好问题。接下来三个技术专题，就是专门回答这个问题的——
从生成→理解→优化，看看AI怎么一步步从"好看"变成"好用"。
AI × EPC · 学术技术交流
2026 · 设计专题
AI 时代下
EPC 模块化项目
方案设计赋能
从生成式 AI 到智能设计工作流
汇报人：闾秉晟 | 中建八局总承包公司设计研究院 | 2026.08
01 · 开篇
先问一个问题
设计院最贵的资产是什么？
不是软件、不是模型，而是 人脑中的方案能力
📉
~0%
方案阶段仅占 EPC 总投入，却决定了 70%+ 的项目成本
⏱️
0 周
传统方案设计周期：概念 → 比选 → 深化，人力密集型流程
⚡
0 小时级
AI 介入后，多方案并行生成可压缩至小时级
核心命题
AI 不是替代设计师，而是 放大设计能力 —— 把时间还给思考，把选择交给判断
01 · 开篇
AGENDA
今天聊什么
01
开篇：AI 浪潮下的设计行业变革
行业数据冲击 · 设计角色迁移
02
趋势：AI + 建筑设计前沿综述
技术演进 · 论文趋势 · 行业采用
03
技术深度 ①：生成式 AI
GAN / 扩散模型 · 立面与概念生成
04
技术深度 ②：LLM / VLM
规范合规 · 空间智能 · 设计 Agent
05
技术深度 ③：布局与造型优化
GNN / 强化学习 / 性能化设计
06
行业案例 & 展望
国际事务所 · 科技公司 · EPC 未来图景
重点：三个技术深度专题，结合近三年 22 篇前沿论文 与行业案例展开
01 · 开篇
NARRATIVE ARC
故事线：从一张草图到一座建筑
今天的故事，跟着一位建筑师走完一个 EPC 项目的方案设计全程
02 · 趋势
TECH EVOLUTION
AI 技术演进全景
2014
GAN 生成对抗网络
图像生成奠基
风格迁移 / 变体
风格迁移 / 变体
2017
Transformer
注意力机制
序列建模革命
序列建模革命
2021
扩散模型
高质量图像生成
文本到图像
文本到图像
2023
大语言模型 LLM
语言理解 / 推理
规范检索 · 合规检查
规范检索 · 合规检查
2025–26
多模态 Agent
VLM 空间智能
设计全流程智能体
设计全流程智能体
建筑设计的 AI 应用，正沿着「生成 → 理解 → 推理 → 决策」的路径快速演进
02 · 趋势
RESEARCH DATA
论文趋势：AI + 建筑进入爆发期
arXiv 相关论文数量（示意）
AI × Architecture 方向 2020–2026
三大技术方向占比
02 · 趋势
INDUSTRY PULSE
行业采用现状：AI 已进场，但角色是「增强」
0%
英国建筑事务所已使用 AI（2025 调查）
0%
真正因 AI 裁员的比例
AI 是「增强」而非「替代」
TOP 0
主要用途：概念生成 · 渲染
规范检索 · 合规检查
🎨
概念生成
方案发散 / 意象探索
🖼️
渲染出图
效果图 / 可视化
📚
规范检索
条文查询 / 知识问答
✅
合规检查
自动审图 / 风险预警
02 · 趋势
CHINA CONTEXT
中国语境：EPC 模式的价值杠杆
设计 Design
→
采购 Procurement
→
施工 Construction
EPC 价值链：设计阶段是高杠杆点
1
政策驱动
装配式建筑、绿色建筑、BIM 应用的政策目标，倒逼设计工具升级
2
规模化需求
模块化、标准化设计在大体量住宅 / 产业园项目中天然适配 AI 生成
3
一体化数据流
EPC 模式让设计数据可贯通采购与施工，形成 AI 训练闭环
02 · 趋势
ROLE SHIFT
从「画图」到「决策」：设计师角色迁移
✍️
传统 · 生产者
亲手绘制每一张图
「我画什么，就是什么」
🎯
现在 · 策展人
从 AI 生成的多个方案中
「选择、判断、决策」
🎬
未来 · 导演
定义目标函数与约束
「驾驭 AI，而非被 AI 驾驭」
一句话
AI 时代，设计师的核心能力从 「画得好」 转向 「问得好、判得准」
APPENDIX · 附录一
AI 概念示意图集
汇报中涉及的全部 AI 生成图像一览 · 共 8 张
封面主视觉
AI × 建筑设计 · 滨海意象
AI 生成式立面
生成式立面方案对比
AI 平面优化
多目标平面自动优化
AI 室内方案
住宅客厅设计推演
AI 办公空间
办公空间氛围模拟
批量单元生成
住宅单元批量生成示意
AI 改造方案
城市更新设计推演
未来愿景
AI 赋能设计院全景图
