腾讯研究院：2024生成式AI人居领域应用趋势调研报告_48页_8mb

生成式AI人居领域应用趋势调研报告总结

1. 行业大模型的必要性

• 催生变革：人工智能技术（尤其是生成式AI）正在重构人居环境领域（包括城市规划、建筑设计、运维等），行业大模型是重要抓手，能够整合多模态数据与行业知识，提升设计、管理、运维效率。
• 降低成本与效率提升：大模型可降低重复性工作成本，减少人工依赖，尤其在快速生成方案、规范检索、数据处理等方面表现突出，但需权衡模型成本与行业特性（如建筑数据稀缺、空间知识不足等问题）。

2. 行业大模型的基础：数据与算法

• 数据层：
  • 行业数据普遍缺乏，需解决真实性、时效性等问题，包括工程项目、物联网数据、规范标准等。
  • 建设知识图谱是关键，需积累多领域知识（如施工规范、运维数据），并与大模型结合实现知识重用。
• 算法层：
  • 建筑领域需“知识工程+大模型”结合，解决空间关系、多模态数据处理问题（如BIM/GIS融合），提升模型对空间逻辑与工程规则的适配性。
  • 技术路线包括：开源模型微调、私有化部署、多模态融合（文本、图像、语音、三维模型）。

3. 平台层与连接层

• 平台作用：
  • 覆盖项目全生命周期管理，需整合模型训练、数据处理、算法部署能力，注重成本控制与资源共享（如广联达的“建筑业务平台”）。
  • 跨企业合作与行业标准化可摊薄技术成本，推动生态发展。
• 关键挑战：
  • 技术复杂度高，需统一数据规范与接口；企业资源有限，研发门槛需降低。

4. 应用场景分析

• 规划设计端：
  • 扩散模型（Diffusion）生成设计草图，辅助概念设计；大语言模型（如ChatGPT、PlanGPT）处理文本、规范查询；AI与传统工具（BIM、GIS）深度结合，支持多专业协同。
  • 尚未完全成熟的领域包括空间逻辑生成与规范一致性控制。
• 建设运维端：
  • 运营场景：能耗监控、设备管理需多源数据融合；物业管理中的安防、客服场景，AI机器人辅助可降本提效。
  • 施工环节：BIM正向设计工具效率提升，AI辅助生成图纸，机器人替代部分人工（如抹灰作业），但成本较高。

5. 人才与教育变革

• 人才培养：
  • 传统建筑师角色向“统筹者+技术融合者”转型，需掌握AI工具操作、跨学科协作能力；教育需加强批判性思维、问题解决与技术整合。
• 挑战：
  • AI工具普及可能导致创作经验流失，需平衡技术依赖与创意自由；跨专业复合型人才需求激增（如土木+AI、规划+编程）。

6. 总体展望与建议

• 技术方向：
  • 未来需强化大模型与行业知识的无缝衔接，探索Agent-driven设计模式，推动智能化生态体系建设。
• 行业共识：
  • 政策层面需加强顶层设计，推动数据开放共享；企业应注重轻量化的本地化应用，实现技术落地；教育体系需同步更新课程，适应AI驱动的设计范式转变。