3月12日，AI4ELAB组织了一场面向建筑、景观、室内设计领域从业者的在线研讨，邀请了6名行业资深大咖《3月12日嘉宾阵容公布》，以及累计共200位整的报名参会者，昨晚实际上线总人数201（含嘉宾），横跨头部软件厂商、AI创业公司、一线设计院、培训机构和行业投资人，讨论的话题覆盖供给侧与需求侧。

这场活动最初的原点是，AI正在重塑几乎每一个行业，设计行业也不例外。但「重塑」这个词太大，我们更想找到的是具体的视角——到底从哪里切进去，才能看清楚这件事真实发生的方式。

于是，我们把第一个视角对准了全球头部设计软件商SketchUp。逻辑很简单：SketchUp全球有4000万用户，是建筑设计行业渗透率最高的工具之一，它在AI方向上的产品决策，某种程度上代表了这个行业被改造的方向和节奏。

最开始我们没有和SketchUp建立联系，只是分享了下他们的AI动作《Trimble给SketchUp加了AI功能，老牌软件的AI防御战开始了》，后来机缘巧合，从第三方客观视角在写这篇分析文章《4000万用户、开源模型与算力定价：拆解SketchUp AI的护城河与市场变局》，得到SketchUp中国的深度支持。文章写的过程中我们发现，这件事比我们预想的要复杂得多——不只是工具变了，而是围绕工具的整个创作逻辑、协作方式、商业结构都在动《AI浪潮下，建筑类设计师与行业将走向何处》。

这个复杂度，值得深层讨论。于是我们把设计师、创业者、设计院、投资人拉到一起，有了这场对话。最终得益于各位嘉宾的真诚分享、观众的捧场互动，以及SketchUp与麦格天宝的资源支持，才让这个场子显得更有价值与影响力。

进入正题，那么本文属于0312线上讨论活动精华的整理与开源，观点密度优先，叙述完整性次之。观点代表各发言者在讨论语境下的个人判断，不代表任何机构或组织的官方立场。部分数字为推演估算值，非经验证的精确数据，引用请注意核实。以下为台前幕后的观点贡献者：

张然，Trimble亚太区技术总监

王君峰/王浩东，起典科技合伙人/AI产品经理

冯达源，AIRIlab创始人

杨承昊，AIGC先锋学会联合发起人，暗壳AI联合创始人

张霜，华阳国际设计总监

张宁，建元基金技术副总裁

张琳琪，麦格天宝建筑部总监

秦明，AI4ELAB创始人

AI省出来的时间，正在分裂设计师群体

1. AI对设计工作的最大压缩发生在「生产性工作」层：建模、排版、效果图制作，原本占据一名执行层设计师60%-70%工作量的内容，是AI最先攻陷的区域。这不是预测，是已经发生的事。

2. 省出来的时间正在制造三类人：继续卖时间只是跑得更快的「快马」；借助AI向上延伸到沟通与判断层的「学习飞的鸟」；以及真正将交付能力产品化并独立定价的超级个体。第三种是最稀缺的，也是最值得关注的方向。

3. 超级个体的核心能力不是会用AI，而是「审美判断+AI执行」的组合。AI只能疯狂执行，无法自主判断方向好坏。充当AI质检员——调教它、评判它、给它指引——这才是人类当前最不可替代的角色。

4. 不用AI的人，面临的不是被替代，而是重新定价。当同行用AI将交付成本和效率系统性拉开，原地不动者的市场报价会被动下压。这是市场机制，不是道德判断。

5. 「眼高手低」从贬义词变成了褒义词。眼高代表审美与判断力，手低代表执行，可以外包给AI。过去这是缺陷，现在是组合优势。

SketchUp的AI路线图：从效果图到Agent协同

6. SketchUp引入PBR真实材质引擎，这不是功能迭代，而是渲染哲学的转变——原生视口开始接近真实世界呈现，大幅降低对第三方渲染器的依赖。

7. AI生成纹理功能解决了一个高频痛点：将有明显拼缝的材质图片自动处理为无缝可平铺贴图，替代原有的PS预处理流程。这类「AI替换特定繁琐工序」的嵌入方式，比通用AI助手更能快速产生用户感知价值。

8. 图搜模型（以图搜图进入3D Warehouse）指向一个结构性变化：500万+免费素材的检索门槛从「能描述」下降为「有图片」。这对语言表达能力有限，但视觉判断力强的设计师群体是实质利好。

