人工智能技術在現(xiàn)代城市更新設計中的實驗研究

一、引言

人工智能（AI）作為計算機科學的一個分支，專注于研究和開發(fā)模擬、延伸和擴展人類智能的理論、方法、技術及應用系統(tǒng)。AI旨在創(chuàng)造能以類似人類智能方式響應的新技術。在城市更新項目中引入AI技術具有實驗性質的創(chuàng)新意義，不僅為城市更新開辟了新的可能，也為未來城市規(guī)劃和建設提供了新的視角。因此，本文制定了一套方法論，旨在詳細指導如何在城市更新項目中有效使用AI技術，并探討如何將這些新技術與現(xiàn)有城市建設結合，以達到最優(yōu)的更新效果。

二、行業(yè)研究

AIGC（生成式人工智能）源于20世紀50年代的神經網絡研究。到2014年，生成對抗網絡（GAN）的提出使圖像生成取得突破。之后，當時還默默無名的OpenAI公司推出的GPT-3語言模型將AIGC應用拓展到了自然語言處理領域。2022年，擴散模型（Diffusion Model）的興起將AIGC推向新高潮，Stable Diffusion、DALL-E等內容生產工具相繼問世。2023年，各種大語言模型迭代升級，AIGC進入高速發(fā)展期。目前，內容生成已從單一走向多模態(tài)融合，從初級感知邁向高級認知，從小樣本學習進化到大規(guī)模預訓練。國內的相關應用也在2024年開始進入了“井噴期”，一些公司出品的AIGC內容應用已在國際上處于領先階段。

在AI參與設計行業(yè)的早期，已有許多國內外學者探索AI在設計實踐中的協(xié)同路徑。通過詞嵌入、命名實體識別等自然語言處理技術，AI可準確解析設計師的意圖，再通過對應的文本描述與提示工程（Prompt Engineering）生成相應的圖像和其他內容。盡管受早期數據的限制，生成的藝術創(chuàng)作難以盡如人意，但在迭代優(yōu)化中，人機協(xié)同不斷細化設計方案，目前已能輸出可接受的設計成果。在動畫制作、產品設計、建筑與室內設計等領域，該協(xié)同范式已初見成效。

國際上的AI參與設計研究開展得更早，研究團隊通過比較DALL-E、Midjourney、Stable Diffusion等主流AIGC工具的技術架構和生成效果，總結出一套將AIGC內容融入建筑結構測算工作的最佳實踐。研究表明，當前AIGC類軟件在建筑工程平面圖生成、三維建模、建筑信息模型（BIM）等任務上已初具成效，但在細節(jié)把控、規(guī)范選擇、知識整合方面還有不足，仍需設計師把關，還需進一步從通用大模型走向建筑領域專用模型，融入更多行業(yè)知識。

國內相關高校研究表明，通過使用機器學習算法，AIGC確實可以快速生成大量設計方案，幫助建筑師進行創(chuàng)想和優(yōu)化設計。具體應用到城市規(guī)劃設計領域而言，AIGC可用于生成概念圖、創(chuàng)建單一模型，或進行風格遷移、優(yōu)化細節(jié)等，極大地提高了設計的效率和創(chuàng)新性。

由此，越來越多的設計人員開始關注AI及其相關模型和算法對建筑師職能的影響，認為AIGC技術正在改變設計師的角色定位，從創(chuàng)作主體變?yōu)槎嘀悄荏w協(xié)同中的“導演”和“催化劑”。AI可以與設計師形成“啟發(fā)—定制—增強”的協(xié)同設計模式。然而，要實現(xiàn)這個愿景，需要建筑設計師以開放和包容的心態(tài)看待人機關系，以實現(xiàn)人機互補和共同進化。

三、創(chuàng)作實踐

（一）項目背景與啟動

上海市浦東新區(qū)上南路區(qū)域的城市更新項目屬于世博片區(qū)區(qū)域整治的一個子項，主要改造包括位于中華藝術宮門口的街道靠近世博源商場的一座小型建筑、新增的公園景觀、公園的兒童設施以及道路上的城市家具。項目涵蓋了建筑、景觀、市政、藝術小品、商業(yè)改造等多項內容，涉及綠化、電力、地鐵、市政運營、地塊統(tǒng)籌等相互之間討論的事項，細瑣繁雜。

