2018年夏天，小库XKool横空出世，在展示环节以极短的时间内完成了一个住宅项目的多个强排设计方案，并生成了汇报的PPT文件。这一惊人的表现吸引了国内建筑业的眼球，那么人工智能发展到今天，在房地产开发及建筑设计中拥有怎样的前景呢？

设计地块
生成的设计方案之一

目前小库主要用于开发商的住宅项目的拿地方案，就是人们常说的“强排”。具体的说就是根据拟开发的地块，分析周边环境，在满足土地的建筑面积、容积率、限高、日照防火等要求下进行穷举各类方案，并通过人工智能的技术来优化算法，从而在给定的时间内获得多个满足要求的方案，最终按照一定的标准进行评价以推荐优选方案，并给出相应的工程造价。在传统的住宅项目拿地研究中，建筑师或业主也需要尝试多方案的比选，有时虽然凭经验都知道最佳方案，但这一工作不能跳过。小库通过网上平台完成这一工作，发挥计算速度快的特点，在限定的设计条件下迅速生成和比较成千上万个设计方案。

在澳大利亚也有一家类似的公司，叫作ArchiStar，他们的网站上对于这一技术的应用介绍得更为详细：网上平台可以显示地块的控规要求、周边环境的三维模型、配套设施的信息、周边房市交易、审批建造、销售租赁等信息、随时更新的当地项目售价及造价等，以帮助业主和顾问在短时间内搜集前期调研所需信息；在设计方面，在满足当地建筑规范要求的通风、采光等要求下，通过计算机生成大量合规的体量及楼面排布方案，并按照建筑面积进行排序，以帮助业主进行比较并筛选出最优方案。通过平台进行可行性研究，可大幅提高开发商在购地前的调研效率，也可避免开发商要求建筑师提供免费、重复且方案数量有限的前期研究。

三维的拟建地块周边环境
生成的设计方案之一

在设计过程中，小库和ArchiStar的设计过程属于生成式建筑设计（Generative Design），计算机在给定的设计条件下进行大量的方案生成，随后再根据一定的原则进行评价，最后仅呈现排名靠前的方案。这一过程就像举办设计竞赛，比较诸多的方案并选出获胜者。这些工具可以帮助建筑师在很短的时间内完成这一工作，比起传统全人工排布的方式，节约了时间，并减少了重复的劳动。人工智能的平台降低了门槛，并进行了技术的标准化，过去只有学会Grasshopper的少数建筑师可以进行计算机强排，今天不会编程的建筑师和开发商也可以直接使用平台获得同样的成果。

未来人工智能的建筑设计需要有更多的突破。如果计算机总是尝试穷举所有的可能，是非常的耗时耗力的，而且人们也往往等不了这么久。因此人工智能需要首要收集和学习现有的大量数据，总结出经验，直接跳过一些不可行的方案。就像前两年谷歌人工智能围棋程序AlphaGo学习围棋棋谱，在获得足够的学习经验后，可以在短时间内计算出胜率较高的策略，从而在大概率上保证获胜。同样的，未来的人工智能建筑设计一定是建立在学习大量现有设计方案的基础上的，计算机将会学习到在各类条件下最合适或最常用的设计方案，这样就能就能模仿有经验的建筑师的思维模式。当然将人们理解和评价建筑的思维转译成计算机语言，这并不是一件容易的事情。

生成性设计模仿自然进化的方式进行设计。设计人员或工程师将设计目标以及材料、建造方法和成本等约束条件输入到生成设计软件中。与拓扑优化不同, 该软件探索了解决方案的所有可能排列, 并快速生成设计方案。它从每次迭代进行测试和学习哪些策略是有效的, 哪些策略是无效的。

今天的生成式设计仍有很大的潜力，例如验算住宅地块的控制性详细规划的指标是否合理，过去用地的开发指标只是凭经验，而生成式设计可以快速检验给定的指标能否实现好的三维空间环境；另一方面，生成式设计可以更好的平衡政府代表的合规性、开发商的营利性以及未来住户的利益，可以通过多方案的评价选择出最佳的利益平衡点；此外，生成式设计也可以增加设计的考虑因素，例如进行设计初期的能耗模拟分析，考虑当地气候、建筑形体、朝向对于建筑能耗可能产生的影响，帮助建筑实现节能减排。现有的人工智能平台也可以共享信息，并帮助人们完成大量的重复性工作，以找出特定情境下的最优方案。这在过去是不可能实现的，生成式设计将作为一种强大的工具，赋予建筑师更多的能力。

未来人工智能能否胜任建筑设计？这还需要人工智能进行更多的突破。建筑设计是比较复杂的学科，在设计过程中需要考虑诸多因素，例如防火、功能、美学、结构和建造等，需要有综合的知识基础，人工智能必须有相应的数据处理能力。更重要的是建筑设计具有主观性，需要解决的问题并非黑白分明，比如建筑规范有强制性的，也有推荐性的，甚至有时设计能够突破规范，还有很多约定俗成的常识，评价体系较为复杂。一位合格的建筑师需要大量时间的经验积累，而人工智能也只有经过更多的学习，才能生成类似于人类设计的建筑，从相对简单的拿地方案跨越到真正的建筑方案设计。

摘自：建筑2030