建筑方案设计这个行当最折磨人的从来不是画图本身而是从脑子里那个模糊的念头到能拿给别人看的东西之间那段路。你脑子里有个体块关系有个空间氛围甚至能感觉到光线从某个角度切进来的样子但要把这些翻译成平面、立面、剖面再做成能讨论的方案文本中间少说也要耗掉几天甚至几周。我做了十多年设计见过太多好想法死在表达不出来这个环节上。这两年AI工具逐渐成熟我开始把它拉进方案前期的协作流程里不是让它替我设计而是让它帮我把构思快速变成可以讨论、可以迭代的视觉材料。这篇文章就聊聊我实际用下来的一套方法从思路到工具到踩过的坑尽量说透。1. 方案前期真正的瓶颈不在画图速度1.1 构思到图纸之间的翻译损耗大部分建筑从业者都有过这种体验场地踏勘完脑子里已经隐约有了一个体块关系知道主入口该朝哪边开知道哪个面需要打开、哪个面需要收住。但当你坐下来打开建模软件从拉第一个体块开始到能生成一张有说服力的效果图中间要经过建模、材质、灯光、渲染、后期这一长串流程。问题在于这个流程走完之前你的构思已经在无数次软件操作中被磨掉了一部分锐度。我把这个过程叫做翻译损耗。你脑子里的空间感受是三维的、带情绪的、有光影的但软件操作是线性的、参数化的、需要精确输入的。每一次从想法到操作的转换都会丢失一些东西。尤其是当你需要向别人解释这个方案的时候你只能用平面图加文字去描述一个本质上需要被看到的东西沟通效率极低。AI在这个环节的价值就体现出来了。它不要求你先建精确模型不要求你调材质参数你只需要用自然语言描述你想要的氛围和体块关系它就能给你生成一批视觉参考。这些图不是最终成果但它们是极好的讨论媒介。你可以拿着这些图跟团队说我要的是这种感觉比说十句话都管用。1.2 为什么传统工作流在概念阶段效率低传统工作流在概念阶段有一个结构性的矛盾工具是为深化阶段设计的但被拿来用在概念阶段。建模软件的核心能力是精确控制但概念阶段需要的是快速试错。你用SketchUp拉体块快是快但一旦要出效果图就得进渲染器调参数、等渲染、再调、再等。一轮下来半天过去了而你其实只是想看看这个体块关系成不成立。我统计过自己过去做概念方案的时间分配真正在思考设计的时间大概占三成剩下七成花在了软件操作、格式转换、渲染等待和后期调整上。这个比例是倒挂的。AI工具能把这个比例掰回来一些因为它把生成视觉结果这个动作的成本降到了几乎为零。你输入一段描述几十秒出四张图不满意就改描述再来一轮。这种迭代速度在传统流程里是不可想象的。注意AI生成的概念图不能直接当成果交付它的价值在于加速讨论和验证方向而不是替代设计深化。1.3 AI协作搭档的合理定位我一开始也走过弯路试图让AI直接生成能用的方案图结果发现它生成的东西看着惊艳但经不起推敲——结构不合理、尺度失真、空间逻辑混乱。后来我想明白了AI在方案前期的角色不是设计师而是视觉翻译官。它负责把你脑子里的模糊意象快速翻译成可见的图像你负责判断这些图像是否接近你的意图然后决定下一步往哪个方向深化。这个定位很重要因为它决定了你怎么用AI。如果你把它当设计师你会失望如果你把它当翻译官你会发现它极其高效。我现在的流程是先用AI生成一批概念氛围图从中挑出方向对的几张然后基于这些图去建模、去深化。AI生成的图成了我和团队、和甲方之间的共同语言大家看着同一张图讨论比对着空白屏幕空想要高效得多。2. 把自然语言变成空间意象的关键操作2.1 描述词的组织逻辑从氛围到体块用AI生成建筑概念图最核心的技能是写描述词。我试过很多种写法最后总结出一个比较稳定的结构先定氛围再定体块最后补细节。氛围决定整体调性体块决定空间关系细节决定画面可信度。