2025年2月27日，百工驛舉辦了一場主題為“Al for Engineering（AI4E）大時(shí)代，AEC產(chǎn)業(yè)的大模型工程創(chuàng)新”的線下閉門活動(dòng)，我們邀請(qǐng)了3位特邀嘉賓、30余位參會(huì)嘉賓圍繞當(dāng)下工程行業(yè)的AI創(chuàng)新機(jī)會(huì)，以及當(dāng)下產(chǎn)業(yè)中的困境問題做了交流。接下來我們會(huì)分批對(duì)不同嘉賓的觀點(diǎn)整理，輸出文字版本，供大家探討。

本期內(nèi)容來自Genia聯(lián)合創(chuàng)始人&CEO趙志昊。趙志昊出生于建筑世家，是一名連續(xù)創(chuàng)業(yè)者，耶魯大學(xué)工商管理碩士、賓夕法尼亞大學(xué)計(jì)算機(jī)碩士，常年活躍于北美AEC市場。Genia，建筑業(yè)的Gen AI，成立于洛杉磯，專注于AI結(jié)構(gòu)設(shè)計(jì)，近期完成數(shù)百萬美元融資，由歐洲最大的建筑科技方向風(fēng)險(xiǎn)投資公司Pi Labs領(lǐng)投，美國硅谷風(fēng)險(xiǎn)投資公司Amplify、Boost VC、頭部建商Suffolk Construction等跟投。

以下為趙志昊的內(nèi)容分享，經(jīng)百工驛潤色編輯：

大家下午好，我是趙志昊，今天的分享主要圍繞我在美國看到的建筑行業(yè)方向的創(chuàng)新，特別是跑的比較好的一些AI技術(shù)新應(yīng)用。我會(huì)盡量通俗易懂地解釋這些方向的具體內(nèi)容，以及一些潛在的應(yīng)用案例。

首先，大家如果從事建筑行業(yè)，應(yīng)該對(duì)這張圖比較熟悉。圖中灰色的線代表的是整個(gè)行業(yè)的效率提升曲線，這其實(shí)是指從1995年到2015年，行業(yè)經(jīng)濟(jì)整體效率的變化。而最底部的線則代表建筑行業(yè)的效率提升，平均每年增長約1%。如果按實(shí)際GDP來計(jì)算，建筑行業(yè)的效率提升與二三十年前的建設(shè)方式差別不大。AI是否能夠幫助AEC行業(yè)降本增效，帶來顯著的機(jī)會(huì)，將是我們今天探討的重點(diǎn)。

01 Agent與AEC創(chuàng)新

接下來是一些簡單的觀察。第一個(gè)方向叫做Agent AI。我挑選了兩個(gè)比較常見的范式。一個(gè)是AI智能體，它通過調(diào)用不同工具的API來協(xié)調(diào)和管理各種資源。這個(gè)AI智能體充當(dāng)了一個(gè)協(xié)調(diào)者的角色，最終幫助賦能終端用戶。另一個(gè)是多個(gè)AI智能體之間的聯(lián)動(dòng)與協(xié)作，某些智能體可能負(fù)責(zé)整體規(guī)劃，其他的則可能負(fù)責(zé)實(shí)施階段，比如生成代碼或圖紙，最后，這些輸出可能會(huì)交給終端用戶。這種方式展示了不同AI身份的協(xié)作模式。

具體的落地案例有幾個(gè)可以分享。其中一家名為Datagrid的公司。

Datagrid這家公司搭建的是一個(gè)通用平臺(tái)，但它的解決方案在建筑行業(yè)的實(shí)際應(yīng)用中非常成功。它通過AI智能體的形式，打通了與下游工程管理平臺(tái)和各種數(shù)據(jù)平臺(tái)的連接，賦能終端用戶。

其中一個(gè)典型案例是Procore平臺(tái)，這是北美最大的建筑項(xiàng)目管理軟件之一，成立已有二三十年，且已上市，體量相當(dāng)于國內(nèi)的廣聯(lián)達(dá)。通過與Procore平臺(tái)的數(shù)據(jù)云平臺(tái)進(jìn)行對(duì)接，Datagrid可以從平臺(tái)中的文檔和圖紙中提取信息，從而實(shí)現(xiàn)數(shù)據(jù)賦能。

