人工智能在国内外的研究发展状况

2010年代至今，AI技术开始大规模融入日常生活，从智能手机助手、智能家居设备到自动驾驶汽车、无人机等，AI的身影无处不在。谷歌DeepMind的AlphaGo击败围棋世界冠军李世石，展示了强化学习在复杂决策任务上的强大能力，随后的AlphaZero、AlphaStar等进一步验证了强化学习在棋类游戏、即时战略游戏中的通用性。BERT、GPT等基于Transformer架构的预训练语言模型在自然语言处理任务上取得巨大成功，开启了大规模预训练、微调模式的新时代，随后OpenAI推出革命性的GPT-3、GPT-4等模型参数量持续增长，展现出更强的语言理解与生成能力，引发全球关注。

国内人工智能在工程设计领域应用从智能审图开始。2020年6月和9月，住房和城乡建设部办公厅分别发文，同意深圳市和北京市开展建筑工程人工智能审图试点工作。研究面向建筑工程图纸优化的深度学习目标检测和语义分割方法和面向建筑工程图纸的图文多模态识别方法，有机结合视觉信息和文本语义，完整准确地理解图纸中灵活的设计表达，并取得了初步成果。但由于工程设计图纸不仅有几何图形，还包括丰富的注释、图层信息、块定义等。AI需要能够理解和解析这些多层次的数据结构，这要求高度复杂的学习模型和大量的训练数据,对算力要求高；对于机器学习而言，需要大量精确标注的数据来训练AI模型，但在CAD设计领域，高质量的标注数据集可能难以获得。因此AI审图还未进入广泛应用阶段。

协同设计管理系统及其+AI的意义

协同设计（Collaborative Design）是指基于计算机及网络连接，项目设计团队及项目干系方跨越地域、组织和专业的界限，通过共享信息、协调工作、共同决策，以实现一个共同设计目标的过程。

协同设计管理系统（Collaborative Design Management System, CDMS）是面向设计企业及项目设计团队的一个集成化的设计协作平台，该系统集成了项目管理、数据共享、沟通协调、设计工具、流程控制等多种功能。协同设计管理系统是工程设计全过程的应用中枢，紧密贴合项目生命周期的每个工作节点，因此协同设计管理系统+AI，无疑是撬动设计效率飞跃式提升的关键杠杆，对于推动企业乃至行业整体效能的优化升级具有深远意义。

AI人工智能在协同设计管理系统的应用

聚焦于人工智能与工程设计企业管理系统融合应用研究，探讨AI在传统协同设计管理系统中的应用技术方案。

人工智能的技术框架按照产业生态通常可以划分为基础层、技术层、应用层三大板块。其中，基础层提供了支撑人工智能应用的基础设施和技术，包括存储和处理大规模数据的能力，以及高性能的计算和通信基础设施；技术层提供了各种人工智能技术和算法，用于处理和分析数据，并提取有用的信息和知识,提供了文字、音频、图像、视频、代码、策略、多模态的理解和生成能力；应用层是人工智能技术的最终应用领域，将技术层提供的算法和模型应用到具体的问题和场景中。

协同设计管理系统+AI的技术实现架构

即开发部署面向工程设计管理的专业化AI引擎，为协同设计应用场景提供专业语音助手、协同设计智能问答、智能知识推送、设计成果纠错、设计成果智能生成等智能化服务；同时结合设计企业数据资源平台，通过AI对协同设计场景的智能感知，为不同设计场景提供知识的智能化应用。

设计管理专业化AI引擎关键技术

自然语言处理NLP技术

自然语言处理是AI进行信息处理的基础。自然语言处理（NLP）是一种人工智能技术，旨在让计算机理解和处理人类语言。NLP通过语言学、计算机科学和人工智能技术的交叉研究，构建了人与机器之间的桥梁，使得机器可以理解、分析和产生自然语言文本。在语义分析中，NLP是不可或缺的一部分，它提供了对人类语言深度理解和处理的基础。自然语言处理技术的关键在于建立丰富的语言知识库和算法模型，以便于准确地理解和表达文本的语义信息。

基于NLP技术，将彻底颠覆传统的人机交互模式，大大提升协同设计管理系统在人机交互方面的效率和体验。

OCR文字提取技术

OCR（Optical Character Recognition，光学字符识别）是一种技术，它使用光学扫描设备（如扫描仪、数码相机）或其他图像捕捉设备将纸质文档、图像、屏幕截图等非电子格式中的文字信息转化为可编辑和可检索的电子文本。OCR技术的核心目标是识别并转换视觉形式的字符为计算机可理解的数字化文本，使得原本难以处理的静态文字图像变为结构化的文本数据，便于存储、检索、分析、编辑和无障碍阅读。

通过大量的文档数据训练、通过提高OCR识别算法，通过处理分栏、段落、表格、标题编号等，综合利于多种技术手段，不断提高设计成果中的文字提取准确度。无论是图中的文字（说明、房间名称、图名、图签），还是报告中的文字都实现更精准的提取。为设计成果智能纠错、文件智能比对、知识智能规整提供技术支撑。

向量数据库检索技术

向量数据库技术是一种新兴的数据存储和检索技术，它主要用于处理高维数据，特别是在机器学习和人工智能领域。与传统的关系型数据库不同，向量数据库专门用于存储和检索向量数据，即一组数字或实数的集合。这种技术的核心思想是将高维数据转化为低维空间中的点，并使用空间中的距离或相似度来表示数据之间的关联。

