AI和数据驱动的建筑设计：庄钧淩的跨界实践 | 一位跨越学术研究与工业实践的计算设计专家

独特的交叉身份

庄钧淩是一位跨学科的实践者和研究者,连接着建筑设计、计算技术、数据科学与人工智能等多个领域。他在中国长大并获得建筑学学士学位,随后在美国哥伦比亚大学建筑学院完成了计算设计实践硕士学位,目前在HDR——世界上最大的建筑与工程公司之一——的数据驱动设计组担任计算设计师和设计技术专家。他持续在全球顶级计算设计会议上发表研究成果,并将这些前沿研究转化为服务真实基础设施项目的实用系统。

但这些头衔都无法完整描述他的工作:他首先是一位理解空间美学的设计师,然后学会用AI技术和数据驱动的方法来实现设计愿景。

这种跨界能力源于对设计本质的深层洞察。在早期的建筑实践中,他意识到一个核心矛盾:每一个设计问题都存在着巨大的解空间,但传统工具只允许设计师探索其中极小的一部分。大量潜在的优秀方案因为无法被快速验证而从未被触及——不是因为设计师缺乏创造力,而是因为工具限制了探索的范围。"真正的挑战,"他说,"是如何让设计师能够系统性地遍历整个可能性空间,而不是困在少数几个方案的反复修改中。算法不是替代设计师的工具,而是与设计师共生的伙伴:它探索人类直觉无法触及的可能性,人类则赋予这些可能性以意义和美学判断。这是一种协作,而非替代。"

这个问题促使他在2022年加入哥伦比亚大学建筑学院全球首批"计算设计实践"硕士项目——一个每年仅录取15-20人的精英项目,致力于培养能够在建筑思维与计算技术之间建立新范式的研究者和实践者。

从多篇顶会论文到广泛部署的工业系统,从担任顶级会议和期刊的审稿人到获得OpenAI研究资助,庄钧淩的成就横跨学术研究、工业实践和工具开发。更重要的是,这不是平行的轨迹,而是相互滋养的整体——学术研究锤炼了方法论严谨性,工业实践验证了解决方案的实用价值,而设计思维则贯穿始终。

学术前沿：让AI理解设计逻辑

庄钧淩的研究始终从真实的设计挑战出发。在传统设计流程中，探索一个新的空间配置方案可能需要几天时间，设计团队通常只能探索有限的几个方案。他的研究洞察是：空间设计的本质是管理关系网络——哪些空间应该相邻、哪些功能需要特定设备、哪些动线必须保持畅通。一旦用图结构来表示这些关系，就可以让AI理解设计逻辑，而不仅仅操作几何形状。

他的研究项目NESTWORK在2024年ACADIA会议的Ideation Lab发表——这个精选论坛仅展示来自MIT、USC等顶尖机构的最前沿项目。这项研究获得了OpenAI Researcher Access Program的$2,000研究资助。NESTWORK开发了一个完整的计算管线：理解设计需求、生成空间组织逻辑、转化为几何布局、填充设计细节。系统是可控的——设计师可以在任何阶段介入调整。关键创新在于开发了能够同时表示空间关系和设计细节的异构图方法，可以广泛应用于各类建筑设计。

在2024年CAADRIA会议发表的Text-to-City研究将同样的设计哲学扩展到城市尺度。CAADRIA先前曾由新加坡国立大学、清华大学等主办，是亚洲最重要的计算设计会议。这个项目让设计师用自然语言描述想要的城市形态——"生成一个高密度的曼哈顿风格街区，容积率2.5"——系统会在几分钟内生成符合参数的3D城市模型。关键创新在于将风格控制和性能控制结合，对大型基础设施项目的早期规划特别有价值。

庄钧淩目前担任多个顶级会议和期刊的审稿人：ACADIA、CAADRIA、SIGraDi、xArch Symposium等会议，以及Technology | Architecture + Design期刊和Frontiers of Architectural Research期刊，已审阅超过20篇学术稿件。作为硕士毕业生就担任这些通常只给予PhD或教授的角色，体现了学术界对他判断力的认可。

从研究到实践：构建数据驱动的设计基础设施

庄钧淩的工作不停留在理论层面，而是致力于构建能够在实际项目中部署的计算设计基础设施。"我从来不觉得自己在做两件不同的事，"他说。"学术研究建立方法论，工业实践验证可行性。算法本身就是创作媒介，工程就是让这个媒介真正可用。更重要的是，算法不是冰冷的自动化机器——它是设计师思维的延伸，是探索未知设计空间的伙伴。我们与算法共同创作，而不是被算法取代。"