8 张 AI 生成示意图 · 均由 Agnes Image 模型渲染
🎭 对抗时刻 · 务实派老板
👨💼 务实派老板 · 质疑
"你说了这么多趋势、论文、数据，听着挺热闹——但AI到底能不能帮我们做方案设计？
我试过那些AI生图，出来的东西比例不对、结构不合理，
甲方一看就说不行。这玩意儿到底能不能落地？"
我试过那些AI生图，出来的东西比例不对、结构不合理，
甲方一看就说不行。这玩意儿到底能不能落地？"
02 · 趋势
02
三个技术深度专题
接下来逐一深入展开 —— 每个专题都对应近三年最活跃的研究方向
🎨
① 生成式 AI
GAN / 扩散模型
从像素到体块
💬
② LLM / VLM
语言 + 视觉
从语言到空间
🧭
③ 布局与优化
GNN / RL / 进化算法
从经验到寻优
03 · 技术深度 ①
03
生成式 AI 技术深度
GAN · 扩散模型 · NeRF —— 从像素到体块，重新定义「方案意象」
📖 故事线：建筑师拿起画笔，画了第一张草图 —— AI 如何帮 TA 把灵感变成意象？
◆ GAN：对抗博弈生成 —— 风格迁移、立面变体
◆ 扩散模型：噪声中去伪存真 —— 概念草图、效果图
◆ 程序化 + 扩散混合：可编辑性 × 丰富性
◆ 性能驱动生成：让「好方案」直接长出来
◆ 扩散模型：噪声中去伪存真 —— 概念草图、效果图
◆ 程序化 + 扩散混合：可编辑性 × 丰富性
◆ 性能驱动生成：让「好方案」直接长出来
03 · 技术深度 ①
TECH DEEP-DIVE ①
GAN：从对抗到立面生成
对抗博弈原理
GAN-DUF：自由形态几何不确定性下的分层深度生成
Hierarchical Deep Generative Models for Design Under Free-Form Geometric Uncertainty · 2022
GAN分层生成不确定性建模
arXiv:2202.10558
A
立面纹理与风格迁移
将既有建筑风格特征迁移到新方案，快速产出风格化立面变体
B
方案变体生成
同一体量下的多种立面语言探索，辅助方案比选
C
局限（诚实版）
模式崩溃（多样性坍缩）、分辨率受限、几何细节不可控
GAN 的定位：快 —— 立面意象的快速草图级探索，而非最终成果
03 · 技术深度 ①
TECH DEEP-DIVE ①
扩散模型：新一代主力
去噪生成过程
✓
为什么更适合设计
可控性（ControlNet/提示词）+ 多样性（随机采样）+ 语义理解（CLIP 对齐）
Text Semantics to Image Generation：基于 Stable Diffusion 的建筑立面设计
A method of building facades design based on Stable Diffusion · 2023
Stable Diffusion文本驱动立面设计
arXiv:2303.12755
✦
关键发现
文本语义可精确控制立面风格要素（材质、开窗、比例），让「语言描述 → 立面方案」成为现实
03 · 技术深度 ①
PAPER CASE ①
Pro-DG：程序化扩散引导
Procedural Diffusion Guidance for Architectural Facade Generation · 2025
核心创新：两种建模范式的融合
程序化建模
+
扩散模型
程序化的可编辑性
参数化规则驱动，结果可精确调整
扩散的丰富性
生成质感细腻、风格多样的立面表现
1
以程序化规则为引导
扩散过程受建筑学规则约束，避免「AI 味」的不合理细节
2
结果可参数化编辑
生成后仍可调整窗墙比、层高等关键参数 —— 符合建筑师工作习惯
3
对 EPC 的启示
方案阶段的可编辑性 = 设计深化的连续性，不打断现有工作流
03 · 技术深度 ①
PAPER CASE ②
草图到概念：结构感知扩散模型
From Architectural Sketch to Conceptual Representation · 2025
手绘草图
→
结构感知扩散
→
概念表现图
✏️
把「手绘语言」变成 AI 输入接口
建筑师最自然的表达方式是草图，模型保留草图的结构意图，而非仅做像素级转译
方案设计阶段的价值
Using Text-to-Image Generation for Architectural Design Ideation · 2023
文本到图像概念构思
arXiv:2304.10182
03 · 技术深度 ①
PAPER CASE ③
采光驱动的生成设计
