，成為體驗者和轉化者，考慮功能、空間感受、動線流線等，以及建筑設計的空間和歷史文脈。這是建筑師發展的未來方向。建筑既是社會的實體也是文化的烙印，而年輕建筑師對此理應有深度理解。AI技術將揭示環境和文化層面的深度信息，未來建筑師應兼具技術技藝和歷史感知，成為探索和連接歷史、空間、結構的使者。29生成式AI人居領域應用白皮書茅明睿：教育需要不斷迭代和變化。關鍵在于培養學生使用技術工具的能力，以增加就業靈活性。盡管通用人工智能可能減少某些教育崗位，法人代表等崗位仍將保留。未來，先進的通用人工智能將使小團隊能夠提供更強的服務能力。綜合能力強的人配合

116、機械臂將成為創業者的重要助手，而市場需求理解仍依賴于人類思考。設計團隊將利用人工智能完成任務，設計服務于生活的多個方面。大型語言模型可能引發懶惰，但同時也能激發新的能量和技能體系。不必擔心畢業后失業的問題。游戲場景設計和游戲設計領域的發展迅速，盡管游戲產業面臨挑戰，但這些領域仍吸引了眾多學生。虛擬空間設計是一個重要方向，數字空間的設計和沉浸式虛擬世界將成為必然趨勢，存在于與實體世界平行的獨特領域，不受傳統資源限制。教育需跟隨變革，靈活應用AI技術，并關注人的核心思考能力。數字化和虛擬空間設計盡展創新魅力，擺脫物質束縛，與大模型攜手催生新能量，塑造職業未來。張文佳：從大行業角度來看建筑師通常焦點

117、在圖像和設計風格，而規劃師則重視文字和具法定性質的圖像，這在視覺風格上有所區別。然而，對大模型而言，這無異于都是向量運算，由此，多模態技術的快速進展有望解決此問題。規劃專業對大模型的接受度高，卻在學習曲線上不及GIS等相關專業，因此難以明確提出對大模型的需求。這種狀況揭示了需要掌握大模型知識和規劃技能的專業人才，這需要培育具備交叉融合技能的人才。大模型將建筑與規劃的視覺差異歸一為向量運算，多模態技術能解決這一困局。人才現狀是，建筑與規劃行業的學生對大模型的學習曲線相對于其他專業陡峭很多，更需要提升人才對大模型的學習能力，未來社會頁亟需掌握專業技能同時深諳大模型的復合型人才。朱瑋：在AI學習中，

118、首要任務是消除對AI的顧慮和神秘感。未來學習重點將轉向“如何使用AI”以適應工作場景，學習門檻實際上并不高。隨著技術進步，會出現更多易用的AI賦能產品，工作習慣也將隨之改變。比如，從搜索引擎邏輯轉變為與AI的對話邏輯，學習如何與AI有效交流。例如，我們可以通過與AI的交流，使用草圖直接生成圖像，跳過傳統的多步驟流程。我們需要學習的是如何改變工作習慣、使語言更邏輯化，以及如何清晰表達思維草圖，即如何向AI提出要求。另一方面，將AI視為新的職業領域，需要另一種學習方法。設計工作流程中可能會出現專門的AI職位，如模型訓練或圖像生成，這些職位不僅需要建筑領域的專業知識，還要掌握AI的基本理論和相關知識

119、。未來人才需要首先破除AI的神秘感，掌握與AI交流是未來學習關鍵。與AI的有效對話隨技術發展變為核心技能，應將這一技能熟練掌握并變成工作習慣。李一帆：保持積極開放的心態對從事技術和商業工作至關重要，尤其是在建筑設計領域。深入了解新技術，包括GPT的原理，也是必要的。建筑設計已演變成復雜的知識領域，傳統教育未完全覆蓋。此外，有長期規劃的人可以考慮投身于大型企業的數字化轉型等領域，雖然具有挑戰性但機會存在。未來的人才可以分為兩種：創造知識和應用知識。人工智能能應用知識，所以在任何職位上都應爭取成為知識創造者。我們應努力減少簡單應用知識的程度，并充分利用人工智能提高效率。這將提升產業效率，影響知識創

120、造和其他人文方面?？傊?，在建筑設計領域，除了掌握傳統方法外，積極開放心態、保持初心、深入了解新技術和長遠規劃都至關重要。在建筑設計中，保持開放心態、深度理解AI的原理與技術，竭力成為知識創造者，而非僅停留在應用層面，將成為未來人才的核心素質。目的是更好的融入技術競爭環境，利用AI提升效率，推動知識創新與人文發展。30生成式AI人居領域應用白皮書徐躍家：在高等教育中，過度安排一切反而會剝奪個體的積極性和主動性，心理學稱之為能動性剝奪。我們注意到，從高校的角度來看，對初等教育仍然非常不滿意?，F在的孩子被過度安排，導致當他們進入高校時，尤其是像我們這樣從事設計工作的人，他們在創造和創意方面缺乏動力和