举个例子如果你想生成一个滨海文化中心的概念图不要只写滨海文化中心效果图这样出来的东西大概率是网上常见的那种泛泛的渲染图。你可以这样组织先写氛围——清晨薄雾中的滨海建筑光线柔和海面反射微光再写体块——主体为三个错落的弧形体量面向海面展开中间形成通透的灰空间最后补细节——清水混凝土与玻璃幕墙交替屋顶有绿化平台远处有防波堤。这个结构的好处是AI会优先响应你放在前面的关键词。氛围词决定了画面的光线、色调、天气体块词决定了建筑的基本形态细节词决定了材质和配景。三层叠加出来的图就比单层描述精确得多。2.2 控制画面构图的几个实用技巧AI生成建筑图有一个常见问题构图不可控。你想要的是一点透视的正面视角它给你一个鸟瞰你想要人视角度它给你一个轴测。我试下来有几个技巧可以改善这个问题。第一个是在描述词里明确写视角。用人视角度一点透视从街道层面看鸟瞰视角这类词AI对视角词的响应还是比较敏感的。第二个是控制画面比例写横幅构图竖幅构图或者直接指定比例能影响画面的裁切方式。第三个是用参考词锚定风格比如写类似某类建筑摄影的构图或者建筑杂志封面风格能让画面更接近专业建筑摄影的观感。还有一个我常用的技巧在描述词里加入前景元素。比如前景有行道树画面左下角有行人透过树梢看到建筑——这些前景元素会迫使AI生成更有层次感的构图而不是一个孤零零的建筑立在画面中央。2.3 迭代策略从模糊到精确的收敛过程用AI做概念设计不要指望一次生成就得到满意的结果。我的做法是分三轮迭代。第一轮用比较宽泛的描述词生成一批图目的是看AI对这个方向的理解范围找出哪些方向有潜力。第二轮针对第一轮里比较好的几张把描述词改得更具体比如把现代建筑改成以水平线条为主的现代建筑出檐深远把玻璃幕墙改成超白玻璃幕墙隐约反射天空。第三轮做微调改光线、改角度、改配景直到画面接近你脑子里的意象。这个收敛过程跟传统设计里的草图—推敲—定稿逻辑是一样的只是速度被压缩了。传统流程里一轮推敲可能要半天AI流程里一轮只要几分钟。速度带来的最大好处是你可以在同样的时间里探索更多的可能性而不是早早锁定一个方向然后花大量时间深化一个可能并不对的方向。3. 不同设计阶段的AI介入方式3.1 概念生成阶段用AI打开思路概念阶段最怕的是思维定势。你做过类似项目脑子里有一套现成的解法很容易直接套上去。AI在这个阶段的价值是帮你跳出定势。我的做法是故意用一些不常规的描述词去生成图比如把文化中心描述成像一块被海浪冲刷的礁石或者像一组散落的盒子。这些描述出来的图往往不直接可用但会给你一些意想不到的启发。我印象比较深的一次是做一个山地民宿项目一开始脑子里全是传统的坡屋顶加木结构。后来我试着用像从山体里长出来的晶体去生成出来的图是一种棱角分明、嵌入地形的体量关系。虽然最终方案没有完全采用这个方向但它让我意识到这个场地不一定非要用传统坡屋顶去回应可以用更几何化的语言去处理与山体的关系。这种启发是AI独有的因为它没有行业惯例的包袱。3.2 方案推敲阶段快速验证体块关系到了方案推敲阶段AI的用法就变了。这时候你已经有了一些初步的体块关系需要验证它们在视觉上是否成立。我的做法是把体块关系用文字描述出来让AI生成不同角度的图看看这个体块在三维空间里是否像我想的那样。比如你设计了一个L形体量加一个独立盒子的组合你可以让AI分别生成从正面、侧面、鸟瞰三个角度的图。如果三个角度看起来体块关系都成立那这个方向就值得继续深化。如果某个角度看起来别扭那说明体块关系可能有问题需要调整。这个过程比建模再渲染快得多而且不需要精确尺寸只需要体块关系对就行。