Generating Daylight-driven Architectural Design via Diffusion Models · 2024
性能目标嵌入生成过程
☀️
从「检验」到「生成」
传统流程：方案 → 采光模拟 → 返工；新范式：采光目标 → 直接生成方案
🧩
EPC 模块化结合点
模块化单元在采光约束下自动排布，生成性能优良的标准模块
趋势判断
性能化生成是生成式 AI 与工程实践结合的关键桥梁
03 · 技术深度 ①
PAPER CASE ④
城市更新：历史风貌保护的 AI 工具
Advancing Urban Renewal：历史骑楼立面自动生成
Automated Approach to Generating Historical Arcade Facades with Stable Diffusion · 2023
Stable Diffusion历史风貌城市更新
arXiv:2311.11590
Sketch-Based Facade Renovation With Generative AI · 2026
以草图驱动的立面翻新框架，绕过竣工模型缺失问题
草图生成存量改造
arXiv:2601.08531
🏛️
风貌约束下的生成
风格约束确保生成结果符合历史建筑语汇，可用于修缮方案比选
📐
存量改造新路径
没有竣工图的老建筑，用草图 + AI 直接生成翻新方案，绕过传统测绘瓶颈
🏗️
EPC 存量市场
城市更新型 EPC 项目中，AI 可大幅降低前期勘测与方案成本
03 · 技术深度 ①
HONEST LOOK
生成式 AI 的能力边界（诚实版）
✅ 能做的
· 意象生成与概念发散
· 风格探索与多方案快速比选
· 立面语言实验
· 汇报材料的可视化表达
⚠️ 做不到的
· 精确几何控制（仍需程序化 / 参数化兜底）
· 规范合规保证（生成 ≠ 合法）
· 结构合理性（形式 ≠ 受力可行）
· 施工可行性（图像 ≠ 可建造）
结论
生成式 AI 是「想象力放大器」，不是「设计替身」 —— 前者放大价值，后者是幻觉
🎭 对抗时刻 · 技术质疑派
🔬 技术质疑派 · 质疑
"生成式AI确实能出漂亮的图，但你刚刚自己也说了——
几何不可控、规范不能保证。那它到底有什么用？
不就是个高级效果图工具吗？"
几何不可控、规范不能保证。那它到底有什么用？
不就是个高级效果图工具吗？"
说得对。生成式AI自己确实搞不定——
但如果把生成式AI和LLM组合起来呢？
一个负责想象力，一个负责规范性和可控制。
但如果把生成式AI和LLM组合起来呢？
一个负责想象力，一个负责规范性和可控制。
04 · 技术深度 ②
04
LLM / VLM 技术深度
大语言模型 × 多模态视觉 —— 从语言到空间，让设计知识可对话
📖 故事线：方案有了意象，但规范满足了没有？AI 来帮你审图把关
◆ LLM 规范合规检查：条文 → 可执行规则 → 自动审查
◆ VLM 空间智能：理解图纸、评测空间、检索案例
◆ LLM 生成户型：从「生成图片」到「生成可编辑布局」
◆ AI Agent：规划、调用工具、迭代 —— 设计全流程助手
◆ VLM 空间智能：理解图纸、评测空间、检索案例
◆ LLM 生成户型：从「生成图片」到「生成可编辑布局」
◆ AI Agent：规划、调用工具、迭代 —— 设计全流程助手
04 · 技术深度 ②
TECH DEEP-DIVE ②
LLM / VLM 能力图谱
LLM · 语言智能
· 设计规范检索与条文解读
· 方案推理与概念文案生成
· 合规条款 → 可执行规则翻译
· 会议纪要与需求理解
VLM · 视觉语言智能
· 图纸理解（户型图 / 立面图）
· 空间关系推理（ArchSIBench）
· 案例库语义检索（ArchSeek）
· 方案评审的多模态对话
设计场景映射
规范检索
→
合规检查
→
方案推理
→
布局生成
→
评审优化
LLM 提供推理骨架，VLM 提供空间理解，二者叠加构成「会看图的思考者」
04 · 技术深度 ②
TECH DEEP-DIVE ②
规范合规检查：LLM 的杀手级应用
Translating Regulatory Clauses into Executable Codes · 2023
LLM 将规范条文翻译为可执行代码，用于建筑合规检查
规范翻译规则引擎
arXiv:2308.08728
LLM-Driven Code Compliance Checking in BIM · 2025
在 BIM 模型上直接执行 LLM 驱动的合规检查
