李彦鹏

图纸是工程师的语言，但大模型它不会

     请各位摸着良心说，AI在设计院的日常工作中大量使用了吗？你有感觉被赋能并马上可能被失业吗？

相信大多数的回答是，没有。相信自己的判断，你的体感和真实的情况实际是一样的，大模型在建筑设计这个场景下，现在主要就用在前端的10%和后端10%，前端比如效果图生成、建筑意向建议、资料收集等场景，后端比如各种名叫“小某”的智慧设计助手，用来问答、查规范、客服。而中间这最大的一段80%，实际就是没用，所有号称智能设计和自动出图的产品，进行剖析之后实际就是参数化，而不是AI大模型技术。

      那为什么中间这块最需要赋能的地方，AI渗透效果这么差呢？图纸是工程师的语言，但是大模型它压根就不会。

      对于大模型，只有模态的突破才能带来其下游行业的变革。比如文字模态突破，有了LLM（大语言模型），比如ChatGPT、DeepSeek、豆包等，才有了写小说、法律、记者、公文写作等相关产业和下游任务的突破；图像模态突破，有了Diffusion Model（潜在扩散模型），比如大名鼎鼎的MJ和SD，才有了效果图生成、平面设计、广告设计等以图像为载体的产业变革；视频时序模态突破，有了视频大模型，如Sora、Runway、可灵等，才有了视频制作、广告制作、口播等产业的变革；蛋白质被突破，也才有了制药产业的突破。

      反观建筑业，知识浓度最高的是图纸、用来传递信息载体是图纸、结果呈现和归档的方式也主要是图纸，因此如果要带来产业的变革，让AI能真正在中间80%的找到落地场景，就必须突破矢量图这个模态。

      再举个例子，佐证我的判断。比如设计院现在招了个新员工，他能说会道也很聪明，但是注定一辈子看不懂图也不会画图，你能把他安排在哪个岗位？是不是就是前端岗位（方案和营销岗）和后端岗位（行政和职能岗）？他就是注定无法踏足中间那80%的实际业务场景。

      而现在很多高校和企业都号称在DeepSeek基础上，微调出了行业大模型，我认为都是噱头大于实际。我们行业有自身的特性和数据特点，没有办法生硬的将我们的数据翻译成语言大模型所理解的语料，然后通过语言大模型来解决我们的问题。就好比我们一直在训练眼睛的能力，但是训练的再强，他也解决不了听觉的问题。现在行业落地的核心问题，不是看的不够准，而是根本就是缺少一种器官。

      因此，想要AI赋能设计院，进而替代设计院，首先要解决的就是“让大模型读懂图纸”。

什么叫大模型读懂图纸

      读懂图对每个设计师来说像呼吸一样自然，但是要让你严谨定义一下什么叫读懂了图纸，就没那么容易了。

      “看懂图纸”不仅仅是读取图形，更重要的是理解其语义信息和表达的意图。一般来看，图纸通常包括以下内容：几何信息（形状、尺寸、比例）；图纸类型（平面图、立面图、剖面图、详图等）；标注、符号（尺寸标注、公差、材料符号等）；注释、说明文字；图层、色彩、线型、线粗；表格信息（如明细表、标题栏、材料表等）；相关规范（符合国标、行业标准等）；多图纸之间的关系（管线、构件、空间参照）。

      上面这样罗列式分类还是有点乱，不利于我们理解，所以我们结合实际应用场景将“理解图纸”能力细化为三个子能力：

1. 视觉解析能力

• 图元检测：识别直线、圆弧、多边形等基本图元。
• 对象检测：检测多种工程对象，如门、窗、墙、轴、管道、元器件符号等。
• 图纸类型判别：判断这是哪类工程图（机械、土建、电气等）及其子类型。
• 简单说就是理解什么东西、有几个、在哪里

2. 语义理解能力

• 标注解析：抽取尺寸、公差、角度等关键标注信息。
• 符号识别：识别行业标准内的图例符号，并给出含义。
• 文字与表格抽取：理解与提取标题栏、表格、明细表，以及备注说明。
• 简单说就是理解文字和图形所表达实体的对应关系，比如读梁配筋图

3. 结构与逻辑推理能力

• 结构层级识别：分辨各部件之间的装配、分解关系。
• 视角与投影关系理解：能判别多个视图间为同一对象的不同投影。
• 跨图纸引用解析：追踪和理解不同图纸间的参照与调用。
• 简单说就是详图和大平面什么关系，平面和立面怎么对应

