英国要在全国推一个 AI 规划审批助手了。10 月 31 日(东京时间 22:33 发推),Google DeepMind 公布:基于 Gemini 打造的 PlanAssist 在 Barnet、Camden、Dorset 三个议会试点后,把规划官处理住宅类申请的平均评估时间缩短了 58%,接下来将再向英格兰 12 个地方规划部门开放,进入为期 12 个月的 Beta 阶段。英国住房部(MHCLG)在 10 月 30 日发布的公告里同步确认了这件事,并表示如果测试顺利,2027 年会把工具提供给英格兰所有议会。
这条新闻没有新模型、没有跑分,但它是一个很典型的样本:大模型 Agent 不做最终决定,而是把一条高度规则化、文档密集的公共流程拆开,替人干掉重复劳动。对做落地的工程师来说,这比又一个榜单第一更值得拆一拆。

背景:英国的规划审批为什么卡
在英国,加个阁楼、建个玻璃阳光房、给房子扩建,都要向地方议会递交规划申请(householder application)。DeepMind 博客引用的数据是:这类常规住宅申请最多占到规划官工作量的 70%,大多数最后都能批,但核对材料、查约束、写评估报告非常耗时。英国政府的公告也提到,住宅类申请占每年申请量的近 70%。
更大的背景是住房目标:英国政府定下了到 2029 年新建 150 万套住房的目标,审批积压被认为是拖慢进度的环节之一。PlanAssist 并不是突然冒出来的——GOV.UK 公告说明,它就是 2026 年 6 月公布的那个 AI 规划原型,现在正式命名,并从试点走向规模化测试。
PlanAssist 具体做了什么
按 DeepMind 的描述,它由 Google DeepMind 联合英国政府、Google Cloud 和英国 AI 公司 Faculty 开发,流程大致分四步:
- 材料校验:检查申请文件和建筑图纸,确认该交的信息都交了,申请可以进入下一步;
- 约束核查:对照遗产保护等场地约束,例如树木保护令(tree preservation orders);
- 政策比对与历史检索:对照地方和国家规划政策,同时检查此前是否有人提出过问题或异议,比如附近居民;
- 起草报告:生成带完整引用的评估报告草稿,规划官可以编辑,然后由规划官做最终决定。
GOV.UK 的说法更直白:它把申请材料、政策和场地约束放到一个地方,给出"有证据支撑的初步评估",但审阅申请和做决定的责任始终在规划官身上。政府也明确说了,PlanAssist 不是强制使用的软件。
试点数据怎么看
几组关键数字,都来自 DeepMind 和英国政府自己公布的试点结果,不是第三方评测:
- 58%:三个议会自 6 月开始试点,规划官在住宅申请评估任务上的平均耗时下降 58%;
- 超过 70%:工具生成的报告内容(比如是否符合地方规划规则、材料是否齐全)中,超过 70% 被规划官直接通过、无需修改;
- 8 周到 4 周:英国政府称,这项工具帮助把常规住宅申请的处理时间从 8 周减半到 4 周;
- 3 到 15:Beta 阶段新增 12 个议会,分三批接入,总数达到 15 个,覆盖大都市和乡村地区,包括 Lambeth、Westminster、Bristol、Newcastle 等。
需要注意,58% 指的是"评估任务"的耗时,不是整个审批周期;"70% 无需修改"也是按报告中的判断项统计。Beta 阶段改用真实在线申请、规划官和原流程并行使用,规模放大后数据会不会回落,要看接下来 12 个月的结果。

对开发者的意义
拆开看,PlanAssist 的技术形态并不神秘:多模态文档理解(图纸、表格、PDF)+ 规则与政策检索 + 结构化核查 + 带引用的报告生成,外面再包一层人工审核。真正难的部分在模型之外:
- 数据要先数字化。英国政府同时宣布,要求到 2027 年底把关键规划文件数字化并作为开放数据发布,理由是"给所有房地产科技工具更好的数据"。没有结构化的政策和约束数据,Agent 再聪明也只能猜。
- 引用是信任的前提。报告"完整引用"出处,规划官才能快速核对;这比单纯提高准确率更能决定一线人员愿不愿意用。
- 评估指标贴着业务走。他们看的是"官员耗时"和"无需修改的比例",而不是模型 benchmark——这两个指标直接对应人力成本和返工率。
- 人类负责最终决定。工具只给建议,决定权和责任明确留在人身上,这也是它能在政府场景里推下去的关键。
实操建议
如果你在做企业内的审批、合规、理赔、招投标审核这类流程,可以直接借鉴这个结构:
- 先挑"量大、规则清晰、大多能过"的那一类单子,就像住宅申请占了 70% 工作量,收益最明显;
- 把流程拆成可单独验证的步骤(材料齐全性、约束命中、规则比对、报告生成),每一步都能单独评测和回滚;
- 每个结论都挂上原文出处,让审核人点一下就能看到依据;
- 用"人工修改率"和"人工耗时"做上线指标,并保留与原流程并行的阶段,再决定是否扩大。
小杜点评
作为算法工程师,我觉得这条比很多模型发布更有参考价值。PlanAssist 用的是通用的 Gemini,没有什么定制大模型,差异化全在流程拆解、数据接入、引用溯源和人机分工上。"70% 的报告内容无需修改"这个指标我很喜欢,它坦白地告诉你剩下近 30% 仍然需要人改——这才是真实的 Agent 落地状态:不是替代,而是把专家从重复劳动里解放出来。
当然也要保持冷静:数据来自厂商和政府的试点,样本是三个议会;扩到 15 个、面对更多样的地方政策和图纸质量时,效果能否保持,以及出错时责任如何界定,都还要看后续公开的数据。如果你在做 ToB 或 ToG 的 Agent,这份案例值得收藏,拿来和业务方对齐预期正好。
参考来源
- Google DeepMind:Speeding up planning decisions with AI(2026-10-31)
- GOV.UK(英国住房、社区和地方政府部):Faster planning decisions as new rules and AI tackle delays(2026-10-30)
- Google DeepMind 官方推文:x.com/GoogleDeepMind/status/2116524000977285321(2026-10-31 13:33 UTC)



