AIGC 落地，始于场景，终于价值。
去年以来出现了 AIGC 热潮，引发了 AIGC 及其应用话题的爆发性增长，不少人感慨强人工智能的时代已经离我们不那么遥远了。但是在热潮的另一面，我们看到真正能落地的场景依然是凤毛麟角，目前比较成功的应用主要集中在个人消费领域，而 AIGC 在产业中的应用大多仍然处于探索阶段。
随着时间的推移，几个月过去了，AIGC的落地场景愈发成熟了，现在已席卷制造业、建筑业等巨型垂直实体领域中，今天我们就一起来探讨一下AIGC的落地应用技术成型到发展的过程，内容较长，请耐心阅读。
1、AIGC 技术：从文字、图片到3D模型
AIGC爆火要从chatGPT说起，这是一个可以对话并且帮助你生成各种文字的工具，甚至还能帮你写情书、道歉信等等。而且你会发现它已经从车轱辘话中找到精髓，语句通顺，还有逻辑。
随后，Stable Diffusion 为首的一众 AI 画图框架或者平台，在去年更早的时候已经引起了轰动。虽然图片相对文字来说看上去信息含量要更为复杂，但是其技术成熟却要比以 GPT 为首的文字生成来的更早一些。
再之后，大家把GPT和SD结合起来，生产出了很多意想不到的AI工具，你可以和他对话聊天，还能生成图片、处理图片。目前图片生成已经取得了突破性的效果，但如果这些成果能够进一步优化应用到更多领域，将有可能实现更大价值。
2、设计意向图生成
在大家都在用SD生成美女涩图时，我们发现这对话机器人就能在一分钟内快速理解语义，生成多张效果细腻贴近建筑概念方案的意向图。在此之上可以通过输入一张已有的图片，修改部分描述的关键字，即可生成一系列的衍生图片，辅助设计师在日常创作中寻找灵感。
甚至还能生成一些大胆又创意的建筑设计，这些图都很美观，甚至在社交媒体上也得到了很大的关注，但是这些概念效果图很难落地实现，于是我们根据已有的算法进行优化升级。并为了减少设计师的学习时间，我们做了算法优化，把关键词都拟定好放在场景中，参数效果放在风格中，使用者只需要选择风格就好，不需要复杂的关键词来进行驯服。
举个例子，当你使用Stable Diffusion生成一个你想要的建筑风格时，你需要以下步骤才能完成。
第1步 ：在 C站 上下载好要用到的 CKPT模型与lora模型 ，并在 Stable Diffusion中完成模型加载。
第2步 ： 将 SU素模图片拖入到ControlNet 中，并调节好各项参数。 对此处有疑问的朋友， 可稍后 阅读 我们的往期文 章《 “喂饭级”教程！建筑AI生成设计Stable Diffusion看这篇就够了！ 》，里面有对 ControlNet插件的使用讲解。
第3步 ：填写好 提示词 与 反提示词 。需要注意的是，在 CKPT模型与lora模型的下载界面都有其对应的 触发提示词 ，输入对应的触发词，生成的图片将更加贴合模型所展示的效果。
第4步 ： 选择好 生成批次 与 每批数量 之后，就可以进行作品创作了。我们选择一次生成4张图片，就可以得到如下结果：
这对于设计师来说，从找素材开始就已经很繁琐了，设计师原本只是想增加一个设计灵感，然后一顿操作下来，一张图都可能画出来了。太浪费时间了，于是神采PromeAI就设计出各种以「场景」分类的通道，使用者只需要上传图片，选择风格就能一键生成了。
3、高清智能重绘+专业模式精准生成
自图片生成技术以来，使用者对于图片的高清程度尤为重视，生成的图像太模糊只能达到提升灵感的作用，但如果真的想要商业应用，高清、精细化的图像细节非常重要，及时遇到AI翻车的情况，用户还可以通过其他专业工具去进行细化修改。
正如在其他行业中所体现的争议性，AI设计在建筑领域仍然毁誉参半，支持者认为AI可以降低建筑设计成本，解放劳动力，让设计流程高效化，反对者认为AI的样本库本身存在着侵权行为，且设计出来的东西东拼西凑，甚至直呼“AI不能代替人类去坐牢”。
