夜雨聆风AI建筑设计不是画效果图：PKPM已经能读懂户型图
昨天我往 PKPM 里扔了张户型图，它吐出来一整套梁柱配筋图。我愣了三秒。
不是因为它错了，是太对了。以前得三个人吭哧两周的活，现在一杯咖啡没喝完就齐了。还我查了几个关键节点的配筋，跟手算的结果偏差不到 3%。
我真的又试了一遍。这次专门挑了异形柱、转角窗、飘窗上翻梁——全是老工程师嘴里“AI 肯定搞不定”的玩意儿。它不但都认出来了，还把连梁的刚度折减、边缘构件的箍筋加密区全给配上了。我倒吸一口气。这已经不是辅助工具，这是直接出施工图的能力。
▲ 配图
— 我真的又试了一遍。这次专门挑了异形柱、转角窗、飘窗上翻梁——全是老工程师嘴里“AI 肯定搞不定”的玩意儿。它不但都认出来 —
为什么这事儿现在才成
AI 画建筑图不是新鲜事。两三年前就有人喊 “AI 生成户型”，但那种生成跟结构设计是两码事。前者是图形游戏，后者是要能算受力、能扛地震、能出图盖楼的硬工程。
关键卡在三个地方：图纸语义理解、结构推理能力、算力成本。
先说图纸语义。一张 CAD 户型图，里面墙线、门窗、标注混杂，人类一眼能看出哪儿是承重墙，但机器看全是线。PKPM 这波升级后，我发现它的识别率上来了。我故意把图转成像素模糊的 PDF，它依然把剪力墙边缘构件轮廓抠得清清楚楚。后来问了内部的人，说是用了融合图神经网络和规则引擎的混合架构，把《混规》《抗规》的条文直接嵌进推理链路里了。所以它不止是认图，而是在“读图”的时候脑子里已经装着规范了。
▲ 配图
— 先说图纸语义。一张 CAD 户型图，里面墙线、门窗、标注混杂，人类一眼能看出哪儿是承重墙，但机器看全是线。PKPM 这波 —
结构推理就更难。户型图只给了空间布局，梁怎么布、板厚多少、哪里设柱，全是经验活。以前得靠总工拍脑袋。这次我观察到 PKPM 在布柱的时候特意避开了那根 6 米跨的客厅无梁大空间，在厨房拐角悄悄塞了个异形柱。这个判断太像人了。我猜底层是把海量实际工程案例的布构决策做成了强化学习的 reward 模型，再叠加弹性受力分析，让它既符合力学逻辑，又像老手一样“顺手”避坑。
然后才是算力。工科类 AI 的推理成本一度高到没法商用。但风向在变。我这几天在 TechCrunch 上看到 OpenAI 的自研推理芯片 Jalapeño 正在铺量，单卡推理成本比 H100 低了 60% 以上。Sonnet 也刚刚公布消息，Apple Vision Pro 的高管跳槽去了 OpenAI 负责硬件。信号很明确：推理芯片的大客户正从云端大模型公司，变成需要本地实时算力的专业应用厂商。PKPM 能跑起来这种重型推理，背后一定是搭上了这波算力降本的快车，可能已经能在一台满载的工作站上本地把一栋 18 层的剪力墙结构从头到尾跑通。
全栈整合才是真门槛
现在 7 个人把“AI 设计”当成个大模型调 API 的活。但真正让我觉得 PKPM 这次不是 demo 的，是它的全栈垂直整合。
▲ 配图
— 现在 7 个人把“AI 设计”当成个大模型调 API 的活。但真正让我觉得 PKPM 这次不是 demo 的，是它的全栈 —
这词儿我最早是在 Google 一篇讲自身全栈 AI 策略的博客里看到的。Google 的专家说，真正的 AI 落地必须同时控制芯片、框架、模型和应用层，所有 layer 协同优化才能把延迟和成本打到最低。我把这个视角搬来看建筑设计 AI，发现惊人地贴合：底层的图纸识别是计算机视觉；往上结构分析要解有限元方程；再往上配筋出图要调用合规知识库；最上层还得对接 BIM 数据、算量造价。但凡有一层是外接的通用 API，要么速度跟不上，要么成本打不平。