提示这个阶段不要纠结材质和细节重点看体块比例和空间关系。AI生成的图材质可能不准确但体块关系是可信的。3.3 成果表达阶段AI辅助氛围图与拼贴到了成果表达阶段AI生成的图不能直接当效果图用但可以作为拼贴素材或者氛围参考。我常用的做法是用AI生成一批氛围图挑出光线、色调、氛围对的那几张然后在后期软件里把AI生成的建筑体块替换成自己建的精确模型保留AI生成的天空、配景、氛围。这样出来的图既有AI的氛围感又有自己方案的精确性。还有一种用法是生成氛围底图。比如你需要一张黄昏时分的建筑外观图但渲染器调黄昏光线很费时间。你可以用AI生成一张黄昏氛围的图然后把建筑模型渲染成白模叠加在AI生成的氛围底图上再统一调色。这个方法能省掉大量调光线的时间而且氛围往往比渲染器直接出的更自然。4. 实测中遇到的坑与应对方案4.1 尺度失真与结构不合理AI生成建筑图最大的问题是尺度感不可靠。它生成的建筑往往看起来像模型而不是真实尺度的建筑门窗比例不对、层高看起来像宫殿、栏杆细得像头发丝。这个问题在概念阶段可以容忍但如果你拿这种图去跟非专业人士沟通他们可能会被误导。我的应对方法是在描述词里加入尺度参照物。比如写三层建筑每层约四米入口门高两米五旁边有正常比例的行人。加入这些参照物后AI生成的图尺度感会好很多。另外在后期使用时我会在图上标注概念示意图尺度仅供参考避免误解。结构不合理的问题更隐蔽。AI不懂结构逻辑它生成的悬挑可能悬挑得毫无道理它生成的柱子可能落在不该落的位置。这个问题没有特别好的解决办法只能靠你自己的专业判断去筛选。我一般会把AI生成的图当作视觉参考而不是技术参考结构逻辑还是得自己把控。4.2 风格漂移与一致性维护做方案的时候你往往需要一组风格一致的图比如同一个方案的不同角度、不同场景。但AI每次生成都有随机性你很难让它在不同图里保持完全一致的风格。这个问题在需要出方案文本的时候特别明显——封面图是一种风格内页图是另一种风格看起来不像一个方案。我试过几种方法来缓解这个问题。一种是在描述词里加入固定的风格锚点比如每次都写清水混凝土材质冷灰色调柔和自然光让AI在材质和色调上保持一致。另一种是固定随机种子有些AI工具支持设定种子值同样的种子加相似的描述词出来的图风格会比较接近。还有一种笨办法但很有效先生成一张满意的图然后把这张图作为参考图喂给AI让它基于参考图生成其他角度。这个方法的一致性最好但需要工具支持图生图功能。4.3 版权与原创性的边界把握AI生成的图能不能直接用这个问题在行业里还没有定论。我的做法比较保守AI生成的图只用于内部讨论和概念沟通不直接出现在正式交付成果里。如果要用也是作为拼贴素材或者氛围参考最终成果里的建筑主体必须是自己建模渲染的。另外AI生成图有时候会撞车——生成的东西跟某个已知建筑很像。这个问题在建筑领域尤其敏感因为建筑的形式语言本来就有限AI训练数据里又包含大量知名建筑。我的应对方法是生成图之后做一次快速筛查如果发现跟某个已知建筑过于相似就调整描述词重新生成。这个步骤不能省否则可能带来不必要的麻烦。5. 工具选择与工作流整合5.1 主流AI绘图工具在建筑场景的适配度我用过不少AI绘图工具各有各的特点。Midjourney在氛围感和画面质感上最强适合生成概念氛围图但它对建筑专业性的理解偏弱经常生成一些好看但不合理的建筑。Stable Diffusion的可控性最好支持ControlNet这类精确控制工具适合需要控制体块关系的场景但上手门槛高需要花时间调参数。DALL-E在理解复杂描述方面比较强适合把一段详细的建筑描述翻译成图但画面质感偏插画感不太像建筑摄影。