生成式AI人居领域应用趋势调研报告.docx

生成式AI人居领域应用趋势调研报告

C目录ONTENTS

03 序言

04

第一问

人居领域有必要做行业大模型吗？

11

第二问

人居领域行业大模型的基础是什么？

14

第三问

人居领域大模型的数据层如何建立？

16

第四问

人居领域大模型算法层如何建立？

18

第五问

如何搭建人居领域大模型的平台层？

19

第六问

在规划设计端行业大模型可能有哪些场景？

22

第七问

在建设运维端行业大模型可能有哪些场景？

24

第八问

行业大模型会对规划设计端带来哪些影响？

27

第九问

行业大模型会对建设运维端带来哪些影响？

29

第十问

人居领域的人才培养会有哪些改变？

33

附录：

人居领域生成式AI代表性产品

01.UrbanYX-城市认知大模型解决方案

02.小库AI云

03.中国金茂的大模型探索

04.广联达

05.品览筑绘通

06.国匠城一元技能

07.上格云

08.建筑工程技术资料对话大模型Construction-GPT

09.PlanGPT-规划专业大模型

10.合景悠活－物业智能客服大模型

11.飞渡峥嵘大模型

生成式AI人居领域应用白皮书 02

生成式AI人居领域应用白皮书P序言REAMBLE

生成式AI人居领域应用白皮书

2022年OpenAI发布ChatGPT，拉开了大语言模型和AIGC（生成式AI）时代的帷幕。时至今日，短短一年，大模型已家喻户晓，千模大战正在上演。生成式AI裹挟着人们对未来的兴奋与恐惧，迅速席卷了几乎所有行业。

一般来说，大模型是指包含超大规模参数的神经网络模型，具有卓越的泛化能力和表达能力，但相应的训练成本也极高。随着大模型的广泛应用，人们逐渐意识到，其在产业领域发挥真正的作用仍然任重道远。对于大多数企业而言，面向垂直场景、垂直行业、垂直领域探索基于大模型的应用创新，将成为现阶段的重要攻坚方向。大语言模型是生成式AI的一个重要应用领域，主要用于进行复杂的语言理解和文本生成任务。

有观点认为，行业大模型是基于某个特定行业领域的数据进行训练和优化的模型，旨在更好地理解和处理该行业的专业术语、规范和语义，以满足该行业的需求。与通用大模型相比，行业大模型更加专注于某个特定行业，能够更好地适应该行业的特殊需求和场景。然而，具体到某个行业领域，大模型和生成式AI应用的方式会存在很大的差异。

有些行业，如医疗、法律或金融，需要专门训练或精调大量特定领域的文本数据，以实现专业领域的大模型，用于政务交互、专业问答等场景。而在交通、能源电力、生物、材料等领域，则会使用特殊模态的数据和算法进行训练。不过，在绝大多数领域，通过基础大模型以Embedding等方式外挂知识库，便足以解决大多数问题。随着基础大模型参数量的增加、算法的优化以及跨模态能力的提升，其解决问题的效率可能会很快超越微调等方式。例如，GPT4的升级与DALL·E3的融合，显示出读图、绘图等能力的显著提升，而GPT-4Turbo和GPTs的发布则大大降低了制作垂直应用的难度。最终，AGI（通用人工智能）有望独立解决各种场景问题。然而，在实现这一目标之前，我们仍需探讨大模型和生成式AI近期的行业应用模式问题。

人居环境概念涵盖城市、建筑与景观等子领域，贯穿规划、设计、建造到运营全生命周期，并涉及结构、设备等相关学科。尽管相关行业整体数字化水平不高，但学界和业界一直在积极探索AI的各种应用场景。基于对海量数据的学习和建模，AI已广泛应用于空间和行为的模拟推演预

测、数据分析与辅助决策等领域，主要体现为对专业人员的辅助。

随着生成式AI的出现，其处理多学科非结构化知识、提供更友好的人机交互以及模仿人类艺术创作过程的能力，使我们获得了处理复杂系统问题的全新手段。城市与建筑的复杂巨系统远比大多数垂直行业复杂，其行业知识规模也更大，这决定了在相当长的时间内，专业人员仍然难以被取代。因此，探究新技术影响行业发展的路径与边界也就尤为重要。

一直以来，自然语言和图纸被视为人居环境领域主要的信息载体，而这两个信息载体正是目前生成式AI最为擅长的方向。作为一个传统行业，各种类型和分工的企业、机构都纷纷探索相关技术应用，近期在生成式AI领域的探索也十分活跃。因此，腾讯研究院与北京建筑大学合作，对十余位人居环境相关行业各领域的专家学者进行了访谈，他们既对行业有着深入的理解和实践经验，也都正在从事与生成式AI应用有关的工作。我们讨论的话题聚焦于生成式AI与大模型的人居环境领域应用，当然也会涉及与传统的行业AI以及其他技术的结合。希望通过这些实践与思考，推动行业在生成式AI技术背景下实现转型升级。

03

访谈人：

徐跃家博士，北京建筑大