我们正处在一个设计行业底层逻辑被AI深刻重构的时代。从2022年AI生成作品《太空歌剧院》引发行业震动，到2025年生成式AI全面渗透设计全流程，再到2026年头部设计院纷纷将AI从“辅助工具”升级为“核心生产力”，这场变革已不再是效率的渐进式提升，而是对设计范式、专业分工、企业竞争逻辑的根本性重塑。

对于设计从业者而言，AI带来的不仅是“出图更快”，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。对于设计院管理者而言，核心命题已不再是“用什么工具”，而是如何将AIGC能力内化为企业的核心资产，如何从“项目驱动”转向“模型驱动”，构建自主的高阶设计业务生态。

然而当下，行业普遍面临三大挑战：一是AI工具碎片化，设计师在多个工具软件间频繁切换，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，通用大模型在专业场景中频频“失准”；三是设计师个体缺乏系统的能力重构路径，企业也缺乏从战略到落地的转型方略。

本课程立足“个人能力重构”与“企业业务转型”双重视角，系统讲授AI时代的思维变革、工具方法、全专业协同流程以及头部企业战略实践。课程为期两天，采用“认知—工具—流程—战略”四段式结构，帮助设计师完成能力跃迁，助力设计院借时代之红利，实现从业务赋能到生态重塑的跨越。

1、思维层面：理解从CAD到AIGC的范式变革，厘清生成对抗网络、扩散模型、大语言模型等技术底座的战略价值；完成设计师从“执行者”向“训练者、策展人、决策者”的角色跃迁；建立从“工具应用”到“生态重构”的企业级认知。

2、工具层面：掌握Midjourney、DALL·E、Stable Diffusion、即梦AI、ADAI、Evai建筑大师等主流工具的高阶应用方法，学会提示词工程、局部重绘、ControlNet可控生成、多工具协同工作流等核心技能，不局限于菜单操作，而是理解每种工具的“性格”与适用边界。

3、专业层面：系统了解结构、给排水、暖通、电气等专业的AI辅助应用场景，掌握AI-structure Copilot、TransBIM、UAD电气、S3D等专业工具的核心价值与实施条件，理解“一模到底”的全专业协同方法论。

4、案例层面：深度剖析中南建院GiantAI、中建西南院ArchiMind、华建集团OVAL AI、北京市政总院BMEDI智慧市政平台等头部企业的战略路径、技术选择与经验教训，获得可对标的参考框架。

5、行动层面：获得一套个人能力重构的行动路线图（从新手到AI训练师的成长阶梯），以及企业AI转型的落地方略（战略定位—数据治理—人才梯队—试点突破—生态构建）。每个模块配套实战研讨或工作坊，确保学完即用。

开班破冰：AI时代的设计师与设计院，何去何从？

1. 两天课程总览：从“认知”到“工具”到“流程”到“战略”的学习路径

2. 破冰互动（扫码调研）：你眼中的AI设计——现场调研学员的AI工具使用现状、痛点与期待

一、传统设计流程的“不可能三角”

1. 信息孤岛：各专业软件不互通，图模不一致问题频发，数据传递损耗严重

2. 重复劳动：大量时间消耗在绘图、修改、规范查询等低创造性工作

3. 经验局限：设计方案高度依赖个人经验与“大师直觉”，难以穷举最 优解，且经验随人员流动而流失

4. 沟通损耗：设计师与业主、各专业之间的沟通成本高，修改一处引发连锁调整

二、从CAD到AIGC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”——从“记录与辅助”到“创造与生成”的本质跃迁

2. 技术底座解析（通俗版原理）

o 生成对抗网络（GAN）：生成器与判别器的“博弈进化”，如何快速产出多样化立面方案

o 扩散模型（Diffusion Model）：从“纯噪声”到“高清图像”的逐步去噪过程，为何成为文生图的主流技术

o 大语言模型（LLM）：设计院知识资产（规范、技术措施、项目报告）的“激活引擎”

