AI在设计行业的普及程度（AI Prevalence in Design）
AI普及现状
AI正在快速融入到设计工作流程中，超过60%的受访者已经在项目中应用AI或正在探索如何在项目中落 地AI。同时受访者们也普遍认为AI是对设计行业未来影响最大的前沿技术，排在AI之后的是实时渲染、 VR/AR、BIM、云计算 。
建筑、景观等空间设计行业对新技术一直是持开放态度的，实时渲染、虚拟现实、云计算等技术出现后， 业内从业者和相关的应用服务都能够快速跟进。
AI普及现状
效率和创造力是设计行业的底层生产力。建筑、景观等空间设计行业本身对于技术的应用需求非 常大，先进的技术可以提高效率、降低成本，并且有助于创造更具创意和创新性的设计。同时设 计行业与其他领域如地理学、工程学、材料科学、生态学、计算机科学等密切相关，其他领域的 技术进步，也能够快速影响到建筑、景观等空间设计行业。
从外部条件看，作为国民经济的支柱产业之一，中国建筑行业经历了几十年的高速发展，给从业 者提供了更多的可能性和机遇，这也反向要求他们不断提升自身的专业水平以适应激烈的竞争环 境。通俗来说，建筑、景观、室内、城市规划等空间设计相比其他设计细分领域更加“内卷”, 因此从业者更容易被FOMO(Fear of Missing Out,害怕错过)情绪裹挟，也更愿意积极接受和学习新技术。
从具体领域来看，方案设计和效果表现设计师对AI工具的使用率较为接近，约有25%的设计师已经在项 目中运用AI进行设计辅助工作。同时，大约37%的设计师正在积极探索如何将AI工具有效整合进项目实 践中。在那些尚未使用AI设计工具的设计师当中，以施工图设计师的比例最高，达到50.7%。
在所有尚未使用AI的670位受访者中，43.4%认为AI设计工具效果不理想，31.9%觉得操作复杂，28.7% 表示工作中不需要AI参与 。
不同地区的AI普及程度
AI普及程度与企业规模的关系
结合受访者所在的企业规模来看，中大型的设计企业对 AI 的应用和探索程度要高于小型工作室和个体从 业者。并且从调研数据来看，企业规模越大，AI 应用率越高。员工人数超过30人(以国有设计院、民营设 计院为主)的企业AI的应用比例，对比规模在30人以下的小型企业(主要为私营工作室/事务所)超出了 11个百分点。
设计是智力密集型行业，业务标准化程度低，规模扩张高度依赖专业人才，从国盛证券研究报告统计的头 部上市设计企业财报公告来看，人力成本普遍占比高达“70%-90%”。在行业下行的背景下，中大型企 业相比较小型公司面临更高的运营成本，而AI的到来则提供了降本增效的有效途径。
同时，在建筑产业数字化转型的背景下，为响应2024年政府工作报告中打造“新质生产力”的号召，国有和民营设计院对新技术、新应用的态度会更加开放。华东院、北京院、中国院、同济院在2024年工作部署 中都不约而同地提到了“科技创新”“数字赋能”等关键词，积极布局AI和新兴科技领域是很多头部企业 的全年方针。
同时，在建筑产业数字化转型的背景下，为响应2024年政府工作报告中打造“新质生产力”的号召，国有 和民营设计院对新技术、新应用的态度会更加开放。华东院、北京院、中国院、同济院在2024年工作部署 中都不约而同地提到了“科技创新”“数字赋能”等关键词，积极布局AI和新兴科技领域是很多头部企业 的全年方针。
AI普及在不同细分行业的特点
调研显示，在建筑、景观和城市规划领域，65%-80%的受访者已采用或正在尝试AI技术来辅助设计工作。在家居装饰和宴会策划领域，这一比例为50%-65%。本次调研结果表明，各细分设计领域中，超过半数的从业者正尝试或已经开始使用AI 技术以提升项目效率和创造力。
Al在设计行业的普及程度
城市规划，是 AI应用落地率最高的细分领域。城市规划设计师对“2D 规划及平面图生成 类”(60.7%)、“2D 效果图生成”(78.9%)、“大语言模型”(36.4%)的兴趣程度也要明显高于其 他领域。城市规划设计中涉及大量数据分析的多目标、多变量的复杂系统，人口统计、交通流量、环境影 响评估等，AI特别是机器学习和深度学习技术，可以构建模型来模拟城市运行，帮助设计师评估方案影 响。客观条件上，城市规划设计相比其他领域，更早地采用了信息化工具，如GIS、BIM、CIM、 数字孪生 技术，为AI的引入提供了成熟的技术和数据。
设计师的 AI 应用现状
O 设计项目前期
人工智能目前普遍应用在一个项目的早期设计阶段，并且随着项目阶段的推移AI 应用率递减，已在项目中应用AI的409名受访者中89.9%选择将AI应用在初步方案阶段。在接受认知调查的1100名受访者 中，67.7%的受访者认为初步方案是最需要Al 参与的设计阶段。