通過視頻我們可以看到，Datarid是一家提供智能 AI 平臺(tái)的企業(yè)，專注于幫助用戶存儲(chǔ)、管理和連接多源數(shù)據(jù)，并通過創(chuàng)建自定義 AI 智能體實(shí)現(xiàn)高效的數(shù)據(jù)訪問與問題解決。該平臺(tái)支持與行業(yè)專用工具（如建筑行業(yè)的 Procore）集成，允許用戶通過短信、移動(dòng)設(shè)備等方式隨時(shí)隨地獲取所需信息。

Datagrid這個(gè)方向偏向于通過AI智能體提高數(shù)據(jù)的流動(dòng)性和效率。

另一家公司叫Skema，它的工作重點(diǎn)更多是AI Agent模版化布局，降低人工重復(fù)性工作。具體而言，新項(xiàng)目的設(shè)計(jì)布局往往與歷史項(xiàng)目有許多相似之處。Skema將這些歷史項(xiàng)目中的可復(fù)用部分，通過AI智能體的方式進(jìn)行總結(jié)和模板化，然后用戶可以一鍵生成布局，并根據(jù)實(shí)際需求進(jìn)行修改。

例如，在一個(gè)歷史項(xiàng)目中，他們會(huì)將能夠復(fù)用的部分提煉出來，形成模版。在他們的軟件中，用戶可以通過這個(gè)模版快速構(gòu)建新項(xiàng)目的布局，而無需從頭開始設(shè)計(jì)。這種方式通過AI智能體來優(yōu)化和加速相似任務(wù)的執(zhí)行，賦能未來的工作任務(wù)。只有通過AI智能體的形式，這一新的技術(shù)才能實(shí)現(xiàn)。

第三家公司叫OpenSpace，它代表了另一種方向。OpenSpace不僅僅是軟件，它將虛擬與現(xiàn)實(shí)相結(jié)合，主要用于巡檢工作。他們會(huì)為工人佩戴一個(gè)360度的攝像頭，記錄工人的巡檢路線。在巡檢過程中，AI會(huì)自動(dòng)分析工人看到的視覺影像，檢測其中可能與原始設(shè)計(jì)存在差異的地方。同時(shí)，系統(tǒng)還會(huì)自動(dòng)生成項(xiàng)目進(jìn)展報(bào)告。這個(gè)方向通過AI與現(xiàn)實(shí)場景的結(jié)合，利用圖像數(shù)據(jù)幫助工人提高巡檢效率，減少人工檢查的時(shí)間和成本。

剛才提到的三個(gè)項(xiàng)目大多屬于傳統(tǒng)的Agentic AI形式。

02 RAG與AEC創(chuàng)新

接下來要講的是另一種技術(shù)，叫做Retrieval-augmented generation (RAG)。簡單來說，RAG技術(shù)是通過結(jié)合知識(shí)庫的信息，幫助AI提供與特定領(lǐng)域相關(guān)的知識(shí)。RAG本質(zhì)上是基于某一領(lǐng)域進(jìn)行更精準(zhǔn)的搜索。利用RAG技術(shù)，可以看到幾個(gè)常見的應(yīng)用場景。

第一個(gè)是名為Reviuer的公司，這是一家創(chuàng)業(yè)公司。

舉個(gè)例子，如果你查看北美的建筑規(guī)范，像加拿大的每個(gè)省都有自己的規(guī)范書，每本可能有上千頁。而在美國，盡管大家都使用一本叫IBC的建筑規(guī)范，但它本身非常厚重，而且每周根據(jù)IBC的要求，還會(huì)有一些定制化的修訂。比如加州只需要關(guān)注IBC第1-14章，而其他部分可能需要基于當(dāng)?shù)氐男薷?。問題是，如何確保在遵循這些復(fù)雜的建筑規(guī)范要求的同時(shí)，確保工程師和建筑師在審圖時(shí)不會(huì)漏掉任何細(xì)節(jié)？