121、能力。他們從小就被要求按照指定的要求完成作業，時間也被嚴格限制，這使得他們一直處于失去主動性的狀態。對學生的過度安排可能造成“能動性剝奪”，壓制了學生的主動性和創新力，這在AI和設計等創新型領域影響尤為顯著。AI時代，人才的能動性是至關重要的，應引導更多自主探索和創新。宋銀灝：從培養人才的角度看，我們需要更多跨專業的復合型人才。舉例來說，我曾參觀了重慶大學周緒紅院士團隊的研究室，發現土木建筑研究生學習人工智能、機器視覺和機器人學等課程，有些學生還在編程和寫代碼。教育需要朝著創新方向發展，培養學生的特長，而不是追求他們成為“通才”。高等教育應激發學生的創造性思維，而非死記硬背知識。我們需要更多的

122、創新型人才，而不僅僅是超級記憶力的“超級大腦”。在人工智能迅速發展的背景下，教育理念和方式應與時俱進，更新教材至關重要。教師在培養人才方面的理解至關重要，一些老師可能僅僅機械授課，使用陳舊的教材，但創新和顛覆性的思考方式可能被忽視。未來人才培養應跳出傳統“通才”教育的框架，更注重培養AI賦能型復合專才。這需要教育引導創造性思維，并隨AI技術更新配套教育理念和教材。從陳舊教學方式中解脫，引領創新和顛覆性思考的教學模式至關關鍵。葉宇：政策的文本和理念的空間轉化一直被認為是規劃設計的關鍵技能。然而，隨著人工智能技術的發展，算法模型已能夠生成設計方案，這導致規劃師的角色發生變化。他們需要更專注于設計邏

123、輯構建，而不僅僅是文本和圖紙的制作。這也意味著從業人員需要更強的問題研判和批判思維能力。進一步說，問題研判變成規劃的核心內容后，各利益相關方的需求也可以在問題論證中得到滿足，城市治理中的多元合作和公眾參與將大幅提升。此外，由于需要處理復雜的綜合問題，設計師的協調者角色變得更加重要，他們需要加強跨領域的協作。在這種情況下，城市規劃與設計教育需要更關注培養學生挖掘核心問題和協調多方利益的綜合能力。對于企業來說，為了充分發揮新一代人工智能技術的潛力，不同設計單位需要發展新一代人工智能技術的平臺、集成部署、私有化和風格化訓練。這將產生對規劃設計和計算機領域的新興技術人才的需求，并對學科教育提出深刻的挑

124、戰。為了滿足這些需求，高校需要改變發展理念，通過不斷創新，推動技術賦能與教育邏輯的同步完善。規劃設計的未來在于設計邏輯和問題研判，而非僅局限于文本圖紙。設計師的協調者角色日益重要，強調了對綜合能力的教育培養。企業對新一代AI技術的應用挑戰了學科教育，高校需創新理念，實現技術與教育的同步提升。小結在這個技術快速發展的時代，人居領域和相關行業正處于變革的門檻上。我們與一系列覆蓋人居產業鏈各環節的杰出人物進行了深入的對話，這些人物包括來自教育、規劃、設計和運營領域的專家。他們不僅在自己的領域內積累了豐富的經驗，而且對大數據模型和生成式人工智能（AI）技術保持著敏銳的洞察力。通過這些交流，一個明確的趨

125、勢浮現出來：生成式AI正在逐步滲透到建筑行業的各個方面，從概念設計到項目實施，推動著行業以新的方式前進。特別地，基于擴散模型的工具正在改變設計師的工作方式，提升了創意的發展和視覺表達的效率。這些進步不僅加快了設計的迭代過程，還為設計師提供了一個探索建筑和空間設計新可能性的平臺，這是以往難以想象的。但是，技術革新的融入也伴隨著挑戰。成本和技術整合是推廣應用的兩大障礙。為了全面實現生成式AI在人居領域的應用，需要行業內的多方力量包括政府機構、私營企業、學術界和實踐領域共同努力，構建一個促進資源共享和技術合作的生態系統。這不僅要求技術層面的整合，也需要在戰略層面進行頂層設計和政策支持。31生成式AI

126、人居領域應用白皮書未來，智能代理的發展在技術創新、應用拓展和決策優化方面將為人居行業帶來深遠的影響。這些智能系統將提供更加精準和個性化的設計方案，優化項目管理流程，并增強風險評估的準確性。同時，不能不承認，AI技術的興起對行業人才的影響是雙刃劍。一方面，它要求從業者更新自己的技能集，以適應新的工作模式；另一方面，它也為行業人才帶來了新的成長機遇，鼓勵創新思維和跨學科合作。在當前建筑行業面臨的困境中，生成式AI技術可能成為轉型的關鍵。它為行業提供了通過創新實現成本效益和效率提升的機會。在這個關鍵時刻，擁抱AI技術，探索其在人居領域的應用，將對行業的未來發展方向產生決定性的影響。32生成式AI人居

127、領域應用白皮書生成式AI人居環境領域應用白皮書生成式AI應用的必要性和基本認知人居領域生成式AI應用的基礎大模型應用的現階段和未來前景：在建筑設計各階段都有用武之地，但其成本和復雜性是制約因素。大模型對于人居環境的多樣化應用場景：傳統模型、行業知識、專家經驗和非結構化數據。關鍵問題和應用挑戰：如何將行業知識融入模型，以滿足工程建設需求。大模型的交互性和工作流程的微調：帶來更快速的交互設計方式，但需要微調以適應不同工作流程。大模型的應用方式：目前主要通過API調用，但也有其他方式如Chat、Agent、Copilot和Plugins等的嘗試。大模型應用的基礎：包括兩方面，一是多模態大語言模型的基

