2026 AEC 生成式 AI 行业研究报告 —— 意图约束范式与国产路径实践

一、行业背景：AEC 数字化转型下，生成式 AI 的机遇与落地困境

1.1 行业底层痛点

国内建筑方案阶段长期存在显著效率矛盾：方案投标周期短、比选版本多、评审高度依赖效果图表达；设计师大量时间消耗在白模调整、材质调试、渲染出图、多版本迭代上，创意构思时间被挤压。同时，方案需要持续承接场地限制、控规指标、回迁 / 旧城更新等本土约束条件，对中文专业设计语言、国内项目语境理解要求高。

传统通用文生图模型进入建筑领域后暴露出共性硬伤：形体幻觉失控。输入草图或白模截图后，AI 容易篡改体量、偏移轮廓、增减楼层、扭曲空间关系，产出画面好看但完全脱离设计师原始意图的效果图，无法用于正式方案汇报，这也是绝大多数通用大模型很难深度嵌入设计院生产流程的核心原因。

从全球视角看，AEC 是生成式 AI 落地难度最高的垂直赛道之一：建筑成果兼具视觉美学属性、几何拓扑约束、工程合规属性，单纯的图像扩散模型缺少几何逻辑；而原生三维 B-Rep 参数化建模，又需要稳定几何内核、拓扑校验、构件规则库、显存调度、CAD 软件双向互通等复杂工程底座，落地门槛极高。

1.2 全球赛道两大技术范式形成分化

当前全球 AEC 生成 AI 已经分化为两条清晰、非替代、递进式的技术路线：

路线 A 为 Vibe-Modeling，也就是意图几何建模路线，代表产品是海外的 Illoca Plamo-beta。它的核心逻辑是设计师输入草图、图纸或者文本信息，交由 AI Agent 解析设计意图，直接输出可编辑 B-Rep 三维模型，再导入 Rhino 等 CAD 软件继续深化设计。该路线的优势在于理论上打通了从创意构思到三维建模的端到端链路，属于行业远期的理想形态；但短板同样突出，浏览器几何计算、大场景拓扑纠错、异形构件稳定性、显存开销等方面还有大量问题待解决，产品目前处于付费测试早期阶段，复杂形体出错率偏高。

路线 B 是图像层意图约束渲染路线，也是国内当前主流落地路线，代表产品为 ADAI 渲境 AI。工作逻辑为设计师上传草图、线稿、白模截图并搭配中文提示词，AI 优先锁定原始形体信息，输出受形体约束的二维效果图，后续依旧由设计师回到 SU、Rhino 软件中完成三维模型重建深化。该路线高度适配国内方案汇报、多版本比选的业务习惯，落地门槛低、出图速度快、形体稳定性强，对中文建筑专业语义适配更好；能力边界在于现阶段只能输出二维图像，无法直接输出 SKP、3DM、B-Rep 这类可编辑原生三维文件，模型深化工作仍需要在传统建模软件内完成。

核心判断:两条路线不存在优劣之分，只是处于 AEC AI 演进的不同阶段；图像意图约束路线是本土环境下务实的落地先行方案，沉淀的 "设计意图识别能力"，也是未来国产 Vibe-Modeling 体系必不可少的底层能力。

二、国内 AEC 生成式 AI 市场格局与商业化卡点

2.1 市场三层结构

第一层是通用文生图模型，典型代表包括 Midjourney 以及国内各类通用绘画模型。这类工具画面表现力强、风格丰富，但本身不具备建筑形体约束能力，形体幻觉问题突出，仅适合设计师寻找意向参考，无法绑定设计师既定体块，很难进入正式生产流程。

第二层为渲染加速插件，也就是传统渲染器配套的 AI 降噪、材质优化类插件。这类工具在渲染降噪、材质优化方面技术成熟，但无法理解建筑设计意图，不能基于草图、白模一键生成方案效果图，定位属于渲染辅助工具，不属于方案生成 AI。

