人居领域生成式AI代表性产品深度分析 2024

mrjiangkai 2024-05-13 发布于上海

展开全文

人居领域生成式AI代表性产品

基于参与调研的各位专家及其机构的生成式AI实践案例，我们进行了初步的分析，认为这些案例基本能体现出生成式AI人居领域应用的主流方式和技术路线。

第一种方式是自行训练专用大模型，主要是响应通用大语言模型无法处理的多模态需求，作为行业特殊需要的基础平台，比如飞渡峥嵘平台的三维城市与建筑生成大模型，以及小库的建筑设计大模型。

第二种方式是私有化部署开源基座模型，并通过较为私有的领域数据微调，实现特定任务能力的提升，或者实现特定的风格和身份特征。目前绝大多数涉及大量多模态知识的行业应用都是使用这种方式。

第三种方式是基于云服务使用闭源通用模型，并通过 RAG 搜索增强等方式实现知识增强，目前物业客服等相对简单的场景较为常见。但随着基座模型能力的增强，上下文长度的增加和调用成本的降低等，很多目前基于第二种方式的应用，也会逐渐转移到公有云和闭源模型方式。

事实上这三种方式并不是严格分开的，也有不少兼有两种方式特点的实践。除了以上三种产品逻辑，当然还有大量从业者直接使用通用大模型产品或者调用API实现简单的对话应用等。

1、UrbanYX - 城市认知大模型解决方案

UrbanYX 是基于城市、面向城市的大模型解决方案，可以为政府部门、企业、社工、规划师、市民等对象，提供城市问题诊断建议、城市治理相关法律法规政策查询、城市优质活动推荐、开店选址建议等城市场景服务。UrbanYX 基于海量的城市数据和规则，在大模型训练中融知识图谱技术，支持插件开发和应用，可以提供更贴近城市治理领域的决策支持，为用户带来更智能、高效的城市问题的解决方案。

主要优势

2、小库AI云

小库AI云，是基于小库科技自有的AI建筑大模型能力，打造的一站式泛建筑AIGC创享平台。

平台中包含三大核心模块：灵感生成、模型训练和共创共享。

包含建筑垂直领域的底层AI大模型，分别可覆盖建筑、室内、泛建筑领域需求。

用户可以自由地进行文生图或图生图，实现灵感创意的一键生成与自由探索，并可以实现对成果的在线编辑和局部重新生成。

云端模型训练功能可以让用户使用10—20张待学习的数据集，上传至页面，输入模型名等参数即可快速开始训练。获得自己的风格AI小模型。

灵感广场和模型集市，可让用户将生成结果和训练好的模型分享至开源社区，获得更多与其他用户互动的乐趣，同时可以促进平台和社区的不断迭代和完善。

目前小库AI云已在全球拥有众多专业用户，并为知名设计和开发企业提供了保护团队协作与专业内容的企业版产品。

3、中国金茂的大模型探索

金茂组织相关人员兼职成立 AI 大模型技术专项研究小组，以金茂数字科技赋能及业务拓展为研究方向，致力于探索 AI 大模型的潜在应用与商业价值。研究小组运用 AI 大模型技术初步实现了一些智能化场景。

AI创新路线

（1）企业 AI 小助手

AI 小助手以EM为终端，通过小程序入口使员工能够便捷的体验到 AI 大模型能力，支持员工进行数据查询、问题整理和思路拓展等。

图：AI 小助手处理办公问题、策划宣传活动

（2）经营数据即问即答

可通过 nl2sql的方式对项目关键经营数据进行对话式即时查询，用户可点击链接跳转至系统报表。省却了进入经营系统查询报表的复杂操作，提升了数据获取效率。

图：经营数据－即问即答

（3）工艺工法、国标、规章制度问答

将内部工艺做法文档、国标、规章制度等原始PDF、Word、PPT文件进行处理，使用检索增强模型结合大语言模型能力，对一线员工提供综合性知识服务。

（4）工单自动分类

针对报修工单、投诉工单、预验工单等，使用历史三万条数据经过人工校对后对基模型进行微调训练，达到由AI自动判别问题分类的目的，提升问题判定效率和准确度

4、广联达

广联达经过十三年的技术研发，结合最新的AI技术、ChatBOT等对话式大模型，整合ArchiDIffusion生成式大模型，实现LoRA大模型训练，形成智能AI建筑方案设计，支持建筑信息模型（BIM）大规模场景高效渲染，全专业百万级建筑构件流畅显示，支持大规模二维图纸流畅显示，桌面端2亿面片时平均30FPS，Web端1.3亿面片时平均20FPS，面向建筑工业领域的高性能、高扩展的工程图形系统，其三维渲染效率、多端扩展性已超越国内流行的外国三维设计软件。

