我们正处在一个设计范式剧烈重构的时代。从2022年AI生成作品《太空歌剧院》获得科罗拉多博览会数字艺术金奖，到2025年生成式AI全面渗透设计全流程，AI已不再是设计师的“辅助工具”，而是正在重塑设计行业底层逻辑的变革力量。

对于设计行业、从业设计师而言，这场变革带来的不仅是效率的提升，更是能力结构的根本性重构。设计师的角色正从“执行者”向“训练者”“策展人”“决策者”演变，需要完成从“工具适应”到“生态重塑”的思维跃迁。

然而，行业普遍面临如下三大挑战：一是AI工具碎片化，难以形成协同工作流；二是各专业AI应用深度不一，结构、机电等后端专业落地案例稀缺；三是设计师个体缺乏系统的能力重构路径。本课程旨在为设计从业者提供一套完整的AI能力提升方案，从工具实操到思维跃迁，从案例剖析到行动指南，助力设计师在AI时代重构业务的核心竞争力。

1、思维层面：理解从CAD到AIGD的范式变革、AI时代设计师角色的重新定义，完成从“执行者”向“训练者与决策者”的思维跃迁。

2、工具层面：掌握Midjourney、DALL·E、ArchMind等主流工具的高阶应用技巧，学会提示词工程、局部重绘、可控生成等核心技能。

3、专业层面：洞悉结构、给排水、暖通、电气等专业的AI辅助应用场景，了解TransBIM、AI-structure Copilot等专业工具价值。

4、案例层面：深度剖析中南建院GiantAI平台、中建西南院ArchiMind模型、华建集团OVAL AI等头部企业的行业实践。

5、行动层面：掌握企业AI转型的战略规划、人才梯队建设、数据资产积累与落地推进方法，获得AI时代设计师能力重构的行动路线图，明确个人成长路径。

开班破冰：AI设计时代已来

1. 讲师与学员自我介绍

2. 课程目标与日程说明

3. 破冰互动：您眼中的AI设计——现场调研学员的AI工具使用现状与期待

一、传统设计流程的痛点审视

1. 信息孤岛：各专业软件不互通，图模不一致问题频发

2. 重复劳动：大量时间消耗在绘图、修改等低创造性工作

3. 经验局限：设计方案高度依赖个人经验，难以穷举最 优解

4. 沟通损耗：设计师与业主、各专业之间的沟通成本高

二、CAD到AIGD的范式转移

1. 概念厘清：区分“计算机辅助设计”与“人工智能生成式设计”

2. 技术底座解析

1） 生成对抗网络（GAN）的原理与应用

2） 扩散模型（Diffusion Model）的核心优势

3） 大语言模型（LLM）在设计中的价值

三、AI在设计中的三种介入模式

1. 模式一：灵感激发器——通过文生图突破思维定势

2. 模式二：方案评估器——基于数据与规范进行性能优化

3. 模式三：图纸自动化——从模型到施工图的端到端生成

四、设计师角色的重新定义

1. 从“执行者”到“训练者”——教会AI理解设计语言

2. 从“绘图员”到“策展人”——在众多AI方案中筛选组合

3. 从“技术工”到“决策者”——基于专业判断做出最终选择

五、互动环节：AI设计思维自测

1. 分组讨论：您所在团队目前处于哪个阶段？

2. 小组代表分享，讲师点评

一、提示词工程：AI设计的“新语言”

