国资委推这件事，背景很清楚：央企要用数字化手段提升竞争力。过去几年，央企在ERP、BIM这些系统上投入不少，但大部分停留在"把流程搬到线上"的阶段。真正用AI改变做事方式的，少。
建筑设计这个环节有特殊性。一栋楼怎么设计结构，用什么梁、什么柱、多少钢筋，直接影响造价、安全和工期。这个决策长期以来靠结构工程师的个人经验——干了三十年的人，拍脑袋出来的方案，就是比刚毕业的人靠谱。问题在于，经验没法批量复制，老工程师退休了，知识就断了。
生成式AI恰好能解决这个痛点。它能把大量历史项目的设计方案学一遍，然后在新项目上自动生成结构方案。不是给一个答案，而是给一批答案，让设计师挑。这就把"靠个人"变成了"靠系统"。
拆开来看，这套系统干的事情可以分三步：
第一步，需求理解。设计师把建筑的功能需求（办公楼还是住宅）、场地条件（地质、风荷载、抗震等级）、规范要求（现行结构设计标准）输入系统。系统把这些信息转化成结构设计的约束条件。
第二步，方案生成。这里用的是大模型和生成对抗网络的组合。大模型负责理解需求并生成结构方案的"骨架"——梁柱怎么布置、楼板多厚、墙放在哪。生成对抗网络负责"对抗式优化"，一个网络生成方案，另一个网络判断方案好不好，来回拉锯，逼出质量更高的方案。
第三步，方案评估。每个生成的方案都会跑力学分析——算应力、算变形、算稳定性。同时估算材料和造价。最后，系统给设计师一份排序好的方案清单，每个方案的力学性能、造价、施工难度一目了然。
传统流程里，一个高层结构方案可能要做一周，中间还有反复修改。现在系统几个小时就能出几十个方案，设计师从里面挑。不是替代设计师，是让设计师从重复性的"试方案"里解放出来，把精力放在真正需要判断的地方——比如结构选型、比如和建筑师的协调。
几个落地的场景：
举个实际数字。某超高层项目，传统设计方案要用3万吨钢材，设计周期3个月。系统跑了多轮优化后，钢材用量降到2.6万吨，省了12%的材料成本，设计周期压缩到不到2个月。对甲方来说，光是钢材这一项就省了上千万元。
第一，设计知识可以沉淀了。以前老工程师的经验都在脑子里，徒弟跟着师傅干几年，学到多少看个人造化。现在这些经验变成了算法，变成了可复制的能力。新人上手更快，老经验不容易丢。对设计院来说，这是真正的核心资产积累。
第二，设计效率大幅提升。同样的项目，设计时间缩短一半，设计院能接更多项目。对行业来说，这是整体产能的提升。尤其在当前房地产下行、设计院竞争加剧的背景下，效率就是生存。
第三，设计质量更可控。系统会自动检查规范符合性，漏项、错项的概率下降。结构安全是底线，过去出了问题往往是人为疏忽，现在AI能帮忙做一遍复核。不是不信任设计师，而是多一道保障。
第四，行业格局可能变。过去设计院的核心竞争力是"人"——谁有经验丰富的结构总工，谁就能接大项目。如果AI让方案设计变得标准化，小设计院也能做出过去大设计院才做得出的方案。行业的竞争维度会从"人"转向"数据和算法"。
入选国资委首批名单，还有一个信号意义。国资委选出来的项目，后续会有政策支持和资源倾斜。这意味着"生成式AI+建筑设计"这个方向，不只是中国建筑自己在做，它会被当作央企数字化转型的标杆来推。其他央企看到了，也会往这个方向走。
生成式AI最早是在互联网、金融这些领域落地——写文案、做图片、搞客服。现在它开始进入传统工程领域，做的是结构计算这种硬核的事。中国建筑的这次入选，说明AI正在从"锦上添花"变成"必需品"。接下来，会有更多工程场景被改造。这不是预测，是正在发生的事。