点击上方蓝字 “桥梁视界”关注我们

   工程建设行业的AI应用是多迪技术研发一直在研究的方向，利用AI来提升行业工程质量，提长行业效率，实现行业的降本增效，打造百看建筑精品，建造百年精品工程。

由ChatGPT引发的新一轮的范式变革正在发生，当文字具象为天马行空的图片，当问题得到合理优美的答案，人类的想象力再次被点燃，国内的工程建设领域又会迎来哪些可能性？

AI Generated Content(AIGC，人工智能自动生成内容)，是继专业生产内容（PGC, Professional-generated Content）、用户生产内容（UGC, User-generated Content）之后的新型内容创作方式，可以在创意、表现力、迭代、传播、个性化等方面，充分发挥技术优势，打造新的数字内容生成与交互形态。

从2022年下半年开始，AI绘画工具Stable Diffusion、AI聊天机器人ChatGPT陆续在全球爆火，迭代速度更是呈现指数级发展，让普通用户直观感受到了AI技术的强大和AI技术发展的一日千里，也让AIGC逐渐接棒“元宇宙”成为全球关注的焦点和热议的话题。但当前，大部分媒体、企业都还是把AIGC的宣传点聚焦在文化，娱乐等应用场景。而在交通领域的工程建设场景下的应用，还少有涉及。本期聚焦内容革命的生产力工具AIGC，深入思考其火爆出圈背后的驱动力，并期望与相关科技企业一起，率先探索AIGC在工程建设场景下的落地应用及未来的关键趋势。

量变到质变的结果

面对由ChatGPT带来的AIGC热潮，无论是行业巨头，还是创业公司，都在积极布局，迎合市场的期待。从美联社与人工智能公司合作开展的AI新闻写作平台Wordsmith，到北京冬奥会上的AI手语主播，从微软小冰完成的诗集《阳光失了玻璃窗》，到百度的AI虚拟数字人，AIGC开始被越来越多的人熟悉和习惯。

对于这种内容革命的生产力工具火爆出圈的现象，来自上海微亿智造科技有限公司的林方正博士认为应该从两个方面进行思考。首先，从技术角度来看，AIGC技术的快速发展，既是人工智能技术不断进步的体现，也是市场需求不断变化的反映；其次，从产业角度来看，AIGC的出现，不仅为行业带来了更多的商机和变革，也为内容创作提供了更广阔的空间和可能。

事实上，AIGC这一概念并不是第一天诞生，那些人们所熟悉的会作诗的微软小冰，以及近期横空出世的ChatGPT，都可被视为AIGC发展过程中的重要节点。然而AIGC之所以能够在当下迅速走红，是时也，也是运也。

“AIGC爆火的时间节点正好赶上了这个时代，每个国家、行业、企业，以及个人都处在发展、动荡和变革中。从ChatGPT到AIGC，这一技术跨越带来的冲击力度、影响范围、后续发展变化，或远或近和每个人的工作生活息息相关，让大家进一步思考自己能否生存和如何生存，影响的深度和广度是之前的热点和话题不具备的。”北京市政工程设计研究总院有限公司的杨冰告诉记者。

同样的，开域集团的施侃也表示,GPT模型在5年前就被学界提出,但当时并没有引起太大的反响,如今的火爆,背后的原因是它完成了从量变到质变的过程。“这一次的成功出圈,其实是遵循着整个AI行业的发展趋势,到达了一个突变的节点上,才会出现这样的一个现象。”他进一步补充道。

相信许多已经使用过类似ChatGPT软件这种“升级的搜索引擎”的用户可能会有一个明显的感受：对比之前的搜索引擎，可以避免在搜索结果出来后，还需要在海量的信息中进行过滤、分析，才能取得自己想要的答案。但同时，这也带来一个非常明显的问题，用户只能看到系统给的“标准答案”，而这个答案正确与否，是否还有其他的相关信息，却是很难验证的。

在张冬青看来，对于一些缺乏常识的“小白”，这种简单的灌输方式符合他们的胃口；但对于“专业人士”，如果长期采用这种方式获取信息，可能会因为信息片面化、碎片化和错误信息的积累，影响自身的发展。