o 多模态模型：打通文字、图像、图纸、点云的统一理解与生成，是实现“图模一致”的技术前提

3. 设计范式演进图谱：线性流程→算法驱动→数据驱动→模型驱动的四阶跃迁

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，适用于概念方案阶段

2. 模式二：方案评估器——基于数据与规范进行性能优化（结构经济性、能耗、合规性）

3. 模式三：图纸自动化——从模型到施工图的端到端生成，实现“无人驾驶”式出图

1. 互动讨论：“10年后的设计工作”——如果AI完成80%的绘图与计算，你的时间将用于什么？

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——构建企业专属LoRA、标注数据、设计提示词模板

2. 从“绘图员”到“策展人”：在众多AI生成方案中筛选、组合、策展，形成有逻辑的设计叙事

3. 从“技术工”到“决策者”：基于专业判断、伦理责任和甲方需求做出最终决策。AI是副驾驶，你仍是机长

五、AI设计的伦理与法律考量

1. 知识产权归属

2. 责任认定

3. 算法伦理审查

六、AI时代的行业标准与规范

1.现行工程标准的适配问题

2.问题解决方向

3.最 新进展

1. 互动环节：AI设计思维自测与小组讨论

1. 分组讨论：直面建筑行业当前的挑战与AI应用机遇，你需要做哪些准备？

2. 小组代表分享，讲师点评并引入第二模块的方法论

一、提示词六要素模型

1. 主体：建筑类型、功能、形态、层数、体量关系

2. 环境：场地特征、周边景观、气候、城市肌理

3. 风格：建筑风格、设计流派、大师参照

4. 构图：视角（鸟瞰/人视/室内）、景别、镜头参数

5. 光照：光线方向、色温、氛围（黄金时刻/阴天/夜景）

6. 渲染参数：输出质量、比例、版本控制、渲染引擎

二、结构化描述法与进阶技巧

1. 从“关键词堆砌”到“自然语言段落式描述”——信息密度决定生成质量

2. 权重分配（::符号）与负面提示词（--no）的逻辑与使用场景

3. 种子固定（--seed）与多轮迭代：如何保持风格一致性，实现“策展式精进”

4. 案例实操：将“山水凝韵，花栖绿境”转化为精准的结构化提示词，并对比不同权重分配的结果差异

一、核心工具的“性格”分析（不追求菜单教学，聚焦能力边界与选择逻辑）

1. Midjourney：艺术性与氛围感的首 选，低学习门槛，适合概念方案与风格探索。其“黑盒”特性决定了它更适合发散而非精确控制。

2. DALL·E 3：逻辑性与精准语义理解的强项，平面图、轴测图生成质量高，与ChatGPT无缝集成，适合需要规范验证的场景（如无障碍卫生间布局）。

3. Stable Diffusion：开源、最强可控性，是建立企业私有化工作流的核心。ControlNet、LoRA、Inpainting等插件体系使其成为“工程师级”工具。

4. SketchUp + SUAPP灵感渲染：与现有工作流无缝衔接，无需复杂参数，适合建筑师在日常建模中快速验证材质与光影。

5. 即梦AI：中文友好、本土化优化，内置新中式、现代简约等本土风格模型，支持视频生成，适合快速概念表达与客户沟通。

6. ADAI / Evai建筑大师：垂直领域模型的优势——内置建筑规范知识、专业术语响应更准确，解决通用大模型“说外行话”的问题。

二、工具进阶实战——从概念到高阶实操

（一）、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

（二）、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

（三）、Stable Diffusion高度可控的本地部署应用

1．Stable Diffusion：开源、最强可控性，企业私有化工作流核心

2．高阶应用：ControlNet、LoRA、Inpainting等插件体系

3．Stable Diffusion与Midjourney、DALL·E 3的对比选择

（四）、SketchUp + SUAPP灵感渲染

1. 与现有工作流无缝衔接，无需复杂参数，适合快速验证材质与光影

2．高阶应用技巧

（五）、即梦AI

1.本土化优化，内置新中式、现代简约等本土风格模型，支持视频生成，适合快速概念表达与客户沟通

2．高级技巧

（六）、ADAI

1．垂直领域模型的优势——内置建筑规范知识、专业术语响应更准确

2. 高阶应用技巧

（七）、Evai建筑大师

1. 建筑/室内/景观/规划行业专业AI平台

2. 企业级闭环支持，适配设计公司标准化生产：提供批处理、团队协作、模型训练（LoRA）、API对接等高级功能

三、多工具协同工作流设计

1. 典型路径：“MJ出意向概念 → DALL·E 3校核平面逻辑与规范 → SD+ControlNet进行精确控制与深化 → 即梦AI局部重绘与高清修复”