综合目前的行业认知和实际应用情况来看，在初步方案的各个步骤中，使用AI的频率前三位分别是意向参 考(77.5%)、理念构思(76.3%)以及效果图/视频制作(54.0%)。这表明AI 在这些设计行业初步方案 设计流程中的辅助作用得到了较广泛的认可和应用。
O 理念构思和意向参考
前期的理念构思、意向参考阶段，是设计过程中最为开放和探索性的时期，这个阶段需要大量的创意和灵 感。而AI可以在这个阶段提供多样化的设计方案和视觉参考，探索更多的可能性。AI 的发散性和创新能 力在这个阶段得到了很好的发挥，而设计师可以将更多的时间投入到更需要分析和洞察的工作中。
利用AI发散，生成意向参考图
在理念构思和意向参考阶段中，最常用到的AI工具是 Stable Diffusion和Midjourney。在具体应用场景 上 ，Midjourney 更多用于初步的设计发散，帮助设计师快速生成多个设计方案，进行概念的筛选和比 较；而 Stable Diffusion 则更适用于对选定概念进行深入发散，生成更为详细和具体的设计意向图。
O 效果图和视频制作
效果图可视化，是AI应用率最高的另一个具体步骤。“2D图像-效果图生成”是设计师最感兴趣的应用领 域，占比69.8%,明显高于其他选项，说明AI在效果图方面的应用备受关注。在初步方案的各个步骤中， 效果图/视频制作(54.0%)应用比例排名第三；而在扩初方案的各步骤中，效果图/视频制作的应用比例 最高，达到81.1%。效果图可视化阶段的AI应用主要从两方面加快了整个设计和决策过程：提高阶段性效 果图渲染效率、提高效果图渲染后处理质量。
AI快速渲染：阶段性效果图展示，辅助沟通和决策
设计是一个多方协作的过程，作品在多方“角力”中逐渐成型。创意构思阶段的AI应用可以促进设计师之 间的沟通和协作，而深化设计和施工图制作阶段则需要与业主、工程师、承包商等多个利益相关方进行更 为复杂的沟通和协调。随 着AI 的不断发展，设计师作为协调者的功能将会持续加强，在管理项目流程、 数据、关系方面会承担更大的责任。
近一半(49.8%)的受访者表示会将AI产出的部分成果汇报给甲方/业主，如阶段性成果；33.6%的受访 者表示会汇报AI成果，但不会特意区分是否为AI生成；仅16.6%的受访者表示甲方不会直接看到AI成 果。这表明AI在设计行业的应用逐渐被认可，并在一定程度上影响了与甲方的沟通方式。
O 3D AI生成尚未满足需求
对于“您最感兴趣的 AI 在设计中的应用领域是?”这一问题，69.8%的受访者选择了2D 图像-效果图生成 类，59.3%的受访者选择了3D模型资产生成类应用，这两类应用明显高于其他选项。但是在实际使用情 况 中 ， 3D 模型资产类应用如Luma AI、Meshy AI,是远远不及2D 图像类的。
从细分行业的兴趣倾向来看，建筑、景观、城市规划设计师，更倾向于在设计初期使用AI工具进行概念生 成和规划。而家装、宴会、展厅设计师，设计项目更加注重个性化和细节，对AI生成3D 资产更感兴趣， 一直以来3D资产都是室内设计环节中影响效率的重要因素。效果图设计师同样对3D 资产类AI有强烈兴 趣，这一比例达到65%,而方案设计师的这一比例为56.4%。设计师通过方案的可视化打造沉浸式视觉体 验，所以会追求更具真实感和细节的3D 资产。
在本轮生成式AI的浪潮中，主流产品如Midjourney、Stable Diffusion、DALL-E,主要是基于扩散模型(Diffusion Model)的 2D 图像生成方法，预训练和扩散始终是静态2D 图像过程，无法从真正意义上构 建类似传统渲染管线通过3D场景渲染2D 图像的过程。而对于空间设计师来说，理想的3D 流程是可以通 过文字描述或参考图像让AI生成完全可控的3D 资产。
现阶段3D AI生成路线主要是“训练原生3D Al”和 “ 2D AI升维生成3D 内容”,距离满足实际设计项目 需求还有以下问题：
· 训练原生3D AI: 受到数据集的制约，最大的3D数据集 ShapeNet和 Objaverse相 比 2D数 据 集LAION 依然相差至少3个数量级。因为可使用的数据集远小于2D AI,导致很难直接训练出泛化性 良好的大模型，即可以较好地生成训练数据集中已经包含的3D 资产，但是很难像 Midjourney那样生 成具有“想象力”的新内容。
