上图为小库科技创始团队：何宛余（中）、李春（左）、杨小荻（右）
2016
年的
AlphaGo
与李世石大战在全球激发了新一轮的人工智能热潮。瑞银预测，到
2030
年，人工智能每年为亚洲带来的经济价值将高达
1.8
万亿
-3
万亿美元，在金融服务、医疗保健、制造、零售和交通等行业的影响最为巨大。
为什么是这几个行业呢？这是因为这几个行业的数据相对容易量化、知识体系容易规则化和标准化，加上这几个行业的信息化程度本来就很高，因此人工智能最容易切入，也最容易产生明显的商业价值。
同样在
2016
年，一支小小的创业团队受到了
AlphaGo
的鼓舞，也投身到了把人工智能用于改造传统行业的热潮中，但这支创业团队选择的是建筑工程勘察设计行业。这是一个发展极其缓慢而且本身信息化程度就相当低的行业，而在应用人工智能方面，其难点还在于如何处理非标准化的人类美学观点。
勘察设计是建筑市场的第一个环节，建筑物的生产建造总是从勘察设计开始。勘察设计的产品包括勘察报告、测绘图纸、设计方案、模型、设计图纸、设计说明书、计算书、设计概预算等，通过这些规定了最终建筑物的形态和使用功能等，是后续建筑建造的基本依据。
根据住建部《
2015
年全国工程勘察设计统计公报》：
2015
年全国共有具甲乙丙级资质
20480
个工程勘察设计企业（未包括大量无资质建筑设计公司和事务所）参加了统计，与上年相比增长
6.3
％；
2015
年工程勘察设计行业年末从业人员
304.3
万人，与上年相比增长
21.6
％；
2015
年全国工程勘察设计企业营业收入总计
27089.0
亿元，与上年相比增加
8.6
％，其中工程设计收入
3365.3
亿元，占营业收入的
12.4
％。
上图为小库的欢迎界面
一家名叫小库科技的创业公司，瞄准的就是通过人工智能来改造这
3
千多亿的建筑勘察工程设计环节。
为什么是从这个环节入手呢？小库科技创始人、前知名国际建筑设计事务所
OMA
的建筑设计师何宛余介绍说，拿地方案、概念设计、方案深化、初步设计和施工图设计五个步骤是建筑工程设计的主要环节，其中拿地方案、概念设计只占到整个项目的
40%
，但却需要投入
50%
的精力，这是因为这两部分工作的重复性和机械性较大，且需要反复修改比较。
另一方面，民用建筑设计的需求广、量大，而很多综合性的民用建筑设计机构都能承担此类勘察设计工作，当市场供求不平衡时，竞争尤为激烈。
根据住建部的统计，
2015
年中国工程设计企业
14982
个、占企业总数
73.2
％，工程设计与施工一体化企业
3676
个、占企业总数
17.9
％，由此可见工程设计行业的竞争激烈程度，有很多中小建筑设计公司甚至为了吸引客户而将这部分业务免费。
从建筑设计师自身的痛点出发，何宛余和另一位小库科技联合创始人杨小荻一起，研究如何用新技术和新方法来改造建筑设计行业。何宛余和杨小荻同为荷兰代尔夫特理工大学贝尔拉格实验室的硕士，何宛余专注于建筑学与城市设计方向、杨小荻则专注于建筑和城市设计算法。
2007
到
2009
年，两位创始人的硕士论文即为城市设计和建筑设计与计算机编程结合方向，
2011
年他们利用这套技术开发了一套单机设计辅助系统，用了几个小时就赢得了深圳湾生态科技城前期概念方案的全球公开招标竞赛。
2016
年，小库科技成立。受到
AlphaGo
的鼓舞，第三位联合创始人兼
CTO
也加入了小库科技，这就是美国哥伦比亚大学计算机科学硕士（机器学习方向），前
Amazon
和
Google
资深工程师，具备大数据、机器学习和算法研究经验的李春。