2. 案例演示：同一项目（滨水文化中心）在四种工具下的表现差异，以及如何组合使用达到最 佳效果

3. 决策树：何时用MJ、何时用DALL·E、何时必须上SD+ControlNet

实操工作坊——从概念到“可深化”的方案

任务设置：以一个自身项目或指定题目（如“小型社区活动中心”）为对象，完成以下流程：

1. 使用AIGC工具生成3个不同风格的概念方案（10分钟）

2. 选定一个方向，使用即梦AI或其他生图工具进行局部修改和材质调整（10分钟）

3. 撰写完整的提示词迭代记录（初稿→优化→定稿），说明每一步的修改逻辑（10分钟）

成果提交：一份包含“方案图 + 核心提示词链 + 下一步深化思路”的作业

讲师巡回指导，选取典型作业进行点评

一、技术关键链解析

1. 图像分割：SAM+GroundingDINO的应用——如何让AI“看懂”效果图中的建筑元素

2. 矢量转化：从分割结果到SVG，为参数化建模准备数据基础

3. 参数化重建：在Grasshopper/Revit中重构几何，将AI生成的立面肌理转化为可编辑的幕墙嵌板

4. BIM集成：导入Revit深化设计，实现“图模一致”

二、案例演示

1. AI生成立面效果图 → 提取轮廓与分割 → Grasshopper生成参数化模型 → Revit中深化为施工图级构件

2. 讨论：这个流程对传统“效果图-施工图”分离模式的颠覆意义

一、传统结构设计的三大痛点

1. 布置耗时：根据建筑平面布置剪力墙、梁柱，2小时起步，反复修改

2. 计算分离：方案布置与受力分析、配筋计算脱节，容易造成不合理设计

3. 方案单一：高度依赖个人经验，难以在“经济性”“安全性”“施工便利性”之间找到帕累托最 优

二、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，国内CAD平台首 款生成式结构设计AI助手

2. 核心功能的三层逻辑

o 建筑空间提取：自动识别CAD图纸中的房间、门窗、楼梯等信息

o 构件智能布置：基于多算法（A/B/C算法）并行生成剪力墙、结构梁方案

o 经济性比选：自动计算材料用量与建造成本，输出对比报表

3. 效率数据：传统数小时的结构布置任务缩短至数分钟，效率提升90%以上

三、对设计师的意义重构

1. 从“画图”转向“方案决策者”：AI提供多个候选方案及经济性指标，设计师基于经验与规范做出最终选择

2. 人机协同新范式：AI负责“穷举+初筛+预警”，设计师负责“决策+精调+审核”

四、案例应用（框架、剪力墙结构体系）

一、电气专业：UAD电气与智能化AI辅助设计软件

1. 传统痛点：配电箱布置、干线图绘制耗时巨大；设备选型与负荷计算分离，容易出错；修改一处引发连锁调整

2. AI解决方案

o 输入：建筑平面图 + 设计需求（负荷等级、供电半径等）

o AI输出：配电箱位置建议、竖向配电干线图、各楼层配电箱系统图、自动材料清单

3. 效率对比：传统3-5天 → AI辅助3-5小时，错误率降低80%

二、给排水与暖通专业：S3D智能辅助工具与高效机房AI

1. 管道轴测图一键出图：从数日到半小时，效率提升90%——其背后是“规则引擎+拓扑识别”的技术组合

2. 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

3. 暖通AI突破：高效机房AI全域生态平台，实现方案设计与能效仿真优化

4. 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%

一、TransBIM平台的技术原理与价值

1. 多通道神经网络：笔画通道+几何拓扑通道+身份感知通道，让AI“读懂”图纸中的每一个元素

2. 全专业施工图生成流程：输入建筑设计方案图（平立剖、总图） → AI提取各专业信息 → 基于规范库自动生成结构、给排水、电气、暖通施工图

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%

二、智能校审：利用AI进行合规性审查

1. 传统审查困境：人工审查依赖个人经验，容易疏漏；规范条款繁多，难以全部记忆

2. AI校审技术方案：规范知识库构建（基于大语言模型+RAG技术） + 图纸智能解析 + 风险预警与修改建议

3. 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%

一、从“文件传输”到“单一数据源”

