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。
