头部建筑事务所竞相投入自研AI赛道
AI设计
AI Design
当下AI已在编码、写作和图像生成领域引发变革，但建筑设计或许是最难被AI真正触及的领域之一。
道理很简单：建筑行业最核心的数据，并不存在于公网上。
施工图纸、CAD文件、BIM模型、三维模型、设计手稿，以及积攒数十年的项目档案，大量尘封于建筑事务所自有的服务器和档案室内。这些数据记录着一家事务所真实的设计沉淀，却极少被系统性地激活。
与其说建筑行业缺乏AI，不如说它一直在等待一个能真正读懂这些数据的AI。
如今，从Gensler、KPF、Foster+Partners到Arcadis，越来越多的头部设计公司正主动招募AI人才、搭建内部工具、梳理项目数据库，乃至着手训练自己的专属模型。
累积数十年的项目经验，正从沉睡的档案蜕变为可调用的数据资产。
△Autodesk 的 Forma 利用人工智能帮助从业人员
从项目启动之初就评估其碳排放影响
建筑领域的AI
关键不在生成而在理解
过去几年间，Midjourney、ChatGPT、Claude 等通用AI工具快速涌入设计行业。建筑师得以借助AI生成效果图、辅助场地分析、参与方案撰写，甚至完成部分机械性的任务。
然而当这些工具真正触及建筑设计核心环节时，短板很快显现。
毕竟建筑并非一张静态图像。一栋建筑背后牵连着空间、结构、规范、材料、设备、成本、使用方式等海量相互耦合的信息。
比如，AI或许能输出一张看似合理的办公空间平面图，却未必能理解消防疏散、结构体系与实际施工之间的内在关联。
△多伦多公司 Partisans 在 ChatGPT 生成的图像
这意味着：建筑AI不能只是"看着像建筑"，而必须真正懂得建筑是如何被设计与建造的。
要实现这一点，最关键的资源就是数据。
每家事务所
都坐拥一座"数据宝库"
纽约建筑事务所 Spectorgroup 的设计技术总监 Faizan Zaidi 曾抛出一个直击要害的问题：每家公司实际上都坐拥自己的数据宝库——所有过往完成的项目。
瓶颈在于，这些数据过去仅停留在归档层面，从未被真正盘活。
一家公司可能积累了几十年、上千个项目，但新员工依然只能从零学起；设计师遭遇类似难题时，往往依赖个人摸索，而非直接调取公司过去已经破解过的方案。
AI正在撬动的，恰恰是这一层关系。
若过往20年的项目被梳理为结构化数据，那么下一次启动住宅、办公楼或超高层时，设计师便可径直从历史项目中汲取经验。
历史项目由此不再只是作品集，而能成为下一轮项目的"知识引擎"。
Gensler
率先把AI塑造为设计生产力
全球规模最大的建筑设计公司之一 Gensler，很早就开始押注这一方向。它搭建了内部的"AI Sandbox"，让各团队在真实业务中试验AI工具。
起步阶段，他们主要借助AI攻克效率瓶颈：加速概念草图、场地分析及设计表达。但随着AI能力持续进化，Gensler 开始推出更具针对性的产品。
例如，公司推出的 gBlox（侧重早期设计、选址与数据分析）能够融合文本和图像提示，对项目选址与设计策略展开研判；其他工具如 gFloorz（聚焦办公空间与平面布局）、gDiffusion（侧重生成式图像与视觉表达），可在方案初期分析楼层布局，并评估空间使用、可持续性、运维及投资回报。
AI甚至被用于制作项目提案中的短片，让客户预先预览未来使用建筑的沉浸式场景。
底层逻辑已悄然转变：AI不再仅仅是绘图工具，而是开始介入设计决策。
Gensler 的判断也相当明确，未来真正构筑竞争力的，未必是谁手握最顶尖的AI模型，而是谁能把行业数据、设计积淀与创造力有机融合。
