10月29日，总部位于旧金山的Dream结束隐身状态，公布1700万美元种子轮融资。领投方是Andreessen Horowitz，SV Angel、XYZ与Zigg Capital跟投。这家公司做的事听起来不新奇，用AI生成建筑方案，但它的定位很特别：不做效果图，做可以直接拿去施工的工程图。
训练数据的来源是美国的建筑许可档案。Dream称已覆盖超过1亿平方英尺的真实建成建筑，包含商业物业、公寓与独栋住宅。这些档案里有图纸、结构说明、设备清单与审批记录，是少数能把设计意图与最终建成结果对上的公开材料。
这个选择决定了模型能学到什么。互联网上的建筑图片只能教模型画得像，许可档案能教它什么方案被批准过、哪些构造在当地是合规的、同样的户型在不同州要怎么改。合规知识通常散落在规范文本与审查意见里，很难直接喂给语言模型，而许可档案是这些规则的落地样本。
两位创始人的背景也解释了这个切口。安迪·埃尔德与阿尔琼·马瑟是斯坦福室友，在Palantir共事十年。埃尔德曾带领八百人的团队为美国国防与情报机构做软件产品设计，马瑟负责搭建公司的制造与供应链业务。两人都没有建筑学背景，但对复杂系统的数据建模很熟。
他们给出的创业理由来自一个反常的现象：美国今天建成的房子比几十年前更少，开发成本却一路上涨。马瑟的说法是，人类从拨号上网走到了超级智能，但建造物理世界的能力反而下降了。这句话有修辞成分，却指出了一个真实问题：软件行业的效率提升了几十倍，建筑业的单位人工产出几乎没动。
Dream把自己的方法叫结构性认知，强调的是模型要理解建筑内部构件之间的关系：哪些梁承重、管道怎么走、暖通系统如何在吊顶里避让结构、墙体开洞会不会影响受力。这些信息在二维图纸上是符号，在三维空间里是约束。
通用图像模型在这里会失效。它可以根据提示词画出一栋漂亮的房子，但不知道那面墙能不能拆，也不知道风管从哪个高度穿过才不撞梁。埃尔德有一句话概括得很准：大模型的幻觉是错别字，建筑的幻觉是结构缺陷。前者改一下重发，后者可能要拆掉重建。
所以他们把输出定在工程级：不只给体块与外观，还要给出可以交给承包商施工的图纸。这条路比做概念生成难得多，因为审图的不是甲方，是结构工程师与审批部门。
技术上还有一个隐性难点是尺度。图像模型以像素为单位思考，建筑以毫米为单位出错。一根梁偏移五厘米在效果图里看不出来，在施工中就是碰撞。要让模型学会尺度，训练数据必须带精确的尺寸标注与构件参数，这也是许可档案比照片更有价值的原因：图纸本身就是带尺寸的。
Dream已经以建筑师名义责任方的身份参与了得州与加州的十个在建项目，其中奥斯汀的一栋独栋住宅从设计到完工全流程走完，公司称累计支持了约2000万美元的项目开发。
名义责任方这个身份很关键。在美國的报建体系里，图纸必须由持牌建筑师或工程师签章，签章意味着对安全负责。一家软件公司能坐上这个位置，说明它要么自建了持牌团队，要么与持牌方形成了深度绑定。这是所有做AI设计的公司都绕不开的一关，也是它们与工具软件的分水岭。
门槛还不止资质。设计错误的责任保险怎么买、出险之后如何界定是人还是模型的判断、审图方是否接受由模型生成的计算书，这些问题没有标准答案。先跑通这套流程的一方，会拿走这个行业最硬的一段护城河。
从商业模型上看，这也解释了为什么Dream强调自己是项目参与方而不是软件供应商。卖软件按席位收费，天花板很低；参与项目按面积或按造价收费，虽然重，但能积累真实反馈。十个在建项目、一栋完工的独栋、约2000万美元的项目开发量，这三个数字放在一起，勉强够撑起一个数据闭环，还远不到规模化的程度。
第一个是数据边界。许可档案覆盖的是已建成项目，天然偏向常见户型与成熟工艺，对异形结构、改造项目、历史建筑保护这些非标场景的覆盖有限。模型在标准住宅上表现好，不代表能处理复杂公建。
第二个是责任归属。当模型给出的方案导致返工，损失由设计方、软件方还是签章人承担，合同里必须写清楚。这件事在传统设计流程里已有惯例，加入模型之后需要重写。
第三个问题是接入方式。现有的施工图流程依赖专业软件的文件格式与图层规范，模型输出如果只是一套图元，还得有人把它翻译回结构化的模型文件，否则后续的算量、碰撞检查、施工排期都要重做一遍。Dream要替代的正是这类软件，它必须先接受这些软件的格式约束，再谈替代。
第三个是替代的节奏。创始人的判断是，建筑师与结构工程师现在仍在用九十年代思路的软件一块块画图，AI几乎没有参与。这话有夸张成分，BIM工具早就进入了主流流程，但确实存在大量重复劳动。真正的替代不会一步到位，更可能是先接管标准户型的方案比选与管线综合，再逐步往复杂项目渗透。这条路上还有Motif、Snaptrude、Arcol几个同行，谁能先把签章与保险这条链打通，谁的模型才有机会进入真实项目。