倫敦有一輛Jaguar被一棟建築物融化了。

並不是被建築物裡面的火。而是被建築物本身。倫敦芬喬奇街20號(20 Fenchurch Street)那凹面玻璃外牆——人稱「對講機大樓」(Walkie-Talkie)——把陽光聚焦到樓下的街道上,就像小孩拿放大鏡玩火一樣。人行道上的溫度飆升到足以使車身變形的程度。磁磚因此龜裂。一名記者甚至在人行道上煎了顆蛋來做新聞報導。

建築師拉斐爾·維諾利(Rafael Viñoly)先前其實已經做過一次類似的事。他在拉斯維加斯設計的Vdara飯店有一面新月形外牆,製造出住客口中的「死亡射線」——泳池旁一處陽光匯聚的區域,太陽輻射會把塑膠躺椅曬融,還會把頭髮曬焦。解決辦法是什麼?巨大的遮陽傘。沒錯,就是遮陽傘。

我常常想起這些建築物。並不是因為它們是工程上的失敗案例——雖然確實如此——而是因為它們完美預示了,當你讓美學跑在物理定律前面時會發生什麼事。而現在,隨著生成式AI的興起,我們即將以一種連維諾利都會臉紅的規模,重蹈這個覆轍。

我是Ashutosh,我和我在Veriprajna的團隊為建築與營造產業打造AI系統。過去這段日子,我們一直在爭論——有時彼此爭論,常常和潛在客戶爭論,偶爾也和投資人爭論——爭論的是現在AI領域裡最危險的東西,並不是一個無法生成建築物的模型,而是一個做得到的模型。

艾雪的難題

打開Midjourney。輸入「邁阿密的永續高樓,擬真風格」。大約九十秒內,你就會得到一張美輪美奐的圖像。玻璃在黃金時刻的陽光下閃耀,茂密的綠意從露台傾瀉而下。那種會讓開發商瞳孔放大的畫面。

現在再仔細看看。真的仔細看。

大廳裡的樓梯終止於一面實心牆。承重柱消失在天花板裡,沒有把力傳遞給任何東西。窗戶沒有任何開啟機構——它們只是畫在表面上的一格格光。東側的懸臂結構若要不因自重而坍塌,需要用到根本不存在的材料。

我開始把這些稱為「艾雪式畫作」,是在我們把一批AI生成的設計拿給團隊裡的一位結構工程師看之後。他先是笑了大約十秒鐘,接著真的動怒了。他說:「這不是建築,這是一場恰好長得像建築物的幻覺。」

他說得沒錯,而「幻覺」這個詞比大多數人以為的還要精準。當一個擴散模型生成一張圖像時,它是在所謂的潛在空間中運作——一個數學上的宇宙,在那裡「窗戶」的意思是「一種視覺圖樣,經常出現在其他被標記為窗戶的視覺圖樣附近」。這個模型完全沒有隔熱斷橋、玻璃比例、粗開口尺寸或防水收邊細節的概念。它不知道荷載必須連續傳遞到基礎。它只知道柱子通常是建築物裡的垂直物件。

擴散模型並不理解建築,它只是在統計上預測建築看起來會是什麼樣子。

「某物看起來像什麼」和「某物實際上是什麼」之間的這種區別,正是我們所打造的一切的核心所在。

如果這「只是」一張概念圖,為什麼這很重要?

這是我最常聽到的反對意見。曾有一位創投合夥人在喝咖啡時直接跟我這麼說:「Ashutosh,沒有人會拿著一張Midjourney的圖就去灌混凝土,這只是拿來發想概念用的。」

我很想認同他的說法,那樣募資會容易得多。但他錯了,原因如下。

營造產業運作的方式,我稱之為90/10法則。美學——也就是讓客戶一見鍾情的那部分——大概只占一個專案整體成功指標的10%。另外90%是可製造性、結構完整性、供應鏈物流、法規合規性,以及經濟可行性。當你在第一次會議上就給開發商看一張美輪美奐的AI渲染圖時,你就已經設下了一個美學錨點。之後的一切,都是一場代價高昂的協商,目的是在現實所允許的範圍內盡可能貼近那個錨點。