1. 提示词六要素模型

1） 主体：建筑类型、功能、形态

2） 环境：场地特征、周边景观、气候

3） 风格：建筑风格、设计流派

4） 构图：视角、景别、透视

5） 光照：光线方向、氛围营造

6） 渲染参数：输出质量、比例、版本控制

2. 风格迁移与融合技巧

1） 案例实操：将“山水凝韵，花栖绿境”转化为精准提示词

2） 现场演示：同一概念在不同风格下的表现差异

二、Midjourney进阶实操

1. Midjourney特色：

1） 艺术性与氛围感的首 选

2） 核心优势：低学习门槛、强大的艺术表现力

3） 适用场景：概念方案、氛围营造、风格探索

2. Midjourney高阶实操

1） 版本选择策略

2） 比例控制技巧

3） 风格化参数应用

4） 多图混合（Blend）功能

5） 局部重绘技术

三、DALL·E 3精准控制技巧

1. 结构化提示词设计

1） 案例：无障碍卫生间布局的规范要求转化为提示词

2）多轮对话迭代技巧

2. DALL·E 3与ChatGPT协同工作流

1）利用ChatGPT优化提示词

2）对话式修改与方案迭代

1. Midjourney与DALL·E 3的对比选择

1）何时用MJ：艺术性、氛围感、风格化

2）何时用DALL·E：逻辑性、精准性、规范验证

四、ArchMind草图转模型实操

1. ArchMind核心功能介绍

1）草图转模型：手绘建筑草图快速生成3D模型

2）文本生成模型：根据提示词直接生成建筑体块

3）风格迁移：将一个模型的风格应用到另一个模型

2. 实操演练：从手绘草图到可编辑模型

1）草图拍摄与导入技巧

2）提示词撰写与参数设置

3）多方案生成与选择

4）导出至SketchUp进行深化

五、从AI图像到可编辑几何

1. 像素转参数技术解析

1）图像分割：SAM+GroundingDINO的应用

2）矢量转化：从分割结果到SVG

3）参数化重建：在Grasshopper/Revit中重构几何

4）BIM集成：导入Revit深化设计

2. 案例演示：AI生成立面转化为Revit可编辑构件

六、现场实操教学体验

1. 任务一：使用Midjourney生成一个“滨水文化中心”概念方案，要求包含3种不同风格

2. 任务二：使用DALL·E 3生成一个符合规范的小户型住宅平面图（60㎡）

3. 任务三：使用ArchMind将提供的手绘草图转化为3个不同的建筑体块方案

4. 讲师巡回指导，现场解答问题

一、结构专业：从自动布置到智能优化

1. 结构AI应用的三层架构

1）方案层：基于建筑平面自动生成结构布置

2）计算层：自动受力分析、配筋计算

3）优化层：多方案比选、拓扑优化

2. AI-structure Copilot深度解析

1）技术架构：中望软件与清华大学联合研发

2）核心功能详解

▪ 建筑空间提取：自动识别CAD图纸中的建筑空间信息

▪ 构件智能布置：剪力墙、结构梁的自动生成

▪ 多算法并行：A、B、C三种算法生成不同结构方案

▪ 经济性比选：材料用量与建造成本的自动对比

3）效率数据：传统2小时的结构布置任务，缩短至3-10分钟

1. 案例实操演示

1）输入住宅建筑平面图

2）AI自动识别空间信息并生成三种结构方案

3）经济性指标对比与方案选择

4）导出至结构计算软件深化

二、电气专业：全流程自动化设计

1. 传统电气设计痛点

1）配电箱布置、干线图绘制耗时巨大

2）设备选型与负荷计算分离，容易出错

3）修改一处引发连锁调整

2. UAD电气与智能化AI辅助设计软件

1）输入：建筑平面图+设计需求

2）AI输出

▪ 配电箱位置建议（考虑负荷中心、供电半径）

▪ 竖向配电干线图（自动生成电缆走向）

▪ 各楼层配电箱系统图（自动匹配元器件）

▪ 材料清单（自动统计数量）

3）效率对比：传统3-5天 → AI辅助3-5小时，错误率降低80%

三、给排水与暖通专业：智能建模与避让

1. S3D智能辅助工具案例

1）六大核心工具简介

2）管道轴测图一键出图：从数日到半小时，效率提升90%

3）重力流/压力流智能避让

▪ 自动识别管线碰撞

▪ 遵循“小管让大管、压力让重力”原则调整走向

▪ 生成2-3个避让方案供选择

2. 暖通专业的AI突破

1）高效机房AI全域生态平台

2）AI方案设计与能效仿真优化

3）案例：越南2万冷吨项目，传统200-300天→AI辅助60天执行完毕，成本降低20%-30%

四、施工图协同设计：TransBIM平台

1. TransBIM技术原理

1）多通道神经网络：笔画通道+几何拓扑通道+身份感知通道

2）构件敏感度技术：贪心算法+多目标耦合函数

3）分布式集群并发：细粒度空间混合搜索

2. 全专业施工图生成流程

1）输入：建筑设计方案图（平立剖、总图）

2）AI处理

▪ 提取各专业设计信息

▪ 基于规范库和设计规则自动生成

