转自：黑龙江日报

□唐薇

20世纪至今，从模块化、计算机辅助设计、参数化设计到人工智能，技术发展持续迭代城市空间设计的工具与方法。随着人工智能迅速应用，生成式人工智能（Generative Artificial Intelligence，GAI）已介入设计的'想象'、'优化'和'建造'三个维度，在人机共生背景下，传统城市空间设计方法将面临革新。GAI通过深度学习海量设计案例，突破人类设计师经验局限，在方案多样性、迭代速度方面展现独特优势。特别是扩散模型（Diffusion Models）在图像生成领域的突破，为城市空间设计提供新路径。

以GAN和扩散模型为代表的深度生成技术，通过学习海量城市空间数据，自动捕捉空间形态、功能布局与美学特征的潜在关联。这类技术展现'创造性涌现'特性，产生超越训练数据分布的创新组合。例如Stable Diffusion通过文本提示生成概念草图，CityGAN等专业模型展示街区尺度空间形态生成潜力。

生成式AI辅助城市空间设计全流程。结合多种工具，设计可分为三个阶段：前期策划与概念设计阶段依托大语言模型（如DeepSeek、ChatGPT）完成策划书，通过图像生成平台根据空间要求生成概念意向图；方案呈现与深化阶段使用Midjour比、Stable Diffusion等生成高分辨率渲染图；多方案评价阶段利用AI工具分析问卷数据，撰写对比报告，确保方案合理性。

作为通用神经网络，GAI在城市设计应用中需针对性优化。当前技术正从性能优化转向系统性、交互性范式转变。分段生成技术、多尺度反馈机制等局部控制方法提升生成可控性。设计师角色从方案生产者转变为AI协同流程引导者，通过多轮语言校准提升模型可信度。多模型协同工作流逐步形成，模块化分工实现跨模型数据流深度耦合，推动从半自动化向全流程生成演进。

本文系江苏高校哲学社会科学研究一般项目资助'生成式人工智能在环境设计中的应用研究（2025SJYB0483）'研究成果。

（作者单位：南京工业大学浦江学院）