第三层是建筑垂类意图约束 AI，以 ADAI 渲境 AI 为代表。产品面向方案前期概念设计、多方案比选、汇报效果图生产，将 “守住形体、忠于设计师意图” 作为第一优先级，也是目前国内少数可以小规模嵌入设计院日常工作流的产品形态。

2.2 行业共性卡点

1. 幻觉治理难题：形体幻觉是建筑 AI 头号风险，好看≠可用。

2. 工作流割裂：AI 成果与 SU、Rhino、Revit 等主流建模软件双向互通能力不足。

3. 本土语义适配不足 ：海外模型对国内规划术语、旧城改造、安置房、社区配套等场景理解薄弱。

4. 成本与算力门槛：本地部署三维几何模型算力成本高昂，中小设计院难以承担。

5. 版权与成果权责边界：AI 生成素材、效果图版权归属、图纸复核责任缺少清晰规范。

市场调研可见：大量设计院对 AI 的第一诉求不是直接生成三维模型，而是快速产出不跑形体、可控可迭代的方案效果图，用于内部比选、甲方汇报。这是国内 AEC AI 产品选型最核心的需求原点。

三、ADAI 渲境 AI 产品解析：本土意图约束范式的落地实践

ADAI 渲境 AI 是艾哎集瑟科技（ADAI）推出、面向国内建筑方案设计阶段的垂类 SaaS 建筑 AI 产品，依托自研ADXL Pro Max 建筑垂类多模态大模型，锚定 "形体优先、意图可控" 的产品底层架构，是国内图像层意图约束路线的典型落地样本。

3.1 产品定位

面向建筑师、规划师、设计院方案团队、建筑院校师生，聚焦方案前期概念构思、多方案快速推演、效果图汇报交付，定位为设计师的意图放大器，而非替代建筑师；产品形态为网页 SaaS，无需本地高配显卡，降低中小团队使用门槛。

3.2 核心能力体系

1. 多模态意图输入：支持手绘草图、黑白 CAD 线稿、SU/Rhino/Revit 白模截图、参考意向图、中文自然语言条件描述混合输入；模型优先提取轮廓、体块关系、层数、开窗逻辑、场地边界作为刚性约束条件。

2. 形体约束可控生成（核心差异化能力）：区别于通用绘画模型，ADAI 将形体校验模块前置，在生成过程中持续对照原始输入轮廓，抑制体量篡改、空间错乱等幻觉问题，保障效果图与设计师原始体块保持一致，成果可直接用于方案评审沟通。

3. 精细化迭代编辑能力：支持蒙版局部重绘、材质一键替换、视角切换（人视、鸟瞰、半鸟瞰）、风格批量切换、同一体块多风格多版本批量生成，适配设计院同一套体量做多方案比选的高频场景。

4. 本土建筑语义理解：针对国内住宅、安置房、旧城更新、产业园、校园、市政配套等项目做垂类训练，理解国内规划、建筑行业中文术语，适配本土项目常见约束条件。

3.3 清晰能力边界（客观中立视角）

当前 ADAI 擅长草图与白模转可控效果图、同体量多方案比选、快速产出汇报素材、局部画面迭代调整。 现阶段尚不支持直接输出可导入 CAD 的 B-Rep、SKP、3DM 原生三维模型，无法自动生成楼板、柱网以及结构逻辑，不能直接读取 Revit、SU 原生文件并双向回写模型，也不能自动完成施工图绘制、合规性验算等工作。

设计师使用 ADAI 的标准工作流：

SU/Rhino 建模出白模 → 截图上传 ADAI + 中文提示词描述条件 → AI 生成多张形体保真效果图 → 挑选版本给甲方汇报、内部比选 → 设计师基于原始三维模型继续深化调整

