前言丨在本文撰写的短短一周时间里，AIGC领域又有新的突破。3月14日OpenAI正式发布了GPT-4大型多模态模型，它可以接受图像和文本作为输入与输出，同时GPT-4已经嵌入到NewBing搜索系统，实现实时动态地内容检索。3月16日，微软将其商业软件Microsoft 365全线接入GPT-4，实现了常用生产工具Word、Excel和PPT与知识内容的无缝链接。
历史告诉我们，人类工具的革命总会创造新的生产方式，从而引发社会的深刻变革。
回顾设计行业的数字化发展历程，从手绘设计到计算机辅助设计只用了不到二十年的时间。面对新技术新工具的浪潮，与其被动地感慨技术的变革，不如积极地跟随时代的脚步。我们期待AIGC能提高设计工作的效率，让设计师们更专注于创意的发掘和创新，并给设计领域带来全新的思路和体验。
关键词 AIGC、数字化探索、科技赋能、新技术融合、Chat GPT、Newbing、Midjourney、Stable Diffusion
Abstract The innovation and progress of science and technology have driven the rapid iteration of production tools and techniques in the design industry. This article will review the digital development history of the design industry, analyze how we cope with each wave of change, and explore the application scenarios of artificial intelligence generated content (AIGC) in the design industry from the perspectives of language, image, model and workflow. Finally, this article will look forward to the trend of digital transformation in the design industry, discuss how to choose new tools and technologies that meet our own development needs, and strive to internalize them into a continuous source of motivation for our own development.
Keywords AIGC、Digital exploration、technology empowerment、new technology integration、Chat GPT、Newbing、Midjourney、Stable Diffusion
以计算机发展历程为参考系，20世纪60年代，CAD（Computer Aided Design）技术就已经在海外起步。千禧之年，参数化技术从计算机行业被提出可以尝试应用在设计行业，2010年针对设计行业的人工智能研究已出现端倪。但是从设计行业数字化发展的历程来看，从研究到应用，我们对于新技术的使用具有明显的滞后性。
上世纪70年代末期，传统建筑、土木、景观工程制图工作仍然处在依靠设计师手绘的传统模式；直到2006年，中国科学院计算技术研究所主导CAD软件研发，宣告中国设计行业正式进入了计算机辅助设计的2D时代，各种三维建模，渲染软件的普及推动着行业进入3D时代，这仍然是今天大多数设计公司所触及的全部内容；在参数化技术的应用被提出10年之后，2010年我们艰难地进入了用数据辅助设计的时代。2022年AI绘图工具和智能对话机器人的井喷式发布，再一次让设计行业震动。
AIGC（Artificial Intelligence Generated Content）是指人工智能生成内容，基于深度学习和生成模型，通过对大量数据进行训练，从而生成具有逼真性和创造性的内容。现有产品主要集中在对于语言和图像的生成。在了解了基本原理之后，我们对于它的潜能产生了巨大的好奇，并进行了尝试。
2.1 语言-Language
语言模型的发展带来了更强大的表达能力和信息整合能力，在实际的工作中我们企图从三个方向挖掘它的特性。