如果這項(xiàng)工作由人工完成，非常容易出錯(cuò)，而且非常依賴經(jīng)驗(yàn)。雖然優(yōu)秀的公司和建筑師有一定的把控力，但難免會(huì)忽視一些細(xì)節(jié)。Reviuer公司通過AI來解決這個(gè)問題。用戶可以將設(shè)計(jì)圖紙上傳，無論是建筑平面圖還是其他形式的設(shè)計(jì)圖，AI將這些圖紙與對(duì)應(yīng)的建筑規(guī)范庫進(jìn)行比對(duì)，審核圖紙，識(shí)別可能的問題點(diǎn)，并用紅色標(biāo)記出來，隨后通過批注的形式提示最終用戶哪里可能存在問題。這家公司主要專注于建筑領(lǐng)域，但類似的技術(shù)也應(yīng)用于結(jié)構(gòu)、水電、空調(diào)等領(lǐng)域。

Trunk tools這家公司的工作方式與前述的那些案例有些相似。它的產(chǎn)品上線一年多，其CEO的個(gè)人魅力以及在社交媒體上的宣傳，使得這家公司廣受關(guān)注。

實(shí)際上，它比DataGrid更進(jìn)一步，提供了基于短信的溝通平臺(tái)，專為總包商提升溝通效率。通過短信，用戶可以快速獲取大量建筑文檔信息，并且能夠顯著提升與現(xiàn)場施工人員或管理人員的溝通效率。在國外，由于沒有微信等即時(shí)通訊工具，很多現(xiàn)場溝通還是依賴短信。因此，這家公司專注于通過短信平臺(tái)來改善這一溝通方式。他們的技術(shù)也得到了許多投資者的青睞。

03 PINN與AEC創(chuàng)新

最后一位其實(shí)也是我們正在研究的一個(gè)方向，叫 Physics-Informed Neural Network（PINN）。這個(gè)方向代表的是一類問題，不僅限于建筑領(lǐng)域，而是涉及如何在生成式AI表現(xiàn)良好的情況下，通過融入一些物理仿真規(guī)律，解決更精細(xì)的工程設(shè)計(jì)問題。

當(dāng)前的大語言模型并不擅長精準(zhǔn)繪制工程圖紙。比如，你給它一張圖，它可以大致判斷出某個(gè)區(qū)域內(nèi)可能存在的元素，但如果要求它精確到 XY 坐標(biāo)級(jí)別的設(shè)計(jì)，基本上是不可能的?；诩冋Z言模型的方法，在目前的技術(shù)水平下難以實(shí)現(xiàn)這一點(diǎn)。

而傳統(tǒng)的CPU模型在處理工程圖時(shí)，也存在現(xiàn)實(shí)挑戰(zhàn)。比如，在工程領(lǐng)域，實(shí)際可用的訓(xùn)練數(shù)據(jù)（圖紙）并不多，因此，即便構(gòu)建一個(gè)基于Stable Diffusion的強(qiáng)大模型，也可能面臨數(shù)據(jù)匱乏的問題。此外，工程圖紙本身的特性決定了它并不需要過度的創(chuàng)意性，因?yàn)榇蟛糠挚臻g是留白，而不是充滿設(shè)計(jì)元素。因此，我們需要另一套思路，即在物理限定的框架內(nèi)，讓 AI 生成符合工程需求的設(shè)計(jì)。

關(guān)于這張圖，它很有代表性，因?yàn)閷W(xué)界目前主要有兩條研究思路：第一，純數(shù)據(jù)驅(qū)動(dòng)方法——如果給 AI 模型提供完全符合物理規(guī)律的訓(xùn)練數(shù)據(jù)，它能否自主學(xué)習(xí)并掌握這些規(guī)律？第二，物理仿真驅(qū)動(dòng)方法——如果 AI 不能自主學(xué)習(xí)物理規(guī)律，是否需要在訓(xùn)練過程中加入物理仿真器，通過強(qiáng)化學(xué)習(xí)（RL）或代理模型的方法，把基于公式計(jì)算的物理規(guī)律反饋給 AI？