BIM自动审查
arXiv:2506.20551
RL to Improve LLM-based Automated Code Compliance · 2026
用强化学习提升 LLM 合规检查系统的准确率
RL准确率
arXiv:2606.22402
1
演进路径三年三级跳
条文翻译（2023）→ BIM 自动检查（2025）→ RL 优化精度（2026）
2
对设计院的价值
把「人工翻规范」变成「AI 查规范」，审图效率成倍提升，且减少人为遗漏
3
EPC 场景
方案阶段的强条预检，避免「设计完成后才发现违规」的重大返工
为什么这个场景先落地
规范是封闭、结构化、可验证的知识 —— 正是 LLM 最擅长的领域
04 · 技术深度 ②
TECH DEEP-DIVE ②
绿色建筑决策问答：多模态数据推理
Question Answering for Decisionmaking in Green Building Design · 2024
多模态数据源整合
📜
规范条文
🏠
案例库
📊
性能数据
多模态推理引擎
🌿
绿色建筑知识的民主化
把分散在规范、案例、论文中的绿建知识，变成可对话的决策支持系统
💡
设计决策辅助
「这个体量用什么窗墙比最节能？」—— 直接得到带依据的答案
⚖️
EPC 双碳背景
绿色建筑评价标准（绿标）审查，AI 问答可作为前置预评工具
04 · 技术深度 ②
TECH DEEP-DIVE ②
VLM 空间智能：让 AI 看懂建筑
ArchSIBench：建筑空间智能基准测试
Benchmarking the Architectural Spatial Intelligence of VLMs · 2026
VLM空间推理评测基准
arXiv:2605.20837
Vision Language Models Can Parse Floor Plan Maps · 2024
VLM 解析户型图，理解房间语义与拓扑关系
户型图解析
arXiv:2409.12842
空间智能能力层次
📏
诚实评估
当前 VLM 在复杂空间关系推理上仍弱于人类，但进步速度惊人（2024→2026 跨越两个层次）
04 · 技术深度 ②
TECH DEEP-DIVE ②
ArchSeek：对话式案例检索
Retrieving Architectural Case Studies Using Vision-Language Models · 2025
从「翻资料库」到「对话式检索」
自然语言提问
→
VLM 语义匹配
→
案例库命中
「找一个 带内庭院、立面用陶土板、适应炎热气候 的文化建筑案例」
🔍
语义而非关键词
传统检索靠标签匹配，ArchSeek 理解「语境 + 意图」
🎨
支持草图检索
画一个体块关系草图，也能找到相似案例
🏢
设计院价值
把沉淀的项目资料库变成可对话的资产 —— 知识管理的终局形态
一句话
设计院最值钱的「案例资产」将因 VLM 而真正可被检索、复用
04 · 技术深度 ②
TECH DEEP-DIVE ②
LLM 生成户型图：三条技术路线
ChatHouseDiffusion（2024）
提示词引导的户型生成与编辑
扩散 + 对话
arXiv:2410.11908
Text-to-Layout（2025）
LLM 文本直接生成布局工作流
LLM 文本到布局
arXiv:2509.00543
Tokenization MLLM（2026）
多模态 Token 化，理解 / 生成 / 编辑
MLLM可编辑
arXiv:2603.11640
趋势：从「生成图片」到「生成可编辑矢量布局」
🎭 对抗时刻 · 理想派设计师
🎨 理想派设计师 · 质疑
"LLM生成户型图？你刚刚也说了，VLM空间推理弱于人类——
它连空间朝向都搞不清楚，凭什么生成可用的户型？
这不是瞎搞吗？"
它连空间朝向都搞不清楚，凭什么生成可用的户型？
这不是瞎搞吗？"
好问题，这位观众老爷问到点子上了。
所以最新研究不是让LLM自己瞎猜——
而是让LLM生成方案，RL负责验证约束，
形成"生成→验证→修正"的闭环。
所以最新研究不是让LLM自己瞎猜——
而是让LLM生成方案，RL负责验证约束，
形成"生成→验证→修正"的闭环。
04 · 技术深度 ②
TECH DEEP-DIVE ②
LLM + RL：可验证奖励的户型生成
Generative Floor Plan Design with LLMs via RL with Verifiable Rewards · 2026