其实AI设计与CAD，SU，Lumion这些辅助工具没有区别，至少短时间内无法颠覆传统的设计工作流，从目前来看，他们能且只能参与建筑设计的一小部分，例如在方案前期比选中，节省造型设计的时间。在建筑平面功能布置，总图设计等领域尚且不太成熟，后续的开发跟进的前景巨大。
4、垂直领域 AIGC 应用新思路
AIGC重点应用领域为有优质应用落地场景的C端，以及有垂直领域数据积累/为重要数据入口的B端。我们分析海外目前较为成熟的AIGC应用，总结出AIGC应用真正能被技术变革赋能的核心领域——有场景的C端、有数据的B端。AIGC在C端应用需要有优质的AI+应用落地场景，从目前发展来看，AI+办公、AI+教育、AI+搜索引擎、AI+电商等均为优质的应用场景，有望率先落地，直接促进公司产品价值提升；在B端，AIGC带来的巨大变革中，只有真正有垂直领域数据积累及技术优势的企业能够被AIGC充分赋能导流，产生增量的业务空间。
有优质应用落地场景的C端：在办公、教育、搜索、电商等场景，AIGC能够为直接提升产品能力，从而提高产品价值量。例如办公场景中，AIGC不仅能够实现在各个办公软件中自动生成内容，同时还打通办公套件内的数据壁垒，极大提高产品集成度，使产品的协作性大幅提升；在教育、搜索、电商场景中，AIGC能实现自然语言交互，提升产品易用性以及产品的个性化程度。产品价值量提升有望进一步提高客户付费意愿与产品粘性，带来ARPU、续费率、客户数三重提升。
有垂直领域数据积累/为重要数据入口的B端：在AIGC+B端应用的场景中，数据是应用产品的核心竞争壁垒。Bloomberg等金融数据终端掌握核心垂类数据，管理软件、财税服务应用等toB软件直接对接企业核心数据。在AI重塑企业级应用，可能大幅降低现有应用门槛的大背景下，数据是不会被颠覆的核心壁垒，掌握数据/数据入口的企业能够最大化被AI赋能。
海外已经在 AIGC 的产业应用领域中开始了实践，但国内的探索仍然比较稀缺。基于对建筑产业数字化变革的洞察，AI建筑有望在国内市场打开局面。
AI识别领域：让CAD图纸一键变成效果图，通过实时数据自动生成CAD图纸，再转化成效果图，提高工作效率。
AI 分析领域：基于对项目的有效识别，针对住宅、商场等常用民用建筑类型，AI能够进行物理环境仿真分析、人类行为数据模拟与预测、项目相关大数据的分析和模拟。在应用层面上，可以协助客户进行项目方案量化分析，比如通过对房企全线住宅产品的评估可以得到不同价值评估系数，协助房企提升产品质量。
AI 生成领域：是智能设计最为核心的部分。对建筑业而言，选择经济适用美观的设计方案、交付安全高效高质量的建造成果，需要多专业、多角色统筹协同完成。不仅需要从宏观尺度、到中观尺度再到微观尺度逐个攻破，还需要在建筑、结构、机电、水暖、景观等多专业逐步覆盖，更需要涵盖住宅、公寓、产业、办公、商业等各种业态类型。因此垂直领域的专业成果生成绝不是某一个模型算法一套数据可以解决的，它需要多模型、多模态、多数据集等多项技术与业务逻辑有机融合，通过契合细分场景的产品设计和基于用户反馈的持续迭代，才能最终实现。
5、AIGC 在建筑产业中的价值落地
在建筑行业的设计环节中，设计师的能力决定了建筑物的使用价值。但 AIGC 可以在理解设计师专业语言的基础上，按设计师的创意、地质地理信息、使用目的等直接生成建筑效果设计图、建筑结构设计图、室内装修设计图等供设计师参考；并可以结合现场数据，在二维设计图纸和三维建模之间进行来回切换，用以校正及审核；甚至在关键节点需要修改时，AIGC 可以对图纸进行整体调整，避免局部改变造成整体设计的冲突。
AIGC 将成为各类建筑设计师的效率利器。过往需要几个月完成的图纸设计，如今可以缩短到几小时内完成。而在施工到运维阶段，AIGC 技术也将帮助管理人员提升施工运维效率。AIGC 可实现更智能的人机交互、设备优化、故障排查、预测性维护等功能。
随着技术的发展，加入分析插件进行数据导入和条件限定等功能，相信AI完全参与建筑设计只是不远的未来。
总而言之，在建筑学领域，不论是形式设计还是建筑工程，AI都处于未来可期的状态。所以我们不应该惧怕AI，更应该拥抱AI，驾驭AI。