远洋设计汇 2018-05-04

作者 王伦天

三、而这一切对建筑有什么启示呢？

建筑业是一个传统得不能再传统的行业，根据行业分析，自20世纪九十年代以来建筑业生产效率实际在下降，然后，建筑行业在应用技术和管理创新上一直行动迟缓，因为领域对体力的依赖，以及相对封闭与专业性，让建筑从业者缺乏拥抱新技术、创造新工具的动力，改变建筑设计行业的计算机辅助设计（CAD）也是最早应用在汽车制造、航空航天的大公司中，行业从来不主动拥抱新的数字化技术，即使是可预见的长期回报显著也不进行前期投入（见下图建筑业及其他行业的信息技术应用对比）。研发费用投入大大低于其他行业，仅仅投入不足收入的1%，而汽车和航空领域则为3.5%到4.5%，信息技术的投入同样如此。

这与建筑领域的专业性与封闭性有关，也与建筑人习惯于专注干眼前的事情，较为以自我为中心，缺乏危机意识有关。比如说CAD制图，虽然有行业标准规范，但各个设计单位、各个专业公司的制图至今没有一个统一的标准，造成极低的劳动效率；工程做法亦是如此，国家标准与地方标准各异，混乱不堪，造成管理成本的极大浪费；同种材料，各个厂家品名各异，行业厂家互相诋毁，让建设方选择时无所适从，价格混乱，质量无法控制，极其无序。

这是缺点，也是机遇。据统计， 2016年全国建筑业总产值193566.78亿元，约占当年国内生产总值26%，建筑业体量巨大，但是也是一个劳动密集型产业，当年建筑业从业人数5185.24万人，按建筑业总产值计算的劳动生产率为33万元/人。好一点的建筑设计院人均生产率也只能达到40～50万元/人。

但是看看目前互联网公司的数据，阿里巴巴公布2017财年全年业绩，4.7万名员工创造1582.73亿元人民币收入，人均产能330多万！！！而亚马逊(Amazon) 2016财年净销售额为1360亿美元合9500亿元人民币，当年亚马逊员工数约30万人，人均产能接近320万。

亚马逊公司新总部

可想而知，在这些人均产能极高的互联网企业中，是最有意愿投入并接受AI自动化工具研究的，越有钱、效率越高的企业为了可自身持续的发展、为了财报的数据、也为了股东的利益，只会不断的在新技术、新工具上加大资金的投入与研发，目前它们也在按此道路不断摸索前行。

而说到建筑业呢，目前正在原地等待，等着AI等智能化工具在其它领域发展完善，门槛越来越低，等着第一个“野蛮人”发现这个封闭的、有极大市值、但是效率极其低下的蛋糕，然后毫不留情抛弃这些自我感觉良好的地产人、建筑人。

我相信，建立在经验及大数据的积累之下，人工智能复制个人行为，自我做出判断的时代会快速到来。试想某一天，政府需要拍卖一块地，某地产公司拿到用地条件后，利用AI云平台，用地环境、周边现状通过高清卫星图片一目了然，遥感卫星对用地地下环境进行扫描分析，人工智能对当地规划条件信息进行收集，对周边若干公里范围内现状及对标项目进行产品类型、售价、去化速度等数据采集分析，对周边人流进行分析，对周边土地市场、市场供求进行数据分析判断，结合周边项目情况，对客户来源、客户行为进行分析，给出项目定位、产品定位，结合项目定位以及用地条件，就像AlpaGo对棋谱及围棋规则的学习一样，AI对过往建筑相关规范及实际图纸进行大量的读图、自我学习，精确的给出适合这块用地的方案选择，依托背后强大云计算平台及计算能力以及5G网络的支持，方案输出可以是直观的、直接落地的，甚至是全三维、精确到一个螺栓的，可供施工的建筑模型。

这个模型可以跟施工工序、工期、材料价格、财务成本、后期维护成本等都建立联系，直接对建筑的全生命周期进行模拟，综合给出建筑的各个时期的毛利率、净利率、净利润、IRR、NPV等等，而这一切都是可变的，完全可以根据出资人的喜好，对某一些关注的细节进行调整，如某出资人不喜欢高层或者高低配，或者希望客户能有更好的景观体验，就可以对楼层高度、景观设计、甚至门窗配置自行进行调整，当然随之带来的是项目方案整体的调整以及相关指标的调整，但是可以想象在未来强大的计算机神经网络的支持之下，这些调整都能是实时的可以展现在眼前的、所有风险都是可以预见，在控制范围之内的。

现在的计算机模型

未来的计算机实时模型

整个房地产开发过程就像做游戏，是不是很神奇？

EA游戏之模拟城市5

再现实一点， 微软的一个人工智能研究团队从计算机视觉和自然语言处理出发，已经学会如何画鸟了。

微软这套绘画AI系统厉害的地方在于这只鸟是在自然界中不存在的，是AI直接给你无中生有的画了一只出来。而且该绘画AI还有类似于人类绘画时专注区的设定，比如给定的条件是“画一只尖喙、红翼、黄爪的小鸟”，那AI就会在绘制相应部位的时候划出专注区，然后逐个像素把对应区域的画面填满。

