你好，这里是 BIMBOX。
建筑设计行业搞 AI，都能干点啥呢？
最容易想到的就是文生图、模型出渲染图，或者拿大模型写文案、查规范，差不多也就这些了。
但前阵子我们做了一场公开的对谈，跟湖南省建筑设计院股份有限公司（以下简称湖南省院）数字研究院的几位老朋友交流，我的感受是：如果一个设计公司有勇气往前走，把 AI 当成一条产品线来做，它能覆盖的范围要大得多。
这次分享我们聊到了他们做的几个产品：
今天咱们好好盘一盘，它们都是解决什么问题的、团队和个人怎么用。
不过最先引起我好奇的是：为啥又是湖南省院？为啥总是湖南省院？
一个传统设计公司成立的团队，究竟要有怎样的环境，才能一次次地跑到技术浪潮的最前沿？
湖南省院的数字研究院，最初并不是专门为 AI 成立的，启动时间甚至比这轮大火的 AI 还要早。
2022 年刚成立的时候，团队只有几个人，由孙昱带队，其中包括湖南设计「BIM三剑客」的另外两位李星亮、邓京楠，也包括现在负责人工智能应用中心的龚灵力博士。
成立之后，他们没有从院里抽人组队，而是开始密集招聘院外人才。
现在的团队已经发展到 60 多人，有互联网和 IT 背景的前端、后端、测试、运维工程师，有跨界开发工程师，有 AI 算法工程师，有美术和地编人员，也有 UI、产品经理，这在国内设计院是很少见的。
目前数字研究院形成了三条大的产品线：人工智能、数智设计、数智运维。今天我们要聊的 4 个产品，就来自人工智能这条产品线。
2023 年初，团队里有人提出，能不能基于 Stable Diffusion 做一些开发，这个想法是后续一切 AI 项目的起点。
后面就是加速发展的三年：
这些年我一直觉得，湖南省院数字研究院，是国内传统企业数字化转型一个重要的学习对象，在 AI 时代能跑得快，也不是偶然，里面有两个关键条件。
第一，足够包容和开放。
数字化团队没有沿用传统设计师序列的考核指标，甚至在探索初期不干预具体研发内容。
很多设计院做数字化，部门刚成立就要回答：什么时候能回本？
但数字化研发需要试错周期，相比于传统设计，更接近于软件研发和互联网行业，也需要领导层有长远的战略眼光。
第二，对变化的适应能力。
负责人孙昱就是适应变化的典型，先做了十年结构设计，又做了十年 BIM，再做了四五年数字化转型管理，每次都能接住新的担子。
团队留下来的老人，都是适应过众多工作类型、积累了跨界经验的老兵，再加上从行业外招募的新人，这才让团队的「创新」不是停留在口号上。
说回 AI 这件事，团队里主导的负责人是龚灵力博士，我们都亲切地喊他龚博。
龚博分享说，他们想做的东西，不只是一个生图工具，而是一整套从数据治理、知识库、智能体，到设计性能模拟、图像生成的产品矩阵。
下面逐个来看。
智能数据中枢，名字听起来有点抽象，它解决的是工程 AI，最脏最累，但绝绕不开的一件事：怎么把一堆 PDF、Word、Excel、PPT、图片、音频，变成 AI 真正能用的数据资料。
很多人一说行业知识库，就觉得后面接一个 RAG、搞个智能问答就行了。
但真正做过的人都知道，公司技术标准、项目文档、合同、规范、图纸说明、培训资料，很多都是 PDF，里面有跨页自然段，有表格，有页眉页脚，有扫描件，还有各种混乱的格式。
要先把它们清洗、拆分、转换成可被后续模型处理的结构化数据，才可能被 AI 理解。
智能数据中枢就是针对这个问题做的。它的核心能力有五块：
支持二十多种常见文件类型，上传后系统自动解析，转化成结构化数据。转换完成后可以在线查看和编辑，也支持人工修改。
解析完成后生成知识图谱，不需要专人工定义属性和手工连线，支持以 JSON 格式下载。
根据资料类型提供不同的分块方式，也预设了向量相似度检索、假设文档检索等多种知识库检索策略。
用户提问时，系统先从知识库中匹配最相关的内容，再基于这些内容回答，并展示引用的原始数据，避免瞎编的情况。
智能数据中枢可以基于 Markdown、知识图谱、向量库等数据源，自动生成不同类型的高质量语料，并给出质量评价，这些语料以后做模型微调时都直接用得上。
它提供了私域 API，可以调用文档转换、知识图谱、RAG、AI 语料库等能力。这就让它能成为企业其他 AI 应用的底座。
