PRODUCT INSIGHT
AGI Bar 整个空间的设计，就是暗壳团队做的
暗壳是老朋友，AGI Bar 从选址到落地，他们出了大力，帮了大忙，纯友情的
我们是相互看着一步步往前走的。在这里，让我一方面以行业观察者的角度，也以真实朋友的角度，来介绍下「暗壳 AI」
暗壳，是空间设计的 Lovart
--- 我给的定义
TL;DR
Lovart 在平面设计领域已经是行业典范。那空间设计领域呢？暗壳要做的就是这件事——空间设计的 Lovart
不同的是，物理世界有硬约束。方案里的沙发不只要好看，还得买得到、搬得进去、尺寸严丝合缝
01 / PRODUCT
暗壳 Agent 2.0
先介绍下两个朋友：
黄燕虹，创始人兼CEO，矩阵股份合伙人，独立家居品牌创始人，阿里巴巴设计趋势专家顾问，连续多年发布设计行业趋势白皮书，做过家居品牌 目所 Msol Studio
黄政民，联合创始人兼COO，矩阵股份合伙人，职业经理人，曾主导开发参数化设计平台及矩阵全员AI设计转型
两个人 2022 年底从矩阵(301365)出来，做了暗壳
产品架构五个模块：AI Agent、协同自由画布、行业数据、供应链生态库、数字资产管理
说核心逻辑——
空间设计师的日常是这样的。客户说「我想要有呼吸感的客厅」，设计师花好几轮揣摩这句话到底什么意思
出方案，改方案，再改。确认之后找供应商，对接采购，落地施工
中间要跳转若干个软件：建模工具、渲染工具、PPT、微信
这个过程中，真正贵的是沟通和修改
暗壳的 Agent 试图接管这整个流程
用户输入「有呼吸感的客厅」，它不会立刻出图。它会反问：你说的「呼吸感」，是侧重大面积留白，还是材质的通透性？
这种对话能力，靠的是团队把十几年的行业经验做了工程化封装，灌进了 Agent 的工作流逻辑里
出图之后它还会主动提醒：这个产品尺寸可能不对，要不要换一个生态库里能买到的
画布是工作台，所有操作在一个界面里完成
生态库里目前有超百家品牌、30 万+ SKU真实在售产品，设计师可以直接调用。方案确定后一键生成采购清单和预算
从一句模糊需求，到一卡车家具搬进你家，尽可能多地跑在一个系统里
02 / CONSTRAINT
物理世界不接受近似值
说一件我自己经历的事
前段时间租了邻居家当办公房，让宜家上门量尺做软装方案
量完之后工作人员在后台一顿倒腾，从尺寸到布局，忙活了好一阵
最后怎么交付的？挨个截图，贴进 PPT，保存，发过来
这大概是目前大部分软装提案的现状——一张张需要你看完自己脑补的贴图
但这还不是最痛的
最痛的是你看着效果图觉得挺好，买回来之后发现差一厘米，塞不进去
PPT 的元素左移三厘米没人在意
沙发宽了三厘米，就塞不进你家客厅
过去两年出来的 AI 设计工具不少
Disco Diffusion、Leonardo、Pika，火一阵就没了。活下来的 Midjourney、即梦，都在平面和视觉领域站住了脚
空间设计这个赛道，至今没有一个产品真正接住过
我跟燕虹聊到这个问题，她说了一个词：容错率
PPT 这种形式容错空间很大，元素往左往右，你又能怎么样呢
但空间设计需要的是「严肃且准确」的效果图
暗壳最早服务家居品牌方做电商图的时候，商家有 1000 个 SKU，他们对每一个 SKU 单独训练。形体可控、光影可控、材质可控
一个螺丝钉都不能有幻觉
三层约束，逐层加码
01精度——生成的图形体可控、光影可控、材质可控
02真实性——方案里那张沙发，能不能买到？买到的是不是图里那个？
03落地——上门量房、安装家具、调试灯光，AI 做不了
暗壳自己也坦诚，目前还没完全到达「严肃且准确」的百分百阶段
很多功能还在排期。但他们从 day one 就知道方向在哪
03 / MOAT
为什么纯技术团队做不了
燕虹 2022 年底看到生成式 AI 爆发，觉得想象空间极大
第一反应是去投一些技术团队
找了一圈——没有人分得清「东方设计」和「新中式」
能训模型，能调参数
但不知道一个 100 平的家怎么设计才合理，不知道 20 万预算做北欧风应该怎么分配，更不知道飘窗是什么时候出现在中国家庭里的
这些东西不在任何公开数据集里
最终矩阵决定自己做
政民牵头搞了一个「AI 先锋学会」，征集了 66 个人，分 10 个队，每周测试全球最新的 AI 工具
2023 年 5 月矩阵开始全员 AI 培训，所有设计师必须通过考核
考核「科三」是用 Stable Diffusion 出图。不学，不发年终奖
过程中他们发现了核心痛点：当时的 SD WebUI 加 ControlNet 对设计师太难用了
于是找了技术合伙人，加上燕虹在家居品牌审美和商业落地上的经验，暗壳就这么出来了
矩阵给暗壳的资源
→百万级的行业私有数据
→600+设计师作为测试和调优团队
→超百家家居建材品牌的供应链关系
直到 2025 年年中，暗壳才有自己的 Marketing 团队
之前客户都是基于矩阵的口碑自己找上来的
我跟燕虹聊到 Skills 的时候，她举了一个例子
去年暗壳服务阿里巴巴的大家居板块做生活方式白皮书，要决定扫地机器人到底放在家里哪里
这个问题扫地机器人制造商回答不了
放在阳台家政间的底下，前提是阳台的设计没有门槛，扫地机器人才能过去
这类经验无时无刻在产生，最终变成了 Agent 能调度的能力
空间设计的行业经验不是静态的
设计风向在变，户型在变，生活方式在变
这些变化只有在行业最前沿的人才能感知到
04 / FUTURE
服务人，也服务 Agent
聊到暗壳未来要服务谁，政民说：
不管是有界面的用户操作，还是其他 Agent 通过 API 来调用我们
我们都要做市面上最专业的空间设计 Agent
暗壳的服务对象不只是人类设计师，也包括未来的 Agent
从我自己的判断来看，这个方向大概率是对的
当 Agent 之间开始相互调用的时候，一个专精于物理空间理解的 Agent，会成为整个 AI 生态里很难被替代的一环
物理空间的经验和约束，通用大模型从互联网数据里学不到
面向 C 端的最终形态，可能就是手机上的一个对话界面
不需要复杂的画布，Agent 自动调取能力和资源完成设计推荐
什么时候能真正纯 ToC？燕虹的回答很坦诚：取决于 AI 的能力有多大
现阶段空间设计的容错率太低，还需要专业设计师在回路里做判断
万一真到 AGI 那一天，我们也是最早实现产业落地的
因为我们现在就开始做了
暗壳也在探索打通数字和物理接口的技术方向——NeRF、3D 高斯、空间深度测量
还有一个很少被提到的角度：暗壳积累的 3D 空间数据，未来可以作为具身智能的训练素材
这件事平面工具做不了
聊天快结束的时候，政民做了一个总结——
我们画布叫无限画布，满足无限创意。但落地必须用有限的产品来约束
在 AI 的世界里，空间和时间是无限的
在人类的现实世界里，时间和空间是有限的、受约束的
暗壳站在这两个世界的交界处
无限画布那一头，是创意和想象
有限物理世界这一头，是尺寸、材质、施工、一厘米的误差
两头都得接住，这个事才算成
热门跟贴