把「合规」变成生成过程的硬约束
🎯
可验证奖励（Verifiable Rewards）
面积指标、动线关系、采光约束等可计算指标作为奖励信号，不依赖人工打分
🔁
自我迭代
LLM 生成 → RL 验证 → 反馈修正，形成闭环，无需大量标注数据
🏗️
EPC 意义
模块化户型的批量合规生成成为可能 —— 标准模块 + AI 变体
APPENDIX · 附录三
360° 全景漫游 ② · 室内空间
鼠标拖动旋转 · 滚轮缩放 · 支持触屏
室内空间 · 全景02
🔭 FOV:
60°
🔄 拖动旋转 · 滚轮缩放 · 首次加载约 13MB
04 · 技术深度 ②
CASE STUDY
场景深入：户型生成全流程
从用户需求到合规布局 —— 一个具体的 AI 工作流推演
场景设定
项目：保障性租赁住房 EPC 项目
需求：60㎡ 两室一厅户型，要求明厨明卫、南北通透
约束：装配式模块化设计，预制率 ≥ 60%
工期：方案阶段 3 周出 5 个比选方案
AI 生成户型布局 + 优化算法叠加示意（概念图）
🧩
为什么选户型生成做案例
户型是建筑师最熟悉的场景，而且三种技术（生成式AI + LLM + 优化算法）都能在这个场景中找到应用
🎯
演示目标
展示 AI 不是替代设计师，而是「需求→生成→验证→决策」的加速器
04 · 技术深度 ②
CASE STUDY
AI 工作流推演：三步走
Step 1
LLM 理解需求
「60㎡ 两室一厅，明厨明卫」
→ LLM 解析为结构化约束：
面积分配 · 功能关系 · 采光要求 · 模数化尺寸
ChatHouseDiffusion
Step 2
扩散生成候选
LLM 约束 → 扩散模型生成
5 个候选户型方案
每个方案附带布局图 + 面积指标
Text-to-Layout
Step 3
RL 合规验证
对每个候选方案进行 RL 合规评分：
面积达标 · 动线合理 · 采光合格 · 预制率满足
→ 不合格方案自动回退修正
LLM+RL Verifiable Rewards
最终：设计师从 5 个候选方案中选择 1 个深化 —— AI 完成了 80% 的重复性工作，人做 20% 的关键决策
04 · 技术深度 ②
CASE STUDY
效率对比：AI 工作流 vs 传统工作流
| 环节 | 传统工作流 | AI 工作流 |
|---|---|---|
| 需求梳理 | 设计师手动整理需求表，1 天 | LLM 自动解析，20 分钟 |
| 方案构思 | 手绘 2-3 个方案，2-3 天 | AI 生成 5 个候选，2 小时 |
| 规范检查 | 人工翻规范逐条核对，1-2 天 | LLM 自动合规检查，15 分钟 |
| 多方案比选 | 人工排指标对比表，半天 | RL 自动评分排序，10 分钟 |
| 方案深化 | 选定方案深化，2-3 天 | 选定方案深化，2-3 天（人做） |
| 总周期 | 6-9 天 | 2.5-3 天 |
关键洞察
AI 的核心价值不是「替代人的创意」，而是把 60% 的重复性、检验性工作自动化，让设计师把时间花在真正的设计决策上
04 · 技术深度 ②
TECH DEEP-DIVE ②
AI Agent：设计工作流的新形态
Agent 核心循环：规划 → 调用 → 迭代
🧠
设计场景
需求理解 → 方案生成 → 规范自检 → 多方案对比 → 输出汇报材料
✅
现状
单点 Agent 已可用（规范问答、户型生成、案例检索），全流程 Agent 在途
🗺️
路线图
工具 Agent → 角色 Agent（方案/深化/审图）→ 项目级编排 Agent
04 · 技术深度 ②
WRAP-UP ②
技术深度②小结：从语言到空间
LLM / VLM 的价值链
检索
→
理解
→
推理
→
生成
→
自检
已可实现
规范检索问答 · 条文翻译 · 案例语义检索 · 户型图解析
正在突破
可编辑布局生成 · RL 合规闭环 · 空间关系推理 · 全流程 Agent
最大机会点
把设计院沉淀的隐性设计知识显性化、可对话化 —— 这是 LLM/VLM 给行业最大的礼物
🎭 对抗时刻 · 理想派设计师
🎨 理想派设计师 · 焦虑
"生成也懂了、理解也懂了、优化也懂了——
AI什么都能干了，那还要设计师干嘛？
是不是以后我们都要失业了？"
AI什么都能干了，那还要设计师干嘛？
是不是以后我们都要失业了？"
恰恰相反。AI越强，设计师的角色越重要。
定义目标函数、设定约束条件、拍板最终方案——
这些事，AI能替你做吗？
工具越强，用工具的人越值钱。
定义目标函数、设定约束条件、拍板最终方案——
