当AI最初进入建筑行业，最直观的改变发生在效率层面：从最开始的MJ生成概念图、SD的反复抽卡式图生图出渲染效果，到现在越来越多的设计公司开始通过本地部署+二次训练/LoRA调整的方式将AI辅助生产彻底嵌入自己的工作流之中，生成效果图更快、文本写作更顺、参数模型更复杂、方案迭代更迅速。

但如果只停留在“工具革命”，我们可能忽略了更深层的问题——AI是否正在改变建筑原型的生成机制？

建筑原型（architectural type）并非形式类别，而是社会结构的空间表达。工厂之于工业革命，摩天楼之于资本市场，购物中心之于消费社会，数据中心之于互联网时代——每一次生产方式的变革，都会在空间中留下稳定形态。如果AI正在重构知识生产、内容生成与决策逻辑，那么它对建筑的影响，很可能不会止步于软件层面，而会延伸至空间结构本身。

工业工厂 – The Doubling Room, Dean Mills, 1851 (colour litho)

Park Avenue, Feb 1988 by Todd Jacobson

AI时代的核心资源不是钢铁或石油，而是算力。算力依赖于数据中心：电力网络、冷却系统与通信结构——这些系统本身构成一种新的空间网络。

此前我们讨论过数据中心类型，但在这里，我们更关注其“结构意义”。

如果把结构理解为“梁柱体系”，那我们讨论的只是工程问题。但在类型学与空间理论层面，结构指的是组织关系的规则系统——它决定什么是核心，什么是附属；什么主导空间，什么被空间容纳。因此，所谓“结构意义”的核心原则，是一种新的组织逻辑是否成为空间生成的第一原则。

在前工业时代，空间结构围绕权力与宗教组织；在工业时代，空间结构围绕生产与劳动力组织；在消费社会，空间结构围绕流线与展示逻辑展开。这些转向并不是形式变化，而是主导性结构的转移。如果将这一视角引入AI语境，那么在当下AI是否正在成为一种主导性组织逻辑？当决策、调度、内容生产与信息分配由算法系统主导时，空间组织的优先级就会发生变化。原本以“人类行为”为核心的空间结构，可能逐渐让位于“数据流动”“系统效率”“算法预测”等规则。

例如 Google 在芬兰 Hamina 的数据中心项目，Google 于 2009 年购买了 Hamina 的旧造纸厂（Summa Mill）工业场地，根据当地已有的基础结构及资源优势进行改造建造数据中心。原造纸厂的一个长达数百米的地下花岗岩海水引水隧道成为该项目技术创新的基础——这一现有地下结构最初用于工业冷却，被 Google 改造用于引海水冷却数据中心机房。在此，通过海水冷却系统将工业遗存与高密度算力结构结合，建筑不再围绕人类行为组织，而是围绕服务器运行、热交换路径与电力分配展开。

Hamina 运行十多年后仍在扩张：Google 在 2022 年购买了附近 50 公顷土地用于未来扩建与扩容。2024 年公布了 ~€1B的投资计划用于扩建、升级以及热回收设施建设，使该中心进一步增强算力能力与社区能源贡献。这些延伸表明，包括Hamnia在内的这些项目并非一次性建设，而是具有长期发展潜力的基础设施节点。

这或许标志着第一种新原型雏形：机器优先的基础设施建筑。

如果数据中心代表“AI作为内容”，那么生成式设计代表“AI作为机制”。生成式设计并非新鲜概念，但在机器学习参与之后，它从参数优化工具转变为复杂规则生成系统。

传统建筑类型依赖历史经验与功能范式积累。图书馆、剧院、办公楼都有稳定空间模型。而在生成式设计框架下，空间形态由性能指标与数据输入驱动，而非既有范式。例如Autodesk的生成式设计研究已在工业与建筑领域大量实验，算法根据荷载、材料、环境数据自动生成结构形态。这些形态往往不再符合传统“梁—柱—板”的认知模式，而呈现连续、网状或分支结构。当然，这里的关键并不是形态新奇，而是空间由规则生成，而非由经验范式复制。

例如曾在Buildings期刊发表的一项研究：Architectural Design Exploration Using Generative Design。该研究以一个真实住宅街区为对象，构建了一套生成式设计框架。在这个框架中，设计师并不是直接绘制方案，而是将建筑密度、日照条件、可居住面积、视线通廊等变量转化为算法参数，再由系统自动生成大量可行方案。

运算下的日照小时数评估与视野评估 @Jani Mukkavaara and Marcus Sandberg

从生成的方案集中选取的单个方案示例及其指标，包括可交互的三维可视化、方案设计变量的数据表，以及方案指标的极坐标图。@Jani Mukkavaara and Marcus Sandberg

算法输出的不是“一个更好看的方案”，而是一组可以被量化比较的空间可能性。不同体量组合如何影响采光，不同退线如何改变公共空间比例，都在同一个逻辑系统中被反复推演。这里真正被改变的不是形式，而是设计过程本身：设计师从“形态创作者”转变为“规则设定者”，空间成为规则运算的结果。这种研究的价值在于它将生成式设计从视觉层面拉回到结构化决策层面。