1. 传统协同的弊病：建筑改一版，结构改一版，机电再改一版，PDF传递过程中版本混乱

2. 飞扬集成设计系统的启示：多专业实时“同居”，动态参照取代PDF传递，系统实时碰撞检查

二、二三维一体化与图模一致

1. 平面拉墙，生成三维模型；三维调管线坡度，平面标注和剖面自动联动——消灭“图模不符”的技术前提

2. AI在其中角色：自动识别二维图纸与三维模型的差异，发出预警并建议修正

互动环节：专业协同工作坊

1. 分组：建筑组、结构组、机电组（每组5-10人）

2. 任务：每组收到同一项目的不同专业图纸（局部），使用相应AI工具完成指定任务（建筑组生成备选立面、结构组用AI-structure生成方案、机电组用UAD完成干线图或S3D暖通管道）

3. 成果展示与交叉点评：各专业之间互评“你们的输出是否方便我往下做”

4. 讲师总结：全专业AI协同的关键成功要素——数据标准统一、接口开放、人机职责清晰

终局破冰互动：AI时代的设计院，何去何从？

1. 战略目标：从“工具思维”到“生态思维”

2. 破冰互动：——你所在企业目前处于哪个阶段？

（工具应用/流程嵌入/平台建设/生态输出）

3. 战略引入：设计院AI转型三级跳——业务提效→流程再构→生态重塑

一、传统设计院的战略困局

1. 智力资产流失：项目经验随人员流动而流失，难以沉淀

2. 同质化竞争：靠人力和资质竞争，利润空间持续收窄

3. 跨界冲击：科技公司、平台型企业进入设计领域，降维打击

4. 业主需求升级：从“出图”到“全生命周期价值服务”的转变

二、AI在设计中的三种战略介入模式

1. 模式一：效率增强器——替代重复劳动，释放人力

2. 模式二：流程重构器——重塑专业协同与交付模式

3. 模式三：生态重塑器——基于AI能力形成新业务线（咨询、评估、运维）

三、设计院角色的重新定义

1. 从“项目执行方”到“数据运营商”：项目数据转化为可复用的模型资产

2. 从“人力密集”到“模型密集”：核心竞争力从“大师数量”转向“模型质量”

3. 从“服务商”到“平台商”：构建行业AI生态，输出能力与标准

四、战略研讨环节：自我诊断

1. 分组讨论：企业的业务发展进阶，目前最 大瓶颈是战略、数据、人才还是技术？

2. 小组代表分享，讲师点评并引入第二讲的方法论

一、业务跃迁的核心逻辑：构建企业级AI生态

1. 传统模式瓶颈

o 设计院核心竞争力长期依赖“大师+骨干+绘图员”的智力金字塔

o 知识资产随人员流动而流失，项目质量高度波动

o 规模不经济：人员增加带来管理成本非线性增长

2. AI时代新范式

o 将企业数十年项目数据、技术措施、规范条文转化为可调用、可迭代的模型生态

o 实现“经验资产化、资产模型化、模型服务化”的三级跃迁

o 竞争逻辑从“拼人头”转向“拼数据资产+模型能力”

3. 跃迁的三个战略台阶

o 第 一台阶（业务赋能）：AI嵌入各专业环节，实现效率跃升

o 第二台阶（流程重构）：AI重塑设计-协同-交付全流程，改变服务模式

o 第三台阶（生态方略）：企业级AI平台成为核心竞争力，对外输出能力与标准，形成行业生态

二、技术实现的理论框架：设计院AI生态的四层架构

• 数据层：历史项目数据的结构化、清洗、标注、版本管理。核心资产，决定AI能力上限

• 平台层：AI能力中台、工作流编排、API网关。打破工具孤岛，实现统一调度

• 专业层：企业LoRA模型、RAG知识库、规范图谱。沉淀企业特有的设计语言与知识

• 应用层：各专业AI工具集成入口。统一用户体验，降低使用门槛

三、战略落地的四步方略

1. 方略一：战略对齐

o 管理层达成共识：明确AI转型的定位（效率工具/流程重塑/生态构建？）

o 识别“高价值场景”：哪些业务环节AI赋能后能产生最 大战略收益

（如方案竞标、复杂计算、知识复用）

o 产出：《企业AI战略定位报告》

2. 方略二：种子培育

o 选拔各专业骨干，培养为“AI训练师/转型推动者”