由于整體項目周期計劃已定，給予充分推演的時間并不充足，而又因疊加疫情后續(xù)影響，多個項目存在設計資源嚴重不足的情況。基于此，團隊借助正在高速發(fā)展的AIGC圖像生成、大語言模型與智能識別等技術融入到本次任務，并嘗試梳理城市設計全流程引入AI技術的策略和路徑，來試驗以當前技術形成一套切實可行的人機協(xié)同設計工作流，為業(yè)界提供范本參考。

（二）技術準備階段——利用AI語言類大模型進行項目設計規(guī)范、標準、案例等關鍵信息的綜合梳理

做好前期資料匯總和輸出環(huán)節(jié)，關鍵在于平衡各方要求和提升設計作品中科技與藝術的含量。在承接項目時，需要按流程進行各種復雜的前期分析和推演，甚至走訪專家學者進行調研。

本階段首先通過AI大模型技術建模，分析并推演政府提出的高標準、高品質、高效率推進城市建設管理的任務要求。團隊通過AI生成程序代碼，抓取相關網絡頁面，歸納相關新聞的高頻詞，明確順序，基于經濟、實用、美觀的底層需求，按照安全、高效、高質量的要求，確定項目設計方向。其次，按照以往的工作方法，要求多專業(yè)、多角色通過多次設計會議進行統(tǒng)籌協(xié)同，梳理相關標準。在AI助力下，團隊利用大模型技術，對設計規(guī)范、標準、案例等進行梳理和補充，細化總結優(yōu)先事項，并標注參考邏輯。在與主管單位交流后，生成項目實施的技術路線表。再次，按照表格給出的路徑，與項目相關各級干系人單位收集各種設計文檔，最終交由AI處理。其中在輸入提示詞時，要求AI按照從宏觀、中觀再到微觀尺度的順序，對相關權重參數逐個設置。返回的結果按照周邊建筑、結構、景觀、經濟指標等多專業(yè)維度逐步覆蓋，并驅使多個AI扮演顧問角色，涵蓋各種業(yè)態(tài)類型。最后，在概念設計和總體策劃中，推測設計關鍵詞，劃分藝術、工程規(guī)范、科技創(chuàng)新等不同自由度的多個象限，并描述需要設計的造型方向與設計手法。

相較于過去，AI處理海量信息的能力極大地提高了設計前期的工作效率，使概念設計過程更精準、更深入。該技術將標準和規(guī)范構建為系統(tǒng)化設計依據，提升了設計方案的科學性和可行性，同時減輕了人員工作量和報告準備時間，整體效率提升50%以上。設計師能夠將更多精力投入到創(chuàng)新構思和方案優(yōu)化中，全面提升設計水平（圖1）。

（三）內容創(chuàng)造階段——利用生成式AIGC激發(fā)設計靈感，助力方案快速迭代

在方案初期，AIGC為設計師提供豐富的藝術創(chuàng)意和概念，幫助其快速拓展思路和捕捉靈感，這一過程包括多種AI工具和模型的綜合應用。

第一步，利用圖像生成平臺，通過微調參數和關鍵詞，自動生成大量具有高想象力和創(chuàng)新性的參考圖像。相比以往在各種資料庫中檢索相應案例，這些圖像往往具有極高的想象力和創(chuàng)新性，特別是在景觀設計中拓寬了設計可能性。例如，城市更新的景觀部分和藝術座椅部分，設計團隊使用Midjourney、Leonardo生成了大量街道景觀的概念圖像。通過輸入“未來感街道”“生態(tài)休閑廊道”“創(chuàng)新座椅”等關鍵詞組合，甚至相互疊加著名設計師的風格，激發(fā)AI生成了各具特色的設計方案，為后續(xù)深化設計提供了豐富靈感。

第二步，在AI生成圖像的基礎上，由設計師進行篩選，提取設計特征和草圖繪制，將抽象的靈感具象化為可操作的設計方案。例如，在受到嚴格限制的道路交通規(guī)劃和建筑規(guī)范下，專業(yè)設計師需先行勾勒出概念草圖，提供手繪草稿或手工模型照片，剩下的工作可交給各種AI軟件快速生成效果圖。然后，利用GPT等語言模型分析效果圖的視覺要素，如色彩搭配、材質肌理等，根據AI的反饋對方案進行迭代優(yōu)化。再通過局部微調，調整效果圖的日夜景以及場景細節(jié)，最終生成符合要求的方案圖并倒推出相關的平面細節(jié)。

