一、技术通识（3 天）

1. AI 发展史与建筑行业应用图谱
   • 发展脉络：从 1956 年达特茅斯会议提出 AI 概念，到 2020 年代生成式 AI 爆发，重点解析 AlphaFold（蛋白质结构预测）对参数化设计的启发，以及 Autodesk 推出 AI 设计工具对建筑业的颠覆
   • 应用图谱：
   ▸ 概念设计：Midjourney 生成建筑意象图
   ▸ 性能优化：Cove. Tool 能耗模拟
   ▸ 施工管理：BIM+AI 进度推演
   ▸ 运维阶段：IoT 传感器+AI 预测性维护

2. 机器学习与神经网络底层原理
   • 核心概念：
   ◦ 监督学习：以 Revit 构件数据库训练材质识别模型
   ◦ 无监督学习：通过聚类分析挖掘建筑方案空间模式
   ◦ 强化学习：模拟建筑规范审查的决策树构建
   • 神经网络架构：
   ◦ CNN（卷积神经网络）：用于立面风格识别（如哥特式 vs 现代主义）
   ◦ GNN（图神经网络）：处理建筑功能泡泡图的空间关系
   ◦ Transformers：BIM 模型语义解析与自动标注

3. 建筑 AI 技术生态解析
   • 国产化平台：
   ◦ TransBIM：支持规范审查自动化的本土 BIM 平台
   ◦ ArchiVinci：参数化设计插件，实现 Grasshopper 节点 AI 化
   • 技术瓶颈：
   ◦ 异构数据融合：CAD 图纸/BIM 模型/点云数据的标准化处理
   ◦ 小样本学习：针对历史建筑保护项目的有限数据训练策略

---

二、工具入门（2 天）

1. AI 方案生成工具链
   • 多模态生成：
   ◦ Stable Diffusion + ControlNet：通过线稿控制生成超写实建筑效果图（需掌握潜空间降噪参数调节）
   ◦ Runway：动态漫游视频生成（重点学习关键帧与风格一致性控制）
   • 实战案例：
   ◦ 输入关键词"生态中庭+曲面玻璃幕墙"，生成 10 种概念方案并进行热力值排序

2. 建筑数据分析工具
   • 数据处理：
   ◦ Python+Pandas：清洗 Revit 导出的构件属性表（如过滤异常尺寸梁柱）
   ◦ Matplotlib/Seaborn：可视化空间使用率热力图与人流模拟数据
   • 预测模型：
   ◦ 使用 LSTM 网络预测建筑全生命周期能耗曲线
   ◦ 基于随机森林算法评估不同幕墙方案的建造成本

3. 参数化设计升级路径
   • 传统→智能跨越：
   ◦ Grasshopper→PyTorch：将电池节点逻辑转化为神经网络层（如用 MLP 替代遗传算法优化结构）
   ◦ Dynamo+AI：开发自动校验防火规范的脚本插件
   • 工具对比：

   工具类型	代表产品	优势场景	学习曲线
   可视化编程	Grasshopper	形态生成	低
   深度学习	ArchiVinci	多目标优化	高
   云端平台	TransBIM	规范审查	中

---

三、认知升级路径

1. 思维转变：
   • 从"设计主导"到"数据驱动"：掌握用混淆矩阵评估方案生成模型的准确率
   • 从"经验判断"到"量化决策"：学习 SHAP 值解释 AI 推荐的结构方案合理性

2. 行业趋势认知：
   • 2025 年关键突破：
   ◦ BIM 模型轻量化技术实现移动端实时渲染
   ◦ 住建部推动 AI 审图系统全国试点
   • 职业能力缺口：
   ◦ 既懂空间逻辑又掌握 PyTorch 框架的"双栖设计师"
   ◦ 能操作 AI 工具完成 LEED/WELL 认证数据分析的绿色建筑专家