生成式设计案例：MG AEC利用Autodesk AEC Collection推进可持续建筑设计
MG AEC（D3 Technologies子公司，连接设计与制造的咨询公司）通过其名为SolVista的概念验证案例（针对美国科罗拉多州丹佛中央商务区以西的多层建筑），依托Autodesk AEC Collection（含Revit生成式设计、Dynamo for Revit等工具），将数据驱动的决策流程融入工作流，高效评估建筑设计方案；其核心目标是实现可持续性（最大化室内采光、满足窗墙比要求、通过屋顶太阳能面板整合可再生能源），在不牺牲时间与成本的前提下为设计团队提供更多探索空间，最终由人类基于工具生成的硬数据与可视化结果做出决策，推动高性能可持续建筑设计成为主流，提升建成环境价值。
案例链接：https://www.autodesk.com/customer-stories/mg-aec
1. 项目与主体概述
- 主体定位：MG AEC是D3 Technologies的子公司，作为连接设计与制造的咨询公司，核心职能是评估并优化工作流，为设计与施工团队提供技术支持，帮助终端用户实现目标。
- 核心项目：通过名为SolVista的概念验证（PoC）案例，证明高性能可持续建筑设计可（且需，应对气候危机）成为主流，案例对象为美国科罗拉多州丹佛中央商务区以西的多层建筑。
- 核心工具依赖：全程依托Autodesk AEC Collection，该工具集是实现数据驱动设计、提升可持续性的关键支撑。
2. 核心工具与功能（表格展示）
| 工具名称 | 核心功能 | 对可持续设计的作用 |
|---|---|---|
| Generative Design in Revit | 1. 生成多版建筑设计方案；2. 输出可视化成果与结构化“硬数据”；3. 优化建筑性能 | 1. 快速对比不同方案的可持续指标（如采光、太阳能潜力）；2. 基于数据筛选符合目标的方向 |
| Dynamo for Revit | 1. 自动化数据处理；2. 与Revit模型互操作；3. 支持自定义工作流创建 | 1. 自动完成可持续性分析（如窗墙比、屋顶暴露度计算）；2. 复用优选设置生成新工作流 |
| Autodesk AEC Collection | 整合上述工具，提供一体化工作流 | 实现“约束输入-方案生成-数据筛选-决策支持”的全流程闭环，确保可持续目标落地 |
3. 设计目标与约束条件
- 核心设计目标（可持续性导向）：
- 最大化建筑室内自然采光，减少人工照明能耗；
- 满足项目预设的窗墙比要求，平衡采光与隔热需求；
- 通过屋顶太阳能面板整合可再生能源，降低化石能源依赖。
- 输入约束条件（固定限制因素）：
- zoning（分区规划）与地块限制；
- 楼层高度（floor-to-floor height）；
- 建筑形体的底部、中部、顶部尺寸限制；
- 地块边界对应的建筑体量限制。
4. 工作流程与决策机制
- 输入阶段：设计师录入固定约束（如分区、楼层高度）与优先级需求（如建筑朝向的“必需项”“优选项”），为工具提供基础参数；
- 方案生成：Revit生成式设计工具基于输入自动生成多版设计方案，Dynamo辅助自动化数据处理；
- 数据筛选：工具输出可视化成果与结构化数据（如采光效率、太阳能潜力），团队据此筛选出2-3个接近目标的方案方向；
- 人类决策：生成式设计仅提供选项，最终由团队结合项目需求（如可持续目标、实用性）确定最终方案，确保设计适配性。
5. 案例具体探索与成果
- 屋顶形式探索：对比“平屋顶”与“2层/3层屋顶”方案，通过数据评估不同形式下屋顶太阳能面板的安装潜力，为可再生能源整合提供依据；
- 采光效率评估：基于特定日期（如冬至/夏至）或全年的采光数据，结合窗墙比要求， holistic（整体）优化建筑立面设计，最大化能源效率；
- 最终成果：确保项目满足原始可持续目标——最大化楼层与屋顶的太阳能暴露、最小化各立面窗墙比、实现最大容积率（floor area ratio），同时提升设计确定性与建成环境价值。
6. 关键人物观点（Jarod Schultz，MG AEC工业建筑总监）
- “利用数据，我们能开发出满足客户需求的设计概念，且输入的灵活性让我们得以探索因时间限制原本无法考虑的方案。”
- “生成式设计是优秀的选项提供工具，但最终必须由人类决定哪种设计最贴合需求。”
- “Dynamo与Revit的互操作性让我们能在约束内自由探索，快速获得更高性能的方案；点击即可实时查看调整结果，助力最优决策。”
关键问题
问题1：MG AEC的SolVista案例中，Autodesk AEC Collection工具如何解决可持续建筑设计中的“效率与目标平衡”难题？
答案：该难题的核心是“需在有限时间内评估多方案，确保贴合可持续目标（采光、太阳能等），避免资源浪费”。Autodesk AEC Collection通过两大方式解决：1. 自动化与数据驱动：Revit生成式设计自动生成多版方案，Dynamo实现数据自动化处理，无需人工逐一建模分析，大幅缩短评估时间；2. 精准筛选：工具不仅输出可视化成果，还提供结构化“硬数据”（如采光效率、屋顶太阳能潜力），团队可直接基于数据筛选出2-3个接近可持续目标的方案，避免“凭经验判断”的偏差，确保效率与目标的平衡。
问题2：在SolVista案例的决策过程中，生成式设计工具与人类决策的角色分工是怎样的？这种分工为何重要？
答案：角色分工明确——生成式设计工具负责“提供选项与数据支持”，人类负责“最终决策”：工具基于输入约束生成多版方案，输出数据（如窗墙比、太阳能潜力）帮助缩小范围；但最终需人类结合项目非量化需求（如客户实际使用场景、后期运维便利性）确定方案。这种分工的重要性在于：1. 避免工具“机械决策”的局限性（无法覆盖非数据化需求）；2. 发挥工具的效率优势（快速处理复杂数据）与人类的判断优势（整合多元需求），确保设计既高效又贴合实际需求。
问题3：Dynamo与Revit模型的互操作性，为MG AEC的可持续设计工作流带来了哪些独特价值？
答案：这种互操作性是实现可持续设计“闭环”的关键，带来三大独特价值：1. 自动化分析落地：可将筛选后的研究成果直接转化为Revit几何图形，无缝导入Revit模型推进后续设计，避免“分析与设计脱节”（如太阳能方案分析后需重新建模）；2. 设置复用：确定优选参数后，可将其导出回Dynamo，用于创建新的Dynamo工作流，提升同类可持续项目的复用效率；3. 实时调整反馈：支持动态修改控制因素（如楼层暴露度），并实时查看调整对窗墙比、采光等可持续指标的影响，帮助团队快速优化方案，确保目标不偏离。