本文转自：北京城市规划学会
2024全球数字经济大会专题论坛
“城市规划治理大模型专题研讨会”
2024年7月5日，由北京市城市规划设计研究院、北京大学深圳研究生院城市规划与设计学院、北京市国土空间大数据中心共同主办，北京城市规划学会、清华海峡研究院大数据研究中心等十余家单位协办的2024全球数字经济大会专题论坛“城市规划治理大模型专题研讨会”在北京成功举办。我们将结合大会成果和专家精彩讲座内容为大家推出系列专题分享，本期内容是北京大学深圳研究生院城市规划与设计学院副院长张文佳受邀发表的主题演讲“大模型重构规划行业的潜在路径与挑战”。
张文佳
北京大学深圳研究生院城市规划与设计学院研究员、博士生导师、副院长
国家级青年人才
行为与空间智能实验室负责人
非常荣幸有这个机会来分享团队和我个人最近的一些思考。在今天关于“大模型重构规划行业”的讨论中，我特意加入了一个词——“潜在”，这首先是因为现有的路径可能仍有待探索；其次，在规划领域，大模型可能会开拓出多条全新发展路径。下面我将从几个方面介绍大模型在规划行业中的潜在发展路径与挑战。
当我们讨论是否需要通过人工智能（AI）来重塑规划行业时，需要考虑以下几个关键点。首先，当前AI的形态主要是基于大语言模型的通用AI，其通过强大的计算能力和海量数据展现了强大的理解、推理和学习能力，不仅可以执行检索匹配，还能进行上下文理解和推理归纳。大模型相比传统专业AI模型具有举一反三的能力，能够处理更复杂的问题和场景。同时，学术界也在积极探索其他形式的AI，如世界模型和类脑智能，但这些在实际应用中尚处于初步阶段。尽管大型语言模型有很高的潜力，但在实际应用中需要综合考虑其技术限制、数据隐私问题和适应性等方面的挑战。
近期政策文件与指导方针显著体现了对大模型（特别是生成式人工智能）应用的日益重视。相关政策文件明确支持了大模型在规划中的应用，强调其在提升效率和精准度方面的重要作用。CSPON（China Spatial Planning Observation Network，国土空间规划实施监测网络）业已成为大模型在规划行业中的核心应用领域，被视为推动行业革新的关键突破口。在规划行业的语境下，“重构”意味着利用大模型和生成式人工智能的先进能力，对现有规划流程、方法论乃至整个行业架构进行根本性的优化与再造。这一过程不仅将提升规划工作的效率与精准度，更有望推动规划理念的革新与规划实践的智能化升级，为行业的可持续发展开辟新路径。
在规划行业的智能化重构过程中，确实面临着复杂性与挑战并存的局面。然而，可以从规划师的实践出发，引导AI学习并模仿这些实践，进而实现业务流程与工作的智能化转型。总体而言，这需要我们从顶层设计、任务类型化（链条化）构建、人机协同机制、规划全流程改造以及成本收益分析等多个方面进行综合考量与精心规划。只有这样，才能确保智能化转型的顺利进行与成功实现。
在规划行业的智能化进程中，规划工作的主要环节——分析、编制、审批、实施、监督——均具备与AI及大模型技术深度融合的潜力。这一过程不仅旨在通过技术革新实现工作流程的重构与优化，更在于探索如何实现降本增益的效果。在短期内，大模型与专业模型之间更可能呈现为互补而非替代的关系。大模型以其强大的泛化能力与数据处理能力，为规划工作提供了全新的视角与工具，但专业模型在特定领域内的深度与精度仍具有不可替代的优势。例如，大模型可以用于处理海量数据，提取关键信息，而专业模型则可以利用这些信息进行更深入的分析与预测。这种结合方式既能发挥大模型的效率优势，又能保证专业模型的准确性与可靠性。
在探讨规划行业智能化转型的实践案例时，首先聚焦于问答大模型的应用。这一场景因其直观的效果与显著的成本效益提升潜力，成为了当前行业智能化探索的热点。问答大模型不仅优化了数据治理的传统流程，更推动了数据向知识资源的转化与增值。实验结果显示，PlanGPT模型在复杂文档信息检索的精准度与推理能力上表现出色，能够准确解读表格数据并给出正确答案，同时提供原文对应页面的答案来源支持，增强了答案的可信度与可追溯性。
在规划行业的智能化转型中，辅助编制作为另一重要应用场景，其潜力与价值日益凸显。但其实现路径与效果优化仍需结合具体场景进行深入探索与实践。未来，随着技术的不断进步与应用的持续深化，大模型将在规划编制领域发挥更加重要的作用，推动规划工作向更加智能化、高效化的方向发展。
另外，通过构建AI辅助的智能审查策略，有效解决了传统人工审查方式中存在的诸多痛点。这一创新实践不仅为规划行业的智能化转型提供了有力支撑，也为其他领域的文本审查工作提供了可借鉴的经验与思路。
在探讨复杂战略规划任务的智能化实现路径时， AI Agent技术作为连接大模型与实际应用场景的关键桥梁，展现出了其独特的价值与潜力。研究团队通过引入多模态学习与智能体博弈机制，旨在探索一种高效、灵活的解决方案，以应对战略规划中涉及的复杂思考、任务分解、规划制定及多方博弈等挑战。此外，研究团队还进一步探索了风格迁移在战略规划中的应用。通过训练AI Agent学习特定图像风格，并将其应用于地图或规划方案上，实现了从艺术到科学的跨界融合。
首先，关于是否需要专业大模型的讨论，在当前阶段倾向于认为专业大模型是不可或缺的，因其能够针对特定领域提供更为精准和深入的解答，而通用大模型则需更多定制化训练方能达到同等效果。在实际研发过程中，硬件资源、专利保护以及国家安全要求构成了技术落地的关键突破点。行业知识的挖掘与整合也是一大挑战。在模型性能优化方面，如何既保持模型的创造力与灵感，又确保其输出的准确性，成为亟待解决的问题。同时，价值对齐作为另一项挑战，涉及与个体及群体之间的利益协调与博弈，需通过深入思考与沟通，以达成共识并推动模型在行业中的正向发展。