128、礎，二是建筑行業知識工程與知識圖譜。知識工程與知識圖譜在建筑行業中的作用：知識工程將人類專家經驗和AI算法融入大模型生態，而知識圖譜則管理和表示這些結果以支持智能應用。技術手段和工具：常用的技術手段包括有監督精調、知識增強、人類反饋的增強學習和檢索增強，它們分別通過不同方法來優化模型性能，推理能力和效率。人居環境領域生成式AI的應用場景設計場景管理運維場景建筑設計師用了擴散模型工具生成效果圖，企業發布了相似工具，大模型在設計階段仍處初級階段，結合傳統模型和經驗，實現伴隨式設計。建筑機器人租賃貴，未來或簡化提作。AI用于銷售和安防，降低能耗需權衡成本。大語言模型提供個性化服務。住宅側重銷售和安防

129、，商業則提高運營效率。人居環境領域大模型的技術層級數據關鍵性：數據來源多樣，是大模型落地的核心。數據處理方式：向量化是主要處理方式，利用技術解耦數據。數據標注與整合：數據屬性需詳細標注，設計需涵蓋更廣泛領域，整合經驗至模型中。挑戰與解決：建筑領域數據稀缺，需解決真實性，有效性和及時性問題，提高數字化程度。知識圖譜的更要性：建設知識圖譜關乎知識工程，需加強基礎工作積累。專業人員與AI技術：專業人員進行微調、整合模型，不直接參與訓練?？臻g知識挑戰：大模型對空間知識理解不足，需結合BIM，GIS等工具以形成完整的時空慨念。建筑領域應用：大模型可連接設計，評估和建造，形成全周期解決方案，包括方案識圖、

130、三維模型生成和智能設計。關鍵要素：數據、連接和算法是構建行業大橫型的關鍵要素。連接的重要性：整合各要素、項目全過程和企業間的聯動，平臺實現軟硬件的集成與整合。平臺功能：臺支持項目管理、技術平臺和云中立功能，同時，業務中臺，數據中臺和物聯中臺深度融合，為各類行業提供支持。數據層算法層連接層大語言模型與生成式AI的全生命周期影響Transformer和Diffusion模型的能力設計領域的改變影響的階段和范國未來可能實現的直接生成設計方案AIGC的影響物業管理和AI機器人結合AI在設計和建筑運維領域的應用AI和社會倫理問題建筑行業的技術轉變人工智能和建筑設計建筑全生命周期的模型應用教育變革建筑師角

131、色的變化建筑設計的復雜性和全面性建筑師的能力和教育跨學科融合與教學更新教育中的個體能動性未來的影響、機遇、挑戰對設計對施工、管理、運維對人才培養APPENDIX附錄人居領域生成式AI代表性產品基于參與調研的各位專家及其機構的生成式AI實踐案例，我們進行了初步的分析，認為這些案例基本能體現出生成式AI人居領域應用的主流方式和技術路線。第一種方式是自行訓練專用大模型，主要是響應通用大語言模型無法處理的多模態需求，作為行業特殊需要的基礎平臺，比如飛渡崢嶸平臺的三維城市與建筑生成大模型，以及小庫的建筑設計大模型。第二種方式是私有化部署開源基座模型，并通過較為私有的領域數據微調，實現特定任務能力的提升，

132、或者實現特定的風格和身份特征。目前絕大多數涉及大量多模態知識的行業應用都是使用這種方式。第三種方式是基于云服務使用閉源通用模型，并通過 RAG 搜索增強等方式實現知識增強，目前物業客服等相對簡單的場景較為常見。但隨著基座模型能力的增強，上下文長度的增加和調用成本的降低等，很多目前基于第二種方式的應用，也會逐漸轉移到公有云和閉源模型方式。事實上這三種方式并不是嚴格分開的，也有不少兼有兩種方式特點的實踐。除了以上三種產品邏輯，當然還有大量從業者直接使用通用大模型產品或者調用API實現簡單的對話應用等。1、UrbanYX-城市認知大模型解決方案UrbanYX 是基于城市、面向城市的大模型解決方案，可

133、以為政府部門、企業、社工、規劃師、市民等對象，提供城市問題診斷建議、城市治理相關法律法規政策查詢、城市優質活動推薦、開店選址建議等城市場景服務。UrbanYX 基于海量的城市數據和規則，在大模型訓練中融入知識圖譜技術，支持插件開發和應用，可以提供更貼近城市治理領域的決策支持，為用戶帶來更智能、高效的城市問題的解決方案。主要功能33生成式AI人居領域應用白皮書飛渡崢嶸、小庫AIUnbanYX、廣聯達、品覽、國匠助手/元技能、上格云、PlanGPT、Construction-GPT 金茂、合景領域數據預訓練開源模型部署開源模型精調閉源模型調用/精調領域知識嵌入私域數據嵌入多模態能力融合案例檢索增強