他曾在多家全球顶级建筑与工程公司工作，包括Kohn Pedersen Fox (KPF)、Corgan、HDR。在这些公司，他将前沿的AI研究转化为服务真实基础设施项目的实用系统。

在KPF，庄钧淩开发了超高层建筑的数据驱动Master Planning建模设计工具。这个系统整合了城市规划数据、建筑性能模拟、交通流量分析等多维度信息，使设计团队能够在早期阶段快速评估不同设计方案的可行性。通过参数化建模和自动化分析，原本需要数周的方案比选过程被压缩到几天，同时能够探索的设计可能性大幅增加。

在Corgan，他领导的研究项目"Residency Reshaped"获得了Environmental Design Research Association颁发的Certificate of Research Excellence with Merit Status。这个项目整合了1,480名租户的调查数据，运用机器学习方法分析居住偏好模式，为住宅设计提供数据支撑。

项目展示了如何将大规模用户研究与计算设计方法结合，让数据真正指导设计决策。

在HDR，庄钧淩开发了一系列创新的技术平台，将人工智能和数据驱动的设计方法转化为实用的工具系统，应用于数据中心、医疗建筑、水利设施、教育空间等关键基础设施领域。他开发的数字孪生平台通过整合真实运营数据，创建建筑和基础设施的虚拟镜像，实时捕获空间使用模式、人员流动轨迹、环境参数变化，并通过机器学习算法识别优化机会。这个平台已在多个数据中心项目中部署，帮助优化服务器布局、冷却系统配置和电力分布，显著提升了设施运营效率。

他领导开发的基于Model Context Protocol (MCP)的3D建模AI代理系统，使设计师能够通过自然语言进行3D建模、几何分析、数据提取等操作，彻底改变了传统的建模工作流程。设计师可以说"创建一个10米高的体量并分析其日照影响"，系统会自动执行建模和分析任务。这个系统将他在NESTWORK研究中探索的自然语言到空间转换的方法论，转化为实用的工程工具。

他开发的AI渲染系统将自然语言转化为可执行的视觉设计操作。设计师可以描述期望的视觉风格和氛围，系统会自动生成相应的渲染效果。这个系统大幅加速了设计方案的可视化过程，使团队能够更快地向客户展示设计概念。

他架构的综合性设计数据管线整合了几何分析、性能计算、规范检查等多个维度的信息流。系统运用RAG(检索增强生成)技术和多模态AI，使设计师能够通过自然语言查询历史项目数据、设计标准、性能基准。这个智能检索平台配备交互式地理空间界面，支持语义化的项目搜索和知识管理，让整个组织的设计经验可以被系统化地积累和复用。

针对水利基础设施的特殊需求，他开发了WaterSPACES平台，这是一个集成了工艺流程模拟、容量计算、成本分析的综合规划系统。平台将复杂的水处理工程逻辑转化为可视化的3D模型，支持多场景模拟（日常运行、峰值需求、应急状态）和实时性能评估。这个系统已应用于20多个水利基础设施项目，包括处理能力规划、设施布局优化、韧性设计等关键环节。通过实时成本计算和性能分析，WaterSPACES帮助项目团队在早期阶段做出更明智的设计决策，显著降低了后期变更的风险和成本。

他架构的基于浏览器的3D生成式设计系统，使设计师无需安装专业软件即可进行复杂的空间生成和优化。平台集成了参数化建模引擎、性能模拟模块和人工智能驱动的设计生成算法。这种轻量级的部署方式大大降低了工具的使用门槛，使更多团队成员可以参与到计算设计过程中。

这些技术平台已在多个关键基础设施领域得到广泛应用。在数据中心领域，他运用数字孪生技术优化服务器布局和冷却系统配置，通过AI算法分析数千种配置方案，实现白空间利用率的最大化。在医疗建筑领域，他应用生成式设计算法优化患者动线和部门邻接关系，AI系统可以在几小时内生成并评估数百个布局方案。在水利设施领域，通过WaterSPACES平台实现工艺流程的参数化建模，支持韧性设计和应急场景规划。在教育空间领域，他运用数据驱动的方法结合传感器数据和行为分析，为灵活学习环境的设计提供依据

工具即设计：将复杂性转化为直观体验

对于计算设计工具而言，强大的算法只是基础，关键在于如何将复杂的计算能力转化为建筑师可以直观使用的界面。庄钧淩在用户界面和交互设计方面的能力使他的工具能够真正被设计师采用。他开发的多个计算设计工具界面获得了国际设计奖项认可，包括2025年纽约产品设计奖银奖、UX设计奖提名、2024年NYX奖银奖、Vega奖银奖和MUSE奖金奖。这些奖项验证了他将复杂计算过程转化为优雅用户体验的能力。