9. SketchUp的多Agent协同架构是当前最值得关注的产品方向。从一张平面图生成墙体模型、从情绪板自动匹配并布置素材，这些已经在内部版本实现。

10. SketchUp有的功能点可以让设计师不再需要委托第三方开发插件——用自然语言描述需求，AI实时生成并安装脚本。这对SketchUp生态的插件开发门槛是数量级级别的降低。

11. 自定义Agent训练功能是差异化竞争的关键。设计师可以上传自己的规范文件、设计规则、历史项目，训练出仅供自己使用的专属Agent。这直接对抗了「AI让所有人设计风格趋同」的恐慌。

12. AI自动分类功能打通了SketchUp自由建模与BIM体系之间的历史断层：用AI识别模型中的门、墙、空间，自动附加IFC分类标签，让自由建模的产出物能直接进入BIM协同流程，而不需要重建。

13. SketchUp当前对国内用户最大的现实障碍：AI功能基本部署在海外服务器，国内桌面端暂时无法调用，仅iPad版可用。这个空档期正在被第三方国产插件填补。

14. 天宝的战略定位类比：大语言模型厂商是造发动机的，天宝这类软硬件大厂是整车厂，第三方开发者是改装车商。三者分工明确，不存在真正的替代关系，而是生态依存。

开源 vs 闭源：创业公司的真实技术账

15. 开源模型在专业建筑设计领域的控制精度高于闭源模型——这与主流印象相反。闭源模型的优势是泛用能力和多样化风格；而对于需要高度精准还原设计意图的场景，经过专项训练的开源模型上限更高。

16. 一家AI设计工具公司的技术栈现实：内部有10+个开源基础模型、数百个专项微调模型（用大量特定领域的图片数据重新训练），加上闭源模型作为特定场景补充。生成图中约5成来自闭源模型（集中在早期概念阶段），5成来自开源模型（精确渲染和高清修复阶段）。这不是非此即彼的选择，而是阶段性组合。

17. 开源模型的隐性成本往往被低估：有类做全球化的企业，用户集中在特定时区（如主要用户在欧洲和中国），意味着约12小时的算力空置，实际算力成本需乘以近2倍。同时，10+个模型的加载/卸载切换会给用户带来约30秒延迟，直接影响体验感知。

18. 当把所有隐性成本算清楚后，自有开源模型的单图成本与商业闭源API调用成本差距并不显著。创业公司不应单纯以「开源便宜」作为技术路线依据，而要精算完整的算力运营模型。

19. 全量微调（Full Fine-tune）已经不是主流训练策略。在模型迭代速度极快的当下，正确的姿态是「在海浪上漂着，别沉下去」——越来越小的模型上做越来越快的专项训练，而不是押注大体量的全域调整。

设计院的AI实践：20%的末端在被解决，80%的前端还没人碰

20. 市场上的商业AI设计工具，基本集中在解决设计流程末端的问题：效果图、动画、渲染。但这个环节在整个设计流程中只占约15%-20%的价值量。设计的前端——场地分析、任务书解读、概念策略、规范研判——几乎还没有成熟的商业化产品覆盖。

21. 前端场景没有被商业化的原因是双重的：第一，技术实现有难度；第二，这些场景大多是低频或中频出现，单独做成产品难以形成规模收入。但对于设计企业内部，这些场景的价值是真实存在的。

22. 大型设计院内部出现了一种新角色：企业AI流程架构师。其职责不是自己用AI设计，而是拆解企业全流程，识别每个节点可接入的AI工具，搭建工作流并对内培训推广。这个角色目前无法被外部产品替代。

