报告全文下载：建筑行业如何借力生成式AI转型升级？
序 言
2022年OpenAI发布ChatGPT，拉开了大语言模型和AIGC（生成式AI）时代的帷幕。时至今日，短短一年，大模型已家喻户晓，百模大战正在上演。生成式AI裹挟着人们对未来的兴奋与恐惧，迅速席卷了几乎所有行业。
一般来说，大模型是指包含超大规模参数的神经网络模型，具有卓越的泛化能力和表达能力，但相应的训练成本也极高。随着大模型的广泛应用，人们逐渐意识到，其在产业领域发挥真正的作用仍然任重道远。对于大多数企业而言，面向垂直场景、垂直行业、垂直领域探索基于大模型的应用创新，将成为现阶段的重要攻坚方向。大语言模型是生成式AI的一个重要应用领域，主要用于进行复杂的语言理解和文本生成任务。有观点认为，行业大模型是基于某个特定行业领域的数据进行训练和优化的模型，旨在更好地理解和处理该行业的专业术语、规范和语义，以满足该行业的需求。与通用大模型相比，行业大模型更加专注于某个特定行业，能够更好地适应该行业的特殊需求和场景。然而，具体到某个行业领域，大模型和生成式AI应用的方式会存在很大的差异。
有些行业，如医疗、法律或金融，需要专门训练或精调大量特定领域的文本数据，以实现专业领域的大模型，用于政务交互、专业问答等场景。而在交通、能源电力、生物、材料等领域，则会使用特殊模态的数据和算法进行训练。不过，在绝大多数领域，通过基础大模型以Embedding等方式外挂知识库，便足以解决大多数问题。随着基础大模型参数量的增加、算法的优化以及跨模态能力的提升，其解决问题的效率可能会很快超越微调等方式。例如，GPT4的升级与DALL·E 3的融合，显示出读图、绘图等能力的显著提升，而GPT-4 Turbo和GPTs的发布则大大降低了制作垂直应用的难度。最终，AGI（通用人工智能）有望独立解决各种场景问题。然而，在实现这一目标之前，我们仍需探讨大模型和生成式AI近期的行业应用模式问题。
人居环境概念涵盖城市、建筑与景观等子领域，贯穿规划、设计、建造到运营全生命周期，并涉及结构、设备等相关学科。尽管相关行业整体数字化水平不高，但学界和业界一直在积极探索AI的各种应用场景。基于对海量数据的学习和建模，AI已广泛应用于空间和行为的模拟推演预测、数据分析与辅助决策等领域，主要体现为对专业人员的辅助。
随着生成式AI的出现，其处理多学科非结构化知识、提供更友好的人机交互以及模仿人类艺术创作过程的能力，使我们获得了处理复杂系统问题的全新手段。城市与建筑的复杂巨系统远比大多数垂直行业复杂，其行业知识规模也更大，这决定了在相当长的时间内，专业人员仍然难以被取代。因此，探究新技术影响行业发展的路径与边界也就尤为重要。
一直以来，自然语言和图纸被视为人居环境领域主要的信息载体，而这两个信息载体正是目前生成式AI最为擅长的方向。作为一个传统行业，各种类型和分工的企业、机构都纷纷探索相关技术应用，近期在生成式AI领域的探索也十分活跃。因此，腾讯研究院与北京建筑大学合作，对十余位人居环境相关行业各领域的专家学者进行了访谈，他们既对行业有着深入的理解和实践经验，也都正在从事与生成式AI应用有关的工作。我们讨论的话题聚焦于生成式AI与大模型的人居环境领域应用，当然也会涉及与传统的行业AI以及其他技术的结合。希望通过这些实践与思考，推动行业在生成式AI技术背景下实现转型升级。人居环境概念涵盖城市、建筑与景观等子领域，贯穿规划、设计、建造到运营全生命周期，并涉及结构、设备等相关学科。尽管相关行业整体数字化水平不高，但学界和业界一直在积极探索AI的各种应用场景。
腾讯研究院、腾讯云与北京建筑大学合作，对十余位人居环境相关行业各领域的专家学者进行了访谈，话题聚焦于生成式AI与大模型的人居环境领域应用，也会涉及与传统的行业AI以及其他技术的结合，如腾讯云携手合景悠活打造合景超级管家客服大模型，就是基于腾讯混元大模型底座，结合物业行业语料并利用腾讯云算力优势打造的物业行业大模型。本次调研，旨在通过这些实践与思考，推动行业在生成式AI技术背景下实现转型升级。
推荐阅读
👇 点个“在看”分享洞见