暗殼 AI：物理空間設(shè)計，需要自己的 Lovart

PRODUCT INSIGHT

AGI Bar 整個空間的設(shè)計，就是暗殼團隊做的

暗殼是老朋友，AGI Bar 從選址到落地，他們出了大力，幫了大忙，純友情的

我們是相互看著一步步往前走的。在這里，讓我一方面以行業(yè)觀察者的角度，也以真實朋友的角度，來介紹下「暗殼 AI」

暗殼，是空間設(shè)計的 Lovart

--- 我給的定義

TL;DR

Lovart 在平面設(shè)計領(lǐng)域已經(jīng)是行業(yè)典范。那空間設(shè)計領(lǐng)域呢？暗殼要做的就是這件事——空間設(shè)計的 Lovart

不同的是，物理世界有硬約束。方案里的沙發(fā)不只要好看，還得買得到、搬得進(jìn)去、尺寸嚴(yán)絲合縫

01 / PRODUCT

暗殼 Agent 2.0

先介紹下兩個朋友：

黃燕虹，創(chuàng)始人兼CEO，矩陣股份合伙人，獨立家居品牌創(chuàng)始人，阿里巴巴設(shè)計趨勢專家顧問，連續(xù)多年發(fā)布設(shè)計行業(yè)趨勢白皮書，做過家居品牌 目所 Msol Studio

黃政民，聯(lián)合創(chuàng)始人兼COO，矩陣股份合伙人，職業(yè)經(jīng)理人，曾主導(dǎo)開發(fā)參數(shù)化設(shè)計平臺及矩陣全員AI設(shè)計轉(zhuǎn)型

兩個人 2022 年底從矩陣(301365)出來，做了暗殼

產(chǎn)品架構(gòu)五個模塊：AI Agent、協(xié)同自由畫布、行業(yè)數(shù)據(jù)、供應(yīng)鏈生態(tài)庫、數(shù)字資產(chǎn)管理

說核心邏輯——

空間設(shè)計師的日常是這樣的。客戶說「我想要有呼吸感的客廳」，設(shè)計師花好幾輪揣摩這句話到底什么意思

出方案，改方案，再改。確認(rèn)之后找供應(yīng)商，對接采購，落地施工

中間要跳轉(zhuǎn)若干個軟件：建模工具、渲染工具、PPT、微信

這個過程中，真正貴的是溝通和修改

暗殼的 Agent 試圖接管這整個流程

用戶輸入「有呼吸感的客廳」，它不會立刻出圖。它會反問：你說的「呼吸感」，是側(cè)重大面積留白，還是材質(zhì)的通透性？

這種對話能力，靠的是團隊把十幾年的行業(yè)經(jīng)驗做了工程化封裝，灌進(jìn)了 Agent 的工作流邏輯里

出圖之后它還會主動提醒：這個產(chǎn)品尺寸可能不對，要不要換一個生態(tài)庫里能買到的

畫布是工作臺，所有操作在一個界面里完成

生態(tài)庫里目前有超百家品牌、30 萬+ SKU真實在售產(chǎn)品，設(shè)計師可以直接調(diào)用。方案確定后一鍵生成采購清單和預(yù)算

從一句模糊需求，到一卡車家具搬進(jìn)你家，盡可能多地跑在一個系統(tǒng)里

02 / CONSTRAINT

物理世界不接受近似值

說一件我自己經(jīng)歷的事

前段時間租了鄰居家當(dāng)辦公房，讓宜家上門量尺做軟裝方案

量完之后工作人員在后臺一頓倒騰，從尺寸到布局，忙活了好一陣

最后怎么交付的？挨個截圖，貼進(jìn) PPT，保存，發(fā)過來

這大概是目前大部分軟裝提案的現(xiàn)狀——一張張需要你看完自己腦補的貼圖

但這還不是最痛的

最痛的是你看著效果圖覺得挺好，買回來之后發(fā)現(xiàn)差一厘米，塞不進(jìn)去

PPT 的元素左移三厘米沒人在意
沙發(fā)寬了三厘米，就塞不進(jìn)你家客廳

過去兩年出來的 AI 設(shè)計工具不少

Disco Diffusion、Leonardo、Pika，火一陣就沒了。活下來的 Midjourney、即夢，都在平面和視覺領(lǐng)域站住了腳

空間設(shè)計這個賽道，至今沒有一個產(chǎn)品真正接住過

我跟燕虹聊到這個問題，她說了一個詞：容錯率

PPT 這種形式容錯空間很大，元素往左往右，你又能怎么樣呢

但空間設(shè)計需要的是「嚴(yán)肅且準(zhǔn)確」的效果圖

暗殼最早服務(wù)家居品牌方做電商圖的時候，商家有 1000 個 SKU，他們對每一個 SKU 單獨訓(xùn)練。形體可控、光影可控、材質(zhì)可控

一個螺絲釘都不能有幻覺

三層約束，逐層加碼

01精度——生成的圖形體可控、光影可控、材質(zhì)可控

02真實性——方案里那張沙發(fā)，能不能買到？買到的是不是圖里那個？

03落地——上門量房、安裝家具、調(diào)試燈光，AI 做不了

暗殼自己也坦誠，目前還沒完全到達(dá)「嚴(yán)肅且準(zhǔn)確」的百分百階段

很多功能還在排期。但他們從 day one 就知道方向在哪

03 / MOAT

為什么純技術(shù)團隊做不了

燕虹 2022 年底看到生成式 AI 爆發(fā)，覺得想象空間極大

第一反應(yīng)是去投一些技術(shù)團隊

找了一圈——沒有人分得清「東方設(shè)計」和「新中式」

能訓(xùn)模型，能調(diào)參數(shù)