广联达依托于国产智能大模型及三维设计平台打造的数维房建设计整体解决方案是一款全专业BIM正向设计解决方案型产品，该解决方案以广联达自主知识产权图形平台为基础，结合智能大模型，在上层搭建了涵盖建筑、结构、给排水、暖通、电气等多专业在内的智能设计工具端，通过“云+端”的形式，结合平台级支撑的构件级数据协同设计与设计成本一体化应用。

广联达正在研发的建筑行业领域模型产品AecGPT，已经能通过一级建造师四门科目的考试。

5、品览筑绘通

筑绘通（AlphaDraw）是面向工程领域的新一代智能设计平台。它嵌入包含行业标准数据、规范要求、工程经验及常用做法的知识库，同时搭配强大的工程设计智能生成算法，实现绘图10倍提效。同时支持云端设计操作，多人协同作业，可实现项目团队基于同一模型进行高效合作。

筑绘通具有五大能力：

6、国匠城一元技能

国匠城基于城市规划行业知识库，面向行业提出AI时代的“元技能”概念。在多年积累的基础上，综合公开文献与政策，形成知识学习模型，通过“元技能果小匠”微信助手的形式，为用户提供知识服务。另外，通过训练图像大模型，形成“元技能意向图”工具，结合AIGC教学为用户提供业内需要的不同类型的设计意向图。

果小匠知识助手

元技能意向图工具

通过图像大模型结合实景照片、AI方案等进行训练，形成具有独特风格的意向图生成工具。

目前已应用于AIGC课程《AIGC在建筑、室内、景观、规划设计行业的应用》教学，方便学员和从业者便捷地生成工作中所需意向图。未来通过模型的积累，基于意向图工具，计划形成专业全面的设计模型库，从而推动AI认知模型在建筑设计领域的发展，推动形成基于模型的新的认知方式与设计流程。

7、上格云

RCCDOMS.AI－风险隐患全集动态计算引擎

以数字孪生为基础，利用AI风险动态计算引擎持续收集、计算资产未来失效概率，并提供基于不同目标的预防性风控策略，再通过线上化工具驱动标准化的作业程序落地，实现设备设施管理的PDCA正循环。

RCCDOMS借鉴了经典可靠性工程的基本理论和方法，结合建筑设备设施管理领域的业务特点做了改进和完善，首次实现了风险知识全覆盖、可观测、可计算的管理体系，让管理决策从传统的“经验依赖”转为“AI驱动”，让“复杂管理决策”变为“简单价值选择”。

全面数字化：建立以数字孪生为基础的可视化设备设施信息全集，实现全周期档案数字化；

AI+专家知识辅助：专业文献理论+老专家实践，预置标准和知识库，结合AI自学习，无死角精准隐患概率和量化寻优风控策略；

全过程服务保障：基于PDCA闭环管理的全过程服务，流程线上化、团队专业化、内容标准化、有效保障价值落地。

跟踪全部风险事件：基于部件的失效模式+影响分析、风险事件应知尽

遍历全部隐患因素：基于隐患因素的隐患树、初始化先验值

评估全部运维措施：刷新风险及隐患概率、维修/更换/巡检/维保策略、量化成本及效用

带入全部观测数据：多源互验，全面捕捉风险隐患表征、全面感知和理解

数字孪生说明书

智慧建筑运维管理数据标准是建筑数字孪生的基础标准，是实现多源数据融合，孪生与物联网融合，多业态标准交付，数据场景化服务的关键基础。该数据标准以建筑数字化相关国家标准和BIM系列标准为基准，近10年来历经上千个项目的应用，完成了6次迭代。可以有效支撑数建筑资产管理的数字化、智能化革新。

数字资产：项目完美投影在数字世界、全属性（物理/管理/策略/工单/物联网等信息属性）全生命周期记录！

高效查询：以设备设施资产数据长久、高效的检索与使用为目标，通过数字化平面图、可视化模型、关系图、系统图等方式，呈现资产运维管理各场景中的全维度信息。

业务联动：支撑供配电调改、漏水响应、消防联动、租户断电、空调过热排查、设备故障诊断、三维联动等业务高效联动，新员工快速上手，不依赖老师傅。

8、建筑工程技术资料对话大模型Construction-GPT

建筑行业作为正处于数字化转型起步时期的传统行业，长期被以下3个问题困扰：建筑行业所涉及的规范标准数量庞大，更新速度快，难以全面检索；工程图集规模庞大，对于某一节点详图、构造做法的具体描述位置，难以快速搜寻；建筑工程技术知识内容繁杂，难以全面、深入掌握。