还有一些专门针对建筑场景优化的工具比如一些基于Stable Diffusion微调的模型对建筑术语的理解更好生成的图更接近建筑效果图的观感。这类工具适合不想折腾参数、只想快速出图的从业者。工具类型优势劣势适用场景通用AI绘图工具氛围感强出图快建筑专业性弱尺度不准概念氛围图、思路拓展可控性强的工具可精确控制体块和构图上手门槛高调参耗时体块验证、角度控制建筑专用模型建筑术语理解好出图专业风格范围相对窄快速出概念图、方案沟通5.2 与现有设计软件的衔接方式AI生成的图最终要回到设计流程里所以衔接方式很重要。我目前的流程是AI生成概念图→挑选方向→在建模软件里拉体块→把AI图作为参考贴在旁边→建模时对照参考调整比例和关系→渲染白模→后期软件里合成AI氛围底图→出图。这个流程里AI图扮演的是参考角色不是成果角色。它帮你快速找到方向但深化还是靠传统工具。我觉得这个分工是合理的因为AI目前还做不到精确控制而建筑深化需要精确控制。还有一种衔接方式是直接把AI生成的图导入建模软件作为背景参考图然后照着描体块。这个方法适合体块关系比较复杂、用文字描述不清楚的情况。你生成一张满意的图导入软件调整好比例然后照着拉体块。虽然听起来有点笨但实际用起来效率不低尤其是当你不知道怎么用文字描述那个体块关系的时候。5.3 团队协作中的AI流程嵌入在团队里推AI流程最大的阻力不是技术是习惯。大家习惯了原来的工作方式觉得学新工具麻烦。我的经验是不要一上来就全面推广先在一个小项目上试点等大家看到效率提升之后再慢慢铺开。具体做法是在概念阶段安排一个AI生成环节由一个人负责用AI生成一批概念图然后团队一起看这些图讨论方向。这个环节不替代任何现有流程只是加了一个快速可视化的步骤。等大家习惯了看着AI图讨论之后再逐步把AI图用到方案文本、汇报材料里。整个过程要自然不要强行推。注意团队协作中要明确AI生成图的使用边界避免有人直接把AI图当成果交付带来版权和质量风险。6. 从工具到协作搭档的思维转变6.1 把AI当不会累的实习生来用我刚开始用AI的时候总想着让它一步到位生成能用的东西结果很挫败。后来我换了个心态把AI当成一个不会累、不会抱怨、但需要明确指令的实习生。你不会指望实习生第一天就交出完美方案但你可以让他快速生成一批草图供你挑选。AI也是一样它的价值不在于一次做对而在于快速生成大量选项供你判断。这个心态转变之后我用AI的效率反而高了。我不再纠结于怎么写出完美的描述词而是快速写、快速生成、快速筛选。生成十批图能挑出一两张有用的就算成功。这种广撒网的用法比精雕细琢更适合概念阶段。6.2 设计师的判断力变得更重要而非更不重要有人担心AI会取代设计师我的看法相反AI让设计师的判断力变得更重要了。当生成一张图变得极其容易的时候真正的价值不在于能生成而在于知道该生成什么和知道哪张图是对的。这两个能力都需要深厚的专业积累。你让一个没有建筑背景的人用AI生成建筑图他也能生成好看的图但他不知道哪张图在结构上成立、哪张图的空间逻辑合理、哪张图的比例关系对。这些判断需要多年的专业训练。所以AI不是降低了设计师的门槛而是把门槛从操作能力转移到了判断能力上。6.3 建立个人化的AI协作方法论每个人用AI的方式都不一样因为每个人的设计思维和表达习惯不同。我的建议是不要照搬别人的流程而是根据自己的习惯去摸索。你可以从最简单的用法开始——用AI生成参考图——然后慢慢尝试更复杂的用法比如用AI验证体块、用AI生成氛围底图、用AI做方案对比。