134、自行訓練專用大模型開源模型微調(SFT、LORA等)+知識增強閉源通用模型+知識增強1.基礎服務：針對特定領域進行知識問答，采用圖譜檢索增強、向量檢索、大模型關鍵詞生成等技術，適配不同場景的領域問答需求，并提供文檔解析、知識搜索、文本生成、語義分析、知識抽取等服務。3.數字社工：提供政策咨詢、信息查詢、生活服務等問答功能，實現居民對于政策與辦事指引的便捷查詢，并為居民提供周邊生活服務設施導引與活動推薦。5.城市導游：通過TEXT2SQL進行相關活動查詢，并基于畫像數據進行城市探索路線、活動、場所推薦問答。2.城市醫生：生成實時城市空間畫像，完成動態城市體檢任務，產生問題診斷結果，并進行報告生成

135、，也支持通過插件進行市民訴求等細分方向分析。4.政策助手：引入和結合知識圖譜能力，進行更高效率的政策查詢問答與政策推薦。6.選址助手：提供開店選址、品牌分析、租房買房推薦服務，并生成實時自動化報告與問答。主要優勢2、小庫AI云小庫AI云，是基于小庫科技自有的AI建筑大模型能力，打造的一站式泛建筑AIGC創享平臺。平臺中包含三大核心模塊：靈感生成、模型訓練和共創共享。包含建筑垂直領域的底層AI大模型，分別可覆蓋建筑、室內、泛建筑領域需求。用戶可以自由地進行文生圖或圖生圖，實現靈感創意的一鍵生成與自由探索，并可以實現對成果的在線編輯和局部重新生成。云端模型訓練功能可以讓用戶使用1020張待學習的數

136、據集，上傳至頁面，輸入模型名等參數即可快速開始訓練。獲得自己的風格AI小模型。靈感廣場和模型集市，可讓用戶將生成結果和訓練好的模型分享至開源社區，獲得更多與其他用戶互動的樂趣，同時可以促進平臺和社區的不斷迭代和完善。目前小庫AI云已在全球擁有眾多專業用戶，并為知名設計和開發企業提供了保護團隊協作與專業內容的企業版產品。34生成式AI人居領域應用白皮書1.數據驅動決策：基于圖譜數據、結構化數據、文本知識進行模型的微調訓練，為通用模型注入豐富的城市領域知識，以此為基礎進行知識問答和決策。2.領域精準問答：通過自定義、自動化的文檔切分，形成知識單元，通過對知識單元進行修改關聯和圖譜檢索增強生成，減少

137、模型幻覺和增強城市領域問答的準確性。3.數據智能分析：基于 TEXT2SQL 對結構化數據進行調用分析，結合自主研發的認知計算引擎（指標算法低代碼平臺），調用計算引擎進行指標的實時計算，并基于計算結果進行診斷決策。4.時空知識表達：基于 TEXT2SQL 進行時空要素的查詢，通過知識圖譜管理地理空間實體，通過大模型進行空間數據的調用，突破了大模型空間理解能力的限制。5.智能報告生成：通過配置報告模板參數和數據調用接口，實現相似類型報告自動生成。35生成式AI人居領域應用白皮書AI創新路線豐富的外部AI生態接入能力企業&大模型融合構建場景AIl in AI業務供AI調用AIl in AI嵌入賦能

138、業務圖：AI 小助手處理辦公問題、策劃宣傳活動3、中國金茂的大模型探索金茂組織相關人員兼職成立 AI 大模型技術專項研究小組，以金茂數字科技賦能及業務拓展為研究方向，致力于探索 AI 大模型的潛在應用與商業價值。研究小組運用 AI 大模型技術初步實現了一些智能化場景。（1）企業 AI 小助手AI 小助手以EM為終端，通過小程序入口使員工能夠便捷的體驗到 AI 大模型能力，支持員工進行數據查詢、問題整理和思路拓展等。（2）經營數據即問即答可通過 nl2sql的方式對項目關鍵經營數據進行對話式即時查詢，用戶可點擊鏈接跳轉至系統報表。省卻了進入經營系統查詢報表的復雜操作，提升了數據獲取效率。（3）工

139、藝工法、國標、規章制度問答將內部工藝做法文檔、國標、規章制度等原始PDF、Word、PPT文件進行處理，使用檢索增強模型結合大語言模型能力，對一線員工提供綜合性知識服務。圖：經營數據即問即答 36生成式AI人居領域應用白皮書行業知識問答(RAG模型）工藝工法國標規章制度多輪用戶問題文檔知識庫抽取分割用戶意圖向量檢索AI大模型答案、參考生成總結摘要1摘要1摘要1段落1段落2段落3（4）工單自動分類針對報修工單、投訴工單、預驗工單等，使用歷史三萬條數據經過人工校對后對基模型進行微調訓練，達到由AI自動判別問題分類的目的，提升問題判定效率和準確度4、廣聯達廣聯達經過十三年的技術研發，結合最新的AI技

140、術、ChatBOT等對話式大模型，整合ArchiDIffusion生成式大模型，實現LoRA大模型訓練，形成智能AI建筑方案設計，支持建筑信息模型（BIM）大規模場景高效渲染，全專業百萬級建筑構件流暢顯示，支持大規模二維圖紙流暢顯示，桌面端2億面片時平均30FPS，Web端1.3億面片時平均20FPS，面向建筑工業領域的高性能、高擴展的工程圖形系統，其三維渲染效率、多端擴展性已超越國內流行的外國三維設計軟件。廣聯達依托于國產智能大模型及三維設計平臺打造的數維房建設計整體解決方案是一款全專業BIM正向設計解決方案型產品，該解決方案以廣聯達自主知識產權圖形平臺為基礎，結合智能大模型，在上層搭建了涵