基于上述背景，上海建工四建集团建筑人工智能研究室自主研发了建筑行业首个百亿字符知识增强对话大模型Construction-GPT，于2023年10月16日正式上线，实现了规范标准智能问答与查新、工程图集详图智能搜索、内控技术文件智能查询、私有知识库智能构建4项主要功能，为四建集团1000余名技术人员提供了便捷、智能、准确的建筑工程技术资料检索与问答工具，不仅可以快速查找技术原始资料，更能根据用户提问，提供专业解答。截至2023年12月1日，企业内部累计使用次数已达60000次，日均使用超过1000次。

Construction-GPT具有以下5个特点：

9、PlanGPT - 规划专业大模型

为了提高规划师与规划院的城乡规划工作效率，北京大学深圳研究生院行为与空间智能实验室提出了一个在规划领域的专用大型语言模型（LLM）PlanGPT。

该模型不仅利用了本地知识数据库和网络搜索功能，还通过特定领域的微调，成功地解决了城市规划文本带来的独特挑战以及通用大模型在行业领域应用中的不足。

经过一系列实证测试，PlanGPT在城市规划领域表现出色，为规划师提供了更高质量的回复，也带来了文本分析、生成等应用上的便捷。PlanGPT有望给相关工作带来效率提升，促进城市（乡）规划领域的智能化转型。

城市规划领域的文本呈现出几个明显特征：同构性、异质性和政府官方文风格。同构性指的是规划文本通常使用一些固定的短语结构或句子结构，比如“完善区域的城市功能、梳理支撑体系”，“科学合理、高标准”，“宏观背景、产业发展、空间格局”等，极大地增加了信息检索等难度。

异质性表现为不同的规划文本在文章内容、写作结构、行文风格上存在差异，不利于模型的训练和数据微调。

城市规划领域旨在为政府机关和社会建设提供服务，因此规划文本通常会具备政府文件的风格。然而，通用大型模型在训练过程中往往较少接触到这种特定的语言风格，这导致输出文本往往无法满足城市规划者的需求。

为了解决这些问题，BSAI团队提出了大语言模型PlanGPT。PlanGPT具备一个可自定义的向量数据库检索系统，能够在同构或异质的规划文本中精确提取有用的知识。

同时它还能充分利用网络搜索工具获取外界实时信息，缓解了模型因离线训练造成的信息滞后问题。

此外，通过收集网络上公开的城市规划材料和来自规划论坛的大量语料数据，我们制作了 “城市规划公开数据集” (Urban Planning Open Dataset)，并对模型进行了微调，将领域特定的知识和语言风格融入大语言模型中。

PlanGPT具有多源数据的检索与处理能力，能够为各种城市规划的相关任务提供全面支持。

PlanGPT包括四个核心组成部分：Vector-LLM、Local-LLM、Web-LLM以及Integrate-LLM，整体框架如下图所示。

Vector-LLM 是PlanGPT的精确检索引擎，专为同构或异质的规划文本设计。它通过自定义的向量数据库系统，能够迅速且准确地搜索和提取有价值的信息。

-Local-LLM 利用城市规划公开数据集进行微调，为PlanGPT提供了该领域特定的知识基础。这一组件让模型能够更好地理解和回答城市规划领域的问题，提高了模型的实用性和适应性。

- Web-LLM利用网络搜索功能，让PlanGPT能够获取实时数据进行决策分析，赋予了模型与外界信息保持同步的能力。

-Integrate-LLM 使用打分（Score）或总结（Summary）技术，将前述各部分组合在一起，使PlanGPT能够采用更准确、高效的方式应对城市规划领域的各种挑战。