      饭要一口一口吃，事要一件一件办。为了能分阶段突破，我们再将三个能力体系化，并且定义其具体要解决的任务：

1. 视觉解析与对象检测

• 基础图元识别：墙体、柱、梁、板、门窗、楼梯、电梯井、基础等典型土建构件的提取与定位。
• 图纸元素判别：分辨图中线型（虚实线、粗细）、区域填充、阴影、剖面线等，判定表示意义。
• 视图类别识别：建筑平面/立面/剖面/详图的自动归类。

2. 语义理解与信息抽取

• 尺寸标注解析：自动提取轴线编号、结构尺寸、门窗尺寸、层高、埋件、孔洞等数据，封装为结构化表格。
• 文字与图元关系抽取：分析墙体、楼板、屋面等部位的材料、厚度、做法编号，抽取信息形成数据中台。
• 文本与表格识别：提取图纸中的说明、设计总说明、门窗表、构件表、材料表等常见文字信息与表格内容。

3. 结构与空间逻辑推理

• 构件关系还原：识别构件间依赖关系（如节点详图和原位标注的关系、楼梯详图与大平面关系等）。
• 跨视图关联：实体在平面、立面、剖面之间的对应映射与联合推理。
• 编号与定位一致性：精准还原轴线、编号，核验标高和坐标数据一一对应。

      这样将图纸理解能力体系化分拆过后，聪明的你就可以发现，现在市面上很多科技企业实际上都在试图突破这个瓶颈，比如现在相对比较成熟的AI审图，实际上就是第一步视觉解析能力的商业化业务场景。每一步的难度都是几何级增加的，并且每一步用到的大模型能力也不同，比如第一步可以用单模态大模型解决，后面两步就得由多模态模型解决。当然每一步突破，所带来的场景大小和经济效益，也是几何级增加的。

设计院凭什么上AI的牌桌

      从以上的分析可以看出，问题并不难理解，大模型公司那么多聪明人肯定也都看清楚了，并且建筑业整个35万亿市场也不是特别小的市场，应该是有吸引力的，但现在还没有感觉到科技公司裹挟资本冲劲进来，肯定是遇到了什么问题，并且是很难解决的问题。

      同时，往后的竞争不来自于同行间的竞争，大家都不得不和外部的大模型或科技公司竞争，那我们在这样的竞争中有胜算吗？我们可以打的牌到底有什么？

      还是从第一性原理出发，AI的三大要素算法、算力、数据，毫无疑问前两个肯定不是我们的优势，我们可以依仗的肯定只有数据，而且是私有的、大量的、高质量数据。我也认为，现在外部科技公司碰到的问题也在这里，没有大量的高质量数据，同时也没有清晰的应用场景和商业模式。

     所以真的是建筑业数字化的落后救了我们，数字化能力建筑业落后于农业，排名倒数第一，所以数据基础非常薄弱，因此造成了AI无法直接将其作为语料进行训练，反观医疗、法律、金融等行业，信息化和数字化都很先进，其数据比如病例和判例，天生就是优质的QA数据，直接就可以拿来训练。

      因此，设计院可以依仗上牌桌的就是数据。并且当寻找破局方向和技术通路时，必须要发挥其长板，即拥有大量难以获得的高质量数据。比如审图就不是特别好的场景，因为仅针对审图这个任务，采用CV的方案，只需要几千张图纸就够了，此时大家拼算法和开发效率，那设计院必输。所以，一定要投身要用到大量高质量数据的技术方向，比如预训练CAD大模型或多模态大模型。虽然技术难度很高，但是对于设计院来说至少不会输。

      如果几年后证明做不出来，那说明大模型还没有办法取代这个行业，原来做什么就继续做；如果证明做的出来，那就有机会站在时代的风口上，掌握作为基础设施的数据资源，作为上桌的依靠。

AI会取代设计院吗

      从以上推理过程可以看出，近期不会。

      不要被别人贩卖焦虑。

      短期内大模型对于以图纸和模型为信息载体的建筑业、制造业、工业等冲击都有限，大量的场景都依赖于矢量图模态的突破。所以不要高估AI的近期能力，但同时也不要低估AI的远期潜力。

      前文也拆分了让大模型读懂图纸，所需分步克服的技术问题，可以看出并非不能实现，现阶段主要就是卡在了数据和数据清理上。我们自己就进行了相关的实践，证明其技术通路是完全可行的，就是时间问题。

      对于设计院，AI并不是个坏事，原来可能担心原来是赋能，突然有一天就变替代了。经过分析发现，如果掌握了“提炼浓缩铀的能力”（数据清理和训练能力），还有机会单车变摩托，拿到AI新航路的船票。

      当然只有少数公司和人能上船，但能有耐心看到这里的你，肯定有机会是其中的一员。

                                                                                                                           （来源：公众号 IO LAB ）