这些事，AI能替你做吗？
工具越强，用工具的人越值钱。
05 · 技术深度 ③
05
布局与造型优化技术深度
图神经网络 · 强化学习 · 性能化设计 —— 从经验到寻优
📖 故事线：方案能用了，但空间怎么排最优？AI 帮你在千百种可能中找到最优解
◆ GNN：把空间关系建模为图，学习拓扑 → 几何映射
◆ 强化学习：模块化排布、室内布局的交互式寻优
◆ 性能化设计：采光 / 能耗 / 热舒适 —— 方案阶段决策前置
◆ 多目标优化：成本 × 性能 × 美观 × 工期的帕累托权衡
◆ 强化学习：模块化排布、室内布局的交互式寻优
◆ 性能化设计：采光 / 能耗 / 热舒适 —— 方案阶段决策前置
◆ 多目标优化：成本 × 性能 × 美观 × 工期的帕累托权衡
05 · 技术深度 ③
TECH DEEP-DIVE ③
GNN：把空间关系建模为图
拓扑 → 几何
Graph2Plan：从布局图生成户型图
Learning Floorplan Generation from Layout Graphs · 2020（奠基工作）
GNN拓扑→几何
arXiv:2004.13204
🕸️
核心思想
房间关系（相邻/动线/朝向）成为生成约束，比「从零画」更符合设计逻辑
🧩
模块化结合点
模块间的拓扑关系（卫生间靠管井、卧室远离电梯井）可编码为图约束
05 · 技术深度 ③
TECH DEEP-DIVE ③
强化学习：交互式排布优化
Deep RL for Producing Furniture Layout in Indoor Scenes · 2021
深度强化学习生成室内家具布局，考虑功能与通行
深度 RL家具布局
arXiv:2101.07462
Attend2Pack：注意力机制 + RL 装箱问题 · 2021
Bin Packing through Deep RL with Attention —— 模块化排布的直接映射
注意力装箱优化
arXiv:2107.04333
🎮
RL 范式
智能体逐步放置模块，根据整体目标获得奖励，学会全局最优排布策略
📦
EPC 模块化场景
「如何把标准模块排得最优」= 装箱问题的建筑版：运输、吊装、功能分区联合优化
⚙️
奖励函数设计
面积利用率、动线效率、采光、成本 —— 多目标可加权组合
05 · 技术深度 ③
TECH DEEP-DIVE ③
性能化设计：决策前置
BuildingGym：RL 建筑能源管理工具箱 · 2025
开源的 AI 建筑能源管理仿真环境
RL能源管理
arXiv:2509.11922
Leveraging Deep Learning and Digital Twins for Building Energy · 2023
深度学习 + 数字孪生提升建筑能耗表现
数字孪生能耗预测
arXiv:2305.04498
性能维度的 AI 应用矩阵
🎯
EPC 价值
方案阶段的性能决策前置，减少「深化后返工优化」的隐性成本
05 · 技术深度 ③
TECH DEEP-DIVE ③
多目标优化：帕累托权衡
EPC 四维目标
💰
成本
⚡
性能
🎨
美观
⏱️
工期
🌐
多目标进化算法
NSGA-II 等经典算法 + AI 代理模型加速评估，在方案空间中搜索帕累托前沿
📊
可视化决策
前沿解集可视化，设计师基于经验在权衡面上做最终选择
🔄
与 EPC 的融合
目标函数直接对接成本估算与工期模型，让方案优化「为总包而生」
05 · 技术深度 ③
COMPARISON
三大技术深度横向对比
| 维度 | 生成式 AI | LLM / VLM | 优化算法 |
|---|---|---|---|
| 擅长 | 意象 · 造型 · 概念 | 知识 · 推理 · 语言 | 数值 · 寻优 · 权衡 |
| 输出 | 图像 / 模型 | 文本 / 布局 | 方案 / 参数 |
| 设计阶段 | 概念前期 | 全流程 | 深化 / 优化 |
| 代表论文 | Pro-DG / SD 立面 | 合规检查 / 户型生成 | Graph2Plan / RL 排布 |
| 局限 | 几何不可控 | 空间推理偏弱 | 依赖目标定义 |
三者不是竞争关系，而是 「生成 → 理解 → 优化」 的闭环：LLM 理解需求，生成式 AI 出意象，优化算法收敛方案
05 · 技术深度 ③
WRAP-UP ③
技术深度③小结：组合拳
LLM 理解需求
→
生成式 AI 出意象
→
优化算法收敛方案
输入端
需求 → 结构化任务描述 → 约束条件
生成端