而現實是殘酷的。

雪梨歌劇院是最經典的例子。約恩·烏戎(Jørn Utzon)以一個從結構角度而言根本是幻想的設計贏得競圖。那些混凝土殼體在幾何上是不定的——沒有人知道該怎麼把它們蓋出來。這個專案依然照樣進行,因為那個願景太美,美到讓人捨不得放棄。花了整整十年的工程奮戰,才找出一個可行的建造方案。預算從700萬美元暴增到1億200萬美元——超支了1,400%。

那還只是一棟建築物、一位建築師、一次不受約束的雄心壯志。現在想像一下,全世界每一位開發商在第一天就能拿到Midjourney等級的渲染圖。想像數以千計的專案,都被錨定在財務上一開始就不負責任的造型上。

那不是發想概念,那是一條通往未來破產的生產線。

價值2,500萬美元的一個像素

我必須談談玻璃,因為玻璃正是AI生成建築的經濟學變得徹底荒謬的地方。

對擴散模型而言,一個平面像素和一個曲面像素是完全相同的。生成一面蜿蜒起伏的曲面玻璃外牆,跟生成一面平面的外牆,所需的運算量一模一樣。AI看不出兩者有任何差別。

對開發商而言,這個差別攸關生死存亡。

標準平面鋼化玻璃——來自自動化浮法玻璃廠的大宗商品——成本大約每平方英尺18至25美元(2025年行情)。到處都買得到,運輸方便,更換也容易。

客製化曲面玻璃——每片玻璃都要在特製模具上加熱,再用因應每種獨特弧度而設計的專用工具緩慢彎曲成形——成本則是每平方英尺100美元至500美元以上。

算算一棟有5萬平方英尺玻璃帷幕的建築物:平面玻璃要125萬美元,曲面玻璃則可能高達2,500萬美元。AI不知道這件事,AI也不在乎這件事。AI認為曲線是免費的,因為在像素空間裡,曲線確實是免費的。

在潛在空間裡,曲線不花一分錢。在實體空間裡,曲線的成本卻高出20倍。生成式AI活在潛在空間裡,建築物則活在實體空間裡。

這就是我夜不成眠的原因。不是因為那些圖像不好看——它們很美。而是因為那些圖像極具誘惑力。它們讓不可能蓋成的東西看起來理所當然。

我在別處寫過這整套經濟學的完整分析——玻璃的價差、鋼材供應鏈的限制、製造的複雜度——寫在我們研究的互動版本裡。那些數字比大多數人預期的還要糟糕。

我們扔掉第一套做法的那個晚上

我要老實說一件事:當我們創立Veriprajna時,我們做的其實是個包裝殼。

我知道,我知道。我們拿了一個基礎模型,用建築資料進行微調,做了一個漂亮的介面,然後告訴自己我們在做的是與眾不同的事。但其實不是。我們做的,跟其他每一家AI顧問公司一模一樣——把一個通用模型重新包裝,再稱之為企業級解決方案。

真相大白的那一刻,發生在一個星期四的晚上。我們為一個中高樓層的住宅專案生成了一套結構設計——並不特別,就是標準的混凝土框架。我們的系統在幾分鐘內就生成出來了。看起來很合理,構材尺寸看起來也很恰當。我們當時感覺很好。

後來我們的結構工程師手動核算了數據。三樓的那根樑——AI信心滿滿地為它定出的尺寸——在使用荷載下的撓度,會超出規範限制達三倍之多。而且不是在某種極端情境下,而是在正常使用的情況下。人們走來走去、家具、上層樓板的重量。這棟建築物本來會出現肉眼可見的下垂。

AI選了一個根據訓練資料「看起來對」的樑尺寸。它腦中完全沒有撓度限制的模型,它不知道L/360這種可用性標準。它用模式比對的方式,拼湊出一個看似合理、實際上卻會導致結構失敗的答案。

我記得那天大家都下班之後,我一個人坐在辦公室裡,盯著螢幕,心裡想著:我們正在打造一種代價高昂的方式,自信滿滿地犯錯。

隔週我們就放棄了那套包裝殼式的做法。我們接下來開始打造的東西,把我們帶進了一個更艱難、更緩慢——而且我得承認——更令人害怕的領域。因為這意味著我們再也不能單純搭基礎模型的順風車,我們得從頭開始打造出一套全新的東西。

什麼是基於限制條件的生成式設計?