相比之下，市面上通用的知识库，资料上传之后就像进入了平台黑箱，数据到底怎么治理、能不能在企业内部系统调用，没办法控制。
他们做的这套智能数据中枢，可以云端服务，也支持私有化部署，后台可以由数字中心维护，普通设计师、技术人员不用懂什么清洗、分块、向量化，只要直接用就行。
说实话，看到这个产品，我是很意外的，没想到一个传统设计院会打造一套 To C 的个人 AI 工作台。
DeskLink AI 想解决的问题是：一个设计师、工程师、项目经理，怎么把每天看到的资料、会议、网页、任务和输出，都放进一个自己日常打开的工作台里。
它在数据安全方面有很多考量，用户数据都留在本地，你可以指定某个本地文件夹作为工作空间，智能体只对这个文件夹做数据处理。
在个人易用性方面，它做了很多照顾新手的设计，让不熟悉智能体的小伙伴，一眼就知道从哪儿下手。
首页设置了一个中枢台，把资料输入、知识管理、学习路径、任务管理和成果输出整合到了一起。
它的功能模块可以分成几个大块来理解：
智汇舱是它的信息入口，支持上传图片、粘贴网页链接、截屏、录音、上传音频，AI 会自动把这些零散信息转成结构化的知识体系。相当于一个任何内容都可以收录的个人笔记库。
你还可以设置资讯订阅——输入主题和关键词后，每天自动去搜索和捕捉匹配信息。这个对于长期关注某个领域的信息可太方便了。
还有个目标资讯功能，可以设置特定的目标网址和智能过滤条件，比如追踪特定招标网站的最新信息、关注政府发布的政策、关注最新的学术论文等等。
收进来的内容直接进入知识库，可以搜索标签、查看关系图谱，还可以直接导入外部的知识图谱和知识库——这就和前面的智能数据中枢打通了。
在这个知识库里，你可以基于 AI 展开智能问答，所有知识库里的内容和上传到空间里的文档，都是参考素材。
学伴岛是个有意思的功能，就像是一个为你个人定制的 AI 导师。
你可以定一个大致的学习目标，比如「AI 编程」，它会自动帮你拆解相关知识，生成一个星图。
星图里的每个节点都是一个知识点，右侧的 AI 导师则会围绕这些节点一步步引导学习。当你真正理解知识并通过测试后，节点被点亮。
你可以随时提问，也可以回答老师的问题，系统还会根据你对知识的理解，自动把知识拆成更小的学习任务。
你也可以把一批资料放进工作空间，让系统从中提炼核心知识体系，自动形成目录和学习框架。这是 AI 时代一种全新的学习体验。
软件有一个板块叫「工作室」，可以写文稿、生成图片，甚至进行视频创作。
拿写文档来举例，里面内置了周报、月报、年终总结等模板，也支持自定义框架，或让 AI 生成大纲。你可以勾选工作空间里的资料、智汇舱里收集的内容、知识库里的数据，作为创作的参考材料，然后生成文稿。
很多人用一句话让 AI 写周报，AI 当然写不出来，但如果你的日程、任务、资料、会议记录、项目文档都已经在同一个知识体系里，写周报就太容易了，在知识库里选择对应的内容，再选择汇报的模板，一键生成。
日程台的功能是个智能版的日历，你可以在这里规划任务，也可以生成一个桌面的日程表。
比较有特色的地方是，AI 可以帮你把看起来很困难的大任务拆成小任务，再一个个打勾完成，成就感满满。
上面这些功能适合那些对智能体刚刚上手，还不熟悉该做什么的小白。
你熟悉之后，也可以到它的「灵智核」，也就是全局智能体，用大白话沟通的方式，完成更自由的任务。
总体来看，DeskLink AI 是把整理资料、管理知识、学习、任务追踪一直到成果输出，串成了一个工作流。
目前它也出了移动端，支持随时连接到个人手机。
它是 四款软件里 To C 属性最强的，我们也非常推荐小伙伴们试一试，网址给你放到这了（复制到浏览器即可访问）：
https://desklinkai.aidmaster.cn
接下来回到设计师的老本行。
在 2030 年前实现碳达峰的大背景下，绿色低碳设计已经变成了很多项目的必答题。比如上海对达到超低能耗标准的项目，有 3% 容积率的奖励。
但现实情况是，绿色低碳设计门槛很高：数据模拟很耗时间，还要受到气候环境、建筑形态、材料设备等众多因素的影响。