23. 一个被忽视的高频场景：一起企业的经营部每天在招投标网站上搜集信息、比对内部资源、汇总并推送给管理层判断是否投标。这件事完全可以用爬虫+AI分析+自动推送替代，但目前在大多数设计院还是纯人工完成。这类零碎但高频的内部自动化机会，没有商业产品愿意做，但企业内部应该有人做。

24. 利用高德地图MCP做场地分析，AI生成的结果已经优于一名初级建筑师自行上网搜集整理的版本。这不是因为AI更聪明，而是因为流程被标准化了。AI的价值在于把最优解流程化，不在于替代判断。

25. 多Agent头脑风暴处于设想验证阶段：让多个角色扮演的AI代理互相辩论，模拟真人设计团队讨论概念策略的过程。这条路技术上可行，但是否能复现人类跨学科讨论的质量，目前还没有答案。

26. 科学上网是国内设计院推广AI工具的第一门槛。对于70%的设计师来说，这不是日常习惯，而是额外的认知负担。能够将AI工具API化、本地化部署的方案，在国内大型设计院有真实的需求溢价。

27. 有设计院通过BIM+自动化，将原来3-4人完成的专业工作压缩到1人负责。这不是AI渲染，而是工程逻辑层面的自动化——建筑、结构、机电联动，修改一处，各专业的配筋、造价同步更新。这才是设计院降本增效的真正重型武器。

28. 头部设计院正在形成两种路径：一是以XX为代表，用AIGC大量抽卡，筛选后逆向用SketchUp照片匹配建模，完全改变从建模到出图的工作流顺序；二是XX为代表的自动化驱动，更少依赖生成式AI，更多依赖工程逻辑脚本。

接受度的转折点已经到来，但设计费没有跟着涨

29. DeepSeek时刻是国内建筑设计行业AI接受度的分水岭。在此之前，AI使用者是行业里最前沿的少数派；在此之后，大量公司主动来寻求AI落地方案。被动观望变成了主动接触。

30. 主创设计师开始亲自使用AI，是行业接受度进入新阶段的信号。此前AI主要由执行层设计师使用，但执行层设计师受制于主创指令，AI「不够听话」就很难推行。一旦主创自己上手，整个团队的AI使用结构就会质变。

31. 一线大厂设计师学AI的驱动力是「80分提到90分」——他们本身能力足够，不会被淘汰，但AI能让他们的汇报更新颖、分析更有质感。三四线设计师学AI的驱动力是焦虑——他们本身的基础技能不牢，把AI当成弯道超车的跳板。

32. AI出现后，大厂设计师的加班时间并没有减少。效率提升没有转化为工时减少，而是转化为追求更高标准的动力。能100秒出一张80分图，反而会让设计师花更多时间从80分往100分调。这是AI在创意类工作中的典型表现：效率提升被品质追求全部消耗。

33. 设计费因AI而降低的逻辑是错误的——至少目前是。真正的风险不是设计费下降，而是不会用AI的团队面临低价竞争压力，被迫用更低报价抢单，最终把自己打垮。这是市场结构问题，不是AI本身的问题。

34. 当前室内设计领域，AI的最大商业价值不在提升交付质量，而在提高谈单转化率。三四线家装设计师用AI快速出大量效果图用于营销，降低获客成本，比追求精度更实际。这是AI在不同细分市场中价值落点完全不同的典型案例。

商业化的核心问题：谁是最大受益方，谁来买单

35. 技术创业公司和传统设计企业同时处于焦虑状态，但焦虑来源相反：传统企业担心被AI取代，创业公司担心找不到能持续付费的场景。这两种焦虑的解法，本质上是同一个问题：新技术和传统产业的价值对接在哪里。

36. 商业创新问题先于技术问题。技术只是起点，真正要解决的是：新技术能否改变传统行业的成本结构，使商业模式发生根本转变。在说清楚这个逻辑之前，技术再强也难以形成持续订单。