目前，這兩條路徑都在探索中，而我個(gè)人更傾向于第二種方法。

最近字節(jié)跳動(dòng)在幾個(gè)月前發(fā)表的一篇論文，其中對(duì)比了多種視頻生成模型，探討它們?cè)谖锢硎澜缃Ｖ械姆夯芰ΑＫ麄兪褂昧艘粋€(gè)簡單的物理引擎，模擬勻速直線運(yùn)動(dòng)，并在5米/秒到20米/秒的范圍內(nèi)生成訓(xùn)練數(shù)據(jù)，然后用視頻生成模型進(jìn)行訓(xùn)練。最終實(shí)驗(yàn)表明，即使是這種簡單的物理運(yùn)動(dòng)，AI也只能在訓(xùn)練數(shù)據(jù)的范圍內(nèi)泛化，比如能理解2米/秒到 40 米/秒的運(yùn)動(dòng)，但一旦超出這個(gè)范圍，就無法準(zhǔn)確模擬符合物理規(guī)律的勻速直線運(yùn)動(dòng)。

這個(gè)實(shí)驗(yàn)說明了一個(gè)關(guān)鍵問題：盡管勻速運(yùn)動(dòng)在我們看來是簡單的，但對(duì)于沒有物理驗(yàn)證機(jī)制的AI模型來說，它的理解能力是有限的。這一點(diǎn)在現(xiàn)有的視頻生成模型中也有所體現(xiàn)，例如在模擬碰撞、重力、透視關(guān)系（近大遠(yuǎn)?。┑确矫妫F(xiàn)有模型仍然存在明顯缺陷。如果AI僅依賴啟發(fā)式方法去擬合物理規(guī)律，其表現(xiàn)仍然受到很大限制。而在這一方向上，我們正在深入探索，并已取得一些進(jìn)展。

這個(gè)方向有一家比較有代表性的公司叫Stantec。他們通過AI訓(xùn)練了一套洪水預(yù)測模型，與美國37個(gè)州的州政府合作，幫助政府預(yù)測洪水風(fēng)險(xiǎn)。流體力學(xué)本身有一套成熟的仿真軟件，Stantec會(huì)結(jié)合氣象信息、河流水文數(shù)據(jù)以及地理地貌等因素，向政府提供預(yù)警和風(fēng)險(xiǎn)信號(hào)。這套系統(tǒng)目前來看在落地效果上表現(xiàn)得比較好。

04 Genia，AI結(jié)構(gòu)設(shè)計(jì)

再說回我們自己。我們通過生成式AI的方式，把建筑圖作為輸入，生成對(duì)應(yīng)的結(jié)構(gòu)工程圖。

這里涉及的物理因素包括抗風(fēng)、抗雪、抗震等建筑規(guī)范要求，這些規(guī)范都需要經(jīng)過物理驗(yàn)證。如果是低層建筑，可以直接基于公式進(jìn)行結(jié)構(gòu)分析。但如果是超高層建筑，就需要通過仿真模擬進(jìn)行更復(fù)雜的結(jié)構(gòu)分析。我們正在做的事情，就是如何把這種物理仿真能力和生成式AI結(jié)合起來。

這里展示的demo分為三部分。第一部分是申請(qǐng)項(xiàng)目并上傳建筑圖紙，平臺(tái)通過生成式AI生成對(duì)應(yīng)的結(jié)構(gòu)方案。第二部分通過郵件將結(jié)果反饋給用戶。最終，我們會(huì)給用戶推薦3-5套符合物理規(guī)范、造價(jià)可控且表現(xiàn)最優(yōu)的結(jié)構(gòu)方案。整個(gè)過程看起來簡單，但背后涉及了縱向的結(jié)構(gòu)分析和多維度的成本權(quán)衡。

目前，我們的主要客戶群體是北美的建筑設(shè)計(jì)院和總包商。北美市場有兩個(gè)明顯的趨勢：一是大型總包公司內(nèi)部往往會(huì)組建自己的工程團(tuán)隊(duì)，通常通過收購獨(dú)立的工程公司來完成；二是北美的建筑行業(yè)分工相對(duì)獨(dú)立，建筑設(shè)計(jì)、結(jié)構(gòu)設(shè)計(jì)、水電暖通往往由不同公司分別完成，和國內(nèi)建筑院一體化的模式差異很大。我們的產(chǎn)品主要面向結(jié)構(gòu)工程師，為他們提供賦能工具。

剛才建元基金張寧老師也提到，建筑行業(yè)整體數(shù)字化水平還比較原始，很難直接用 AI 取代人工。因此，我們最終做的也是一種Co-pilot模式，幫助工程師提升效率，而不是完全取代他們。

今天的分享就到這里，謝謝大家！

（完）