大多数项目是设计完成之后，再翻模到 PKPM、斯维尔等专业软件里做合规性验证。这是一种无奈的「后验证绿色低碳设计」。
DeepArch 的目标，是让设计师不用改变工作习惯，只要使用熟悉的建模软件，就能在方案到初设阶段获得数据支撑和实时验证，单次评估反馈只需要 2 分钟。
选择项目类型和场地，系统会自动匹配建筑用能情况、气候区域和最近的 EPW 气象文件。
气候分析界面能看到热环境、太阳资源、自然通风等数据，系统也会给出对应的设计建议。比如某个项目处在温和偏冷的气候区，系统会建议外墙保温厚度大于 100mm。
每个方案都对应着一个设计师上传的模型，可以有不同版本的方案来控制输入参数，比如遮阳、光伏、设备、外墙材料、保温材料、门窗材料等。
然后就可以开始分析了。
日照分析和风速分析这样的模拟，过去在 Grasshopper 等平台里要等几小时甚至更久，DeepArch 上几秒到十几秒就能看到结果。
系统能给出每平米每年的能源消耗、碳排放、热舒适状态等。
你可以随时调整参数，生成新的方案版本再做对比，即调即改。
平台右侧边栏还内置了 AI 分析助手。设计师可以选择不同的专家身份（比如暖通空调工程师），基于图表给出节能优化建议。
这个工具，把性能优化从施工阶段前置到体块方案阶段，从而降低优化成本。
目前 DeepArch 已经在官网上线了，并且还在持续迭代，如果你在做绿建方向的工作，推荐去尝试这种新的模式。
网址也放在下面了（复制到浏览器访问）：
https://deeparch.aidmaster.cn
这个产品出来得最早，迭代速度也是相当快，和 3 年前相比有了质的飞跃。
BIMBOX 之前专门做过一期深度报道：《AI生图、生视频、生3D模型，湖南省院这款AI工具等了两年，一用发现并不简单》。到今天再看这个产品，已经从简单的解决渲染出图问题发展成：AI 能不能走进设计流程，扛住真实项目的推敲。
现在的图灵，文本、图片、视频、3D 一站式生成，效果图、实景照片、工图、分析图、展板都能接。
早期用 AI 出图，提示词憋半天，出十张挑一张，想改一处，整张图推倒重来。而实际项目里设计师要的不是惊喜，是控制权。
图灵这几年的主线，就是把控制权还给设计师：
➤ 模型渲染
白模、草图直接出效果图，稳定性和真实度已经能进汇报；
➤ 材质替换
想把某段立面换成灰色干挂石材，就只改那一块，其他部分不动；
➤ 物体迁移
把一个场景里的家具、构件自然搬进另一个场景，连毯子、旁边的书和咖啡杯都不丢；
➤ 灵感迁移
给 AI 一个初始的灵感，比如某种物体或者动物，它能把灵感迁移到建筑设计里去。
AI 出图已经到了能不能精确执行设计意图的阶段。
而图灵背后的模型经过湖南省院对建筑垂类的长期调教，不会动不动冒出一个「奇奇怪怪的建筑」——这道审美和专业语料的门槛，也是他们花了这三年时间一点点打造的。
真正和单点出图 AI 拉开差距的，是它在真实项目里能节省多少工作量。
➤ 方案生成
一张航拍图，在场地里画出红线，能铺出办公园区、运动公园、居住小区等不同用地布局，也可以喂参考图对齐风格；
➤ 多视角表达
在同一套方案上切视角，远景大鸟瞰、正立面、入口局部特写、彩平图、白色线稿、工图、剖面图，原来要重复做很多次的工作，现在一次生成。
➤ 分析图制作
交通、风环境、热力分析都能出。而且还能和前面说的 DeepArch 实现接力——DeepArch 出真实结果，图灵把结果变成甲方看得懂、愿意听的画面。
➤ 白模到完整方案
一张精细白模图配详细提示词，直接出带真实环境的效果图，能换天气、换风格；再往下生成建筑工程蓝图、平立剖三视图、体块分析和展板，很多图都能一次出，不用再进 PS。
➤ 室内 AI 设计
毛坯房照片切换北欧、日式、现代、中式、田园、工业各风格；工装空间改成办公室、餐厅、健身房、图书馆；有一张 CAD 平面图，室内彩平图就能几分钟出来。
➤ 城市更新和乡村规划设计
现场拍照，完成调研、分区，让 AI 给优化建议、定思路、出整体改造效果；
再往下，可以做局部风貌提升——道路改造、菜园整治、河道治理、建筑风貌统一、替换青砖墙等，复杂的贴图也可以一次性生成到位。