o 建立企业提示词库、规范知识库、项目数据标注规范

o 产出：种子团队 + 数据资产初步框架

3. 方略三：试点突破

o 选择一个实际项目，全流程嵌入AI能力（从概念到交付）

o 量化对比：AI辅助 vs 传统方式的效率、质量、成本差异

o 形成可复制的“AI设计工作流模板”

o 产出：标杆案例 + 标准化流程

4. 方略四：规模推广与生态构建

o 建立企业AI应用社区与激励机制

o 将AI能力纳入项目考核与职称晋升体系

o 启动企业级AI平台建设（私有化部署/自研模型/API网关）

o 探索能力输出：将成熟AI模块产品化，服务生态伙伴

o 产出：企业AI平台 + 对外服务能力

四、战略研讨：企业AI转型路径选择

分组讨论：根据本企业规模（小型/中型/大型）、专业特点（建筑/市政/工业）、数据基础，选择适合的转型路径：

• 路径A：轻量嵌入（云端SaaS + 种子团队）

• 路径B：平台建设（私有化部署 + 数据中台）

• 路径C：生态引领（自研模型 + 能力输出）

小组代表分享，讲师点评

一、中南建院：GiantAI平台的自主研发与应用

1. 战略定位：贯彻湖北省委“打造世界设计之都”战略部署，坚持科技创新引领

2. GiantAI 2.0平台解析：技术架构（DEEPSEEK R1 + 稳态扩散模型）、三端应用（Web端、企业微信端、SketchUp插件端）、九大功能覆盖全流程

3. 落地项目案例：天门石家河遗址博物馆（文化元素提取）、湖北警官学院新校区（多方案比选）、黄山市歙县徽文化艺术交流中心（传统与现代融合）

4. 经验启示：自主研发平台需要“技术+场景”双轮驱动；以实际项目需求牵引技术迭代；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

o 技术突破：步进重复采样算法、特征增强图神经网络（ALGNN）、工程概念约束嵌入

o 与EasyBIM无缝对接，打通建筑到结构全流程

o 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：智能方案生成、绿色智慧决策、参数化设计革命（Grasshopper+DeepSeek，效率提升70%）、智能材价采集、行业知识引擎（整合70余年技术沉淀）

4. 经验启示：从“应用工具”到“自主研发”需要长期技术积累；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——AECBench评测基准（评估模型专业能力）、ArchCAD多模态数据集（为行业提供基础数据资源）

3. 核心成果二：OVAL AI体育建筑智能设计助手（全球首 款）

o 覆盖144个国家、4000+场馆、6万余张图像

o 自然语言输入、云端参数化建模、多智能体协同

o 案例查找、参数问答、参数修改一体化

4. 数智化转型顶层设计：四层支撑体系（基础设施、数据治理、平台支撑、应用创新）；DeepSeek赋能实践（知识检索效率提升超80%）

5. 经验启示：开源生态+垂直深耕+战略合作，构建行业标准

四、北京市政总院：智慧市政平台与生态构建

1. 战略定位：立足“智慧城市”与“韧性城市”建设需求，从传统设计院向“城市基础设施智慧解决方案提供商”转型

2. 核心成果：BMEDI SmartCity Design Platform

o 底层：市政专业大模型（融合30余类规范与标准）

o 中层：七大AI能力中心（道路智能选线、桥梁方案生成、管网智能布置、泵站优化、交通仿真、造价预测、病害检测）

o 上层：Web端、BIM协同端、移动端三端协同，与北京市“城市大脑”数据对接

3. 落地项目案例：北京城市副中心某主干路工程（路线方案从4周压缩至5天）、北京市老旧小区市政管线综合改造（方案效率提升60%）、北京新机场临空经济区综合管廊（设计周期缩短35%）

