被ChatGPT帶飛的AIGC，能為垂直產(chǎn)業(yè)做些什么？（2）

3 垂直領(lǐng)域 AIGC 應用新思路

在泛領(lǐng)域的大模型研發(fā)上以 OpenAI 為首的廠商，包括 Nvidia 和 Google 等巨頭也在紛紛推出屬于自己自己的通用型 3D-AIGC 框架，遺憾的是目前還處在一個早期階段。對于垂直實體產(chǎn)業(yè)來說，落地應用顯然還有很長的路要走。

從全球范圍來看，在 3D 模型的生成領(lǐng)域除了泛領(lǐng)域大模型外，部分垂直產(chǎn)業(yè)也在探索 AIGC 如何應用落地。比如西門子在引擎的設(shè)計和制造中針對生成的模型進行方針模擬和進一步優(yōu)化，最終通過3D打印實體，實現(xiàn)了3D模型生成現(xiàn)成果交付和業(yè)務(wù)閉環(huán)。

西門子通過生成式算法實現(xiàn)引擎的設(shè)計和模擬

這樣的成果的實現(xiàn)，有賴于在產(chǎn)業(yè)邏輯下的底層業(yè)務(wù)內(nèi)容及其數(shù)據(jù)標準的不斷迭代。

按照 ISO/ IEC 給出對內(nèi)容的數(shù)字標準定義 SMART（Standards Machine Applicable, Readable and Transferable 機器可開、可讀和可交互標準）：L1 級為紙質(zhì)文本，沒有機器交互可能；L2 級為開放數(shù)字格式，機器交互性很低；L3 級為機器可讀文檔，但機器無法理解檢索的結(jié)果與內(nèi)容；L4 級為機器可讀內(nèi)容，可做語義交互但機器無法理解上下文的邏輯關(guān)系；L5 級，機器可交互內(nèi)容，可實現(xiàn)自動識別、自動生成等智能屬性。

在產(chǎn)業(yè)領(lǐng)域中，目前廣泛應用 L3 級信息化內(nèi)容，正在發(fā)展 L4 級數(shù)字化內(nèi)容，而 L5 級智能化是工業(yè) 4.0 和智能制造的核心基礎(chǔ)。因此，生成 L4 級以上機器可讀內(nèi)容，特別是生成 L5 級智能化內(nèi)容，是未來 AIGC 的方向。

ISO/IEC SMART 數(shù)字標準《中國工程科學》2021 年第 23 卷第 6 期《標準數(shù)字化發(fā)展現(xiàn)狀及趨勢研究》劉曦澤、王益誼、杜曉燕、李佳、車迪

海外已經(jīng)在 AIGC 的產(chǎn)業(yè)應用領(lǐng)域中開始了實踐，而國內(nèi)的探索仍然比較稀缺，但我們也發(fā)現(xiàn)了一些在垂直領(lǐng)域深耕的企業(yè)。比如上述提到的，在建筑產(chǎn)業(yè)深耕的小庫科技團隊。我們將以其實踐的建筑產(chǎn)業(yè)為例，探討 AIGC 在垂直產(chǎn)業(yè)中的落地路徑。

當前國內(nèi)實體經(jīng)濟處于轉(zhuǎn)型的窗口期，國家層面提出 “人工智能與實體經(jīng)濟融合 “的重要任務(wù)，各大產(chǎn)業(yè)迫切希望 AI 技術(shù)能夠真正落地，協(xié)助產(chǎn)業(yè)實現(xiàn)數(shù)字化與智能化的升級躍遷，而不是一個停留在概念的 DEMO 產(chǎn)品，或者茶余飯后討論的好玩趣物。

建筑產(chǎn)業(yè)是接近 30 萬億每年的國家支柱型產(chǎn)業(yè)，但是其數(shù)字化水平在全國各行業(yè)中排名倒數(shù)第一。當前國家提出智能建造方針，希望邁上 “中國建造” 的新臺階。智能建造是以新型建筑工業(yè)化（工業(yè)化 / 裝配式、數(shù)字化、智能化）為基礎(chǔ)，基于新一代信息技術(shù)與先進建造技術(shù)深度融合，貫穿于設(shè)計、生產(chǎn)、施工、運維、監(jiān)管等建設(shè)活動各個環(huán)節(jié)，具有自感知、自決策、自執(zhí)行、自適應、自學習等特征，旨在優(yōu)化建筑產(chǎn)業(yè)全生命周期質(zhì)量、效益和核心競爭力的先進建造方式。