多方案意象 → 候选集 → 设计师筛选
收敛端
性能/成本寻优 → 帕累托权衡 → 定案
设计院落地形态
不是买一个「AI 出图软件」，而是搭建一条「需求 → 意象 → 方案 → 优化」的智能设计流水线
🎭 对抗时刻 · 务实派项目经理
👷 务实派项目经理 · 质疑
"三个技术都讲完了，听着确实不错。
但你说的这些，都是论文里的东西——
在真实EPC项目里，甲方只给个任务书，
连自己都说不清楚要什么，我怎么定义目标函数？怎么落地？"
但你说的这些，都是论文里的东西——
在真实EPC项目里，甲方只给个任务书，
连自己都说不清楚要什么，我怎么定义目标函数？怎么落地？"
问得好。所以接下来我们不看论文了——
来看看真实世界里，别人是怎么做的。
来看看真实世界里，别人是怎么做的。
06 · 行业案例
06
行业案例剖析
国际事务所 · 科技公司 · EPC 模块化实践 —— 别人已经怎么做了？
◆ ZHA / Foster / BIG / SOM / MAD：AI 如何嵌入设计流程
◆ Autodesk Forma 与中国力量（小库 / 广联达 / 品茗）
◆ EPC 模块化 + AI 的真实落地场景
◆ Autodesk Forma 与中国力量（小库 / 广联达 / 品茗）
◆ EPC 模块化 + AI 的真实落地场景
06 · 行业案例
CASE ①
Zaha Hadid Architects：参数化 → AI 增强
ZHA 计算设计演进
🌀
复杂曲面造型
ZHA 长期探索非线性形态，AI 生成式工具加速形态探索与性能验证
⚙️
对 EPC 的启示
AI 纳入「形态探索」工作流，而非替代设计判断 —— 人定方向，AI 出形
📈
关键
ZHA 的 ZHD 研究团队持续做 AI 与建筑学的交叉研究，是行业风向标
06 · 行业案例
CASE ②
Foster / BIG / SOM：AI 嵌入既有流程
Foster + Partners
· 计算设计 + 数字孪生
· AI 辅助环境分析
· 自研建模工具链
BIG · Bjarke Ingels
· 生成式设计做概念比选
· 数据驱动方案决策
· 参数化城市设计
SOM
· 性能化设计工具
· 超高层结构优化
· 风工程 + AI 仿真
共同点
顶级事务所的做法：把 AI 嵌入既有设计流程，而非另起炉灶 —— 流程不变，能力升级
06 · 行业案例
CASE ③
Autodesk Forma：AI 成为入口级能力
Forma（前 Spacemaker）功能
☀️
日照分析
💨
风环境模拟
🔊
噪音分析
🏙️
方案排布建议
🏗️
设计工具巨头的押注
Autodesk 收购 Spacemaker 后整合为 Forma，AI 成为方案阶段的「入口级」产品
🔄
产品逻辑
不是「AI 画图」，而是「AI 算场地」—— 把环境分析从深化阶段提前到方案阶段
📊
信号
工具平台化 + 分析前置化，是行业对「AI 赋能方案设计」的主流判断
APPENDIX · 附录二
360° 全景漫游 ① · 项目分析
鼠标拖动旋转 · 滚轮缩放 · 支持触屏
项目分析 · 全景01
🔭 FOV:
60°
🔄 拖动旋转 · 滚轮缩放 · 首次加载约 13MB
06 · 行业案例
CASE ④
中国力量：从单点工具到全流程平台
小库科技 XKool
AI 方案生成
规范检查 · 智能审图
建筑行业 AI 先行者
广联达
BIM + AI 产品线
数字新成本 / 咨询 / 孪生
工程造价龙头入场
品茗科技
AI 施工方案
模板脚手架 AI 设计
施工侧智能化
共性趋势
从「单点 AI 工具」走向「覆盖设计-成本-施工的全流程平台」，数据闭环是护城河
06 · 行业案例
CASE ⑤
EPC 模块化 + AI 落地场景
国内实践
1
装配式 + BIM + AI
预制构件 AI 优化排布，减少切割损耗、提升生产效率
2
模块化户型方案库
标准化模块 + AI 变体生成，快速响应不同地块与客户需求
3
智慧建造平台
EPC 全过程数字化管理，AI 进度预测与风险预警
国际参照
🌏
新加坡 IDD
集成数字化交付（Integrated Digital Delivery），EPC 全流程数字化国家战略
🏭
模块化建造先行者
预制模块化建筑（PPVC）结合数字孪生，实现工厂化设计与施工
中国 EPC 模式的规模化优势 + AI 的生成优化能力 = 模块化设计的黄金组合
APPENDIX · 附录四
3D 建筑模型 · 全貌展示
鼠标拖动旋转 · 滚轮缩放 · 自动旋转 · 支持触屏