2.1.1 文本润色 示例1：对于研究文稿的润色，我们通过与ChatGPT的沟通和关键词的引导达到目标优化效果。
2.1.2 作为资料库 示例1：在上海某城市更新项目中，帮助我们快速查询不熟悉领域的相关资料，例如高压线塔相关的规范。有利于在资料搜索时迅速缩小范围。
示例2：ChatGPT还拥有一些编程能力，它可以帮助查询和调用Rhino Common，协助二次开发。
2.1.3 作为与其他AI工具的沟通的媒介 当使用特定的语言结构对它进行训练时，它可以从大量的语句中寻找到相似性，并用同样的结构语句进行反馈。这一特性将非常有利于辅助生成一些图形生成模型中的关键词（prompts）。
示例1：对ChatGPT进行训练并使其生成Midjourney中的关键词（prompts）。
通过Discord平台，将ChatGPT Bot 和 Midjourney Bot 放置到同一个服务器内，然后输入限定语让ChatGPT生成Midjourney格式的Prompt ,最后将生成出来的Prompt输入到Midjourney里得到图片。
2.2 图像-Graphic
我们专注于对图像生成模型的探索，这些图像生成工具可以根据关键词（prompts）和参考图快速批量地生成设计原型。我们筛选出其中两个产品，并对其进行了解。
2.2.1 Midjourney & Stable Diffusion简介 Midjourney和Stable Diffusion都是基于扩散模型，通过输入文本和图像生成图像的工具。扩散模型通过大量数据集的训练保证了更加复杂的图像组合，保证了输出结果的多样性。
Midjourney的优势——Midjourney在Discord平台搭建，在这个庞大的社群平台上，各行各业的人输入的不同关键词（prompts）被展现和分享，那些产生优质图片的关键词（prompts）被不断试验、迭代，产生更多令人惊艳的作品。
Stable Diffusion的优势——开源是Stable Diffusion最大的优势之一，这意味着它可以在本地部署，拥有更多可调节的参数和插件，而且插件的数量会随着使用人数的增长而持续增长和迭代。这都意味着我们对于图像的控制力会大大增加。
2.2.2 Midjourney & Stable Diffusion的单一使用场景 Midjourney生成的图片更加具有发散性和不确定性，在方案初期是很有利的工具。它可以帮助生成大量发散性的场景，以此来激发设计师的想象力，灵感和创造力。示例1：Midjourney中快速生成以三一重工集团企业logo和手稿为底图的科技感雕塑方案。
Stable Diffusion部署在本地之后，设计师可以通过更多的参数控制，配合包括ControlNet在内的插件，来生成更加可控的，可以多次微调的更接近设计师想法的效果，帮助在方案前期从手稿到效果图的快速产出。
示例1：某项目中Stable Diffusion通过设计师的手稿快速形成效果图。
2.2.3 AI绘图工具和语言AI工具联用的初探
在对Stable Diffusion和Midjourney的性能和特征有了一定的了解之后，我们尝试将它们与Chat GPT联合起来，探索一条可以真正介入到设计工作中的高效设计流程。
示例项目介绍 场地状况如下图所示，该项目是东莞市的一个城市更新项目，场地面积约1800平方米。客户对它的期望是一个重要的文化地标广场，它位于历史街区的主入口，红线范围内在历史上是当地颇具影响力和本地居民记忆的江南酒家，虽然已经拆除，但有着非常强的场地记忆和历史属性。并且作为一个花园式广场，不仅设计语言要贴合岭南园林特色，还要考虑到与周边各种设施的关联性，尤其是周边建筑一层的过渡。工作流程概述 在这个项目中我们企图通过ChatGPT辅助快速查询和整理相关资料，并生成关键词（prompts）在Midjourney和Stable Diffusion中大量产出意向图辅助设计，最后，设计师生成节点草图和Stable Diffusion共同产出效果图。
STEP1: 利用Chat GPT查询岭南园林和建筑特色并描述这些特征
STEP2: 训练Chat GPT并输入描述特征，生成符合Midjourney和Stable Diffusion关键词（prompts）
STEP3: 导入Midjourney和Stable Diffusion生成意向图，帮助设计师寻找灵感
STEP4: 设计师根据意向图生成平面草图
STEP5: 设计师和Stable Diffusion共同生成节点图纸