·2D AI模型升维 ：通常借助Stable Diffusion等 2D 扩 散 模 型 先 生 成 不 同 视 角 的 2D 视 图 ， 再 通 过 NeRF 等方法重建3D 资产。但是Diffusion 扩散模型添加和去除噪声的过程天然具备随机性，因此 在多视角2D 视图的生成过程中很难控制空间和风格上的一致性。并且这种方法通常面临较高的算力成 本，尤其是在需要高真实感渲染时，这可能会限制实际应用的可行性。
O PCG 智能布景解决方案
场景是空间设计的资产和核心。
2023年AI生成3D 技术发展迅速，但是在生成速度和质量上距离投入实际设计项目仍有较大差距。现阶
段设计师可以通过以下解决方案加速3D 创作流程：
·3D AI制作中远配景或是次要资产；
·PCG (程序化内容生成)自动化生成布景，提高配景制作效率；
·2D AI生成材质简化寻找和制作贴图的工作；
以建筑景观行业的首个实时PCG 解决方案 D5 Scatter为例，目前已经支持在场景中快速自动生成、随机分布大量的植物，用智能化景观生成解决手动摆放的繁琐，提升环境布置的效率和创造性，并且所有过程所见即所得。
PCG (程序化内容生成)实现智能化的搭配摆放，能够精准快速地完成工作并且具有确定性，是因为其背 后的研发和设计专家团队拆解了大量真实设计案例，将场地描述、配景摆放、植物种类等影响关系抽象出 相应的算法规则，内置于 PCG 应用中。这些案例涵盖了小体量的树池、草地、庭院地被，大尺度的绿化 带、农田、花田、森林、公园等项目类型，并且后续可调优算法和补全案例。
同样的，建筑配楼、街道路网这样基于一定规则编排的布景，未来也能通过PCG 简化原本繁琐的工作， 进一步释放设计师的生产力。
O 未来AI设计工具形态
在对未来设计生产工具形态的想象上，融合或集成是一个主要共识和趋势。
有67.7%的受访者希望未来诞生的 AI应用能融合或内置到原有的设计软件中，只有11.5%的受访者希望AI 应用和原有设计软件能彼此独立。
正在探索和应用AI的受访者中，仅有22.5%会在日常使用3D工具中内置的 AI, 其余77.5%尚未使用是因 为现有的3D 工具还未支持AI, 或内置的AI无法满足日常项目需求。
在2024年生产力工具的演进中，渐进式地融合AI 技术已成为 一种显著的行业趋势。AI 自动执行某些任务，或者提供智能建议和自动化选项，能简化一些原本繁琐复杂的工作，降低工具的学习和使用成本，解放生产力。
相比较图像和视频处理，3D 工作流程的复杂性是显而易见的，它通常涵盖了从概念设计到最终渲染的多 个阶段。这一过程往往需要依赖于多种专业软件和插件的协同作业，以确保整个制作流程的高效和一致
性 。AI 应用的集成，虽然带来了自动化和智能化的潜力，但同时也带来了一系列挑战，特别是在上下游应 用的兼容性、数据的互操作性以及工作流的无缝对接方面。
未来设计工具的具体形态无法预知，但简单易上手的使用逻辑、高效率的使用体验、用户需求的积极响 应、新技术的快速跟进，始终会是设计师们对生产力工具不变的追求。
学习Al
当前 AI学习门槛整体适中，但仍有部分用 户认为门槛较高。从统计数据来看，43.7% 的用户认为AI学习门槛适中(评分为5), 占比最高。
有15.4%的用户认为门槛较高(评分为 7),9.5%的用户认为门槛非常高(评分为 8)。评分平均数为5.6,说明整体上用户认 为AI学习门槛处于中等偏上的水平。
设计师主要通过国内社媒的免费课程和自己独立研究来学习上手AI工具。54.5%的受访者通过国内社交媒体上的免费课程学习AI工具，显示出社交媒体在知识传播中的重要作用。同时，46.1%的受访者选择独立 研究。在AI的学习方式上，以低成本学习AI社媒免费课程为主、自己独立研究为辅，“第三方付费课程”在所有方式中仅排名第5。
设计师主要通过社交媒体和视频平台了解AI知识。Bilibili、抖音和小红书是最受欢迎的获取 AI信息的渠 道，分别有69.2%、53.9%和45.3%的人选择，远高于专业AI网站(36.8%)和微信公众号(30.0%)。 这表明短视频和社交媒体在建筑设计行业的AI相关信息传播中起主导作用。
58.1%的受访者表示非常愿意接受培训以更好的利用AI辅助设计，40.5%的受访者表示“是，取决于学习 时间和成本”。企业规模与员工的 AI学习兴趣之间呈现正相关性，尤其是在人数超过100人的公司中，员工表现出较高的学习意愿，其中超半数的员工对学习AI抱有极高的热情。这可能反映了大型企业在技术采 纳和人才培养方面的积极策略。
O AI使用效率
绝大多数受访者(62.3%)表示使用AI工具后效率有一定的提升，而25.0%的受访者认为效率提升较大， 仅有12.7%的受访者感觉效率几乎没有变化。这表明AI工具在设计行业的应用对提高工作效率有显著的正面影响。
发表评论 取消回复