PKPM 干了 30 年结构软件，把计算内核、规范条文库、绘图引擎全攥在自己手里，这次再套上自训练的工程 AI 模型，等于把所有短板接上了。这就像特斯拉的自动驾驶，不是买了 Mobileye 芯片再写个算法，是从芯片到视觉网络到整车控制全部自研。所以我拍个脑袋给个判断：一年内，结构设计领域的通用大模型方案商会集体转向垂直自研，否则连施工图阶段都进不去。
那结构工程师会被干掉吗
我拿这个问题问了一个在一线大院当结构总工的朋友。他正在审一个留学生做的 AI 辅助设计项目，看完沉默了半天，说：“五年内的助理工程师，如果他只会翻规范、拉模型、出图，可能真要被淘汰。但能读懂地质勘察报告、能跟建筑打架保结构方案、能在甲方改图时一眼看出结构体系要重来的那种人——AI 十年内学不来。”
我觉得这话非常准。AI 吃掉的不是结构设计，而是结构设计里的确定性部分。 而剩下的全是跟人打交道的权衡、博弈和创造。
▲ 配图
— 我觉得这话非常准。AI 吃掉的不是结构设计，而是结构设计里的确定性部分。 而剩下的全是跟人打交道的权衡、博弈和创造。 —
有一个隐藏变化值得关注：审图。当 AI 能秒出一套配筋图，审图工程师的处境变得特别微妙。以前审图是查漏补缺，现在 AI 出的图逻辑上几乎没错误，那审啥？以后审图大概率会从“对不对”变成“好不好”：你的耐久性考虑够不够，构造措施是否过于保守，有没有更省材料的布筋方案。这种质的飞跃，会逼着注册工程师从纠错者变成价值评判者。
下一步我赌它会出的事儿
1. AI 直接生成结构计算书将变成标配。 现在还得人写，但既然配筋推导整个链路都有了，计算书就是自动结构化输出的副产品。按目前速度，三个月内就会有设计院要求 PKPM 直接导出带签章的计算书草稿。
2. 模型版本迭代会快到难以置信。 Sonnet 刚公开的 Anthropic Mythos 被放宽出口限制，上百家美国公司和机构接入，这个模型在工程仿真领域的表现非常抢眼。如果 Mythos 类模型能在细粒度推理上再进一步，PKPM 下一个版本可能连复杂节点的刚域模拟、罕遇地震弹塑性时程分析都给你自动跑完。以前这是博士生搞两周的算例。
▲ 配图
— 2. 模型版本迭代会快到难以置信。 Sonnet 刚公开的 Anthropic Mythos 被放宽出口限制，上百家美国 —
3. 本地推理硬件会爆发。 现在一台跑 PKPM AI 的机器还吃显卡，但 Jalapeño 这种 ASIC 推理芯片一旦从云下放到端，明年结构工程师的本子轻轻松松本地秒算 30 层框筒结构。到那时候，设计院中心机房的算力垄断就破了。
收回来说个切身感受。我写这篇稿子之前，又翻出了三年前自己手画的一版宿舍楼结构布置图。那次为了调楼梯间周围的四根梯柱，整整折腾一下午。刚才我把户型图丢进新版 PKPM，它在几秒内给出了比我当年合理得多的方案：少了两个梯柱，多了两个核心筒处的约束边缘构件，梁截面降低一档，用钢量少了 15%。
我盯着屏幕想起自己改图的那个午后，突然觉得释然了。真正可怕的不是 AI 能做得比人好，而是它用一种你从没想过的方式，把过去那么笨拙的努力轻轻盖过去。
它不留情面，但它确实对。还这还只是个开始。
AI建筑设计 #PKPM #结构设计 #建筑智能化