第三步，在前兩步成果的基礎上，利用更復雜的AI工作流程對設計方案進行整合和深化。在第一步和第二步的迭代結果基礎上，使用復雜的命令鏈（如ComfyUI或自行訓練的LoRA模型）將項目過程中最核心的設計方案整合（由于當時模型的性能限制，局部重繪效果不佳，團隊根據AI內容重新建模，并將其融入傳統(tǒng)的SU/CAD方案中），再對方案的各個層面進行精細處理，并重點確保整體方案的一致性和連貫性。以實踐為例，使用ControlNet對方案的細部造型進行優(yōu)化，利用LoRA模型對部分建筑外觀材質進行智能匹配，最終生成了風格統(tǒng)一、細節(jié)精致的設計方案。

第四步，在方案優(yōu)化階段，嘗試使用如GPT等語言模型模擬評標系統(tǒng)，扮演業(yè)主、專家、用戶的角色，識別文本和圖像。AI會根據方案圖像自動生成文本，然后交給不同的AI模型進行打分和點評，優(yōu)化匯報內容，為設計師提供多角度的優(yōu)化參考。經過人工再次推敲完善，加入設計者的思路和風格，完成循環(huán)迭代。

總的來說，與過去相比，AI制作設計方案的輸出階段，在上南路城市更新項目時，依然是人工和AI相互提升和細化的過程。AI主要增強了原先機械化的尋找資料和制圖工作的效率，讓設計師更能專注于思考和創(chuàng)意。盡管在整個任務鏈上，AI尚不能像流水線一樣批量生產方案，但其進步已然十分明顯（圖2）。

（四）結果評估階段——結合人工使用AI對設計方案進行落地和優(yōu)化

在設計流程的最后階段，也就是城市更新項目進入落地和實施階段，AI技術可與設計師形成緊密的人機協(xié)同，對設計方案進行全面評估和持續(xù)優(yōu)化。這一過程通常包括設計管理、成果交付、施工制作、結果評估等多個環(huán)節(jié)，AI在其中扮演著越來越重要的角色。

在設計管理方面，通過之前的數據分析和模型模擬，對已完成的設計方案進行分析，如功能性、經濟性、安全性、可持續(xù)性的特點等，這種分析能夠為設計師提供可靠的參考。例如，在云朵郵局單體建筑上，使用AI算法對不同的方案進行成本效益分析，并根據現(xiàn)場實施條件，優(yōu)選出最具性價比的方案，有效節(jié)約了設計時間和資源。同時，在成果交付環(huán)節(jié)，輔助設計師修訂施工圖紙、效果圖、動畫等成果文檔，提升內容交付的效率和質量。

項目落地是設計項目在國內實施的最復雜一環(huán)。面對大量供應商的加入，監(jiān)理和項目經理對工期和成本的考核，經常導致項目的設計效果難以準確還原——現(xiàn)場會議通常以某一方妥協(xié)進行推進。本次經過AI的輔助調查和反饋，可對工程現(xiàn)場進行智能管控，及時發(fā)現(xiàn)和預警各種風險隱患，確保工程質量和效果的平衡，并且在每次會議中分析判斷各方供應商需求，及時形成報告。例如，在云朵公園改造施工中，通過AI分析建議，結合氣候環(huán)境對綠化和草花進行種植和成本替換建議，并根據環(huán)境條件調整養(yǎng)護方案，提升景觀的生態(tài)效益。

在結果評估方面，AI可從多個維度對設計方案的實際效果進行綜合評價，包括業(yè)主反饋、材料總結、運營數據分析等。之前，這種評估往往需要處理海量的異構數據，傳統(tǒng)的人工評估方式極度依賴設計院總師會、項目專題會等。而AI融入技術參數后，進行深入分析和模擬仿真，可以比較精準地評估方案的技術可行性和優(yōu)化潛力。例如，在部分藝術城市家具的結構設計中，AI通過有限元分析等方法，對材料老化、風荷載響應等進行精細化評估，并提出優(yōu)化建議給到專業(yè)分包單位。再如，在實踐中，利用AI對街道花箱中的植物配置方案進行日照分析和生長模擬，優(yōu)化植物的選型和布局，提升了景觀的生態(tài)效益。