4. 数据资产与生态构建：整合60余年首都市政工程数据，建立“首都市政构件库”，逐步开放API接口

5. 经验启示：市政专业AI落地要“先标准化后智能化”；数据治理是战略工程；人机协同模式为“AI穷举+初筛+预警，设计师决策+精调”；与城市大脑对接实现设计-建设-运维全链条闭环

五、案例对比与圆桌研讨

1. 四家设计院对比分析维度

o 战略定位差异：省级战略驱动型 / 技术攻坚型 / 开源生态型 / 城市智慧生态型

o 技术路线选择：自研大平台 vs 垂直模型 vs 开源生态 vs 智慧市政平台

o 应用侧重与成果：建筑方案、结构、体育建筑、市政基础设施各具特色

o 生态构建路径：内部赋能→行业开源→平台输出

2. 圆桌研讨：您所在企业适合哪种模式？

o 分组讨论，每组选择一家案例企业进行对标分析，结合自身企业特点提出借鉴点

o 小组代表分享对标结论（5分钟/组）

o 讲师点评与总结，引导思考自身企业的生态构建路径

一、战略定位：从愿景到目标的分解

1. 明确AI转型的三阶段目标

o 短期目标（6-12个月）：工具引入、骨干培养、标杆案例

o 中期目标（1-2年）：数据资产化、流程重构、平台雏形

o 长期目标（2-3年）：企业AI平台、生态输出、竞争壁垒

2. 按企业规模选择技术路线

o 小型团队（10人以下）：云端SaaS为主，聚焦业务赋能，不追求自建平台

o 中型企业（10-100人）：混合模式，关键数据本地化，建立企业知识库与轻量级模型

o 大型集团（100人以上）：本地化部署+平台建设+自研模型训练，形成企业AI中台

二、能力建设：人才、数据、工具的体系化部署

1. 人才梯队三层结构

o 应用普及层：全体设计人员掌握提示词工程与主流工具

o 技术骨干层：各专业“AI训练师”，负责企业LoRA训练、知识库构建

o 研发专家层：信息化部门负责平台开发、模型微调与API集成

2. 数据资产积累四步法：盘点 → 清洗 → 标注 → 资产化

o 关键动作：建立企业数据标准、统一坐标与编码体系、利用AI辅助标注

o 案例：中建西南院70年技术沉淀知识库、北京市政总院“首都市政构件库”

3. 工具选型与集成策略

o 评估维度：功能匹配、集成能力、数据安全、成本、可扩展性

o 优先选择有API接口的工具，逐步构建企业AI能力中台

三、落地推进：试点、流程与考核

1. 试点项目选择标准：复杂度适中、周期有弹性、团队有意愿、成果可量化

2. 流程重构实施要点：将AI节点嵌入现有设计流程，明确各阶段AI输出标准与审核机制

3. 绩效考核部署：正向激励（资源支持、晋升倾斜）与效果量化（建立效率对比基线）

四、持续迭代与生态构建

1. 自主研发四阶段演进路径：集成应用→二次开发→自主研发→能力输出

2. 生态构建四步走：内部赋能→流程重塑→平台开放→标准引领

任务设置：每位学员（或每组）以自身所在企业/团队为蓝本，完成一页纸的《AI转型行动计划》，包含以下要素：

1. 战略定位：愿景、目标（短期/中期/长期）、边界

2. 技术路线选择：轻量嵌入 / 平台建设 / 生态引领

3. 数据资产计划：盘点范围、清洗优先级、标注规范

4. 人才梯队建设方案：种子人选、培训机制、激励措施

5. 试点项目选择与推进计划（未来3个月的具体行动）

6. 预期量化收益与时间节点

成果汇报与点评：选取2-3组代表分享（5分钟/组），讲师从“战略清晰度、可行性、创新性”三个维度进行点评，其他学员提问

形成可带走的成果：每位学员完善自己的《AI转型一页纸》电子版或纸质版

课程总结与答疑

两天课程核心脉络回顾

开放式问答

解答学员关于工具选型、学习路径、落地阻力、组织变革、投资回报等实际问题

课后资源与支持说明

1. 《个人AI能力成长路线图》模板

2. 《企业AI转型战略自评表》与《头部设计院AI战略案例精编》

3. 主流工具官网、学习平台、社区论坛清单

4. 后续咨询与工作坊支持说明