一、"我们的竞争力在哪里"

2024年9月，在合肥某建筑设计院的一次内部战略研讨会上，院长姜总在屏幕上投满了各种AI建筑设计软件的截图，问在座的40多位设计师和工程师一个问题：

"Midjourney可以生成概念效果图，Autodesk Forma可以自动生成建筑形体方案，AI审图系统可以几分钟审完我们几天才能审完的图纸——两三年后，我们的竞争力，到底在哪里？"

会议室里沉默了一分钟。

一位工作了16年的结构总工程师慢慢摘下眼镜，说了一句话："AI可以画图，甚至能画得比我们快。但它画不出'我们的图'。"

他解释了一下：这家设计院在合肥深耕了28年，做过市政、公建、住宅、产业园区，积累了大量的本地经验——合肥什么土质适合什么基础形式、什么朝向和开窗方式在本地气候下年能耗最优、什么建筑形态在合肥的规划审批中更容易通过……

这些经验，不在任何国标规范里，不在任何教科书里，但在他们几千个项目的图纸和过程文件里。这套经验体系，就是"他们的图"的源头。

姜总当即做了一个决定：把这种"看不见的竞争力"变成"看得见的能力"。他联系了安徽好牛软件有限公司的合肥ai大模型开发公司团队。

二、"知识蒸馏"：定制大模型的关键

开发团队进场后，做了一件在整个项目中最耗时、也最有价值的事——"知识蒸馏"。

他们把设计院过去15年的2700多个项目的设计文件进行了系统化的梳理——不是简单地把图纸"喂"给AI（那样只会得到一个"看了很多图"但"不知道看了什么"的模型），而是由设计院的资深工程师和开发团队的数据工程师合作，对图纸进行"标注"和"结构化"：

——这个项目中选用了什么基础形式？为什么？当时的地质报告和数据是什么？

——这个建筑的节能设计采用了什么策略？合肥地区的光照数据、温度数据、能耗模拟结果怎么样？

——这个项目的报建审批过程中遇到了什么规划调整？最终怎么解决的？当地的规划管理要求是什么？

这个过程持续了整整4个月，转化成了一套包含约50万条标注样本的专业知识库。

在这套知识库上，基于通用大模型进行了微调和领域适配，最终构建了一个"合肥建筑设计院专属大模型"。

三、大模型实际在做什么

大模型于2025年7月内部上线。设计师们逐步摸索出了该配套方案的使用场景：

方案初期参考：设计师输入项目地块的基本参数——位置、面积、用地性质、容积率限制——大模型输出3-5个建筑形体概念方案，每个方案标注"这是院历史上在类似地块采用过的形体策略"。这不是AI的创作，而是AI归纳了设计院过去的经验。

"以前我做方案初期，要翻10-20个历史项目来找灵感，耗时3-5天。现在AI帮我检索、归纳、输出比较，我1小时内拿到参考，然后在此基础上做深化。"一位主创建筑师说。

结构选型推荐：输入建筑功能、层数、跨度、合肥地区地质条件，AI推荐最适配的基础形式和主体结构形式，并引用院历史上类似项目的结构方案作为参考案例。这个功能让年轻结构工程师的方案初设效率提升了约50%。

节能设计辅助：根据合肥地区的气候条件，自动模拟不同开窗率、遮阳形式、保温做法的能耗对比，输出最优建议。一个青年工程师说，"以前我们做节能计算要3天，现在AI模型结合本地气候数据，2小时出结果。"

需要强调的是，大模型不"替代"设计师做决策——它提供的是经过院历史经验验证的"参考选项"，最终的设计判断仍然由设计师完成。它把"经验"从人的脑子里搬到了系统里，让年轻设计师有机会站在老工程师积累的经验基础上思考。

四、姜总的复盘

大模型上线8个月，姜总在一次行业会议上分享了数据：

• 方案阶段效率：主创建筑师从接到任务到出概念方案的平均时间从7天缩短至2天
• 结构选型合理性：经大模型辅助选型后的方案，施工图阶段的方案变更率降低了43%
• 年轻设计师成长速度：入职1年内的设计师独立完成方案设计的能力评估提升了约35%（大模型提供的经验参考缩短了试错周期）
• 投标中标率：同比提升9个百分点（方案更精准地匹配了本地化的需求和规范）

姜总说了一句让全场鼓掌的话：

"以前我们说'我们是一家有28年经验的设计院'，这句话的含金量只是那几位老工程师还在的时候才存在。但现在，合肥ai大模型开发公司帮我们把28年的经验变成了一个系统——不管人走不走，经验留下来了。"

"这不仅是技术升级，这是'百年设计院'的基石。"