可以想象的未来，任何人都可以通过图像AI云平台，提出自己的要求，机器能根据人类的自然语言描述，直接生成近似真实照片的建筑立面模型，建筑立面只涉及到门、窗、墙面等各种要素的组合，个人觉得比画鸟容易太多了，限定条件越多，计算机处理的优势就会越大，关键这个计算机生成的建筑形态是完全可控，有逻辑甚至是独一无二、富有创意的，还是可以跟施工工期、成本、后期维护相关联的。

笔者设计的援非某学校，形态与色彩完全是通过限定条件推导而来

看起来很复杂，但是我相信一定会实现，目前房地产开发的过程基本上都是建立在数据收集与判断的基础之上，数据收集是计算机的长项，只要有电它就能全天不休的对数据进行收集，现在那些房地产开发人员能收集到的信息计算机都能找到，并且只会更加详尽准确。这是为什么AlpaGo的下一代 zero 完全没有人类经验，只知道棋盘规则，自己跟自己下，自我学习，自我总结，又以100：0 完胜上一代ALPAGO的成绩。

而这就又说到类似Cloud AutoML的应用了，“ AI 平民化（Democrazing AI）”的重要性就在于降低了智能学习的门槛，可以预见在不久的将来你只需要一个小团队通过制定特定的规则，让类似Cloud AutoML的应用根据你的规则和数据进行自我学习，最终帮你建立自己的数据学习模型，帮助你进行最终的选择与判断。而这一切不需要你有很牛逼的人工智能工程师和满满一山洞的超级计算机支持，因为这些都是建立在共有的云平台之上的。

核掩体改造的数据中心机房

在智能化建筑设计的路上，已经有一些闻到市场味道的公司开始进入，比如人工智能建筑师小库XKool的出现，虽然目前只能做一些强排方案，还只是局限于PPT演示，噱头多于内容。

但是可以想见时代的趋势无法逆转， CAD诞生于二十世纪60年代，1998年CAD终于进入封闭的建筑领域，但是进入之后，取代传统的图版绘图也只用了5、6年的时间，现在的时代还会给设计师、画图匠、房地产从业人员以及依靠数据与经验生存的医生、律师、金融家甚至是低级计算机从业人员30年的时间吗？有些人可以说我们还可以去码砖，还能锻炼身体，但是你会发现未来机器人码砖比你好太多了，而且不知疲倦。

码砖机器臂

我们可以看到亚马逊目前增长速度最快、盈利能力最强的业务不是在广为人知的在线商务领域，而是在它的AWS云计算业务，Amazon做出AWS这个事情，可以说是贝佐斯走了狗屎运，因为管理上的要求，起初为了处理大数量的货品库存和分配，积累和完善了他们的大数据计算技术，为技术积累打开了大门，但也可以说是他正好在一片混沌之中提前走出了自己的道路，02年亚马逊开始做云计算业务的时候成立不过8年，市值不过80多亿美金，而且还在亏钱。

2006年和2016年美国主要零售商的市值变化，单位‘十亿美元’

而从上图可以看到，仅仅只用了十年的时间，这些传统零售巨头就被一个买书的网站干得体无完肤纷纷关店。而零售行业在同样也是劳动密集、产业规模巨大、相对保守、与我们每个人的生活密切相关的行业，与房地产行业有惊人的类似。

以上这些对我们这些保守传统的行业巨头有什么启示呢，可能需要我们在目前稍显冷却的市场环境下进行一些深刻的思考了。

四、我们还有机会吗？

目前我们只能这样推理，人工智能作为人创造出来的工具，要顺利运行必须要达到两个标准。

 第一， 它不能做看起来没有明确效用的事情；第二，它做的事情必须是可以明确的看得出好或者不好，正确或不正确的。而有没有效用、正确与否是建立在以往经验或规则的基础之上的。 

但是， 这个世界并非是一直按照以前的经验或规则理想运行。 总会有很多事情开始时，根本不知道有用还是没有，正确还是错误，就和一副画一样，好还是坏？没有明确的鉴别标准，没有所谓ISO标准的制约。

笔者邻居小朋友画作

那么，我们就需要这种人类特有的，模模糊糊、莽莽撞撞地杀开一条血路的能力。也就是创造以及试错的能力。未来的人才可能需要更多的是对未知世界的好奇与探索之心、创造精神、对理想的坚持以及忍受挫折的能力。

“我的征途是星辰大海”《银河英雄传》

设计会死吗，是的，一定会。绝大多数只会东拼西凑、没有思想、只靠忽悠的设计师一定会被淘汰，只有极少数真正富有热情、有理想，和乔布斯(Steve Jobs)一样，胸怀改变世界的梦想，能开创新产品、新风格、引领客户需求、视野开阔的设计师可以生存，其它产业也是如此。

时代的车轮滚滚而来，我们是能够是坐在车上不断前行还是会被车轮所碾压？这一切是好事还是坏事？没有人能够预测。但无论人们是不是喜欢这个事实，新的时代已经降临了。

我们将幸运的成为一个变革的见证者。