在高层建筑不断刷新城市天际线的今天，结构设计却依然深陷“慢变量”的桎梏。

在结构工程师的日常工作中，方案反复调整、模型频繁重建、规范逐条核对几乎成为常态。一次看似细微的设计变更——如一根柱的位置调整、一层平面的局部修改——往往意味着整套力学模型需要重新计算，随之而来的，是数小时乃至数天的等待。

长期以来，结构设计被认为是高度依赖经验与耐心的“重计算”工作。大量重复操作、繁琐的图模转换，以及在多种软件与海量规范之间来回切换，持续消耗着工程师的时间与精力。如何让结构工程从高强度的人工驱动，转向以智能协同为核心的设计模式，成为行业普遍关注却始终难以突破的关键命题。

在同济大学周颖教授团队看来，人工智能正为这一命题提供切实可行的解决路径。在上海市“百团百项”专项支持下，团队基于大语言模型与多智能体系统，构建了“结构工程智能建模与设计平台”，使人工智能真正参与到设计意图理解、结构建模和抗震分析等核心环节，将原本以小时计的设计与验算过程，推进至“秒级响应”的新阶段。

civilgpt：熟读规范体系的“数字总工”

“过去修改一个截面，需要在软件中逐项点选、反复输入参数；现在，只需向系统下达设计指令即可。”

平台的核心能力之一，正源于其对工程语义的深度理解。团队自主研发的civilgpt是国内教育系统首个完成备案的土木工程知识大模型，它像是一位熟读了所有行业标准的“数字总工”。它不仅记住了23万个专业知识点，还构建了71万条知识关联，能精准理解工程师那些模糊的口头指令。

当你输入“加强底部三层角柱的抗侧能力”时，ai智能体（agent）不会呆板地等待，而是会主动思考需要调整哪个位置、截面该增大多少，并顺手帮你查一遍是否符合国家现行规范要求。

seisgpt：给抗震分析装上“万倍加速器”

如果说civilgpt是大脑，那么seisgpt就是平台里的“超级算力心脏”。

结构抗震性能评估是工程设计中的关键环节，但传统有限元分析高度依赖长时间计算。seisgpt作为国际首个地震工程科学计算大模型，走了一条截然不同的路：它基于数十万建筑的实测数据、振动台试验数据、有限元计算数据进行“自回归”训练，模型逐步学习并内化结构响应的物理规律。

依托这种“科学计算大模型”范式，seisgpt 能够在保持较高精度的前提下，直接预测单体建筑乃至建筑群的地震响应，其计算速度相较传统方法提升超过一万倍。工程师因此可以在极短时间内对比多种设计方案，快速筛选出兼顾安全性与经济性的最优解。

mcp+sirm：跨越工科“图模转换”的鸿沟

土木工程一向被认为是“传统”行业，但在ai时代，这片厚土正焕发新机。

“真正困难的，并不是计算本身，而是不同工程表达之间的转换。”在结构设计实践中，cad 图纸侧重几何表达，bim 模型强调构造信息，而结构分析模型关注力学节点与边界条件，三者之间长期存在明显的语义断裂。

为了啃下这块硬骨头，团队研发了sirm（结构稠密表示模型）。它像是一本万能翻译字典，能把零散的图纸线条、材料属性和连接方式，统一编码成ai能理解的“稠密语言”。基于此，识别准确率达到了95%以上，几何误差控制在1%以内，实现了图纸到力学模型的高精度自动转换。

整个流程由 mcp agent（主控智能体）进行统一调度。该智能体采用“理解—规划—执行—验证”的闭环机制，协同调用建模、计算与校核等多个专业智能体，并通过视觉识别与 rpa 技术，直接对接并操控传统封闭式结构软件，实现跨平台、跨工具的自动化作业。

跨界“硬碰撞”，守住智能化的窗口期

“我们正处于土木工程从‘人工驱动’转向‘智能协同’的关键窗口期，”周颖教授表示。通过这套系统，团队已在多个典型项目中实现了10倍以上的建模效率提升，整体设计周期缩短了一半。

围绕这一技术突破，同济大学不仅集聚了结构工程与人工智能领域的优势力量，还同步构建了跨学科人才培养体系。目前，平台正积极推进开源发布与标准接口建设，推动相关技术在更广泛工程场景中的应用。

周颖教授指出，这一探索并非单一软件的研发，而是希望以“ai for science”为牵引，重塑结构工程的设计范式，培养一批兼具结构力学素养与人工智能能力的复合型工程人才，为智能建造与城市安全发展提供具有示范意义的“同济方案”。

供稿：百团百项项目团队

欢迎转发，但请注明出处“上海经信委”

觉得不错请点赞！

上观号作者：上海经信委