另一个案例是来自清华与深圳大学团队的研究项目 Sketch-to-Architecture。这个项目尝试将草图输入与生成式模型结合，使简单的线稿能够被自动推演为平面布局与三维体量。与常见的AI渲染不同，它并不是从文本直接生成效果图，而是保留了建筑设计的基本语法路径：草图 → 平面 → 三维 → 视觉表达。系统在识别草图语义后生成可编辑的建筑形态，并允许通过文本对体量、尺度与功能进行进一步约束。这种方法的意义在于，它并没有抹除建筑设计流程，而是在流程内部嵌入智能推演机制。设计不再只是“生成图像”，而是在草图阶段就开始与算法协作。人机关系由替代转为共构。

GLobal Generation @ Pengzhi Li, Baijuan Li, Zhiheng Li

这两个案例的共同点在于，它们都没有将AI当作“视觉加速器”，而是将其嵌入到决策结构与空间生成逻辑之中。当设计规则可以被编码，当空间形态可以通过参数推演获得，当草图可以成为机器理解的输入语法，建筑的“生成机制”就开始发生位移。对于还在准备出国深造或者正处在校园之中的学生而言，这类项目提示了一个方向：未来建筑设计的核心能力，可能不仅是表达能力，而是对规则、系统与生成逻辑的理解能力。

一个更微妙但更重要的转向是——公共性。当大量社会行为在数据层面发生，算力基础设施成为社会运行的核心支撑，是否会出现“人机共存”的公共空间？

在 Harvard University Graduate School of Design 的学生研究中，学生团队提出一种 “Edge‑Colo” 城市边缘数据中心原型，通过垂直化体量、模块化核心体系，以及对环境与社区的响应，使数据中心远离典型低密度、高能源消耗的开发模式，并强调与城市语境、可持续性能指标的连接。项目通过可拆卸模块、浸没冷却与机器人运营等技术策略，使建筑组织更加紧凑灵活，同时把备电系统的燃料替换为生物甲烷燃料电池，大幅降低排放。更重要的是，设计通过“核心‑外壳”组合体系推动基础设施与公众环境的对话，让技术系统和社区空间之间建立联系。

A new model for data centers in the age of Al

@ Ben Parker | Christopher Oh | Jasmine lbrahim | Ziyang Dong

同时，EPFL 的研究项目也在探讨工业遗址与数据基础设施结合的空间可能性，将技术系统纳入社区语境。研究者关注废弃采石场与其形成的湖泊景观，并赋予这种荒废场地全新基础设施身份：数据存储与处理设施同时与社区空间、公共程序相融合。项目通过一套模块化空间矩阵和可变屋顶构造，围绕湖岸水体、热能循环以及服务器运行产生的余热，形成一系列广场、公共露台和可生产活动场所，构建一个“生态基础设施 + 社区活动混合体”。

1+1=3. Des carrières abandonnées aux centres de données: un nouvel écosystème 

@ Matthieu Brasebin 

这些实验尚未成熟，但它们暗示了公共空间可能从“人群聚集”转向“人机交互”的可能，也是另一种潜在原型：基础设施与公共性叠合的混合建筑。

近几年，欧美多所建筑院校的课程结构已经出现明显变化。设计课不再只围绕“场地—体量—立面”展开，而是将算法系统、数据结构、能源循环、智能制造等问题纳入设计核心。许多studio要求学生构建可计算的生成逻辑，甚至要求设计成果同时包含代码框架、数据模型与空间图纸。建筑不再只是空间容器，而是被视为运行机制的一部分。

近年来，Massachusetts Institute of Technology 与 ETH Zurich 等院校的课程与研究，均开始围绕数字基础设施、算法城市与能源网络展开。

在 MIT，相关讨论主要集中在跨学科平台中展开。无论是 Architecture + Urbanism 方向，还是与媒体实验室、城市科学等交叉的研究单元，都逐渐将“数字基础设施”视为城市结构的一部分，而非附属技术系统。课程与研究议题开始围绕数据流、平台逻辑、城市传感网络、自动化生产体系展开。城市不再只是物理空间集合，而被理解为由算法、接口和物理载体共同构成的复合系统。在一些设计研究中，学生不仅需要完成空间图纸，还要构建运行逻辑模型，甚至模拟系统反馈机制。建筑在这里不只是形态生成问题，而是“系统如何嵌入物质空间”的问题。

在ETH，这种结构转向则表现为对计算设计与能源网络的深度整合。依托其强大的工程与技术背景，ETH的建筑研究长期关注数字建造、机器人施工、参数化结构优化与高性能构造系统。近年的studio与研究项目中，生成式算法、材料性能模拟与能源流分析常被纳入同一设计框架。建筑不再被孤立为单体对象，而是被放置在更大的能源与信息网络之中。设计的重点往往在于：结构如何响应计算结果？构造如何反映数据驱动的优化逻辑？建筑是否可以作为能源交换与信息处理的节点存在？

这种转向的关键并不在于“学校开始用AI画图”，而在于研究对象的改变。过去，建筑学讨论的是形式、构造与城市组织；现在，越来越多的课程开始讨论协议、接口、信息流与系统耦合。空间被理解为系统的一个节点，而非孤立实体。学生的作品中，参数关系、运行逻辑与规则设定也逐渐变得比最终效果图更重要。

也许答案不是简单的肯定或否定。

AI本身不会自动生成建筑类型，但它正在改变生产方式、决策机制与社会运行逻辑。而建筑原型，恰恰诞生于这些结构变化之中。

我们正在看到的无论是机器优先的算力基础设施建筑、算法驱动的生成型空间系统还是人机叠合的混合公共空间，它们尚未完全稳定，也未被正式命名。

但如果历史给我们任何启示——当一种技术改变社会结构，新的空间形式终将出现。

 留学作品集&申请咨询