37. 建筑工程行业的数字化水平在全行业中垫底。这意味着建筑AI的基础设施底座还很薄，AI是在一个数字化积累不足的土壤上生长，所有路径会比其他行业慢一个周期。

38. 识别「谁是最大受益方」是商业化突破的前置条件。在一个项目链条中，新技术引入后，业主、施工单位、运维单位、设计院各自受益程度不同，只有向受益最大的环节销售，付费意愿才最强。这笔账要在进入市场前就算清楚。

39. 说服传统产业接受新技术，最有效的切入点不是展示技术能力，而是用他们日常面临的真实痛点场景来提问，再用新技术逐一回答。当传统产业的人「突然眼睛发亮」，说明你击中了他们一直想解决但没找到好办法的地方。

40. 成本账要算三层：直接采购成本、施工安装过程中的间接成本（工期、运输、施工效率）、使用后的长期运营成本变化。只说第一层的创业者，在传统产业的采购决策中很难赢得信任。

41. 以量化数据对比说话是打通传统产业的关键方法。以毫米波雷达为例：安装前后交通拥堵时间减少多少、释放道路面积多少、等同于为社会节省多少交通资源，换算成货币单位的成本——这种算账的能力比技术演示更有说服力。

42. 好的创业团队需要回答三个问题：你的技术本质优势是什么；你了解目标客户的核心痛点并能针对性解决；你的价值如何被客户感知和量化。能清楚回答这三个问题的团队，才具备进一步讨论估值和推广路径的基础。

43. 很多创业团队在与投资人或产业方交流时，遮遮掩掩、答非所问。这不是因为故意隐瞒，往往是因为自己对产业理解不足，或者对技术的本质优势没想清楚。这是建筑AI创业失败率高的深层原因之一。

44. 古建筑修缮中的AI协同实践提供了一个有趣模板：用视频和照片采集建筑特征，AI分析提取门窗梁柱等典型元素，然后让上千名普通居民通过图库选择来表达对自家修缮的意见——几位设计师同时面对几千个用户，通过软件完成沟通，而非一对一的人工讨论。这是AI在「设计民主化」方向上最具操作性的案例之一。

45. 现在下场尝试比规划宏大项目更重要。AI大模型本身还在快速迭代，寒武纪式的物种爆发期，谁会是最终胜出者尚未可知。在这个阶段，用开放心态在边界上解决自己手头的实际问题，比等待最优解出现后再大规模投入更明智。

组织与人的重构：该发生正在发生

46. 「流程化、程序化的工作」承担者是最先被冲击的群体。很多能力本不匹配设计师岗位要求、靠房地产红利撑过去的从业者，现在面临被AI直接替代的现实。这不是AI制造的问题，而是AI加速了市场本该完成的淘汰。

47. 真正具备核心设计能力的设计师，AI的威胁比想象中小得多。提出问题、分析问题、形成策略的能力，是AI当前无法复制的。AI是执行层的放大器，不是判断层的替代者。

48. 有参数化建模能力（Grasshopper等）的设计师适应AI的速度最快。原因在于思维结构的相似性——都是用逻辑和规则构建生成系统，而不是直觉驱动的手绘型思维。这提示：理性-算法型设计师是AI时代的结构性受益群体。

49. AI在建筑行业真正打开的新能力是复杂模拟与算法优化——光学、声学、流场、力学——这些以前对大多数建筑师是「可望而不可及」的领域，现在借助AI辅助编程开始变得可操作。这可能是建筑AI最被低估的长期价值方向。

50. 超级个体的组织协作模型正在形成：强个体依托AI建立自己的工作流，对内提升交付质量和速度，对外与其他超级个体分工协作。这种去中心化的项目制协作，正在成为传统「老板带团队」模式的替代形态，在建筑设计圈的出现频率正在提高。

51. 对于大企业，现在不是重点讨论裁员的时候。更有效的组织策略是：鼓励所有员工从各自岗位的角度独立探索AI的可能性，通过内部分享互相学习，逐步找到属于本公司工作流的AI嵌入点，而非自上而下部署一套统一方案。

以上，如果觉得不错，随手点个赞、在看、转发三连吧，也欢迎给AI4ELAB个星标⭐，以便您第一时间收到推送～谢谢阅读，下篇内容再见。