141、蓋建筑、結構、給排水、暖通、電氣等多專業在內的智能設計工具端，通過“云+端”的形式，結合平臺級支撐的構件級數據協同設計與設計成本一體化應用。（https:/ and white,residence.AI生成戶型方案圖像識別生成戶型圖紙生成3D模型生成建筑施工圖AI生成總圖方案圖像AI生成結構方案圖像識別生成結構圖紙生成計算分析生成結構施工圖生成日照分析模型Prompt:Community master,plan.Prompt:結構體系，高度，抗震等級.戶型輪廓手繪總圖概念手繪建筑平面方案戶型設計業務場景總圖設計業務場景剪力墻設計業務場景概念創意設計階段機器學習-AIGC工程詳細設計階段生成式算

142、法-GD基于目標優化強排生成總圖施工圖37生成式AI人居領域應用白皮書報修工單三萬條歷史工單數據校驗大模型微調訓練工單自動判別準確率超過90%投訴工單預驗工單5、品覽筑繪通筑繪通（AlphaDraw）是面向工程領域的新一代智能設計平臺。它嵌入包含行業標準數據、規范要求、工程經驗及常用做法的知識庫，同時搭配強大的工程設計智能生成算法，實現繪圖10倍提效。同時支持云端設計操作，多人協同作業，可實現項目團隊基于同一模型進行高效合作。筑繪通具有五大能力：品覽云CAD品覽云CAD是云上的工程設計平臺，不再有設備性能限制；再無未保存風險，項目文件始終保留最新操作；支持30人在線實時協作編輯，統一項目文件，

143、不再有版本管理困擾；支持在線實時評論，項目成員可實現更高效協作。AI識圖AI識別CAD圖紙，自動進行構件識別、空間識別，擁有遠超人工的質量與效率優勢?；贏I識圖能力，可以將CAD圖紙快速轉化為BIM模型，且可實現智能合規性審查，智能識別和提示設計錯誤，幫助設計師減少設計缺陷。AI畫圖品覽AI畫圖算法不斷學習優化，可輔助設計師繪制各專業施工圖紙，在符合設計標準的同時節省90%時間，如智能樓梯排布、智能地暖排布、智能標注、機電圖紙一體化出圖。Text to BIM 建筑模型生成助手，基于海量的建筑工程數據，通過文字描述輸入建筑模型要求，如建筑功能類型、建筑高度要求、場地邊界要求、功能分區面積配比

144、等，也可對接建筑大語言模型生成的設計任務書，生成符合要求的建筑方案模型，且模型可寫入筑繪通繼續深化設計。建筑大語言模型基于專業語料包括行業規范、設計說明、可研報告等預訓練的建筑大語言模型，不僅支持規范問答，還可以通過文字描述輸入項目需求，可生成合理規范的設計任務書。并可根據行業經驗和規范要求，給出功能分區與面積配比的細化說明。6、國匠城一元技能國匠城基于城市規劃行業知識庫，面向行業提出AI時代的“元技能”概念。在多年積累的基礎上，綜合公開文獻與政策，形成知識學習模型，通過“元技能果小匠”微信助手的形式，為用戶提供知識服務。另外，通過訓練圖像大模型，形成“元技能意向圖”工具，結合AIGC教學為用

145、戶提供業內需要的不同類型的設計意向圖。通過匯集微信文章、政策規范、公示案例等公開文獻，以及多年編寫自建的自有知識庫，結合大語言模型的對話能力，建立服務行業從業人員的知識助手，通過問答的形式幫助用戶更好地了解行業資訊，獲取精準信息，協助用戶提高學習效率與工作效率。目前已應用于國匠城知識社群。果小匠知識助手38生成式AI人居領域應用白皮書元技能意向圖工具通過圖像大模型結合實景照片、AI方案等進行訓練，形成具有獨特風格的意向圖生成工具。目前已應用于AIGC課程AIGC在建筑、室內、景觀、規劃設計行業的應用教學，方便學員和從業者便捷地生成工作中所需意向圖。未來通過模型的積累，基于意向圖工具，計劃形成專

146、業全面的設計模型庫，從而推動AI認知模型在建筑設計領域的發展，推動形成基于模型的新的認知方式與設計流程。RCCDOMS.AI風險隱患全集動態計算引擎以數字孿生為基礎，利用AI風險動態計算引擎持續收集、計算資產未來失效概率，并提供基于不同目標的預防性風控策略，再通過線上化工具驅動標準化的作業程序落地，實現設備設施管理的PDCA正循環。RCCDOMS借鑒了經典可靠性工程的基本理論和方法，結合建筑設備設施管理領域的業務特點做了改進和完善，首次實現了風險知識全覆蓋、可觀測、可計算的管理體系，讓管理決策從傳統的“經驗依賴”轉為“AI驅動”，讓“復雜管理決策”變為“簡單價值選擇”。設備設施管理專業領域，人

