记者 | 张旋

​建设一个普通的住宅小区，至少需要600张施工图，一旦出错，地产商可能得改建，成本巨大。毕业于清华电子系、卡耐基梅隆云计算硕士专业的李一帆决定利用AI改善这一现状。

他创立了品览智造。2019年初，他从建筑施工图的质量控制入手，与合作伙伴共同打造了AI审图系统，审核施工图纸，发现图纸问题。

去年12月，李一帆拓展至建筑设计的其他环节，打造了建筑设计AI平台——筑绘通：客户为国内Top100地产集团和建筑设计院，为其提供AI图纸品控、AI图纸优化、AI施工图画图等标准化服务。

数据显示，仅住宅领域，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。

今年4月，品览宣布获得数千万元A轮融资，由顺为资本领投，老股东梅花创投、快创营创投跟投。

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。 

​清华学霸再创业

从清华电子系毕业后，李一帆接着去往卡耐基梅隆大学攻读云计算硕士学位。2015年，在移动互联网时代的尾声，他加入了创业的浪潮，先后成为MailTime、治慧基因、才云科技等多家创业公司早期团队成员。

在才云科技，李一帆作为AI解决方案团队的VP，带领团队做泛行业的AI企业服务，为超大型银行、电商做AI的解决方案。

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、旷视科技、云从科技、依图科技。但是在物品识别方面，还没有太多成熟的公司和解决方案。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。