向量数据库技术的主要优点是它可以有效地处理大规模的高维数据集，同时保持较高的查询速度和准确性。此外，它还可以轻松地扩展到新的数据集和特征，使其在机器学习和人工智能领域具有广泛的应用前景。

向量数据库支持基于向量相似性的高效检索。向量数据库使用各种相似性度量方法，如余弦相似度、欧氏距离等，来评估向量之间的相似程度。

与数据资源平台集成应用，系统通过场景感知，实现资源的智能查询，从而返回与其最相似的知识片段，实现精准的知识发现和推荐。

大语言模型LLM技术

大语言模型（Large Language Model，LLM）是一种使用了大量数据训练的深度学习算法，构建出一个能够理解人类语言并自动生成语言的模型。在这些系统中，GPT-4是OpenAI支持的对话平台的最新版本，它彻底改变了我们与技术交互的方式，并为人类交流开辟了无限可能。而在开源方面，也是百花齐放，国外有Meta AI发布的Llama（羊驼）大模型，国内有阿里通义千问、清华智谱、百川智能等大模型，这些模型均开源、免费、可商用。

综上所述，无论是国内外的技术发展，模型提供程度上，为协同设计管理系统基于AI进行智能化应用，提供了相对成熟、完整的生态环境。

人工智能在协同设计管理系统中应用广泛

在不同的设计管理环节，都可借助AI技术提升系统应用体验和效率。

专业语音助手：与通用语音助手不同，能够实现专业术语的语义理解。借助专业语音助手助力项目任务智能策划，解决任务策划和人员调整繁琐操作；借助专业语音助手实现线上校审交互的便捷性。

进度智能追踪：AI助手实时监测设计流程中的各个阶段，包括顾客资料提交、专业设计评审、技术条

校审重点智能导引：AI助手犹如一位深谙校审之道的导师，能敏锐捕捉设计文件的项目属性、专业类别及校审角色等关键信息。基于此，它能精准匹配并主动推送与之高度契合的校审要点，确保在校审过程中，无论是设计细节还是宏观架构，所有核心要素均能得到严谨审视，避免遗漏。

智能纠错赋能：面对已识别的违规设计元素，AI助手不仅揭示问题所在，更进一步提供基于海量最佳实践与成功案例的学习成果。

数据资源智能管理：AI能够对各类设计数据、项目文档、参考素材等进行自动分类、标签化处理，实现跨系统、跨平台的数据资源整合。通过自然语言处理（NLP）、知识图谱等技术，AI能够理解数据内容，精准匹配设计需求。

资源智能搜索与推荐：AI可以大幅提升数据资源的检索效率和精准度。基于深度学习的语义理解和图像识别技术，AI能快速响应设计师的查询请求，精准定位所需的设计元素、案例、标准规范等资源。

工程设计专业化AI引擎部署方案

AI开发框架、AI技术底座可基于私有部署，也可基于公有云和混合云部署。设计企业可根据自身的需要选择合适的方案。

私有部署：在企业内部数据中心搭建AI基础设施，对数据安全性、合规性要求较高或已有大量本地计算资源的企业可选择此方式。需关注硬件采购、系统集成、运维管理等方面的工作。

公有云：利用云服务商提供的AI服务进行模型开发、训练与部署。公有云提供了弹性伸缩、按需付费的便利性，适合快速迭代、资源需求波动较大的项目。

混合云：结合私有部署与公有云的优势，根据数据敏感度、计算需求等因素，灵活分配工作负载。例如，敏感数据处理与模型训练在私有云进行，模型推理服务部署在公有云，利用云服务商的全球加速网络提高服务响应速度。混合云部署需关注跨云环境的数据同步、任务协调、安全策略等问题。

应用案例

研究课题：专业语音助手助力项目任务智能策划。

研究目标：开发和使用AI专业语音助手，实现项目任务的高效安排。

技术创新点：本项目利用AI智能语音助手，结合自然语言处理 (NLP)、语音识别、语音合成、知识图谱、对话管理、情感分析、搜索与推荐等应用，辅助项目负责人快速完成协同设计任务策划，解决以往任务策划工作量繁琐问题。

应用效果：项目任务策划时，借助专业语音助手，通过语音识别、自然语言处理等技术实现项目WBS任务的快速策划，原来完成10个子项、5个专业的人员安排需要10分钟，现在不到1分钟即可完成，效率提高了10倍以上。

研究课题：设计总说明AI自动校审。

研究目标：以设计总说明为例实现设计成果智能纠错。设计总说明是工程设计成果的组成部分。实现设计总说明中有关国家标准规范的AI自动校审，找出必须要写明的国家标准规范（简称：强条）在设计总说明是否存在，如果存在则检查是否准确，并且提示出应该写而没写的强条。

技术创新点：本项目综合利用自然语言外理NLP技术、OCR文字提取技术、向量数据库检索技术和大模型LLM技术，使其在专业的知识库语料的训练和作用下，共同完成AI自动校审的功能。

应用效果：一篇常规的设计总说明，人工检查其引用的规范条文是否完整、正确需要20分钟，使用AI自动校审后，仅需要1分钟，效率提升20倍。

结论

人工智能（AI）在协同设计管理系统中的应用具有重大价值与广阔前景，且技术可行，将为协同设计管理系统带来革命性变革，能显著提升设计效率、保障质量、盘活数据，推动系统步入全新智能化时代。