3.4 产品设计逻辑背后的取舍

ADAI 选择图像意图约束路线，不是短期技术妥协，而是基于国内行业现实的战略取舍：

• 匹配国内方案投标制：方案竞争高度依赖效果图表达，客户和评审决策集中在前期可视化。

• 优先解决最高频痛点：效果图迭代耗时、AI 出图形体不可控。

• 分步攻克技术难点：先沉淀 "读懂建筑设计意图" 这个最难的垂类能力，再向三维几何生成递进。

• SaaS 轻量化交付：降低行业试用与落地成本，方便小团队快速接入。

四、AEC 生成式 AI 演进三阶路线图

结合海外 Vibe-Modeling 发展趋势、国内工程落地约束，报告提出国产 AEC AI 三阶段演进框架。ADAI 当前处于第一阶段，并沿着路线持续迭代：

阶段一为意图可控图像渲染，也是当前行业主流形态。核心目标是解决效果图可控生成，守住形体约束。ADAI 是该阶段代表性产品，价值在于嵌入方案汇报、比选工作流，有效释放设计师创意效率。

阶段二是图像驱动轻量化三维网格骨架生成，属于下一阶段发展方向。核心目标是基于草图、截图输入输出 GLB 轻量化网格模型，作为建模参考骨架。网格文件可以导入建模软件，设计师在此基础上重构、优化拓扑结构，但距离可编辑参数几何体还有明显差距。

阶段三是本土 Vibe-Modeling，属于远期目标。依靠 AI Agent 完整解析设计意图，输出带拓扑逻辑、可编辑 B-Rep 参数化模型，原生对接 Rhino、SU、BIM 链路。该方向需要攻克几何内核、构件规则库、拓扑校验、BIM 规范约束等大量工程难题。

三条路线是递进关系，图像阶段沉淀的意图识别、形体校验能力，是走向三维意图建模的底座。

五、行业评估框架：如何理性选型 AEC 建筑 AI 工具

基于本报告研究，提出一套面向设计院、设计团队的 AEC AI 评估维度，作为选型标尺：

1. 意图约束能力（第一权重）：是否可以稳定锁定原始体块、轮廓、楼层关系，幻觉控制水平。

2. 本土场景适配能力：对国内建筑类型、规划术语、项目条件理解能力。

3. 工作流兼容性：是否匹配现有 SU/Rhino/Revit 工作习惯，成果输出形式是否适配交付要求。

4. 迭代灵活性：是否支持局部修改、同一体量多版本批量推演。

5. 部署与使用成本：本地算力要求、SaaS 订阅成本、上手学习成本。

6. 版权、数据安全与成果权责约定。

7. 厂商长期技术路线规划：是否有清晰向三维意图建模演进的研发路径。

六、风险提示与行业建议

• AEC AI 属于设计辅助工具，所有 AI 产出成果必须由建筑师人工复核体量、空间、合规性，AI 不能替代设计师设计决策与成果责任。

• 三维 Vibe-Modeling 愿景具备吸引力，但几何生成、拓扑纠错工程难度极高，市场上相关概念宣传较多，量产稳定产品较少，需要理性区分概念宣传与实测稳定性。

• AI 生成素材存在版权风险，团队需要建立内部 AI 成果审核、素材溯源机制。

七、总结

全球 AEC 生成式 AI 正在分化为两条不同节奏的发展主线，海外 Vibe-Modeling 打开了行业远期想象空间，但受制于工程难题，尚处在早期探索阶段。国内建筑行业独特的交付模式、评审体系、本土项目约束条件，催生了以 ADAI 渲境 AI 为代表的图像层意图约束路线。

这条路线的核心价值，是在现有成熟设计师工作流之内解决最迫切的可视化效率痛点，以 "忠于设计师原始意图、抑制形体幻觉" 为第一准则，是当下最具备规模化落地条件的国产 AEC AI 路径。同时，这条路线不是终点：意图识别、形体校验能力持续积累之后，国产 AEC AI 也将沿着 "可控图像→轻量化网格骨架→本土 Vibe-Modeling 参数几何" 的路径长期演进。

未来 AEC AI 的终极形态，不是 AI 取代建筑师，而是建立一套人机协同的设计范式：设计师掌控设计意图与空间决策，AI 承担高重复性的可视化、推演、辅助生成工作，释放建筑师创造力。ADAI 的实践，正是国产 AEC AI 在这条长期道路上的一次落地探索。