△Gensler 设计项目坦帕水街 (Water Street Tampa)
△Gensler 设计项目坦帕水街 (Water Street Tampa)
△Convergence Hall
△Convergence Hall
△Convergence Hall
△Cherry Creek West
△Cherry Creek West
△Cherry Creek West
Gensler 的思路非常清晰：AI并非取代建筑师，而是让建筑师跑得更快、看得更远。
它真正要打造的，也不是某个孤立的"建筑AI"，而是一套贯穿设计全链路的AI基础设施。
Zaha Hadid
训练"只懂扎哈"的专属模型
如果说 Gensler 更聚焦于效率与流程，那么 Zaha Hadid Architects（ZHA）则将重心放在设计语言本身。
ZHA 内部设有专门的计算设计部门 CODE，并组建了自己的AI研发团队。
他们为 Maya、Rhino 等设计软件定制开发插件，使设计师可直接将三维模型转化为AI图像。
更关键的是：ZHA 会调用自身的项目图库，为不同项目训练专属的 LoRA 模型。
LoRA 可理解为一种轻量化模型训练方式。无需重新训练一整个大模型，只需借助一批特定图像进行微调，就能让AI更精准地习得某种视觉风格。
△ZHA 尝试训练文本转图像的 AI 模型
使其能够生成具有结构和环境意义的设计成果
这意味着，ZHA 经年累月沉淀的设计语言——流动的曲线、连续的表皮、繁复的几何形态——可以被进一步编码为AI可解析、可再生的设计资产。
△ZHA 在设计南沙体育场（Nansha Stadium）时
使用 ZSPACE Kit 来协调各个团队的工作
△巴库世博城总体规划
△巴库世博城总体规划
△铁路波罗的海厄勒米斯特车站
△铁路波罗的海厄勒米斯特车站
△伊拉克中央银行
△伊拉克中央银行
△伊拉克中央银行
△Z8 塔
△Z8 塔
△Z8 塔
△Z8 塔
换言之：事务所过去数十年沉淀的作品，不仅代表成就，也成为滋养AI的优质语料。
这或许是 ZHA 这类事务所最深厚的护城河。
△傅厚民工作室在斯洛文尼亚设计的布莱德湖项目
被誉为首个完全由人工智能驱动的建筑项目
KPF 把 20 万张图片
锻造为专属AI知识库
KPF 这家拥有 50 年历史、约 650 名员工的建筑事务所，正在借助AI系统盘活自身的项目数据库。
其中一处数据库便收纳了约20万张图片。
过往数年的项目提案、建筑类型、设计方案等，均被整理为可供AI检索的结构化数据。
KPF 还打造了内部AI系统KAI。其使用体验与 ChatGPT 类似，但最大差异在于：KAI 调用的是 KPF 自有的数据库。
员工可通过自然语言查询过往的项目经验，亦可基于这些信息生成新的提案与设计方向。
更值得玩味的是，KPF 还在尝试让AI生成与自身设计语言更为贴合的图像。这意味着，一家事务所数十年来累积的设计经验与视觉语言，正被系统地整理、编码，再反哺于新一轮项目。
△Tapestry 总部
△Tapestry 总部
△Tapestry 总部
△南范内斯街 10 号
△南范内斯街 10 号
△南范内斯街 10 号
△银行街 10 号
△银行街 10 号
Foster+Partners
60 年设计积淀可被AI即时调用
Foster+Partners 这家英国知名建筑事务所自 2018 年起便开始探索AI与机器学习，目前已拥有超过120个AI模型。
这些模型被应用于设计探索、性能分析、规范比对、知识管理及运营等多个环节。借助内部AI，设计师可随时调取公司过去60年的设计指南与项目经验。
他们还在尝试让AI代理直接介入城市规划、体育场馆及建筑改造等业务。
