□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，技术发展在不断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）已经介入了设计的“想象”“优化”和“建造”3 个方面，在人机共生的背景下，传统城市空间设计方法将面临革新。生成式人工智能通过深度学习海量设计案例，能够突破人类设计师的经验局限，在方案多样性、迭代速度方面展现出独特优势。特别是扩散模型（Diffusion Models）在图像生成领域的突破性进展，为城市空间设计提供了新的技术路径。生成式人工智能技术的突破为这一领域带来了范式变革的可能。以生成对抗网络（GAN）和扩散模型（Diffusion Models）为代表的深度生成技术，通过海量城市空间数据的学习，能够自动捕捉空间形态、功能布局与美学特征之间的潜在关联。这类技术展现出独特的“创造性涌现”特性，产生超出训练数据分布的创新空间组合。例如，Stable Diffusion通过文本提示生成概念草图的强大能力，而CityGAN等专业模型则展示了街区尺度空间形态的生成潜力。

生成式人工智能辅助城市空间设计全流程。结合多种生成式人工智能工具，城市空间设计可分为以下三个设计阶段。前期策划与概念设计阶段：依托大语言模型（如 DeepSeek、ChatGPT 等）完成设计项目策划书，具体包含功能、形式、时间等内容。概念设计依托图像生成平台，根据特定空间要求、功能需求审美偏好等产生不同设计概念意向图，实现基于提示词文本生成概念图、草图生成概念图、三维线稿生成概念图，具体包含经典图像生成平台、行业软件插件平台和云端平台三类；方案呈现与深化阶段：基于前期的概念设计，进一步细化各个功能区域的具体布局、尺寸、材料选择等模型细节。使用经典图像生成平台（如Midjourney,Stable Diffusion等），根据三维模型生成高分辨率的渲染图。这些渲染图可以用于向客户展示设计方案的效果，增强客户的理解和接受度。例如城市街区公共空间运用Midjourney生成灵感意向图，经设计师建模深化后，再次使用Midjourney生成效果图进行表达；多方案评价与比选阶段：利用生成式人工智能工具编辑并发布在线问卷，收集目标用户群体对不同方案的意见和建议。此类工具可以自动分析问卷结果，提取关键反馈信息。利用大语言模型撰写详细的对比报告，包括每个方案的优点、缺点、改进建议等。在生成式人工智能的辅助下，基于以上数据分析和用户反馈得到更加全面客观的方案评估，确保最终方案的合理性。

生成式人工智能作为一种通用的神经网络，在城市空间设计领域的应用仍需要进行针对性的优化。大部分城市空间设计的生成任务，除了直接使用生成式人工智能输出结果，通过AI模型结合算法设计来解决具体的问题，往往能形成更符合要求的结果。目前生成式人工智能技术正从技术性能优化向系统性、交互性和精细化范式转变。传统生成模型多以整体图像输出为主，缺乏局部调整和精细化控制能力，限制了其在城市空间设计中的应用。近年来，分段生成技术、多尺度反馈机制等局部控制方法的引入，显著提升了生成结果的可控性和实用性。设计师的角色也从方案生产者转变为AI协同流程的引导者，通过多轮语言校准生成方案，提高了模型使用的可解释性、易用性和可信度。此外，多模型协同工作流正逐步形成。这种模块化分工通过跨模型数据流实现深度耦合，从半自动化辅助向全流程生成演进。人类设计师负责监督，确保整体流程逻辑与生成质量的合理性与可靠性，提高了城市空间设计工作流的整体效率，缩短了设计方案的周期。同时，社区团体和普通公众能够直接参与生成设计过程，推动技术接受度的提高。未来发展趋势将会从以下三个方面展开：首先是构建更多本土化、结构化的城市空间设计数据集，这些数据集应当包含地域特征鲜明的建筑形态、空间尺度、文化符号等要素，从而显著提升模型的适应性；其次开发可控的生成机制，人类设计师能够精准调控生成过程，在保证创意性的同时满足各类设计规范和技术要求；最后多模型协同工作机制将成为主流的设计范式，这包括建立设计需求解析、方案生成、性能模拟、方案优化等环节，通过构建智能协作网络，实现从离散工具向集成系统的演化。这种系统将支持从整体到细部的全流程设计，最终形成从工具向系统演化的智能设计框架。

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）