以下是這個核心概念,去蕪存菁後的樣貌。

建築領域裡大多數生成式AI的運作方式是這樣的:文字輸入,圖像輸出。AI的任務是產生某種看起來像你所要求之物的成果。除了視覺上的合理性之外,沒有任何規則可言。

我們打造的東西運作方式不同。我們的AI不生成圖像,它生成的是工程決策。而且每一項決策都受到不可違反的硬性限制所約束——物理定律、成本、供應鏈可得性、建築法規。

我們採用的是深度強化學習,這與擴散模型是根本上不同的典範。我們的AI代理不是把隨機雜訊去噪成一張漂亮的圖片,而是透過實作來學習。它放置結構構材、指定樑的斷面規格、調整樓板厚度——每完成一個動作,就會從物理模擬器、成本引擎和法規合規檢查器獲得回饋。

可以這樣想:擴散模型是一位看過上百萬張建築照片的畫家。我們的系統則是一位已經設計過上百萬棟建築、而且每次只要有一棟倒塌、超支或用了缺貨鋼材就會被罵的實習工程師。

我們不會要求AI「設計一棟建築物」,我們要求它「設計一棟不會倒塌、不會讓客戶破產、而且能用方圓200英里內可取得的材料建造出來的建築物」。

獎勵函數——那條告訴AI什麼叫做「好」的方程式——是整套系統的核心。它在結構效率、材料成本與可施工性之間取得平衡,同時對違反法規的情況施以重罰。AI不能在真空中天馬行空地發揮創意,它只能在現實的限制之內發揮創意。

你要怎麼把供應鏈硬編碼進AI裡?

這是我們處理過最棘手的問題之一,而且是一個AI領域裡大多數人甚至根本不知道存在的問題。

結構鋼材的採購有雙重性格。一種是服務中心——當地的配銷中心,備有標準樑型的庫存,交期以天為單位計算。另一種是鋼廠訂單——直接向鋼廠下單採購,有最低噸位要求,交期則可能長達數個月。有些樑的斷面規格甚至一季才軋製一次。

一個不受限制的AI,可能會為了完美滿足某個局部荷載條件,就選用W14x730這種樑型來優化結構。在數學上很優雅,在物流上卻是一場災難。如果那種樑是交期長達六個月的鋼廠訂單品項,AI就等於為這個專案平白增加了數百萬美元的融資成本。

我們的系統連接到即時庫存資料庫。AI的行動空間經過離散化,以對齊實際可取得的品項——也就是服務中心會有庫存的標準AISC W型鋼。當代理選擇一種樑型時,選擇常見庫存斷面會得到額外獎勵,選擇鋼廠訂單品項則會被扣分。系統也知道標準庫存長度——40英尺、60英尺——若設計會產生過多的邊角廢料,也會被扣分。

我團隊裡的一位成員,在一次深夜的設計討論會上形容得很貼切:「我們打造的不是設計師,而是一位剛好懂結構力學的採購策略師。」

他說得完全正確。

虛擬風洞

對於位在颶風好發地區的專案,我們得解決另一種限制條件的問題。我們的AI必須設計出能撐過五級颶風的建築物——持續風速超過每小時157英里。

每一次設計迭代都跑一次完整的計算流體力學(CFD)模擬,每個候選方案要花上好幾個小時。而我們需要評估數百萬個候選方案,這種算法根本行不通。

這正是「物理知情神經網路」(Physics-Informed Neural Networks,簡稱PINN)徹底改變一切的地方。PINN不是單純用資料來訓練神經網路,而是把物理的支配方程式直接嵌入網路的損失函數中。對風荷載而言,那就是納維-史托克斯方程式;對結構分析而言,則是平衡方程式與應力應變相容性方程式。

結果是一個能在幾毫秒內近似出複雜CFD模擬結果的神經網路。我們的AI因此能以神經推論的速度,獲得「物理直覺」。

讓我著迷的是,親眼看著AI透過這個過程發現了什麼。經過數百萬次迭代,它自行學到了尖角會增加阻力與基底剪力。它學會了柔化邊緣、讓建築造型逐漸收窄、加入能減少渦流脫落的鏤空設計。沒有人教過它這些技巧,它找到這些方法的方式,就跟大自然一樣——透過對抗一個毫不留情的適應度函數,不斷反覆試驗。

重力不是一種建議,風也不是一種紋理。在我們的系統裡,物理定律不是最後才做的檢查,而是一種生成式的限制條件。

一套基於限制條件的系統,哪怕只用最基本的光線追蹤獎勵函數,也早在模擬的第一毫秒就會抓出Vdara的死亡射線問題。AI會因為凹面幾何造成危險的熱通量而受到懲罰,進而生成一個能安全散射光線的凸面或多面替代方案。完全不需要遮陽傘。

