以服务于中国广大创业者为己任,立志于做最好的创业网站。

标签云创业博客联系我们

导航菜单

营创学院课程 清华创业营

记者|张璇

建造一个普通住宅区至少需要600张施工图。一旦出了问题,房地产开发商可能不得不重建,这是昂贵的。毕业于清华电子系卡耐基梅隆云计算专业的李一帆决定用AI来改善这种情况。

他创立了品兰智造。2019年初,他从施工图质量控制入手,与合作伙伴一起搭建AI审图系统,对施工图进行审核,发现图纸问题。

去年12月,李一帆拓展到建筑设计的其他方面,搭建了建筑设计AI平台,——祝华通。客户为国内Top100地产集团和建筑设计院,为其提供AI图纸质量控制、AI图纸优化、AI施工图等标准化服务。

数据显示,仅住宅板块,2019年新房销量接近16万亿元,而设计成本占新房销量的2%,接近3200亿元。其中施工图成本占设计总成本的30%,约960亿元。

今年4月,品兰宣布获得数千万元A系列融资,由顺维资本领投,老股东美华创投、快创盈创投紧随其后。

注:文中内容由品览智造创始人李一帆陈述,铅笔道作客观真实记录,已备份速记录音。

清华学霸重新创业

从清华大学电子系毕业后,李一帆继续在卡耐基梅隆大学攻读云计算硕士学位。2015年,移动互联网时代结束,他加入创业浪潮,成为MailTime、智汇基因、蔡赟科技等多家创业公司的早期团队成员。

在蔡赟科技,李一帆作为AI解决方案团队副总裁,带领团队服务泛行业AI企业,为超大型银行和电商提供AI解决方案。

2018年,李一帆觉得人脸识别赛道的格局已经比较清晰,出现了“AI四小龙”——商汤科技、不屑科技、从云科技、易图科技。但是对于物品识别,成熟的公司和解决方案并不多。于是,当年5月,李一帆离开才云,与一群合作伙伴一起成立了品览Pinlan,专攻物品识别方向。

成立早期,品览尝试了多个行业和场景,包括消费品、零售、物流、房地产、制造等行业,提供AI巡店、AI陈列审核、数据采集、无人录入等业务。在不同场景服务了一些大型客户,比如欣和集团、味全、亿滋、海天酱油、上汽集团等。


一次与地产公司的邂逅


经过了泛行业的尝试后,李一帆和团队希望能聚焦某个领域做到极致。终于在2019年初,他们迎来了一个机会。当时,粤港澳大湾区规划政策刚出炉,微软借势在大湾区办了一场技术大会。品览作为微软金牌合作伙伴也参与了本次大会,李一帆作为分享嘉宾,介绍了品览当时在做的物品识别平台。


演讲结束刚下台,某地产科技公司的负责人就找到了李一帆:“我们有一个想法,AI识别既然可以识物,是否也能识别CAD图纸呢?”


李一帆介绍,地产公司每年会有大量的商业住宅项目要开发,需要很多施工图纸,设计院交付的CAD图纸需完成100+条设计底线的规则审查。但由于CAD复杂程度高,仅靠人工审查无法保证细致性。一旦施工图画错了,造成后续施工失误,用户就会投诉,每年收到的投诉中大约有1/4是因为设计问题。比如,家里的飘窗外突然有一根水管经过,就会非常不美观。用户就会投诉,地产商就需要改建,而改建需要付出很高的成本。


于是,基于这个痛点,双方开始探索利用计算机自动找出图纸中的问题。他们从100+条规则中选了三条开始尝试,相比于之前做的图像、视频中的物品识别,团队花了很多时间研究如何识别CAD图纸上的内容,识别完后还要判断内容是否符合设计规则。


一个多月时间的尝试后,团队提前完成了3条规则的自动判断,可以实现自动传图,自动找bug。于是,团队决定将研发方向聚焦到建筑设计领域,开始进行更大范围的合作。


从识图到自动画图


去年12月,品览获得顺为资本、梅花创投、快创营创投的数千万元A轮融资。之后李一帆与团队开始将技术拓展到建筑设计的其他环节,并搭建自己的设计研究院。


他们将目光放在了施工图出图上,李一帆解释,“施工图出图的市场份额不可小觑,单看住宅领域,2019年新房销售额接近16万亿人民币,而设计费用占新房销售额的2%,近3200亿。其中,施工图画图费用占总设计费用的30%,约960亿。


此外,不同于创意设计方案,施工图更多的是建筑工艺的表达,画图的逻辑是可以被机器学习,用算法替代的。“以往的人工画图容易出错,所以需要有审图的环节。而如果通过算法将施工图画出来,保证在画图的环节就不犯错,那对整体的设计效率和整个行业的周转速度都会有一个提升。”


基于此,李一帆团队开始规划打造建筑设计AI平台——筑绘通,面向国内Top100地产集团和建筑设计院,提供AI图纸品控、AI图纸优化、AI施工图画图等标准化服务。


今年4月,筑绘通平台上线,客户可以上传自己的建筑设计方案(比如住宅、酒店、学校、商场),并说明自己对水、暖、电等细节的需求,筑绘通会基于大量的模型训练和大数据积累,以及专业建筑设计师的画法,并结合用户在方案里的需求,自动画出一套详细的施工图。


目前,针对住宅单体,品览已实现了把画法转化成算法,可以自动画出一栋20-30层的住宅楼的施工图。“以前一个小区的设计需要15个人干一个月,现在理想情况下,能够实现3个人在一周之内完成整个小区的设计。未来最理想的情况是,连三个人都不用,直接拿云端的服务器算一遍,可能只需要几个小时,就能把整个小区的施工图用算法画出来。”


从画法到算法


把画法翻译成算法是一个漫长且困难的过程。以住宅为例,一个普通的住宅小区至少需要600张施工图,涉及到小区的整体规划、房屋户型结构、水暖电的铺设等方面。算法需要读懂600张图表达的内容,同时还要排除一些干扰因素,并给出具体的优化和施工方案。


这就需要设计师团队和算法团队的高度融合。李一帆介绍,A轮融资以后,团队人数翻了倍,受到场地所限,只能把设计师团队安排在二楼,算法和开发团队在三楼。


“当时两个团队就像牛郎和织女一样,经常上下楼来回跑。开会时也是不同思维体系和话语模式,设计师们会不停地举一些具象化的设计案例,而算法工程师要做到把例子抽象成一套AI可以实现的逻辑。这种长时间的交流和碰撞,会让我们的设计师更了解算法,也让算法团队更了解设计。”


今年年初,李一帆又拉来了认识一年多的清华校友房宇巍,担任公司的首席产品官,房宇巍毕业于清华大学建筑系本科+硕士,曾在北京设计院朱小地工作室担任建筑专业负责人,还曾任龙湖地产、奥园地产设计总监。目前带领了一支10人左右的设计师团队,做设计的研究和画法的总结,团队成员平均从业年限在10~15年。


目前,筑绘通的收入模式为以地产项目设计每平米为单元的SaaS按量付费,用户在平台开户之后,可以充值,不同项目会有不同的报价。以往人工画施工图的平均价格在20元/平米,利用AI画图之后,价格则可降低至3-6元/平米


4月份上线内测以来,筑绘通的系统已经在国内10家设计院完成测试并上线使用。接下来,李一帆希望能到年底完成100家设计院和TOP30地产商的对接。