行业趋势不是单一技术曲线，而是工具成熟度、组织集成度与专业责任的不同步变化。
第一轮是 AI Visualization，第二轮是 AI-assisted Design。下一阶段将由 AI-native Spatial Workflow 驱动：任务书、场地、性能、空间生成、BIM 与运营数据进入一条连续决策链。
点击主标题展开对应案例。每条判断均指向原始行业报告、软件官网或实名设计实践。
空间设计行业已经进入“广泛使用、有限集成”的阶段。AI 的生产效率价值获得确认，但责任、知识产权、人才培养与设计质量仍没有形成稳定答案。
英国建筑事务所的 AI 使用率由 2024 年的 41% 上升到 2026 年的 74%。与此同时，只有 17% 认为设计质量因此改善，说明生产方式的改变远快于价值判断的改变。
查看 RIBA 原始报告↗AIA 在 2026 年推出事务所 AI 成熟度工具，把采用过程拆成评估、学习、政策与实施，显示行业关注点已从“要不要用”转向“怎样负责任地规模化使用”。
进入 AIA AI 工具包↗GIS、气候、噪声、日照、碳与空间容量正在前期设计阶段汇合。AI 的关键贡献不是自动画总图，而是让原本分散、延迟的性能信息进入每一次体量决策。
迪拜癌症医院团队用 Forma 在前期测试遮阳、降温和隐含碳策略，并借助 Veras 在三分钟内生成约 30 个方向，把环境性能和患者体验同时带入紧迫的设计周期。
查看 Autodesk 客户案例↗团队把洪泛区、树冠公平指数、自行车网络和分区数据直接带入三维体量模型，用空间数据检验公共空间日照、生态韧性与社会公平，而不是在方案完成后补做分析。
查看 Forma × ArcGIS 案例↗当面积、道路、户型、日照、无障碍与企业标准成为机器可读约束，设计团队可以用同样时间比较更多可行方案，把“画一个方案”转向“管理一个方案空间”。
Ware Malcomb 将停车、建筑体量、道路与开发容量的反复试算转为实时共同设计，场地规划时间减少 81%，首年节约约 29.3 万美元非计费工时。
查看 TestFit 客户案例↗地理定位体量从 Forma 进入 Finch 后，依据户型组合、采光、交通和无障碍规则生成平面，再建立 Revit 原生模型，使概念设计到深化设计从割裂的软件交接变为连续数据链。
查看 Autodesk × Finch 案例↗Autodesk 为 Revit 2027 发布官方支持的 MCP 技术预览，使兼容的 AI 助手能够直接查询模型、读取构件数据、选择与定位元素、打开视图并导出成果。当前七项工具全部为只读，未来写入能力计划由独立服务器承载；这说明 AI 正开始理解 BIM 原生数据，但可控权限与人类复核仍是进入生产工作流的前提。
查看 Autodesk 官方技术预览↗风格、灯光、材质、家具与氛围高度依赖视觉反馈，也较少受城市和结构系统约束。AI 因此最先降低“判断一个空间方向是否值得深化”的成本。
设计师可把照片、草图与情绪板转为多种布局、材质和灯光方向，再回到 Photoshop 与 Illustrator 精修。它缩短的是概念沟通链，而不是替代尺寸、节点和施工深化。
查看 Adobe 官方工作流↗工作室把 AI 可视化嵌入熟悉的模型流程，要求学生用建模能力持续约束生成结果。案例显示，空间 AI 教学的重点不是提示词，而是模型、判断与表达之间的往返。
查看 Chaos 教学案例↗据 D5 官方功能说明（厂商主张），D5 Lite 测试版把 AI 概念探索与实时路径追踪直接放入 Revit：AI 模式可基于当前模型、提示词、参考图和结构权重一次生成最多四个方向，Render 模式用于核验光照与材质，几何变化实时同步且参数保存在 .rvt 文件中。它减少了建模与可视化之间的导出断点，但目前仅支持 Windows 与 RTX 20 系及以上显卡，也尚无独立效率数据。
查看 D5 官方功能说明（厂商主张）↗植物选择、群落层级、坡度、光照、季相和成本清单开始形成一条数据链。真正的专业价值来自生态约束进入自动布置，而不是场景里出现更多树。
设计师输入地域、气候、色彩和季节偏好，系统生成植物清单、组团逻辑与可编辑布置。30 平方米花园的人工配置可从数小时压缩到分钟级，但最终密度和物种判断仍由设计师控制。
查看 D5 SmartPlanting 解析↗Cesium 地理环境、地形塑造、实时光照和程序化散布组合，使团队能够在评审中直接调整坡度、植被层级与季相，把可视化从末端图像变成设计会议里的协作界面。
查看 ASLA 2025 案例↗历史项目、参数模型、材料库、节点、规范、失败方案与企业语言正在变成可检索、可微调、可执行的组织智能。通用 AI 负责基础能力，企业数据决定专业差异。
ZHA 结合本地算力、Stable Diffusion、定制 LoRA、Omniverse 与 NIM，复用约 40 年的设计资产，将客户反馈循环从约一周缩短到 24 小时以内，同时降低敏感数据外流风险。
查看 NVIDIA 客户案例↗MVRDV NEXT 研究扩散模型、生成设计和机器学习，将重点放在场地相关性、控制与精度。其路径表明：专业事务所不会停留在公共提示词，而会把 AI 嵌入计算设计与 BIM 体系。
查看 MVRDV 研究者档案↗几何可靠性、规范联动、模型幻觉、数据归属、职业责任与初级人才培养，是空间设计 AI 无法绕开的系统问题。Human-in-the-loop 不是过渡方案，而是专业机制。
AIA 调查中，仅 8% 的事务所已完成 AI 集成，但约 90% 的专业人员担心错误输出、安全、真实性、透明度与意外后果。行业需要同时建立技术验证与执业治理。
查看 AIA 调查↗AIA 将 AI 定义为可放大设计、可持续性与安全能力的转型力量，同时强调作者权、隐私、环境影响与劳动力变化，特别提醒事务所重新设计年轻建筑师的培养路径。
阅读 AIA 立场声明↗从项目类型而不是软件品牌进入案例，观察 AI 在不同空间尺度上的真实作用。
研究站以官方发布、行业调查、实名客户案例与设计师访谈为主要证据源。每日扫描变化，重要更新进入模块与案例索引。
D5 3.1 已将 D5 Lite 测试版扩展到 Revit 与 Rhino；官方主张它可在建模环境内连接生成式方向探索、实时路径追踪和后续演示，但当前仍有平台与显卡限制，且暂无独立效率验证。
报告计划于 12 月发布，将聚焦高密度城市中的 AI 城市设计、2027—2030 区域挑战与负责任实践；目前属于官方发布预告，研究结论尚未公布。
从工具试用进入政策、治理与变革管理阶段。
AI 可通过七项只读工具直接理解、查询和定位 Revit 模型；写入能力仍属于未来路线图，显示 BIM 代理正以权限隔离方式进入专业工作流。
早期设计和室内工作最先受到快速迭代经济学影响。
生成图像开始被重新放回模型、推敲与判断链条。
本次升级研究了以下开源实现的交互原则，并按研究阅读场景重新设计，未直接复制其视觉作品。
空间设计的未来，不是机器给出一个答案，而是人类建立一套更清晰、更快速、更负责任的判断系统。