如需完整了解我們獎勵函數架構、PINN整合,以及系統聯邦式代理設計的技術細節,請參閱我們的技術深度解析。

我們一直在爭論的那個問題

有人問我,這種做法是否會扼殺創意。我跟建築師、跟投資人、甚至跟我自己的團隊,都爭論過這個問題。

我的答案一直在演變。早期我會有點防衛心地說:「限制條件不會限制創意,反而會引導創意。」這話沒錯,但也只是一句陳腔濫調。在親眼看過我們的系統跑過數百萬次設計迭代之後,以下是我現在真正相信的事:

不受限制的生成並非創意,而是隨機。真正重要的創意——也就是那種能造就人們實際居住其中的建築物的創意——來自於你想要的東西與現實所容許的東西之間的張力。雪梨歌劇院之所以成為經典地標,並不是因為烏戎最初的草圖,而是因為長達十年、為了讓它得以建成而付出的工程奮戰。最終奏效的球面解決方案之所以比原始構想更加優雅,正是因為它是被強行在種種限制條件之下創造出來的。

我們的AI就是在那個相同的空間裡運作。它並沒有無限的自由,而是擁有一個由可取得材料、物理定律與預算限制所界定的、廣闊卻有邊界的設計空間。而在那個空間之內,它找到了會讓我們驚豔的解決方案——同時比人類工程師所能提出的方案更輕、更便宜,也更具韌性的結構配置。

我還會被問到另一個問題:「為什麼不乾脆用AI做概念設計,之後再讓工程師去修正就好?」

因為「之後再修正」正是專案走向死亡的地方。每一輪價值工程都要耗費時間與金錢,每一次重新設計都會拖延進度。而一個概念在撞上現實之前走得越遠,那場碰撞就越痛。我們把現實提前納入生成過程本身,這樣就沒有什麼需要事後修正的東西了。

受託機器

有一種框架我一直反覆想起。我們的AI不是設計師,而是受託人。

受託人負有法律上的義務,必須以客戶的最佳利益行事。當我們的系統評估一個設計候選方案時,它問的不是「這好看嗎?」它問的是:這能用這個地區可取得的材料建造出來嗎?它符合當地的建築法規嗎?它能撐過這個基地特有的環境荷載嗎?開發商負擔得起嗎?

成本引擎會為每個候選方案估算總持有成本——不只是材料成本,還包括製造複雜度、接合施工工時,以及長期能源表現。標準的螺栓剪力接合會得到獎勵,需要全滲透現場焊接的複雜彎矩接合則會被扣分。穿透隔熱層的鋼樑,也會因為未來數十年會造成的能源浪費而被扣分。

經過數百萬次訓練回合,這個代理最終收斂出一個了不起的結果:一個不僅結構上有效,而且在安全性、成本與可得性之間達到最佳平衡的設計。沒有任何人類工程師能夠手動反覆嘗試那麼多種替代方案,組合空間實在太龐大了。但一個擁有正確獎勵函數與正確限制條件的AI代理呢?它就活在那個空間裡。

未來不在於更好的提示詞

我要用一句可能聽起來有點刺耳、但我完全相信的話來作結。

營造產業沒有想像力不足的問題,它有的是確定性不足的問題。開發商需要的不是更漂亮的渲染圖,他們需要的是一種信心:眼前所看到的東西,真的能在預算內、在進度內,用真實存在的材料建造出來。

當前這一波生成式AI——Midjourney、Stable Diffusion、DALL-E——提供了想像力,卻沒有確定性。它提供的是設計的幻象,卻沒有工程的實質。而這兩者之間的落差,正是以融化的Jaguar、被曬傷的泳池邊住客,以及數十億美元的預算超支來衡量的。

我們正在打造一種不同的東西。不是一個會夢想建築物的工具,而是一套會為建築物做工程設計的系統。物理定律是硬編碼進去的,因為重力不會妥協;庫存資訊是硬編碼進去的,因為供應鏈不會為了美學而讓步;成本也是硬編碼進去的,因為從來沒有哪個開發商是因為建了一棟太無趣的建築而破產的。

別生成藝術品,生成資產。

建築的未來不在於更好的提示詞,而在於更好的物理。