经过测试，这类ChatGPT软件可以代替人类完成很多程序性、基础性的工作，甚至能够取代一些如文员、软件员等岗位，也能在考试中获得良好的成绩，但能否真正明显地提高生产力，还需要具体工程案例的验证。

AIGC是一把双刃剑

深度学习是AI技术的核心，它的价值在于根据不同的应用场景需求，去学习某一场景下的“知识”，从而形成有辨认能力、有思考能力、有筛选能力、有决定能力、有输出能力的“大脑”。

想象一下，在工程建设领域，如果我们将过往的工程设计图作为“学习材料”输入到AI“大脑”中，让它学习，它就可以把学习到的工程案例化作自己的“项目经验”。当工程师有新的设计任务时，可以直接将场景数据（空间、地形、人流量、需要的抗震级别等）输入到AI机器，从而让机器根据过去的“项目经验”自主筛选出过往工程图纸中能适用于新场景的元素，并快速拼接成一张新的图纸，提高设计效率。

“设计工作会迎来革命。”林方正博士肯定地说道，AIGC不仅能生成文字知识，而且能合成图像内容。而交通基建行业的设计包含大量的设计任务。但同时，他也提醒道：相比于艺术设计类任务需要多样性和创造力而言，交通基建行业的设计任务仍然需要严格参照规范实施。“所以，如果AIGC工具拥有创造能力的同时，也能实现对规范的理解和表达，那么行业设计革命值得期待。一旦这类技术出现，基建工程项目对专业设计人士的需求会大大减少，而效率则会迅速增加。”

一直从事设计工作的杨冰，在谈到工程建设行业引入AIGC后带来的变化时，他畅想道：首先是工作效率的提升，常规的、重复的设计工作和岗位被代替，特别是施工图设计阶段工作周期可以大幅度缩短，相应的设计工作成本也大幅降低；然后是设计质量的提高，避免再犯之前工程项目出现过的偏差和人为失误，这在应用AIGC前几乎是不可避免的；再有是设计标准的合理，这里的设计标准是指设计方案的功能、规模和技术标准的组合更加合理。

在杨冰看来，AIGC的引入改变了传统的依据技术标准先初拟设计方案，再做复核性检查的试算式设计模式，可以说传统设计模式完成的设计方案是包络式的，AIGC完成的方案是定制的，而且可以集成协同更多的内容，是更优的、更符合高质量发展和可持续发展要求的。

不可否认，在工程建设行业，AIGC技术作为一种辅助工具，可以更加高效地实现方案效果图的自动生成，减少设计师的一些基础性、重复性的工作，并从中解放出来，将时间用于提升自身的业务能力和水平，从这点上来看，也是非常有价值的。但尽管如此，施侃也强调：AIGC并不能完全取代人类设计师，还需要人的二次加工，其中就包括将其修改完善成符合行业规范标准的设计内容。

虽然短期内，传统的基建行业还不会被明显冲击，但在张冬青看来，AIGC技术就像是一把双刃剑，有利也有弊。

“AICG容易形成路径依赖和拔苗助长的效果，不利于学习能力、应对复杂环境能力高的技术人员脱颖而出，在过渡期间容易形成人才的青黄不接，不利于行业技术水平的进一步提升。”他担心地说道。

基建版ChatGPT

还需持续“破壁”

AIGC的应用，需要大量工程案例和数据库支撑才能实现。但不同于ChatGPT、绘画类等AI应用基于庞大的训练数据量，在反复训练后生成的智能系统。工程建设行业的数据量往往难以达到与ChatGPT同级的水平，这意味着AIGC在基建领域的应用难度要大得多。

对此，施侃认为大模型有其通用性。比如利用AIGC生成地形处理方案时，对于同一地理条件（地形、地貌、地质情况）进行精细的训练，并在具体的需求上进行微调，就可以完成多个应用场景的任务，实现通用的智能能力。“另外，所需的应用场景的训练数据应该更看重质，而不仅是量的多和少。”他强调道。

从技术角度来讲，林方正博士也认为：工程建设行业的类ChatGPT大模型产品不需要从零开始搭建。“基于开源大模型的微调是更经济的选择，往往训练效果也不错。数据方面也不需要非常担心。现在很多城市搭建了智慧城市、智慧交通平台，这些平台既是数据的可视化工具，也可以是数据的收集储存地点。这部分数据可能也给大模型训练做出了积极的贡献。”他举例道。