2011-2021 年中國建筑業(yè)總產(chǎn)值及增長情況 - 國家統(tǒng)計局 - 前瞻產(chǎn)業(yè)研究院，

資科來源：Gartner；Kable；經(jīng)合組織；中央統(tǒng)計局；彭博社；麥肯錫全球研究院分析

而在建筑產(chǎn)業(yè)，底層數(shù)據(jù)標準正從機器可讀文檔 L3 級的 CAD 時代，向機器可讀內(nèi)容的 L4 級 BIM 時代邁進。建筑產(chǎn)業(yè)中對 3D 模型的要求是內(nèi)容對象具備三維空間中的全維度精確信息，包括模型、數(shù)據(jù)等維度，如果還能包含規(guī)則維度，進而便可使其具備自感知、自學習、自迭代等智能化的能力。目前，L3 級的 CAD 和 L4 級的 BIM 應用軟件已經(jīng)被海外壟斷，我們發(fā)展的空間和潛力必然集中在了可以高維覆蓋低維的 L5 級上。

數(shù)字標準 SMART 在建筑領(lǐng)域的內(nèi)容格式示意

基于對建筑產(chǎn)業(yè)數(shù)字化變革的洞察，小庫團隊意識到必須對整個產(chǎn)業(yè)的數(shù)據(jù)底層進行再定義。從 2016 年成立起便致力于 L5 級 3D 模型 AIGC 的底層技術(shù)研發(fā)及其在建筑產(chǎn)業(yè)中的應用。基于一套含有業(yè)務(wù)流邏輯的 AI 系統(tǒng)生成包含建筑信息與多維數(shù)據(jù)、3D 模型、以及規(guī)則 / 規(guī)范 / 規(guī)律的 “數(shù) - 模 - 規(guī)” 可聯(lián)動的內(nèi)容，實現(xiàn)建筑設(shè)計方案的智能生成。

這樣的底層數(shù)據(jù)，團隊將其稱為 AI driven Building Information Model on Cloud 人工智能生成的云端建筑信息模型（簡稱 ABC），并將智能生成的達成歸結(jié)為四個實踐步驟：AI 識別現(xiàn)有內(nèi)容用于訓練或結(jié)構(gòu)化數(shù)據(jù)重建，對數(shù)據(jù)進行評估和模擬仿真，通過對初步數(shù)據(jù)成果進行優(yōu)化，最終生成由系列的 AI 模型組建的業(yè)務(wù)成果。

L5 級建筑智能格式 ABC 智能云模示意

AI 識別領(lǐng)域，團隊通過對千萬級的不同業(yè)務(wù)類型 CAD 圖紙數(shù)據(jù)的清洗和訓練，獲得了對 L3 級無語義 CAD 圖紙的 100% 云端還原與 99.8%* 的準確語義解析和補充，在該領(lǐng)域達到世界先進水平。這項成果已經(jīng)深度應用到企業(yè)的多個產(chǎn)品與解決方案中，比如針對施工圖審查的「智能審圖」中條文審查準確率約為 96%。

小庫施工圖構(gòu)件與空間識別

AI 分析領(lǐng)域，基于對項目的有效識別，針對住宅、商場等常用民用建筑類型，使得團隊能夠進行物理環(huán)境仿真分析、人類行為數(shù)據(jù)模擬與預測、項目相關(guān)大數(shù)據(jù)的分析和模擬。在應用層面上，可以協(xié)助客戶進行項目方案量化分析，比如通過對房企全線住宅產(chǎn)品的評估可以得到不同價值評估系數(shù)，協(xié)助房企提升產(chǎn)品質(zhì)量。因此，小庫科技也被選為中房協(xié)戶型設(shè)計大賽首個 AI 評委。這項能力也被應用于香港和國內(nèi)十余個商場建筑的開發(fā)與運營中。

小庫「產(chǎn)品力價值評估」

AI 優(yōu)化領(lǐng)域，團隊認為 “優(yōu)化” 是基于前序 “識別” 和 “分析 “后的進一步尋優(yōu)迭代，即基于已有內(nèi)容的重新生成更優(yōu)的成果。這類技術(shù)已在公司具體的產(chǎn)品和解決方案中得到應用。比如在設(shè)計云 2022 版 “智能日照優(yōu)化” 功能中，小庫可以將未通過日照的方案進行自動微調(diào)，使其能夠在原有格局不進行巨大調(diào)整的前提下通過日照驗證。這項能力也用在了建筑方案的設(shè)計深化中，比如幕墻設(shè)計優(yōu)化場景。在與四川省商業(yè)設(shè)計院合作的四川某博物館幕墻項目中，小庫算法將原有 3 萬多種不規(guī)則三角形幕墻板優(yōu)化為 12 種標準模塊，比現(xiàn)有世界水平能降低到的 116 種還減少了 90%，建筑幕墻成本將因為 SKU 和開模數(shù)量的降低而得到大幅度降低。