但 Foster+Partners 坚持一条重要原则：AI应当自动化生产流程，而非取代创意本身。
也就是说，AI可协助建筑师消化大量重复工作，腾出宝贵时间，让设计师聚焦于真正需要判断与创造力的环节。
他们甚至在搭建一套自动化的数据体系，让新项目的资料不断涌入系统，再反过来滋养未来的项目。
这实质上构成了一个闭环：项目产出数据 → 数据训练AI → AI助力新项目 → 新项目继续产出数据。
△萨勒曼国王国际机场
△萨勒曼国王国际机场
△上海长风综合体开发项目
△上海长风综合体开发项目
△上海长风综合体开发项目
△迪拜丽晶公寓，桑卡里广场
△迪拜丽晶公寓，桑卡里广场
Arcadis 20 年住宅项目
蜕变为"设计经验库"
Arcadis 这家拥有约 35,000 名员工的全球设计、工程与咨询公司，每年承接大量不同类型的项目。
问题也随之而来：公司虽掌握丰厚经验，但员工未必能够便捷触达。
其计算设计团队因此着手系统整理过往项目。其中一个住宅数据库收录了过去20年约7,000个住宅项目，涵盖项目基础信息、缩略图及 CAD 图纸。这些数据被用于训练机器学习模型。
如今，当一项新住宅项目启动时，设计师可输入项目条件，让系统从过往案例中匹配最相似的参照，甚至协助生成场地方案与户型布局。
对于缺乏编程能力的设计师而言，这意味着他们首次得以凭借自然语言，直接调用公司过去20年的设计积淀。
但 Arcadis 对这类工具依然保持审慎。因为输出一张看上去合理的平面图并不困难，真正的难点在于让AI领会建筑师的专业判断。因而现阶段，这些工具仍主要作为研发与辅助设计之用。
Autodesk
建筑AI或需另一类"大模型"
如果说建筑事务所正致力于盘活自身数据，那么 Autodesk 所做的事情更为底层。
作为 AutoCAD、Revit 等建筑设计软件的开发方，Autodesk 掌握着海量真实的 CAD 数据与建筑模型。它正尝试研发一种有别于 ChatGPT、Claude 的AI形态：Neural CAD，即"神经 CAD"。
传统大语言模型主要学习文字。而 Neural CAD 学习的是建筑空间与几何关系。墙、柱、门、窗、楼梯，以及梁、板、桁架之间的相互关系，这些都能成为模型理解建筑的语言根基。这也是建筑AI未来真正可能突破的方向。
不是让AI"描述一栋建筑"，也不是让AI"画一张建筑效果图"，而是让AI真正读懂建筑的空间与构造逻辑。
Autodesk 的优势恰在于，它长期处于建筑数字化设计的基础设施层，因而手握海量真实的 CAD 数据。
但对建筑设计行业而言，另一个问题或许更为关键：你拥有哪些别人无法复制的数据？
模型必将日趋普及，AI工具也会越来越廉价。然而一家建筑事务所过去数十年沉淀的项目、设计规范、施工经验、户型逻辑、客户诉求与设计方法，却极难被复刻。这也是为何越来越多事务所着手搭建自有数据库、AI工具与内部知识体系。
他们真正想构筑的，并非一个"建筑版 ChatGPT"，而是一套仅属于自身的AI系统。它清楚公司做过什么，懂得过去破解过哪些难题，也深谙这家公司是如何设计建筑的。
让AI洞悉其中的关联，过往项目便会转化为全新的生产力。这也是当下 Gensler、KPF、Foster+Partners、Arcadis 等公司正在推进的方向。
有人在重塑流程，有人在搭建知识库，有人在训练设计模型，也有人在重新定义建筑软件。
路径各异，但方向愈发趋同：建筑事务所过去数十年沉淀的项目经验，正蜕变为AI时代最关键的资产之一。
建筑师们其实一直端坐在一座数据宝库之上。当下的命题已不再是"有无宝藏"，而是：谁会率先将其挖掘出来。