跨模态神经架构：生成式AI驱动的景观规划设计范式跃迁--以浙江工业大学AI与创新设计课程为例.pdfVIP

跨模态神经架构：生成式AI驱动的景观规划设计范式跃迁——

以浙江工业大学AI与创新设计课程为例

Cross-ModalNeuralArchitecture:AGenerativeAI-DrivenParadigmShiftinLandscape

PlanningandDesign—ACaseStudyoftheAIandInnovativeDesignCourseatZhejiang

UniversityofTechnology

文／金阳浙江工业大学设计与建筑学院硕士生导师系副主任

郑艳宇浙江工业大学设计与建筑学院硕士研究生

陈曦浙江农林大学风景园林与建筑学院讲师（通讯作者）

摘要：文章以教学案例的方式，介绍了浙江工业大学环境设计专业在AI教学融合课程——AI与创新设计中的教学案例创新。课程案例聚焦了生成式AI

在景观规划设计中的革新应用，构建了“数据采集—智能分析—协同设计”的神经架构，以杭州五常湿地和苏州东山西街为案例，剖析了AI在景观规

划全流程的整合与效能。研究发现，AI驱动的跨模态融合打破了传统规划的静态数据壁垒，生成式工具链与决策优化模型显著提升了方案生成效率与

多目标平衡能力，人机协同机制推动了规划范式向“算法赋能创新”转型。尽管AI辅助景观规划面临模型准确率、工具适配性及技术门槛等挑战，但

在提升设计效率、创新方法及跨学科融合方面潜力巨大，有望推动景观规划行业向智能化、精细化与可持续方向发展。

Abstract：ThispaperpresentsaninnovativeteachingcasefromtheEnvironmentalDesignprogramatZhejiangUniversityofTechnology,

implementedintheintegratedAIcourseAIandInnovativeDesign.ThecourseexploresthetransformativeapplicationofgenerativeAIinlandscape

planninganddesign,establishinganeuralarchitecturebasedondatacollection–intelligentanalysis-collaborativedesign.UsingtheHangzhou

WuchangWetlandandSuzhouDongshanWestStreetascasestudies,thispaperanalyzestheintegrationandeffectivenessofAIthroughoutthe

landscapeplanningprocess.ThefindingsshowthatAI-drivencross-modalintegrationbreaksdowntraditionalstaticdatabarriers,whilegenerative

toolchainsanddecision-optimizationmodelssignificantlyimproveefficiencyandmulti-objectivebalancing.Human-AIcollaborationdrivesa

shifttowardalgorithm-poweredplanninginnovation.Althoughchallengesremaininmodelaccuracy,toolcompatibility,andtechnicalthresholds,

generativeAIdemonstratesgreatpotentialinenhancingdesignefficiency,fosteringinnovativemethodologies,andadvancinginterdisciplinary

integration,pavingthewayforintelligent,refined,andsustainabledevelopmentinthelandscapeplanningindustry.

关键词：生成式人工智能；景观规划设计；跨模态数据融合；深度学习；设计范式转型

Key