147、工智能“五邊形戰士”京衡 風險隱患全集動態計算引擎TM全面數字化：建立以數字孿生為基礎的可視化設備設施信息全集，實現全周期檔案數字化；AI+專家知識輔助：專業文獻理論+老專家實踐，預置標準和知識庫，結合AI自學習，無死角精準隱患概率和量化尋優風控策略；全過程服務保障：基于PDCA閉環管理的全過程服務，流程線上化、團隊專業化、內容標準化、有效保障價值落地。7、上格云39生成式AI人居領域應用白皮書數字化交付服務盡職調查服務設施顧問:月度/季度管理復盤服務數寧孿生說明書數據決策系統工單系統0102030405A：策略改進C：資產風險復盤評估06P：基于成本和風險量化的策略制定D：策略執行跟蹤全部風

148、險事件：基于部件的失效模式+影響分析、風險事件應知盡遍歷全部隱患因素：基于隱患因素的隱患樹、初始化先驗值t40生成式AI人居領域應用白皮書評估全部運維措施：刷新風險及隱患概率、維修/更換/巡檢/維保策略、量化成本及效用帶入全部觀測數據：多源互驗，全面捕捉風險隱患表征、全面感知和理解41生成式AI人居領域應用白皮書數字孿生說明書智慧建筑運維管理數據標準是建筑數字孿生的基礎標準，是實現多源數據融合，孿生與物聯網融合，多業態標準交付，數據場景化服務的關鍵基礎。該數據標準以建筑數字化相關國家標準和BIM系列標準為基準，近10年來歷經上千個項目的應用，完成了6次迭代?？梢杂行е螖到ㄖY產管理的數字化、

149、智能化革新。數字資產：項目完美投影在數字世界、全屬性（物理/管理/策略/工單/物聯網等信息屬性）全生命周期記錄！高效查詢：以設備設施資產數據長久、高效的檢索與使用為目標，通過數字化平面圖、可視化模型、關系圖、系統圖等方式，呈現資產運維管理各場景中的全維度信息。業務聯動：支撐供配電調改、漏水響應、消防聯動、租戶斷電、空調過熱排查、設備故障診斷、三維聯動等業務高效聯動，新員工快速上手，不依賴老師傅。8、建筑工程技術資料對話大模型Construction-GPT建筑行業作為正處于數字化轉型起步時期的傳統行業，長期被以下3個問題困擾：建筑行業所涉及的規范標準數量龐大，更新速度快，難以全面檢索；工程圖集

150、規模龐大，對于某一節點詳圖、構造做法的具體描述位置，難以快速搜尋；建筑工程技術知識內容繁雜，難以全面、深入掌握?；谏鲜霰尘?，上海建工四建集團建筑人工智能研究室自主研發了建筑行業首個百億字符知識增強對話大模型Construction-GPT，于2023年10月16日正式上線，實現了規范標準智能問答與查新、工程圖集詳圖智能搜索、內控技術文件智能查詢、私有知識庫智能構建4項主要功能，為四建集團1000余名技術人員提供了便捷、智能、準確的建筑工程技術資料檢索與問答工具，不僅可以快速查找技術原始資料，更能根據用戶提問，提供專業解答。截至2023年12月1日，企業內部累計使用次數已達60000次，日均使

151、用超過1000次。42生成式AI人居領域應用白皮書Construction-GPT界面展示43生成式AI人居領域應用白皮書知識檢索，問答查詢研發團隊利用自主研發的建筑專業詞嵌入模型、半監督微調、大模型價值對齊3項關鍵技術，實現了5000余本規范標準、1000余份工程圖集、150余份公司內部技術文件的智能解析，技術人員可通過對話問答方式，快速、全面了解最新詳細規定與要求，并提供準確、專業回答。高效推理，答案溯源AIDAC數據吞吐加速技術的加入有效地提高了Construc-tion-GPT的推理速度，在無網絡延遲測試下，回答僅需510秒。此外，Construction-GPT打破了以往通用大模型的

152、“謠言機制”，為每個回答提供了準確出處信息與索引資料來源，可一鍵打開索引資料鏈接進行深度查詢與檢索。知識解析，私家助手此外，技術人員還可根據個人存儲資料開展相關檢索，通過研發團隊自主研發了多模態數據解析算法，技術人員僅需一鍵上傳文件，Construction-GPT 便可自動解析常見的文檔、圖紙、音頻格式文件，打造個人專屬智能知識檢索系統。雙端同步，隨叫隨到除平臺網頁端外，為了方便技術人員能夠隨時隨地開展技術資料檢索，研發團隊同步開發了Construction-GPT小程序端。在同一賬號下，小程序端與平臺網頁端可實時同步歷史問答對話內容，并支持語音輸入，方便身處工地現場的技術人員使用，讓“行業

153、專家”隨時在身邊。一鍵查新，輔助辦公最后，研發團隊還建立了規范標準動態數據庫，開發了規范標準智能查新功能模塊，解決了技術人員難以了解規范標準最新修編情況的難題，技術人員僅需一鍵復制粘貼，便可快速更新規范版本。Construction-GPT具有以下5個特點：9、PlanGPT-規劃專業大模型為了提高規劃師與規劃院的城鄉規劃工作效率，北京大學深圳研究生院行為與空間智能實驗室提出了一個在規劃領域的專用大型語言模型（LLM）PlanGPT。該模型不僅利用了本地知識數據庫和網絡搜索功能，還通過特定領域的微調，成功地解決了城市規劃文本帶來的獨特挑戰以及通用大模型在行業領域應用中的不足。經過一系列實證測試

