近日，清华大学深圳国际研究生院沈鹏元、吕帅团队在人工智能与可持续建筑设计交叉领域取得重要进展，系统阐述了人工智能技术如何从根本上改变建筑设计应对气候变化的方式，提出了人工智能驱动可持续建筑设计的实施框架，为建筑行业应对气候危机提供了技术路径和政策建议。

面对气候变化带来的严峻挑战，建筑行业承担着全球约35%的能源消耗和约40%的温室气体排放。传统的建筑设计方法依赖于历史气候数据和静态模型，在应对未来气候不确定性、极端天气事件频发等挑战时具有局限性。而近年来以大语言模型（LLMs）和基础模型为代表的人工智能技术快速发展，为气候响应式建筑设计带来了机遇。

研究团队从四个层面深入探讨了人工智能如何重塑可持续建筑设计：当前人工智能在气候响应型建筑中的应用现状、生成式人工智能和基础模型对设计流程的变革性影响、这些技术在实践中的部署框架，以及人工智能驱动可持续建筑的未来方向与挑战。团队创新性地提出了AI-气候-建筑集成框架（ACBI Framework），该框架包含三个相互依存的支柱——技术集成支柱：创建动态信息耦合层，实现人工智能系统、建筑信息模型（BIM）与实时环境传感器之间的双向数据流；气候响应支柱：开发能够处理未来气候预测、评估环境性能并制定自适应设计策略的系统；治理支柱：建立风险管理协议、数据共享标准和监管策略，确保人工智能的负责任部署。

图1.涉及关键人工智能技术、设计生命周期、气候压力因素、核心挑战、潜在的未来解决方案以及研究所提出的ACBI框架

在增强气候感知与响应能力方面，人工智能可将全球气候模型降尺度到建筑相关的时空分辨率，识别影响设计决策的局部气候变化。机器学习算法可将全球气候模型（GCM）降尺度到建筑相关的时空分辨率，识别影响设计决策的局部气候变化。在智能设计生成与性能预测方面，大语言模型能够解读复杂的建筑项目需求，生成融合可持续策略的设计规范。文本到3D模型的生成通路可以实现从概念到几何形体的快速转化。深度学习算法则可准确预测建筑能耗、热舒适和采光性能，使性能评估成为早期设计的有机组成部分。在全生命周期集成优化方面，研究展示了团队在上海设计建造的人工智能驱动咖啡馆案例，通过多目标优化和3D打印建造，年能耗降低的同时建筑材料浪费也得以减少，充分展示了人工智能在形式、材料、系统与施工全流程的集成优化能力。综合25项实证研究表明，人工智能驱动的建筑系统优化可节约20%~50%的能源。

图2.人工智能驱动设计流程的应用与实际案例：上海某咖啡馆的设计生成和3D打印建造过程

研究提出的实施框架整合了传统方法与生成式人工智能，强调数据基础设施、验证框架、风险管理和标准协议的关键作用。展望未来，研究团队呼吁跨领域协作，提出三方面建议：建筑实践需构建多维框架以平衡创新与风险缓解；高等教育机构需修订课程，培养具备人工智能技能和可持续建筑设计能力的未来设计师；政策制定者需开发灵活的基于性能的监管体系，在拥抱技术创新的同时确保问责制。研究同时指出了人工智能应用面临的挑战，包括人工智能系统自身的碳足迹、回弹效应、数据质量、气候不确定性以及公平性等关键问题。

图3.ACBI框架：基于人工智能的可持续建筑设计实践的可测试模型

该研究一方面系统梳理了人工智能技术在可持续建筑设计全生命周期中的应用现状，从气候数据处理、早期设计生成、体形优化、性能预测到建筑系统控制和施工规划，展示了人工智能技术的变革潜力；另一方面提出了ACBI框架，为人工智能在建筑实践中的部署实践提供了可操作的路径，推动可持续建筑设计从技术创新走向工程化应用和政策支持。

研究成果以“人工智能如何在气候变化挑战下塑造可持续建筑设计的未来？”（How AI Shapes the Future Landscape of Sustainable Building Design With Climate Change Challenges?）为题，于1月31日发表于《先进科学》（Advanced Science）。

清华大学深圳国际研究生院副教授沈鹏元为论文第一作者，沈鹏元、清华大学深圳国际研究生院副教授吕帅为论文共同通讯作者。论文合作者包括清华大学深圳国际研究生院研究助理高小妮、副教授张一，香港城市大学建筑与土木工程系助理教授郑星以及新南威尔士大学建筑环境学院杰出教授马特·圣塔莫里斯（Matthaios Santamouris）。研究得到深圳市自然科学基金面上项目的支持。