经常听圈子里的朋友说，现在大家用什么产品，底层都是自己接大模型，实际上图灵的产品竞争力不在于能接哪个模型，它把底层模型做成可插拔的选项，按任务在成本、时延、质量之间做调度，也在做自研和国产适配。
我觉得这些都是软件工程上的成熟度，倒不算核心卖点。
而它真正的商业门槛在大模型能力之外、四个不容易被抄的地方：
➤ 建筑语料的积累：背后有地编、美术、建筑科技配齐的团队，加上三年真实项目和院内的图纸规范，才有了那种「很像建筑师做出来的」味道。
➤ 可控编辑的工程成本：很多图像编辑能力背后都是大量的对齐和打磨，这也是它和抽卡式生图工具最大的区别。
➤ 上下游出入口够多：向外能交展板、工图、漫游这类成果，向内能接上 DeepArch 的模拟结果、智能数据中枢治理好的知识。
➤ 行业安全考量：设计院的数据是不能随便放到网上的，图灵不仅能云端服务，也能私有化部署，这是在工程行业很重要的选项。
这次交流我们还聊到一些他们正在往深水区走的方向：创作助手 Agent 正在嵌入平台，「像素图」正在往「矢量图纸」攻坚，AI 能力也在从网页延伸到桌面端 Agent，生成的结果则在脱离「死图」，能直接进专业软件的可编辑文件。
这些方向让图灵不再只是一个出效果图的地方，而是设计师 AI 工作流的一个入口。
做建筑设计的小伙伴，图灵是这四款里最值得先试的一个，网址放这儿了：
https://www.aidmaster.cn
图灵的小伙伴们确实很敢创新，比如尝试情绪价值而非专业出图。
手机上只需要选择一张喜欢的图，上传自己的图片，AI 就能几秒生成同款，足够拿去表达心情、记录瞬间、发给朋友秀一下。甚至他们已经在尝试让结果走出屏幕，贴纸、冰箱贴、3D 打印等都在路上了。从虚到实，不得不说真的很酷。
这个更简单，微信小程序搜索「图灵AI生图」就可以玩起来了。
说真的，前面聊到这些，我是有些眼花缭乱，今天不少功能都没有展开聊，大部分产品都已经上架到了 AidMaster 的官网，你可能很难想象这是一个传统设计院做出来的产品站。
网址给你放到这里了：
https://www.aidmaster.cn
如果和你说是某个互联网大厂做的多产品线演示，也毫无违和感。
单看某一个产品，它们分别解决不同的问题。
智能数据中枢解决的是企业数据底座问题。积累干净、可控、可调用的数据，AI 才能超出问答、演示和单点工具的层次。
DeskLink AI 解决的是个人和团队的工作流问题。资料收集，知识沉淀，学习推进，任务拆解，输出报告和内容，让 AI 帮工程技术人员每天处理具体的工作。
DeepArch 解决的是设计决策前置问题。通过 AI 和快速模拟，让设计师的服务有更大的价值。
AidMaster 图灵解决的是设计表达和方案推敲的问题。从草图、白模、航拍图、室内照片，到效果图、分析图、展板、视频，把方案变成甲方能看懂的画面，表达和思考同时发生。
如果把这几个产品放在一起看，也能找到传统企业做 AI 的思路：把底层数据治理好，然后把 AI 落到个人和团队的日常工作里，最后把这些成果打造成产品，对外输出。
就在我写这篇文章的同时，他们还有不少更厉害的也在路上了：建境智能体（GeoVista Agent），一个能自我进化的工程智能体。
除此之外，应用场景更泛化的DeepDwelling（房屋健康学）、LumiTV（专业视频创作平台）等好几个产品都会在今年陆续上线。
我能感觉到，这个我认识了将近十年、从设计走向数字研究院的团队，背靠着设计院真实需求做验证，有多年数字化项目经验打底，也凭借着多年数字化项目的经验，再加上 AI 辅助开发，这支团队的能力正在集中爆发。
现在回看，从我们几年前第一次写湖南设计「BIM三剑客」的深度长文到今天，这支队伍一直在领跑行业的转身，在 BIM 时代如此，在数字化时代如此，在 AI 时代依然如此。
我只能竖起一个大拇指说，真猛，真快。
传统企业搞 AI 增效、搞 AI 转型，甚至搞对外输出的 AI 产品，湖南省院数字研究院都是一个非常值得学习的案例。
如果你有兴趣和他们交流，也欢迎联系我们，BIMBOX 非常乐于为你们牵线搭桥。
今天的内容就到这里，有态度、有深度，BIMBOX，咱们下次见！