154、，PlanGPT在城市規劃領域表現出色，為規劃師提供了更高質量的回復，也帶來了文本分析、生成等應用上的便捷。PlanGPT有望給相關工作帶來效率提升，促進城市（鄉）規劃領域的智能化轉型。城市規劃領域的文本呈現出幾個明顯特征：同構性、異質性和政府官方文風格。同構性指的是規劃文本通常使用一些固定的短語結構或句子結構，比如“完善區域的城市功能、梳理支撐體系”，“科學合理、高標準”，“宏觀背景、產業發展、空間格局”等，極大地增加了信息檢索等難度。異質性表現為不同的規劃文本在文章內容、寫作結構、行文風格上存在差異，不利于模型的訓練和數據微調。城市規劃領域旨在為政府機關和社會建設提供服務，因此規劃文本通常

155、會具備政府文件的風格。然而，通用大型模型在訓練過程中往往較少接觸到這種特定的語言風格，這導致輸出文本往往無法滿足城市規劃者的需求。為了解決這些問題，BSAI團隊提出了大語言模型PlanGPT。PlanGPT具備一個可自定義的向量數據庫檢索系統，能夠在同構或異質的規劃文本中精確提取有用的知識。同時它還能充分利用網絡搜索工具獲取外界實時信息，緩解了模型因離線訓練造成的信息滯后問題。此外，通過收集網絡上公開的城市規劃材料和來自規劃論壇的大量語料數據，我們制作了“城市規劃公開數據集”(Urban Planning Open Data-set)，并對模型進行了微調，將領域特定的知識和語言風格融入大語言模

156、型中。PlanGPT具有多源數據的檢索與處理能力，能夠為各種城市規劃的相關任務提供全面支持。PlanGPT包括四個核心組成部分：Vector-LL-M、Local-LLM、Web-LLM以及Integrate-LLM，整體框架如下圖所示。44生成式AI人居領域應用白皮書Query:粵港澳大灣區有哪些通勤特征?Vector LLMVectorCrawlerFine TuningResponse:Web LLMLocaI LLMFinal OutputResponse:粵港澳大灣區具有以下通勤特征:1.通勒交通長期持續動態演變：從珠三角“到大灣區，隨著空間格局、產業轉型及交通體系的完善而不斷的發展

157、。2.跨市通勒緩慢恢復：.Reference:【1】中規院深圳分院通勒流動視角下的粵港演大灣區：中港澳大灣區是世界城市群中邊界最復雜.Response:根據最相關的網頁檢索內容0，粵港澳大灣區內的城市分布較為集中，其中廣州和深圳的人口和經濟規模較大，香港和澳門則是特別行政區和重要的國際航運中心。.Reference:【0】基于位置服務大灣區的喜港澳大灣區通勒標度特征分析。Response:粵港澳大灣區是一個人口集中、經濟發達的地區，其通勒特征:1.人口密度高:粵港澳大灣區人口眾多，經濟發達，城市化程度高,人口密度大。區域內人口數量占全國人口總數的比例較大，而且人口增長迅速。2.經濟活躍:粵港澳

158、大灣區內擁有多個國際大都市，經濟發達商業活動頻繁,每天的早晚高峰時段都有很多車輛在道路上行使。Response:粵港澳大灣區具有以下通勤特征:1.通勤交通長期持續動態演變:從-珠三角“到“大灣區”，隨著空間格局、產業轉型及交通體系的完善而不斷的發展。2.環灣城市作為通勤人口及就業崗位聚集重心的趨勢仍在加強：通勒人口居住地和就業地以廣州、深圳和東莞等超大城市中心區及周邊區縣為主，是人口、崗位的集聚重心。與2020年相比，2021年.Rank 1SummaryScoringIntegrate LLMRank 2Rank3-Vector-LLM 是PlanGPT的精確檢索引擎，專為同構或異質的規劃文

159、本設計。它通過自定義的向量數據庫系統，能夠迅速且準確地搜索和提取有價值的信息。-Local-LLM 利用城市規劃公開數據集進行微調，為PlanGPT提供了該領域特定的知識基礎。這一組件讓模型能夠更好地理解和回答城市規劃領域的問題，提高了模型的實用性和適應性。-Web-LLM利用網絡搜索功能，讓PlanGPT能夠獲取實時數據進行決策分析，賦予了模型與外界信息保持同步的能力。-Integrate-LLM 使用打分（Score）或總結（Summary）技術，將前述各部分組合在一起，使PlanGPT能夠采用更準確、高效的方式應對城市規劃領域的各種挑戰。功能當前版本的PlanGPT不僅擁有豐富的地理和規

160、劃知識，還具備了三大核心能力：知識檢索、文本生成、信息融合。此外，PlanGPT 團隊搜集全國省、市、縣、區的國土空間總體規劃方案（公示版），地理知識、規劃知識問答，互聯網論壇、百科、問答，公示論文等相關材料，經過去重、高質量數據篩選等數據預處理、任務劃分、數據增廣等至30000余份高質量微調數據，進一步對PlanGPT模型進行微調與知識注入。同時繼續完善模型RAG 部分（包括Plan-Embedding、Plan-Keyword、Plan-DB三個技術），顯著提升規劃文本的檢索準確度。最后增強基于規劃師反饋的強化學習過程（RLPF），讓生成文本符合規劃師偏好與安全審查。-知識檢索：PlanG