特此声明：以上手绘草图均为测试人员手绘，并不代表奥雅设计师们的真实手绘水平。
本项目作为我们对于AI工具联合使用的初步探索，不论是流程上还是技术上还有非常多的不足，例如对于平面图的稳定快速生成。我们从不怀疑这些AI工具强大的生成能力，但是只有稳定和可控才是它可以被称之为高效和纳入我们工作流程的关键。不过伴随着Stable Diffusion更多插件的涌入和快速的迭代，稳定的输出能力已经在可见的未来具有了非常大的可能性。在我们着手撰写本篇推文的过程中，ControlNet又经历了一次令人惊喜的迭代，我们也将继续在这方面积极探索，并且期望通过Dreambooth和Lora的训练形成多元化的出图风格，欢迎大家和我们进行更多的技术交流。
2.3 3D模型-Model
通过图片生成模型的技术虽然还在研究阶段，尚未开源，但相信在不久的将来我们就会迎接这项新的技术。或许那时，整个设计行业的工作流程会迎来颠覆性的改变。
Dreamfusion使用预训练的2D文本到图像扩散模型来执行文本到3d合成。 Meta AI提出了MAV3D，一种从文本描述中生成三维动态场景的方法。 Magic3D是一款新的文本到3D内容创建工具，创建具有前所未有质量的3D网格模型。
构建全AI赋能的工作流，语言-图像-模型的串联。 未来或许Grasshopper可以作为中台，整合AI工具，实现在Rhino中从资料准备到草图甚至是渲染的设计工作流，帮助AI工具真正介入设计全流程。
设计工作流程和思路的转变 新的设计工具不断涌现帮助我们提升效率，但更重要的是对固有设计工作流程思路的转变，正如我们前面所讲，每一次行业的革新都伴随着大量新工具的涌现，设计的工作模式和流程也随之变化。或许在一个新阶段起步的时候，新工具总是有各种各样的瑕疵和不足，新的工作模式和流程的变化让我们感到无所适从，但这都不会让变革的脚步停下，因为工具终会完善，阵痛终将过去。我们只有在每一次变革中，积极调整思路，让工具服务于设计才能不断向前。
人工智能的威力让我们震惊，也让我们感受到了前所未有的威胁。是否真的有一天设计师的工作会被替代？人工智能产生的巨大经济效益让我们重新审视自己和这份工作，设计的价值究竟在哪里？是整个产业链上一个标准化的产品还是承载生活的灵动空间？
作为设计师，比起AI我们有更多丰沛的情感和人文关怀，这恰恰是设计的本源和内核。放下那些令人着迷的绚丽表达，让设计回归本质，关注我们所营造的空间里会发生的每一个故事，或许是人工智能时代给我们的启示。
相关网站链接： 1.DreamFusion: Text-to-3D using 2D Diffusion https://dreamfusion3d.github.io/ 2.Meta AI:Make-A-Video https://make-a-video3d.github.io/ 3.Magic3D: High-Resolution Text-to-3D Content Creation https://research.nvidia.com/labs/dir/magic3d/ 4.ChatGPT: https://chat.openai.com/ 5.The New bing: https://www.bing.com/ 6.Midjoury:https://www.midjourney.com/home/?callbackUrl=%2Fapp%2F 7.Stable Diffusion:https://stablediffusionweb.com/ 参考文献： 1.李开复.AI未来[M].杭州：浙江人民出版社，2018. 2.Chaillou S. Artificial Intelligence and Architecture: From Research to Practice[M]. Birkhuser, 2022.
点击查看往期文章
ChatGPT：EBD让设计变得简单？面向复杂城市系统的设计逻辑
数据到形态丨以集群智能与动力学模拟为基础的景观形态推演
城市公共空间如何塑造蛇口公共生活
风景园林碳核算方法及实现途径
AI如何观察城市？计算机视觉在人本尺度城市设计领域的应用
“未来社区”及其发展趋势探索
动态的街道与活力的城市
前沿 探索 想象力丨《研发专栏》卷首语
扫描下方二维码 加入奥雅研发智库创建计划
采写 / 奥雅研发中心
编辑 / Christine
视觉 / VV
绘图 / 奥雅研发中心
后台回复“奥雅招聘” 获得各地职位信息
