今日所见

整座塔主要由 50×60 mm 松木条构成，八组三角框架通过重复连接、斜撑和横向构件逐渐形成稳定结构；外层木片悬挂在黄麻绳上，会随着风产生轻微摆动和敲击声。远看，它接近周围麦田的色调；靠近以后，静止的塔又因为风、声音和光影变得持续变化。两扇相对的窄门把远处山景框进来，同时迫使人放慢身体，再进入内部向上观看天空。

更值得学生看的是建造过程。项目采用自建方式，并且受到有限木材数量的约束；团队必须认真计算每一个构件的重量、一个人还是几个人能搬、怎样在高处安装、怎样重复生产。很多建筑课把“施工”放在设计之后，这个项目却提醒我们：一旦你真的要亲手把东西立起来，结构、材料、重量和动作就会重新参与设计。 对学生来说，模型也可以不只是缩小版效果图，而是一场关于“这个东西到底怎样成立”的实验。

查看项目｜ArchDaily

真正有意思的是它把运营时间直接写进了空间逻辑。项目方设定零售品牌约每 3 个月轮换一次，餐饮约每 6—9 个月轮换；首期引入 13 个品牌。于是建筑不再被理解为一组固定店铺，而更像一个可以反复装载不同内容的载体。设计团队在前期反复模拟人的视线与步伐，不追求最短路径，而刻意保留绕行、停顿和偶遇，让“逛”本身成为空间价值的一部分。

这对商业空间和校园空间都有启发。我们经常把灵活性理解成“家具可以移动”，但真正的灵活性常常发生在更上游：未来什么会变，变化周期多长，哪些结构必须稳定，哪些部分应该低成本地被替换。 需要说明的是，目前关于品牌轮换和社区活力的描述主要来自项目方的运营设定与项目资料，还不能把它写成已经经过长期验证的商业效果。更可靠的价值在于，它把“运营会变化”提前当成设计条件，而不是建成后的麻烦。

这个做法很值得设计研究学习。数字擅长告诉我们问题有多大，却不一定告诉我们一个家庭为什么觉得不安全；居民故事能让代价变得具体，却也无法单独解释长期制度和空间结构；建筑与城市记录帮助我们看到问题怎样被历史慢慢制造出来；未来方案则把讨论从“发生了什么”推进到“还能怎样”。好的研究不是把这些证据压成一个统一结论，而是让它们彼此检查：数据有没有漏掉经验，故事有没有被个案放大，空间有没有把制度影响具体化。

这其实可以直接进入学生任务书。面对城市更新、社区、校园或住房题目，不要只交“访谈 + 问卷”。可以强制要求四类证据：数字 / 人的叙述 / 空间与历史 / 行为或未来方案。哪一格最空，往往就是你对现实理解最薄弱的地方。比“做了多少调研”更重要的是：这些证据有没有互相冲突、互相修正，并真正改变你的设计判断。

研究团队先让 TRELLIS 重建一批 Thingiverse 常见模型，用这些案例整理制造相关的缺陷；随后进行两项用户研究。MIT 的报道显示，在测试生成结果中，接近 80% 存在某种结构问题；没有 3D 建模经验的参与者，大约九成情况下能够识别并修复这些问题。更重要的是，用户不是把判断交给模型：哪里错了、哪一块应该改、修改后是否接受，仍然由人决定。 系统负责的是把这种判断翻译成几何操作。

这件事很适合拿来重新评价 AI 工具。很多生成式工作流的交互仍然只有“满意 / 不满意 → 再生成一次”，人的专业判断被压缩成抽奖后的筛选。更成熟的工作系统应该允许我们说：这里错了，只改这里；其余保持不变。 这对图像、文章、论文 Agent 甚至建筑设计都一样——局部修复权，比无限生成权更接近真正的创作。

查看研究｜MIT News

对于幼儿来说，这个顺序和成年人很不一样。成年人通常先知道“这是机器”，然后因为它越来越像人而产生拟人化；孩子却可能先遇到一个会叫自己名字、会回答问题、好像一直愿意听他说话的东西，然后才慢慢学习“它究竟是不是一个人”。NASBE 因而特别强调，不能只用“减少屏幕时间”解决问题：AI 玩具、语音助手和算法并不总以传统屏幕形式出现，而真正需要补上的，是年龄适宜的 AI 素养、教师培训和家庭沟通。

这给教育一个很重要的起点。儿童最早需要理解的，也许不是怎么把 AI 用得更熟，而是：会回应不等于真正理解，会记住名字不等于关心，系统说得像朋友也不承担朋友的责任。 对学校和家长来说，AI 素养因此和隐私、关系、信任、边界教育开始发生联系。报告同时显示，在一项 1,586 名公立 pre-K 教师调查中，只有 37% 接受过“如何根据幼儿发展需要使用技术”的相关培训；这说明教育系统本身也还在追赶儿童已经发生的现实经验。