161、PT擁有調用工具精確檢索的能力。作為城市規劃領域的智能助手，它可以在在線（網絡）或離線（數據庫）地從海量的城市規劃材料中檢索信息，幫助從業者便捷地了解領域內的重要背景，加強了規劃決策的可信度。-文本生成：PlanGPT在較長文本生成上表現優異。經過大量公開的規劃文本微調后，已經能夠生成具有政府文件與規劃領域風格的語言，可用于創建、擴寫與城市規劃相關的文檔和報告，減輕從業人員的寫作負擔。-信息融合：PlanGPT 具備出色的信息整合能力。打分模式（Score）會自主選擇合適的工具去應對不同的任務場景，總結模式（Summary）能在多模態的數據中取長補短，為從業人員盡力提供最優質答案。45生成式A

162、I人居領域應用白皮書10、合景悠活物業智能客服大模型合景悠活集團全稱“合景悠活集團控股有限公司”，作為全業態智慧服務運營商，于2020年10月30日在香港聯交所主板成功上市（代碼：3913.HK）。目前一線管家往往在分散響應客戶需求，瑣碎事務纏身，生活和工作根本無法平衡，同時公司對一線服務質量把控深度不足，服務質量也無法得到有效監控和提升，大模型和AI恰好可以輕松解決當下這些痛點，給行業帶來先機并助力行業穿越周期，真正地解放一線員工，提升對客服務質量。在可預見的將來，物業服務將形成虛實結合的超級管家“1+i”服務模式，即1名真人資深管家完成顯性化和走動式對客服務，提升客戶感知和體驗，1名數字管

163、家作為數字孿生助手，負責生活場景下大量的客戶服務需求高效識別并完成內部信息的對接和流轉，二者發揮各自優勢，服務過程進行階段性信息共享，同時集團集成指揮中心承擔服務質量監控和品質兜底工作，24小時全天候為客戶提供高質量服務，通過重構數字觸點實現服務重生。合景悠活率先與騰訊云成立了行業第一家聯合創新實驗室，探索前沿技術在物業領域的應用落地。隨著騰訊云行業大模型的發布，雙方開始聯手打造物業行業客服大模型?；隍v訊通用大模型底座，騰訊云結合龐大的算力系統，對物業行業語料、行業法規、客戶語料、業務數據等進行訓練，打造自動聚合的工單系統，實現大模型的能力跨越；46生成式AI人居領域應用白皮書02.傳統智能

164、客服痛點分析01.物業人工客服痛點分析從通用大模型到合景大模型，聯合騰訊打造合景超級管家客服大模型合景悠活基于其對客戶服務的專業理解，梳理物業管理全場景，構建模型訓練輸入的內容框架體系和輸出成果的質量標準評價體系，梳理大量歷史會話數據并重新設計精調為高質量會話數據，在節省算力的同時確保模型的訓練成果可對標行業服務高水平。在雙方的共同探索和努力下，成果已形成了SOP并在有序推進中，讓大模型懂業務，未來可以實現對管家業務的賦能和服務模式的重構?？蛻糇C言：“經過半年的努力，我們認為模型已經跨過L2級別深度理解服務需求階段，L3階段將與企業服務工單掛接，自動生成工單并流轉至一線員工 呈現服務閉環，真正

165、實現信息流0成本運轉的高效服務，接下來我們將在社區里進行服務試點，成功后快速鋪開”，王建輝如是說。47生成式AI人居領域應用白皮書騰訊云智能客服基于領域大模型，增強語言理解和問答生成，解決客服的數據生產高、跨場景適配差的問題，提供精準高質量的智能對話服務，加速滲透基礎能力產品能力場景價值為客戶服務和營銷降本增效任務監督數據資料庫生成問題答案問答生成模型用戶問題回答Prompt訓練對比學習強化學習表格問答模型冷啟動模型語義匹配模型語言理解模型問答模型強化學習訓練調優后的大模型理解語言模型快速審核再行業模型對話:意圖理解準確對話:多輪對話(上下文)對話:知識庫匹配知識庫:問題/相似問生成知識庫:基

166、于數據/資料，生成知識和答案對話生成:客戶未維護的問題/多意圖，自動生成答案對話生成:通用知識和答案生成，用于兜底客戶服務成本下降接待/銷售效率的提升文本客服bot智能輔助bot電話客服bot會話分析11、飛渡崢嶸大模型崢嶸大模型，是飛渡科技基于多年行業積累的3D數據集，通過人工智能技術實現數字孿生領域中三維內容生成大模型。它的核心是解決多模態、低信息的數據，升維為高信息量、高可計算性的行業可用數據。崢嶸大模能夠輸入：文本，圖像，草圖，傾斜攝影三維重建模型，視頻等數據，按照不同行業、不同業務場景的需求按需自動化或半自動化生成高信息、高可計算性的三維場景-這類似于是打造一個“三維專題圖AI生成器”及基于AIGC三維數據生產工藝。包括：建筑、地形、植被、水域的全要素場景自動化重建，節省大量城市底板建設成本（包括人工3D建模成本和數據存儲及服務成本）。該產品解決了傾斜攝影三維重建的視覺效果差和人工加工成本高問題，是第一個支持城市級數字底板生成與更新的3D大模型。同時具備泛化為通用模型的潛力，可延伸影視、游戲、娛樂等產業。48生成式AI人居領域應用白皮書