然而，任何新技術進入行業(yè)應用，都會面臨該行業(yè)存在的普遍痛點。部分專業(yè)方案要求廣泛深入且非常“本地化”的知識，如文化適應性和地域環(huán)境分析。目前階段的AI信息庫和不夠全面的知識圖譜，在處理此類問題時，尤其在無法量化的情況下，常常會出現(xiàn)相互矛盾，甚至錯誤的內容，給出的意見也缺乏個性且套路化，難以被眾多參與者接受。此時，必須進行人工挑選和干預，或直接放棄AI。同時，AI高效產出內容的同時也會“高效”地增加錯誤答案，盡管AI評估結果具有客觀性和量化性，但其輸出依賴于對話發(fā)起者的能力。目前，各種AI語言模型都無法真正地“思考”項目的特殊性、主觀性和藝術性，想獲得更好的結果，需要不同層次的設計師進行更多的對話和迭代討論，否則AI將很難像人類專家那樣靈活地做出總結和歸納，特別是涉及多目標、多條件的復雜決策，需要在功能、成本、美學等維度權衡（圖3）。

四、結語

本文探討了AI技術在藝術創(chuàng)作與城市更新領域的應用前景，分析了其在2023年的創(chuàng)新實踐。AI不僅在重塑設計行業(yè)的生態(tài)中顯示出前所未有的效率和智能化服務能力，也開啟了藝術創(chuàng)作和城市建設的新可能性。然而，我們也需要深入思考AI的本質和未來發(fā)展方向，確保其根本目標仍是服務于設計的本質，為人類生活提供更優(yōu)解決方案。

AI的計算優(yōu)勢使其能夠通過窮舉所有可能性，迅速生成大量設計方案供選擇。隨著目前技術疊代速度的加快，設計方案的完成度也越來越高，這種能力在設計行業(yè)引起了一場變革，設計師的角色從傳統(tǒng)的“方案繪制者”跨界轉變?yōu)椤皠?chuàng)意策劃者”和“價值塑造者”。更進一步的是，AI不僅改變了設計師如何理解和創(chuàng)新設計，還優(yōu)化了設計流程、提升了設計效率、降低了成本。例如，在上南路城市更新項目中，AI技術為設計團隊提供了更廣闊和深入的設計工具與可能性。通過其獨特的數據分析和模型訓練能力，AI極大地提高了項目的效率，簡化了從設計到施工各個階段的工作。

設計行業(yè)面臨的這場變革要求每一位設計師都以新的思維方式來接受和適應AI技術。原本需要花費大量時間去精進的手繪或空間能力可能會被AI在短時間內超越甚至完全取代。在CG表現(xiàn)和部分動漫內容制作方面，這種情況已然發(fā)生。在城市更新領域，盡管部分方面還存在知識圖譜的壁壘，建筑和景觀設計師們仍舊對AI的發(fā)展保持關注，需要不斷學習新技術、更新知識結構、提升跨界融合能力，以保持在AI時代的競爭力。

本研究以城市更新項目實踐為基礎，結合理論反饋，對AI賦能設計行業(yè)的圖景進行了全面剖析，具有一定的前瞻性和針對性。盡管部分論述尚不夠深入和全面，但期望為從業(yè)者把握時代機遇、應對行業(yè)變革提供新的思路。未來，學界和業(yè)界可在這一方向上加大研究力度，從技術路線、應用場景、人才培養(yǎng)、政策法規(guī)等多個維度共同推進，助力AI賦能設計行業(yè)行穩(wěn)致遠。

參考文獻

[1]袁潮，鄭豪．生成式人工智能影響下的建筑設計新模式[J]．建筑學報，2023（10）：29-35.

[2]ZHANG Z H，BOWES B．The Future of Artificial Intelligence （AI） and Machine Learning （ML） in Landscape Design：A Case Study in Coastal Virginia，USA[J]．Journal of Digital Landscape Architecture，2019，4：2-9.

[3]PLOENNIGS J，BERGER M．AI art in architecture[J]．AI in Civil Engineering，2023，2（1）：8.

[4]袁烽，許心慧，王月陽．走向生成式人工智能增強設計時代[J]．建筑學報，2023（10）：14-20.

[5]何珈儀，吳啟文，陳榮強，等．生成式人工智能革命下的ChatGPT、AI繪畫協(xié)同設計體系探析[J]．設計，2023，8（4）：2507-2515.

（責任編輯：鞠阿蓮）