小庫「幕墻優(yōu)化 AI 算法」

AI 生成領(lǐng)域，是智能設(shè)計最為核心的部分。對建筑業(yè)而言，選擇經(jīng)濟適用美觀的設(shè)計方案、交付安全高效高質(zhì)量的建造成果，需要多專業(yè)、多角色統(tǒng)籌協(xié)同完成。不僅需要從宏觀尺度、到中觀尺度再到微觀尺度逐個攻破，還需要在建筑、結(jié)構(gòu)、機電、水暖、景觀等多專業(yè)逐步覆蓋，更需要涵蓋住宅、公寓、產(chǎn)業(yè)、辦公、商業(yè)等各種業(yè)態(tài)類型。因此垂直領(lǐng)域的專業(yè)成果生成絕不是某一個模型算法一套數(shù)據(jù)可以解決的，它需要多模型、多模態(tài)、多數(shù)據(jù)集等多項技術(shù)與業(yè)務(wù)邏輯有機融合，通過契合細分場景的產(chǎn)品設(shè)計和基于用戶反饋的持續(xù)迭代，才能最終實現(xiàn)。

小庫團隊從業(yè)務(wù)邏輯出發(fā)，對傳統(tǒng)建筑設(shè)計需要的 24 個業(yè)務(wù)流程步驟進行梳理，將其核心內(nèi)容抽取重構(gòu)為 6 個業(yè)務(wù)模塊，以 AI 系統(tǒng)與云端架構(gòu)為核心，建立起一套全新的建筑設(shè)計 AIGC 業(yè)務(wù)流程：調(diào)（信息調(diào)用與AI識別）、做（全AI生成與人機協(xié)作生成）、改（人工可改與AI優(yōu)化）、核（數(shù)據(jù)核查與AI審查）、協(xié)（云端多人協(xié)同與業(yè)務(wù)管理）、出（自動輸出更多格式- 3D模型/2D圖紙/圖像/PPT/Excel等）。

左圖：建筑設(shè)計原有業(yè)務(wù)流程 24 個步驟，右圖：小庫重構(gòu)為 6 個 AI 加持下的業(yè)務(wù)流程板塊

基于對業(yè)務(wù)的深刻理解和重構(gòu)的業(yè)務(wù)邏輯，在產(chǎn)品設(shè)計上將 6 大業(yè)務(wù)模塊與 AI 識別、AI 生成、大數(shù)據(jù)、云端協(xié)同等技術(shù)深度融合，實現(xiàn)了建筑規(guī)劃、單體設(shè)計、構(gòu)件生成等不同深度的建筑業(yè)務(wù)需求，從分析到設(shè)計到審查再到協(xié)同與輸出，逐步覆蓋了住宅類業(yè)務(wù)所需的廣度和深度需求。

「小庫設(shè)計云 - 建筑規(guī)劃」產(chǎn)品 6 大模塊

「小庫設(shè)計云 - 建筑單體」產(chǎn)品 6 大模塊

4. AIGC 在產(chǎn)業(yè)中的價值落地

在大部分產(chǎn)業(yè)中，AIGC 的應用仍然處于初級階段，整體 AI 技術(shù)的不斷發(fā)展將推動后續(xù) AIGC 的創(chuàng)新應用。以當前的建筑產(chǎn)業(yè)實踐為例，AIGC 目前能夠在產(chǎn)生用戶可感知價值的部分業(yè)務(wù)細節(jié)場景中，輔助提升對效率有較高要求的具體業(yè)務(wù)場景，如建筑產(chǎn)業(yè)中的投研、設(shè)計、評估、管理和建造等環(huán)節(jié)。