"工具应该像对话一样自然。界面极简，没有复杂的参数设置。机器学习应该对用户透明——用户不需要理解深度学习原理，技术是手段，直觉是体验。我想创造的不是自动化系统，而是增强人类创造力的协作伙伴——算法提供可能性，设计师做出选择；算法处理复杂性，设计师注入意图。这是共生，不是替代。"

"计算设计工具的最大挑战不是算法本身，而是如何让建筑师能够理解和控制这些算法，"他说。"我花了大量时间思考界面设计——如何可视化复杂的数据关系、如何提供即时的设计反馈、如何让参数调整变得直观。一个好的计算设计工具应该让设计师感觉是在'设计'而不是在'编程'。"

这种对用户体验的重视贯穿在他所有的工具开发中。从医院规划工具到水利设施优化平台，他始终坚持界面的清晰性和交互的流畅性。"很多强大的计算设计工具最终没有被广泛采用，就是因为界面设计的缺失，"他指出。"我的目标是让这些工具美观、直观、令人愉悦——这样设计师才会真正使用它们。"

他在哥伦比亚大学的硕士论文项目MaterialFolio展示了如何用机器学习改变材料选择流程。系统实现了以图搜材、众包知识库、智能推荐等功能，让材料搜索从"我知道材料名称"变成了"我知道我想要的感觉"。

开源哲学：知识的传播与放大

庄钧淩开发的多个计算设计工具通过开源方式在行业内传播。"我相信知识应该被分享，"他说。"当我开发一个解决设计问题的工具时，让更多建筑师能够使用它，可以放大它的影响力。开源不仅是技术的传播，更是方法论的推广。"

这种开源哲学与他的学术研究精神一致——都是关于推进整个领域的能力，而不只是个人或单一机构的优势。来自使用他工具的团队的反馈形成了良性循环，他们的应用案例和改进建议不断推动工具的演进和完善。

不可替代的综合能力

观察庄钧淩的工作记录，一个清晰的模式浮现：他所有的跨学科能力都围绕着一个核心——AI驱动和数据驱动的建筑设计。作为设计师，他理解空间组织、光线影响、材料美学、用户体验。作为AI研究者，他开发图神经网络架构、训练扩散模型、设计大语言模型集成管线。作为计算设计专家，他构建全栈网络应用、设计系统架构、优化性能。作为界面设计师，他创造直观界面、进行用户研究。

这些看似分散的能力实际上紧密围绕着同一个目标：让AI和数据真正服务于建筑设计。建筑洞察指导算法设计，编程技能实现设计愿景，用户体验敏感度确保工具真正被使用——所有能力都在这个核心使命下协同工作。

学术研究锤炼了方法论严谨性——NESTWORK和Text-to-City将实践中的生成方法转化为可验证、可复制的算法框架。工业实践验证了解决方案的实用价值——在KPF、Corgan、HDR的工作让这些算法真正应用于服务数百万人的基础设施。设计思维贯穿始终——无论是学术论文、工业系统还是设计工具，他始终从空间体验和用户需求出发。

这种整合不是偶然的，而是刻意培养的结果。从哥伦比亚大学的跨学科训练，到在顶级公司的实践磨练，再到在佐治亚理工学院兼读计算机科学硕士，庄钧淩一直在系统性地构建这种罕见的能力组合。

展望：设计与AI的未来

庄钧淩对计算设计领域的未来有清晰的愿景。"我认为我们正在经历从'算法作为辅助工具'到'算法作为创作媒介'的转变，"他说。"就像画笔之于画家、CAD之于建筑师，算法正在成为设计师表达空间想象的新语言。但这不是简单的人机交互，而是一种共生关系——算法理解设计意图，设计师引导算法探索。"

他预见几个重要趋势。首先是自然语言接口，设计师不需要成为程序员，就能通过自然语言与算法对话，定义生成规则。其次是多智能体协作，多个智能体如同设计团队成员，专注于空间的不同方面相互协调，与人类设计师共同生成完整的设计方案。第三是创造性探索，算法不只是找到现有方案的最佳版本，而是作为创作伙伴，发现人类设计师可能从未想到的全新空间形态。

"算法最有价值的地方，"他说，"是它能探索人类直觉无法触及的设计可能性。但这种探索需要人类的引导和判断。我想继续探索的，不是如何让算法替代设计师，而是如何让算法成为增强人类创造力的共生伙伴——一起生成美的空间，一起突破想象的边界。"

无论未来走向何方，他的核心使命保持一致："我想继续站在设计和AI的交汇点，开发增强而非替代人类创造力的工具和方法。"从学术研究到工业实践，从开源工具到大型基础设施项目，庄钧淩正在重新定义计算设计的可能性——一次一个创新的算法，一次一个更好的建筑。