我自己的方法论是在用了大半年之后才逐渐成型的。核心就一条AI负责快速可视化我负责判断和深化。这条线划清楚之后整个流程就顺了。你不需要让AI做所有事只需要让它做它擅长的事——快速把文字变成图像剩下的交给你自己的专业能力。7. 几个实际项目中的操作片段7.1 山地民宿项目用AI找体块与地形的对话关系这个项目场地在一个坡度比较大的山地上业主想要建筑从山里长出来的感觉。我一开始用传统方法拉体块怎么拉都觉得建筑是放在山坡上而不是长在山坡里。后来我用AI生成了一批图描述词里写建筑体量嵌入山体屋顶与山坡等高线平行从远处看建筑与山体融为一体。生成的图里有一张给了我很大启发建筑不是独立体量而是由几个平台组成每个平台顺应等高线展开平台之间用楼梯连接屋顶种树从远处看建筑几乎消失在山体里。这个方向跟我原来想的一个体量嵌入山体完全不同但它更接近业主想要的长出来的感觉。后来这个方向成了方案的主基调。这个案例让我意识到AI的价值不在于生成精确的图而在于生成你没想到但合理的图。它没有建筑应该是什么样的预设所以能给出一些跳出常规的答案。7.2 城市更新项目快速生成多方案对比城市更新项目通常需要出多个方案供选择传统做法是一个方案一个方案地做做完再对比。用AI之后我可以在半天之内生成十几个方向的图然后快速筛选出三四个有潜力的方向再针对这几个方向深化。具体操作是先确定几个变量——体量关系、材质语言、开放空间的位置——然后针对每个变量生成不同组合的图。比如体量关系有分散式集中式线性式三种材质有砖混凝土金属三种组合起来就是九种方向。每种方向生成几张图半天就能看完所有组合的视觉效果。这个效率在传统流程里是不可想象的。7.3 文化建筑项目AI辅助氛围图与汇报材料文化建筑项目对氛围要求高汇报的时候需要大量氛围图来传达设计意图。传统做法是渲染多张效果图每张都要调光线、调材质、调角度耗时很长。我的做法是用AI生成氛围底图然后把建筑白模渲染出来叠加在上面。具体步骤是先用AI生成一批不同时段、不同天气的氛围图挑出光线和色调合适的然后把建筑模型渲染成白模角度和AI图对齐在后期软件里把白模叠加到AI氛围图上调整透明度和混合模式最后统一调色让白模和氛围图融合。这个方法出来的图氛围感比直接渲染好而且速度快很多。汇报的时候这些图作为氛围参考放在方案文本里效果很好。8. 关于AI协作的一些个人体会用AI做建筑方案这件事我最大的体会是它改变的不是设计本身而是设计的节奏。以前做方案是线性的——想清楚再画画完再看效果效果不对再改。现在做方案是并行的——一边想一边生成生成完立刻看到效果看到效果再调整想法。这个节奏变化带来的最大好处是你可以在同样的时间里探索更多的可能性而不是早早锁定一个方向然后花大量时间深化一个可能并不对的方向。另一个体会是AI让我重新重视描述这件事。以前做设计很多想法是模糊的、直觉的不需要说出来。但用AI的时候你必须把想法翻译成文字这个过程本身就是在梳理思路。我经常在写描述词的时候突然意识到原来我想要的是这个这种自我发现是意外收获。当然AI目前还有很多局限。它不懂结构不懂规范不懂材料性能不懂施工逻辑。它生成的图好看但不一定合理。所以我的用法始终是AI负责快速可视化我负责判断和深化。这条线划清楚AI就是一个极其高效的协作搭档划不清楚AI就是一个制造麻烦的玩具。最后分享一个小技巧如果你不知道怎么描述一个空间氛围可以找一张你喜欢的建筑照片用文字描述这张照片里的光线、材质、空间关系然后把这段描述喂给AI。这个方法能帮你快速建立从图像到文字再到图像的转换能力用多了之后你写描述词的速度和准确度都会大幅提升。