🏢 mk-a.glb · 鼠标拖动旋转 · 滚轮缩放
06 · 行业案例
LESSONS
案例启示：三条关键结论
🎯
AI 最该投在方案阶段
决策影响最大、修改成本最低 —— 方案阶段是 ROI 最高的 AI 切入点
🤝
人机协同 > 全自动
设计判断、价值取舍仍是人的 —— AI 负责规模与速度，人负责方向
🔄
平台化是终局
数据闭环才有持续价值 —— 设计数据回流，形成 AI 迭代飞轮
🎭 对抗时刻 · 甲方代表
🏢 甲方代表 · 现实
"这些案例都是国际大所、科技巨头，
我们中小设计院能学吗？要花多少钱？要学什么新技能？
会不会搞到一半领导说'这个AI你先用着看看效果'
然后就没下文了？"
我们中小设计院能学吗？要花多少钱？要学什么新技能？
会不会搞到一半领导说'这个AI你先用着看看效果'
然后就没下文了？"
太真实了。所以最后一部分，我们不谈大厂案例了——
讲设计院怎么一步步落地，从免费工具开始，零成本起步。
讲设计院怎么一步步落地，从免费工具开始，零成本起步。
07 · 展望
07
展望：EPC + AI 的未来图景
从方案设计到全生命周期 —— AI 如何重塑 EPC 价值链
📖 故事线：方案交付了，但这条路还能走多远？一起看看别人已经走到了哪，以及我们该往哪走
07 · 展望
VISION
EPC 全流程的 AI 渗透
📐
方案设计
AI 多方案生成
设计师策展决策
设计师策展决策
🗂️
深化设计
AI 规范自检
自动化出图
自动化出图
🚚
采购施工
AI 排产 · 构件优化
进度预测预警
进度预测预警
🔁
全生命周期
数字孪生
持续优化迭代
持续优化迭代
方案设计环节的 AI 工作流（我们的主战场）
需求理解
→
AI 生成候选
→
规范预检
→
性能寻优
→
设计师决策
→
深化输出
APPENDIX · 附录五
3D 建筑模型 · 渲染效果
多角度建筑渲染效果图 · AI 生成
VIEW 01 · 鸟瞰视角
VIEW 02 · 立面视角
🖼️ 2张建筑模型效果图 · 多视角呈现
07 · 展望
MATURITY
技术成熟度曲线（诚实版）
提醒
别被「全自动设计」的叙事忽悠 —— 真正成熟的是单点能力，全流程仍需工程师搭建
07 · 展望
CHALLENGES
挑战与伦理：冷静的边界
📊 数据
· 设计数据资产化：谁来拥有、如何确权
· 训练数据版权与隐私边界
· 数据质量决定 AI 质量
🧠 可靠
· AI 幻觉在工程语境 = 事故隐患
· 合规性不能「大概对」
· 必须保留人工复核关口
👷 人
· 设计师技能栈重构：会问问题 > 会画图
· AI 素养成为新基本功
· 组织学习曲线的阵痛
⚖️ 合规
· AI 生成内容的审查责任边界
· 设计责任与保险体系适配
· 行业标准与监管跟进
07 · 展望
ROADMAP
设计院的行动路径
0–6 月
试点导入
· AI 渲染 / 效果图工具
· 规范检索问答
· 1–2 个项目试点跑通
6–18 月
能力建设
· 设计知识库构建
· Agent 工作流搭建
· 合规自检 + 户型生成落地
18 月+
平台化
· 数据资产化与闭环
· 全流程 AI 平台
· 组织与人才重构
建议
从小切口开始，用真实项目验证价值 —— AI 转型不是大爆炸，而是持续的小步快跑
🎭 对抗时刻 · 综合派总结
💬 综合派 · 总结
"信息量很大。最后总结一下——
AI到底能不能帮我把方案做得更好更快？
我明天上班该做什么？"
AI到底能不能帮我把方案做得更好更快？
我明天上班该做什么？"
三句话：
① 生成式AI放大想象力
② LLM/VLM让设计知识可对话
③ 优化算法让方案可寻优
明天上班？先从一个工具开始试。
① 生成式AI放大想象力
② LLM/VLM让设计知识可对话
③ 优化算法让方案可寻优
明天上班？先从一个工具开始试。
08 · 结语
CORE MESSAGE
AI 时代的 EPC 方案设计
从「人海战术」到「人机协同」
🎨
生成式 AI 放大想象力
💬
LLM / VLM 让知识可对话
🧭
优化算法让方案可寻优
设计师的新角色：定义问题的人，而非画图的人
谢谢聆听 · 欢迎交流
09 · Q&A 预告
Q & A
Q&A 环节 · 三个灵魂拷问
最后，让我们回到现场——三种角色，三种焦虑
Q1
👨💼 务实派老板
AI 投入值不值？
成本与 ROI 怎么算？
Q2
🔬 技术质疑派
AI 出问题谁负责？
可靠性与边界在哪里？
Q3
🎓 青年从业者
五年后核心竞争力
是什么？
欢迎 现场提问 · 或会后加微信继续交流
01 / 59