上图为小库的技术特色
小库科技的产品为一套基于云端
SaaS
系统，也是世界上第一个人工智能建筑师“小库”，利用机器智能快速地帮助建筑设计师完成拿地方案、概念设计等环节的方案设计，提升整个设计前期的效率：
原本需要
1-2
周的设计时间缩短为
1
天，节约了
90%
的时间；避免大部分因为人工手动计算和排布而出现的错误，合规减错工作量节约了
99.99%
；原本需要几万元的成本缩减为千百元，节约成本高达
90%
多。同时，还通过网页端的
3D
可视化呈现方式，做到实时修改、所见即所得，带来了很好的用户体验。
那么小库的革新之处在于什么呢？所谓拿地方案或基地强排，是地产开发商控制设计的一个方式，目标就是寻找到税后利润最大化的建筑业态组合，而强排就是最高盈利强度排布建筑总图。
强排主要是在容积率、退线、建筑密度、限高、日照间距等规划指标下，结合当地不同建筑产品的营销情况，排出各种追逐利润最大化的产品规划方案。
但在实际方案中，还要加入对于用户需求、规划审批、建筑形态等更多的要求。所以民用建筑的拿地方案的设计工作量大、标准化程度高、反复修改的机械劳动强度大，一块建筑基地的拿地方案理论上可以有无限多种组合，这就可以让
AlphaGo
算法中的增强学习算法派上用场了。
上图为小库可模拟日照显示
所谓增强学习，就是开放的、无人工监督的神经元网络。换句话说，即让人工神经元网络学会自我学习、自我进化，尤其适用于无限多种可能性的最优解筛选。
AlphaGo
即通过增强学习，让机器可自动在无限多种可能的棋谱中优选出最适合当前棋局的棋谱，同样的原理用在拿地方案上就是让机器在无限多种可能的拿地方案中优选出前十名，供各方决策。
2017
年
6
月
3
日，小库科技在深圳发布了内测版，联合创始人兼
CTO
李春介绍了人工智能建筑师“小库”的算法
1.0
版本，主要包括基于自我增强学习算法的拿地方案生成机制和评估机制，在
1.0
版本中还提供了
100+
的真实基地以及
300
多万种拿地方案，实现了方案优品率达
80%
。“小库”自带各种城市建筑设计规范和经验，在生成拿地方案的时候就自动完成了各种合规验查，而这则源自何宛余和杨小荻最近十年的研究成果。
当然，在设计方案的评估机制中，除了根据各种标准的计算部分外，还有一个设计师“点赞”的部分，也就引入了非标准化的主观美学观点。何宛余表示，之所以开放内测版，就是希望更多的设计师参与到“小库”算法的设计中。
除了通过“众筹”方式引入非标的设计师观点外，小库科技还在
6
月
3
日的发布会上发布了罗塞塔计划，即通过深度学习的方式去分析和理解中外古今建筑大师的设计方案和风格，持续丰富“小库”算法模型，使大师们的智慧成果超越时间维度，协助当今的设计思考和实践。
实际上，罗塞塔计划不仅能对过去的设计智慧进行总结，也能学习当下特定的设计风格和逻辑，为有需求的企业量身定制完整版权的算法，让其设计思想从目前的单一项目跨越到多项目普遍适用。这其实也是对知识产权进行保护的有效手段，可以杜绝抄袭模仿的不良现象，创造更健康的设计生态。未来，小库科技还计划通过对数字化地图的机器学习，来吸收现有的全球建筑群设计方案“大数据”。
上图为小库的可视化显示
人工智能建筑师“小库”
SaaS
软件分为按次付费个人版、按月付费团队版和按年付费企业版，具体价格将在今年秋季正式版发布时公布。小库科技除了动了
3000
多亿建筑设计市场的“奶酪”外，由于勘察设计是整个建筑市场的第一阶段，小库科技未来也有望对整个建筑行业的信息化与人工智能化产生深远的影响。