3）输出：结构、给排水、电气、暖通施工图（图模一致）

1. 科大讯飞AI+自动设计产品对比

1）覆盖建筑、结构、给排水、暖通、电气5个专业80+设计场景

2）360+项自动设计功能

3）案例：5万平米地下车库，传统5-10天→AI辅助6小时，效率提升85%-93%

五、智能校审：利用AI进行合规性审查

1. 传统审查的困境

1）人工审查依赖个人经验，容易疏漏

2）规范条款繁多，难以全部记忆

2. AI校审解决方案

1）规范知识库构建（基于大语言模型+RAG技术）

2）图纸智能解析与合规性校验

3）风险预警与修改建议

1. 案例数据：引入AI校审后，图纸错漏率降低60%，审查周期缩短70%

六、互动环节：专业协同工作坊

1. 分组：建筑组、结构组、机电组

2. 任务：每组使用相应AI工具完成指定任务

3. 成果展示与交叉点评

4. 讲师总结：全专业AI协同的关键成功要素

一、中南建院：GiantAI平台的自主研发与应用

1. 战略定位

1）贯彻湖北省委“打造世界设计之都”战略部署

2）坚持科技创新引领，推动数字技术与设计深度融合

2. GiantAI 2.0平台解析

1）技术架构：DEEPSEEK R1 + 稳态扩散模型

2）三端应用

▪ Web网页端：随时随地访问，适合前期概念探索

▪ 企业微信工作端：内部协同，数据安全可控

▪ SketchUp插件端：与常用工具无缝集成

3）九大功能：覆盖灵感激发、概念意向生成、方案推敲、效果图润色全流程

1. 落地项目案例

1）天门石家河遗址博物馆：方案灵感生成、遗址文化元素提取

2）湖北警官学院新校区：多方案比选、功能布局优化

3）黄山市歙县徽文化艺术交流中心：徽文化元素提取、传统与现代融合探索

1. 经验启示

1）自主研发平台需要“技术+场景”双轮驱动

2）以实际项目需求牵引技术迭代

3）多端应用确保工具融入日常工作流

二、中建西南院：从工具应用到自主研发

1. 战略定位：应用牵引+技术攻坚双轮驱动

2. 核心成果：ArchiMind结构AI模型

1）技术突破

▪ 步进重复采样算法与“图像/Graph”数据增强

▪ 特征增强图神经网络（ALGNN）

▪ 局部与整体坐标转换+敏感圈编码实现工程概念约束嵌入

2）与EasyBIM无缝对接

▪ 打通快速解析建筑设计布置、自动生成结构三维模型的完整流程

3）成果：入选国务院国资委首批央企人工智能战略性高价值场景

3. 全流程智能设计生态

1）智能方案生成：学习海量设计案例与规范，快速生成多版优化方案

2）绿色智慧决策：基于气候、能耗、成本多维度大数据，AI辅助生成低碳建筑最 优解

3）参数化设计革命：Grasshopper+DeepSeek引擎，口语化指令直接生成建模代码，效率提升约70%

4）实时渲染助手：自动生成提示词，实时渲染随画面变化自动调整

5）智能材价采集：造价数据库系统实现数据科学积累

1. 行业知识引擎构建

1）整合70余年技术沉淀

2）包含统一技术措施、科研技术报告等成果

3）以人工智能激活企业核心知识资产

1. 经验启示

1）从“应用工具”到“自主研发”需要长期技术积累

2）自主研发模型可与自有软件生态深度集成，形成核心竞争力

三、华建集团：AI开源生态与垂直领域突破

1. 战略定位：构建“新质生产力”人才生态圈，推动行业数字化转型

2. 核心成果一：建筑AI开源生态双核

1）评测基准AECBench：帮助研发人员评估模型专业能力

2）多模态数据集ArchCAD：为建筑AI领域提供基础数据资源，提升图纸理解能力

3. 核心成果二：OVAL AI体育建筑智能设计助手

1）技术背景：2025年9月正式发布，全球首 款体育建筑智能设计平台

2）核心数据库：覆盖全球144个国家和地区、4000+座体育场馆、6万余张高清图像

3）技术特点：自然语言输入、云端参数化建模、多智能体协同

4）核心功能：案例查找、参数问答、参数修改一体化

4. 商汤科技战略合作

1）共研工程图纸多模态大模型

2) 共建建筑行业AI Agent平台

3) 共创行业标准化产品与产业生态

1. 数智化转型顶层设计

1）四层数智化支撑体系

▪ 基础设施层：推动集团私有云基础设施建设

▪ 数据治理层：建立企业级业务数据标准，探索70年沉淀数据的结构化治理

▪ 平台支撑层：研究云端工作流，探索云端协同设计平台

▪ 应用创新层：探索AI RAG知识库、AI识图、参数化设计工具

2）DeepSeek赋能实践

▪ AI RAG知识库优化：大型体育场馆项目知识检索效率提升超80%

▪ 业务数据治理：智能数据清洗与质量管理，辅助项目数据打标

6. 企业AI转型方法论

1）三个重构：能力重构、流程重构、价值重构

2）三大结构性矛盾：通用模型与垂直场景适配、数据治理能力、AI工具链生态构建

四、案例对比与圆桌讨论

1. 三家设计院案例对比分析