俗话说：“不看广告，看疗效。”这可能是社会大众评价一项新技术的第一指标。即使最开始AIGC概念有炒作水分，但如今随着ChatGPT、MidJourney、Claude等技术产品出现，让用户有了真切的体验和积极的反馈。目前的AIGC技术正逐步实现从文字到图片、从图片到3D模型生成，但在具体工程项目的应用中，又应如何确保可以精准表达设计的成果，并以高质量的方式替代人工完成工作？

“虽然AIGC是一个辅助的工具，但要想让它更有用，更加接近我们想要达到的效果，我觉得还需要有一个AIGC和使用者相互磨合的过程。”施侃告诉记者，以ChatGPT为例来看，它其实在本质上就是一个文本输入和输出的工具，但如果人们想要得到一个高质量的答案，如何提问显得非常重要。因此，接下来的适配过程，需要大模型学习更加深入的工程专业知识以后，展现出更专业、更实用的知识输出。

林方正博士也认同地说道：应用场景的寻找其实不是问题，ChatGPT能代替我们日常工作中的通用任务岗位，对应基建行业，“基建版ChatGPT”也能代替。对应非通用的需求，则需要进一步挖掘AIGC大模型潜力，让技术开发和业务需求有机结合。

其实，在专家们看来，“基建版ChatGPT”肯定会出现。“但形式肯定与现在有明显的不同。这不是应用场景的问题，是它能不能成为一个好工具的问题，如果确实有用，很快就会大范围推广。”张冬青总结道。

行业变革的向生之路

人们经常会对新鲜的未知事务形成各种幻想，在有些专家的眼里，受资本的推动，AIGC给大众展示了一张美妙的蓝图，对这张图背后的底层逻辑和成本则避而不谈。

“这个问题尤其突显了科普的重要性。”张冬青表示，人工智能目前仍然是一个用于处理信息的程序，需要严格按照指令来运行，只是目前程序越来越大，协同人员越来越多，程序员们都无法看到程序的全部面貌，难以理解程序的运行，更给AI披上了一层神秘的面纱。在他看来，既然仍然按照程序在运行，那就仍然距离“智能”很远，也就仍然是一个工具。

对此，施侃也强调说：“归根结底,要先有最下面的底层能力,至于它的逻辑性是不是一定够强,可能未必。现阶段,它还需要人类的进一步干预,替它完成一些信息的筛选。AIGC最终的应用落地,需要全行业一起在通用能力之上,根据细分的应用需求进行二次开发,通过在各个垂直领域生成不同的产品,携手构建出一个AI的商业化生态。”

在盈利模式的探索上，对比国外成熟的行业生态，国内的AIGC距离真正的商业化落地，还有较远的距离。

提到未来的AIGC商业化落地应用时，杨冰表示：国内的基础设施建设高潮已经过去，未来的需求会更多集中在运维和改建。“对于已经建设完成开通运营的基础设施项目，建立什么样的数字化模型，满足未来全生命周期AI应用的需要，也是行业内特别是广大面临转岗的设计企业需要关注和值得投入的领域。”他坚定地说道。

“我认为潜力巨大”，林方正博士的反馈较为积极，“外国不等于美国。AIGC技术上我们只落后于美国，其他西方国家跟我们相比差距更大。首先要对自己国家的技术发展充满信心。其次，信息化是个浪潮，但是这个浪潮来到各行业的顺序有先后，客观上建筑和基建行业信息化赋能的确比许多行业晚一些。国家的基建行业是个巨大市场，市场是孕育产品的摇篮。随着技术应用和业务需求的相向发展，必然会有入局者，也必然会有有效的解决方案。”

风起于青𬞟之末，AIGC的热浪腾起，行业变革的风暴将至。如何应对，用专家的话说：以开放的心态看待AIGC技术的发展，并将当前的技术潜力挖掘干净，夯实基础，为下一次突破做好准备。

本文刊载 / 《BIM视界》杂志

2022年 第2期 总第25期