ChatGPT-4等语言大模型（LargeLanguageModel，简称LLM）使2023年成为了世界人工智能的爆发元年。在微软、Meta、Apple、百度、阿里、字节、华为、腾讯、360等互联网巨头的推动下，AIGC（AIGeneratedContent）掀起了各个垂直细分领域的惊人变革。AIPlanning到底是“未来（future）”还是“虚幻（fiction）”是值得认真思考的问题。

Q1：是取代还是赋能？

从技术原理上看，人工智能取代人类的规划决策过程为时尚早。以GPT-4为首的大语言模型源于2017年GoogleBrain团队提出的基于注意力机制（attentionmechanism）的transformer 神经网络算法框架。算法原理决定了计算机并不能真正理解“知识”本身，而仅仅是通过上下文序列的自回归模型预测“词元”（token）的概率分布进而完成内容的生成。因此，基于目前算法框架的AIGC是不可能离开人而实现真正意义的AIPlan-ning。

然而，LLM已然展现出人工智能“赋能”规划的广阔前景。首先，与探索多年的“数字城市”“城市大脑”“CIM（CityIn-formationModeling）”等以物理空间要素数字化为核心的智慧城市规划技术不同，GPT-4等语言大模型第一次让城市AI技术与人类的社会属性产生了关联。文字把社会习俗、历史文化、生活经验、地域特征等难以建模的隐性知识通通记录下来，而自然语言又是隐性知识传播、推理、演绎的最好载体。因此，自然语言大模型赋能的智慧城市技术框架是把社会性内涵和地域性差异赋予了规划决策。

其次，LLM采取自然语言的人机交互方式大幅降低了规划决策的参与门槛。基于复杂数学计量模型、计算机编程语言的智慧城市往往因为其极高的技术门槛和参与成本，而沦为“奢侈品”和“展览品”。基于自然语言的人机交互本质上一种“技术平权”，让城市规划师、政策决策者、城市管理者乃至社会公众都能参与到规划决策过程，推动集中式的算法型城市规划向分布式的开源型城市规划转变。

Q2：如何赋能规划？

在规划决策领域，人与AI各有其优劣。AI的优势在于系统化的知识储存能力、结构化的严密推理能力、高效化的内容生成能力。ChatGPT的革命性包括两个方面，一方面是上文提到的Chat（也即是自然语言的人机交互）；另一方面就是GPT（generativepre-trainedtransformer），也即通过预训练的大模型实现城市规划海量知识的储存、迁移、推理以及不断迭代。人的劣势在于人脑对知识存储的广度和深度有限，在面对日益复杂的规划决策系统时捉襟见肘；但人的优势在于仅需要少量的案例经验即可进行规划方案的推理和演绎（而不必像大模型一样需要数以亿计的资料进行训练）。因此，人与AI的协同能达到一定程度的优势互补。

规划论证的科学性、系统性不足，知识边界模糊，涉及领域广泛，一直以来是规划决策过程的痛点，而AIGC赋能的城市规划除了高效完成重复的辅助性工作以外，更重要的是能为规划师和决策者提供庞大完备的系统性论证支撑。通过大模型中的一些工程技术，比如PromptEngineering（提示词工程）、ChainofThoughts（思维链）、TreeofThoughts（思维树）等［9］，不但可以协助构筑规划决策严谨的逻辑思维过程，更可以嵌入和适配原有的地理信息系统、CIM等数字技术模块使规划真正从当前的数字化走向未来的智能化。

Q3：有什么潜在的挑战？

基于AIGC的城市规划可能面临以下三大潜在挑战。

挑战一：无法避免的人工智能“幻觉”。人工智能“幻觉”是指被训练过的大模型在面对提问的时候，会杜撰一些似是而非、貌似权威的答案，由于模型以非常严谨、令人信服的语句进行输出，往往难分辨其真伪。即使世界公认最为先进的GPT-
4目前仍无法完全杜绝“幻觉”问题。尤其目前中文大模型的训练以互联网语料为主，高质量专业数据极其匮乏，都为规划领域大模型克服“幻觉”带来巨大挑战。

挑战二：科学论证不等于正确决策。城市规划是一门综合社会、经济、历史、地理等多种因素的社会科学，科学严谨的论证不等于能做出正确的决策，AI参与规划方案的推演与论证是条件，人的决策才是根本，如何以及多大程度让AI参与到人的决策流程才是非常关键的议题。

挑战三：行业大模型和算力基础设施是公共产品。众多研究表明，大模型在千亿参数规模以上将产生令人惊讶的“涌现能力”，使得模型具有精准的推理能力和优秀的泛化能力。然而，千亿参数规模的大模型在部署和训练成本上都极其高昂，以清华发布的ChatGLM-130B千亿模型为例，其部署需要8*A100GPU的算力服务器，而训练则需要32*A100的GPU集群。另外，供训练使用的行业数据更是极其匮乏，需要大规模进行数据标注和清理。数字化尚未完成，智能化更无从谈起，规划领域的数字资产还有待积累。

以多模态大模型为核心的AIGC已逐渐展现出与城市规划设计、地理信息系统、CIM、城市决策系统等领域结合的巨大潜力。然而，任何一次规划范式的变革都将是一项庞大复杂的系统性工程。其中，一些重要的核心议题值得优先进行探索，比如“如何基于大模型构建规划领域知识图谱”以及“如何基于知识图谱实现规划领域大模型的训练和迭代”。