功能

当前版本的PlanGPT不仅拥有丰富的地理和规划知识，还具备了三大核心能力：知识检索、文本生成、信息融合。

-知识检索：

PlanGPT拥有调用工具精确检索的能力。作为城市规划领域的智能助手，它可以在在线（网络）或离线（数据库）地从海量的城市规划材料

中检索信息，帮助从业者便捷地了解领域内的重要背景，加强了规划决策的可信度。

-文本生成：

PlanGPT在较长文本生成上表现优异。经过大量公开的规划文本微调后，已经能够生成具有政府文件与规划领域风格的语言，可用于创建、

扩写与城市规划相关的文档和报告，减轻从业人员的写作负担。

-信息融合：

PlanGPT 具备出色的信息整合能力。

打分模式（Score）会自主选择合适的工具去应对不同的任务场景，总结模式（Summary）能在多模态的数据中取长补短，为从业人员尽力提供最优质答案。

此外，PlanGPT 团队搜集全国省、市、县、区的国土空间总体规划方案（公示版），地理知识、规划知识问答，互联网论坛、百科、问答，公示论文等相关材料，经过去重、高质量数据筛选等数据预处理、任务划分、数据增广等至30000余份高质量微调数据，进一步对PlanGPT模型进行微调与知识注入。

同时继续完善模型RAG 部分（包括Plan-Embedding、Plan-Keyword、Plan-DB三个技术），显著提升规划文本的检索准确度。最后增强基于规划师反馈的强化学习过程（RLPF），让生成文本符合规划师偏好与安全审查。

10、合景悠活－物业智能客服大模型

合景悠活集团全称“合景悠活集团控股有限公司”，作为全业态智慧服务运营商，于2020年10月30日在香港联交所主板成功上市（代码：3913.HK）。

目前一线管家往往在分散响应客户需求，琐碎事务缠身，生活和工作根本无法平衡，同时公司对一线服务质量把控深度不足，服务质量也无法得到有效监控和提升，大模型和AI恰好可以轻松解决当下这些痛点，给行业带来先机并助力行业穿越周期，真正地解放一线员工，提升对客服务质量。

在可预见的将来，物业服务将形成虚实结合的超级管家“1+i”服务模式，即1名真人资深管家完成显性化和走动式对客服务，提升客户感知和体验，1名数字管家作为数字孪生助手，负责生活场景下大量的客户服务需求高效识别并完成内部信息的对接和流转，二者发挥各自优势，服务过程进行阶段性信息共享，同时集团集成指挥中心承担服务质量监控和品质兜底工作，24小时全天候为客户提供高质量服务，通过重构数字触点实现服务重生。

合景悠活率先与腾讯云成立了行业第一家联合创新实验室，探索前沿技术在物业领域的应用落地。

随着腾讯云行业大模型的发布，双方开始联手打造物业行业客服大模型。基于腾讯通用大模型底座，腾讯云结合庞大的算力系统，对物业行业语料、行业法规、客户语料、业务数据等进行训练，打造自动聚合的工单系统，实现大模型的能力跨越；

合景悠活基于其对客户服务的专业理解，梳理物业管理全场景，构建模型训练输入的内容框架体系和输出成果的质量标准评价体系，梳理大量历史会话数据并重新设计精调为高质量会话数据，在节省算力的同时确保模型的训练成果可对标行业服务高水平。在双方的共同探索和努力下，成果已形成了SOP并在有序推进中，让大模型懂业务，未来可以实现对管家业务的赋能和服务模式的重构。

客户证言：

“经过半年的努力，我们认为模型已经跨过L2级别深度理解服务需求阶段，L3阶段将与企业服务工单挂接，自动生成工单并流转至一线员工呈现服务闭环，真正实现信息流0成本运转的高效服务，接下来我们将在社区里进行服务试点，成功后快速铺开”，王建辉如是说。

11、飞渡峥嵘大模型

峥嵘大模型，是飞渡科技基于多年行业积累的3D数据集，通过人工智能技术实现数字孪生领域中三维内容生成大模型。

它的核心是解决多模态、低信息的数据，升维为高信息量、高可计算性的行业可用数据。

峥嵘大模能够输入：文本，图像，草图，倾斜摄影三维重建模型，视频等数据，按照不同行业、不同业务场景的需求按需自动化或半自动化生成高信息、高可计算性的三维场景---这类似于是打造一个“三维专题图AI生成器”及基于AIGC三维数据生产工艺。

包括：建筑、地形、植被、水域的全要素场景自动化重建，节省大量城市底板建设成本（包括人工3D建模成本和数据存储及服务成本）。

该产品解决了倾斜摄影三维重建的视觉效果差和人工加工成本高问题，是第一个支持城市级数字底板生成与更新的3D大模型。同时具备泛化为通用模型的潜力，可延伸影视、游戏、娱乐等产业。

新质生产力与高质量发展深度分析 2024

突发！比亚迪放大招！

万亿赛道！低空经济产业发展深度分析 2024 ！

深度分析！人居领域生成式AI的应用场景！ 2024！