但不知道一個 100 平的家怎么設(shè)計才合理，不知道 20 萬預(yù)算做北歐風(fēng)應(yīng)該怎么分配，更不知道飄窗是什么時候出現(xiàn)在中國家庭里的

這些東西不在任何公開數(shù)據(jù)集里

最終矩陣決定自己做

政民牽頭搞了一個「AI 先鋒學(xué)會」，征集了 66 個人，分 10 個隊，每周測試全球最新的 AI 工具

2023 年 5 月矩陣開始全員 AI 培訓(xùn)，所有設(shè)計師必須通過考核

考核「科三」是用 Stable Diffusion 出圖。不學(xué)，不發(fā)年終獎

過程中他們發(fā)現(xiàn)了核心痛點：當(dāng)時的 SD WebUI 加 ControlNet 對設(shè)計師太難用了

于是找了技術(shù)合伙人，加上燕虹在家居品牌審美和商業(yè)落地上的經(jīng)驗，暗殼就這么出來了

矩陣給暗殼的資源

→百萬級的行業(yè)私有數(shù)據(jù)

→600+設(shè)計師作為測試和調(diào)優(yōu)團隊

→超百家家居建材品牌的供應(yīng)鏈關(guān)系

直到 2025 年年中，暗殼才有自己的 Marketing 團隊

之前客戶都是基于矩陣的口碑自己找上來的

我跟燕虹聊到 Skills 的時候，她舉了一個例子

去年暗殼服務(wù)阿里巴巴的大家居板塊做生活方式白皮書，要決定掃地機器人到底放在家里哪里

這個問題掃地機器人制造商回答不了

放在陽臺家政間的底下，前提是陽臺的設(shè)計沒有門檻，掃地機器人才能過去

這類經(jīng)驗無時無刻在產(chǎn)生，最終變成了 Agent 能調(diào)度的能力

空間設(shè)計的行業(yè)經(jīng)驗不是靜態(tài)的

設(shè)計風(fēng)向在變，戶型在變，生活方式在變

這些變化只有在行業(yè)最前沿的人才能感知到

04 / FUTURE

服務(wù)人，也服務(wù) Agent

聊到暗殼未來要服務(wù)誰，政民說：

不管是有界面的用戶操作，還是其他 Agent 通過 API 來調(diào)用我們

我們都要做市面上最專業(yè)的空間設(shè)計 Agent

暗殼的服務(wù)對象不只是人類設(shè)計師，也包括未來的 Agent

從我自己的判斷來看，這個方向大概率是對的

當(dāng) Agent 之間開始相互調(diào)用的時候，一個專精于物理空間理解的 Agent，會成為整個 AI 生態(tài)里很難被替代的一環(huán)

物理空間的經(jīng)驗和約束，通用大模型從互聯(lián)網(wǎng)數(shù)據(jù)里學(xué)不到

面向 C 端的最終形態(tài)，可能就是手機上的一個對話界面

不需要復(fù)雜的畫布，Agent 自動調(diào)取能力和資源完成設(shè)計推薦

什么時候能真正純 ToC？燕虹的回答很坦誠：取決于 AI 的能力有多大

現(xiàn)階段空間設(shè)計的容錯率太低，還需要專業(yè)設(shè)計師在回路里做判斷

萬一真到 AGI 那一天，我們也是最早實現(xiàn)產(chǎn)業(yè)落地的
因為我們現(xiàn)在就開始做了

暗殼也在探索打通數(shù)字和物理接口的技術(shù)方向——NeRF、3D 高斯、空間深度測量

還有一個很少被提到的角度：暗殼積累的 3D 空間數(shù)據(jù)，未來可以作為具身智能的訓(xùn)練素材

這件事平面工具做不了

聊天快結(jié)束的時候，政民做了一個總結(jié)——

我們畫布叫無限畫布，滿足無限創(chuàng)意。但落地必須用有限的產(chǎn)品來約束

在 AI 的世界里，空間和時間是無限的

在人類的現(xiàn)實世界里，時間和空間是有限的、受約束的

暗殼站在這兩個世界的交界處

無限畫布那一頭，是創(chuàng)意和想象

有限物理世界這一頭，是尺寸、材質(zhì)、施工、一厘米的誤差

兩頭都得接住，這個事才算成