1）战略定位差异

2）技术路线选择

3）应用侧重与成果

2. 圆桌讨论：您所在企业适合哪种模式？

1）分组讨论，每组选择一家案例企业进行对标分析

2）小组代表分享对标结论

3）讲师点评与总结

一、战略定位阶段

1. 明确AI转型目标

1）短期目标（6-12个月）：工具引入、骨干培养、案例积累

2）中期目标（1-2年）：标准流程、数据资产、日常融入

3）长期目标（2-3年）：自主研发、全流程协同、竞争壁垒

2. 制定技术路线

1）小型团队（10人以下）：云端SaaS为主，轻量级部署

▪ 推荐工具：Midjourney、DALL·E 3、即梦AI、ChatGPT

▪ 注意事项：数据安全问题需警惕

2）中型企业（10-100人）：混合模式，关键数据本地化

▪ 推荐工具：Stable Diffusion私有化部署+商业工具组合

▪ 需要建立：AI应用管理制度、数据安全规范

3）大型集团（100人以上）：本地化部署+自研模型训练

▪ 推荐路径：建立企业AI设计平台，训练专属LoRA模型

▪ 投资回报：形成企业设计资产库，构建竞争壁垒

二、能力建设阶段

1. 人才梯队建设

1）三层人才结构

▪ AI应用普及层：全体设计人员，掌握基础工具

▪ AI技术骨干层：各专业骨干设计师，精通工具、指导他人

▪ AI研发专家层：信息化部门，掌握模型训练、平台开发

2）培训机制

▪ 内部培训：种子选手带教、全员滚动培训

▪ 外部学习：与高校合作、参加AI技术培训

▪ 案例：中建西南院发布AIGC小红书，推广全流程AI设计工作流

2. 数据资产积累

1）数据资产化四步法

▪ 数据盘点：梳理历史项目数据，识别高价值类型

▪ 数据清洗：统一格式，去除低质量数据

▪ 数据标注：制定标注规范，利用AI辅助标注

▪ 数据资产化：构建训练数据集，训练LoRA模型

2）案例：中建西南院构建70余年技术沉淀的专属知识库；华建集团推进70年沉淀数据的结构化治理

1. 工具选型与集成

1）工具选型评估维度

▪ 功能匹配度（30%）、易用性（15%）、集成能力（20%）

▪ 数据安全（20%）、成本（15%）

2）集成策略

▪ 优先选择有API接口的工具

▪ 考虑建立企业AI平台，统一管理AI能力

▪ 案例：ArchiMind与EasyBIM无缝对接；华建集团构建私有云基础设施

三、落地推进阶段

1. 试点项目选择

1）试点项目标准：复杂度适中、周期有弹性、团队有意愿、成果可量化

2）试点推进流程

▪ 项目启动：明确目标，组建试点小组

▪ 工具准备：安装配置，完成基础培训

▪ 实战应用：在实际设计中应用AI工具

▪ 效果评估：量化效率提升

▪ 经验总结：形成案例文档

2. 流程重构

1）AI融入设计流程的关键节点

▪ 概念方案：灵感生成、多方案比选（5天→1天）

▪ 方案深化：草图转模型、立面生成（3天→4小时）

▪ 初步设计：结构自动布置、专业协同（7天→2天）

▪ 施工图：各专业图纸生成、管线综合（20天→7天）

▪ 出图交付：一键出图、智能校审（3天→半天）

2）流程重构要点

▪ 将AI应用节点嵌入现有流程

▪ 明确各阶段AI输出成果的标准

▪ 建立AI成果的审核机制

▪ 参考华建集团“人机协同”新型工作范式

1. 绩效考核

1）正向激励：对主动学习AI工具的团队给予资源支持

2）效果量化：建立效率对比基线，追踪AI应用成效

3）将AI应用能力纳入晋升考核指标

四、持续迭代阶段

1. 建立AI应用社区

1）内部社区：企业AI应用交流群、定期分享会、案例库

2）外部连接：参加行业AI论坛、与高校保持交流

2. 持续学习机制

1）技术跟踪：建立“生成式AI-多模态模型-智能体技术”三级体系

2）技能升级：每年组织专题培训，建立AI技能认证

1. 自主研发演进

1）第 一阶段：集成应用——熟练使用成熟工具

2）第二阶段：二次开发——利用API定制开发

3）第三阶段：自主研发——训练专属模型（如中南建院GiantAI、中建西南院ArchiMind、华建集团OVAL AI）

4）第四阶段：能力输出——将成熟能力产品化，构建产业生态

五、行动路线图总结

1. 战略定位（1-2个月）：明确目标、制定路线 → AI转型规划

2. 能力建设（3-6个月）：人才培养、数据积累、工具选型 → AI应用团队+数据集

3. 落地推进（6-12个月）：试点项目、流程重构 → 标杆案例+标准流程

4. 持续迭代（12个月+）：社区建设、自主研发 → 企业AI平台+竞争壁垒

六、互动环节：制定AI转型行动计划

1. 个人/小组作业：根据所在企业情况，制定一份AI转型行动计划

2. 分享与点评：选取代表分享，讲师提供针对性建议

总结与答疑

2. 开放式问答：解答学员关于工具使用、学习路径、企业落地的具体问题

1. 课后资源与支持说明：工具官网、学习平台、社区论坛清单