4.1 最優(yōu)解增益與效率提升

在建筑產(chǎn)業(yè)的投研階段，2021 年出臺的 “兩集中” 政策（集中供應土地和集中拍地）使大量土地集中在一個月內(nèi)推出，開發(fā)企業(yè)需要在短時間內(nèi)完成對每一塊土地的投資評估，其中最核心的是如何在一塊地上找到最優(yōu)的建筑規(guī)劃方案，獲得最大的產(chǎn)品貨值和投資回報測算。原本完成一個住宅規(guī)劃概念方案的時間至少需要 3-5 天，無法滿足業(yè)務(wù)需要，如此就提出了對投前建筑規(guī)劃方案的極致效率的需求。

小庫團隊推出 AIGC 的建筑規(guī)劃方案，只需原來 30% 左右的時間就可以輸出初步方案。更重要的是，AI 可以生成和優(yōu)化一些人沒有想到過或難以靠手動窮舉推敲出的方案，從而獲得性能或經(jīng)濟性方面更優(yōu)的成果。如在中國金茂的某江西項目中， AI 生成的方案不僅在時間上僅為原有方式的 20%，項目總貨值上比原有方案增加了 5600 萬。在 2021 年 9 個月的地產(chǎn)拍地市場中，團隊累積完成了近千個項目及近萬個方案，協(xié)助客戶成功拿地數(shù)十塊。

「小庫設(shè)計云」AI 生成實際住區(qū)拿地方案

4.2 成本降低與節(jié)能減排

在實際的建筑建造環(huán)節(jié)，小庫團隊將 AI 與 DFMA（Design For Manufacture and Assembly 為裝配和制造而設(shè)計）的設(shè)計方法結(jié)合，與建筑業(yè)巨頭中建集團旗下中建科工攜手，將箱型裝配式建筑與 AI 設(shè)計生成、L5 級 ABC “數(shù) - 模 - 規(guī)” 聯(lián)動深度結(jié)合，實現(xiàn)了投資 - 方案 - 成本在未實施前的實時聯(lián)動，減少了 80% 設(shè)計和成本變更，并有效降低總體裝配式構(gòu)件 SKU 和開模量，實現(xiàn) 50% 以上節(jié)能減排。在獲得性能與經(jīng)濟結(jié)果更優(yōu)的同時，將 “原生數(shù)據(jù)” 與工廠產(chǎn)線、智能建造現(xiàn)場有效打通為 “孿生數(shù)據(jù)”。在深圳某酒店項目中實現(xiàn)了 4 個月完成從設(shè)計到建造，將總工期大幅縮短了至少 14 個月，節(jié)省了 60% 以上的時間。

「小庫裝配云」與中建科工合作的深圳某酒店，全過程智能設(shè)計與智能建造）

L5 級智能建造模式與傳統(tǒng)模式對比

通過以上案例可以看到，L5 級的 AIGC 可以從數(shù)據(jù)產(chǎn)生的源頭開始，通過在產(chǎn)業(yè)鏈各環(huán)節(jié)細分場景的具體應用，能夠有效輔助產(chǎn)業(yè)鏈獲得更高的全生命周期質(zhì)量、效益和核心競爭力。未來，AIGC 從文字和圖片邁向更高維的 3D 和 L5 級內(nèi)容成果是大勢所趨，這不僅是建筑產(chǎn)業(yè)對人工智能的未來預期，也是各垂直產(chǎn)業(yè)的共同的期待。

注：*在圖層無明顯錯誤的基礎(chǔ)上，當前小庫AI識別針對標準構(gòu)件（門、窗、墻、樓梯、電梯、空調(diào)、消火栓、車位）等識別準確率為99.8%（測試集為上千張建筑平面CAD圖紙，圖紙來源是數(shù)家頭部開發(fā)商的內(nèi)部標準庫） 

參考資料：

• The Illustrated Stable Diffusion – Jay Alammar – Visualizing machine learning one concept at a time.

• Robin Rombach, Adreas Blattmann, etal. High-Resolution Image Synthesis with Latent Diffusion Model (CVPR 2022 Oral)

• Nataniel Ruiz, etal. DreamBooth: Fine Tuning Text-to-Image Diffusion Models for Subject-Driven Generation (2022)

• Alex Nichol, Jun H, etal. Point-E: A System for Generating 3D Point Clouds from Complex Prompts（2022）

• 劉曦澤、王益誼、杜曉燕、李佳、車迪等：ISO/IEC SMART數(shù)字標準《中國工程科學》2021年第23卷第6期《標準數(shù)字化發(fā)展現(xiàn)狀及趨勢研究》

• 《中國各行業(yè)數(shù)字化水平》-麥肯錫全球研究院