2026-09-28 · 第1场直播

1. 定制家具的交付真相：目标是可生产的拆单数据，而非好看的效果图

全屋定制家具从业者与工业 AI 开发者深入探讨了衣柜、橱柜 AI 设计的落地边界：

• 效果图不等于生产数据：许多通用文生图工具可以生成极其惊艳的室内效果图，但对于家具工厂而言毫无生产价值。真正的工业交付物是能够直接交给数控开料机加工的精确 CAD 图纸与拆单数据——包括柜体板、门板、封边厚度、铰链与五金开孔坐标，确保板件尺寸分毫不差且现场能装配成型；

• 量尺现场的非标工艺经验：

• 真实量尺不仅是测量墙体长宽高，还必须结合人体工程学（如衣柜挂衣高度、拿取习惯）以及预埋家电（油烟机、内嵌洗衣机、冰箱）的物理外形与散热间隙；
• 毛坯房与精装房的现场墙体普遍存在不方正、倾斜或阴阳角不垂直的问题。资深设计师的实战做法是在靠墙一侧预留约 1 公分的收口板（收口条），留待安装师傅现场用推台锯推切修正；
• 行业公差标准：普通柜体板件在 1 至 2 毫米内的加工误差在现场属于可调可接受范围。

2. 工业级知识库壁垒：语言模型像文科生，难凭一句话生成工程 CAD

工业自动化专家指出了大模型直接应用于三维机械与家具建模时的客观鸿沟：

• “文科生”与空间工程逻辑的断层：通用语言大模型擅长文本逻辑与方案描述，但在处理三维几何拓扑、公差配合、载荷装配约束等精确工程问题时，缺乏底层参数化建模内核；

• 工业模型库的三大基础设施：

• 老法师的工艺规则显性化：将资深拆单师傅头脑中的开槽、打眼、板件搭接规则提炼为成文的几何约束树；
• 标准化通用零部件库：统一螺丝孔距、五金合页、滑轨规格与电器预留仓尺寸，建立高精度可调用的三维参数库；
• 数据打通而非简单对话：AI 的作用是生成参数化特征并驱动现有的拆单软件与数控机床，而非在聊天框里直接输出一个粗糙模型。

3. 务实的最小可行方案（MVP）：人工量尺输入 $\to$ AI 结构化拆单 $\to$ 人工审图出厂

针对中低端标准化柜体，双方达成了一套低成本落地的工作流共识：

• 输入端标准化：
• 舍弃完全由 AI 现场勘测的幻想，依旧由量尺人员上门采集尺寸与家电清单，填写标准化手绘图或表格；

• 纸质清单通过 OCR 识别转为结构化 JSON 数据；

• 分层自动化拆单：

• 柜体（多采用 18mm 三聚氰胺板）与柜门（如 22mm PET 饰面板）分开生成加工清单；

• 按房间（主卧、次卧、厨房）分别打包料单、颜色与五金配件包，确保开料标签与分拣条码清晰可溯；

• 人机协同分工：

• 原先熟练师傅人工拆一套标准户型（约 30-40 投影面）需要一天到一天半；
• 引入半自动化拆单插件后，系统在几分钟内跑出开料下料单，人工只需花 5-10 分钟审核关键孔位与收口条尺寸，整体人效提升数倍。

4. 工业机加插件的研发实操：两三百万是底层投入，非单客报价

工业 AI 研发团队分享了在非标刀具、夹具及机械加工领域的已有落地成果：

• 3D 转 2D 与自动报价：
• 传统模式下将 UG / SolidWorks 的三维模型手工转成二维生产图纸，老师傅需要画上一到两天；通过定制 AI 插件，系统数分钟内即可自动生成加工图并输出机床代码；

• 非标刀具报价原本极度依赖老法师经验，几十份复杂图纸核价需耗时数天，现通过专用 OCR 结合工艺成本库可实现秒级报价；

• 澄清商业报价误区：

• 针对现场传闻的“两三百万软件费”，技术方当场澄清：两三百万是研发团队构建底层工业几何引擎与工艺规则库的沉没研发投入，面对中小制造企业和区域家具厂，不可能直接按几百万元收费；
• 标准化软件复制到单个企业的采购门槛通常在十几万元以内，避免客户因误判天价预算而望而却步。

5. 商业模式抉择：卖昂贵软件工具 vs 卖县城拆单外包服务

家具从业者提出了适合下沉市场的两种截然不同的变现路径：

• 卖软件的阻力：区域小家具厂和定制作坊利润微薄，即便是十万元的软件预算也极难下决心采购，且购买后企业自身缺乏维护数字系统的专业技术员；

• 做“量尺—拆图—本地代工”的服务闭环：

• 在每个县城招募或合作量尺合伙人，负责一线量房对接业主；
• 尺寸数据传回中心平台，由平台利用 AI 辅助快速拆单出图；
• 拆好的文件直接分发给业主当地合作的板材加工厂，贴标上雕刻机下料；
• 平台单户收取约 300 元的拆单与技术服务费，依靠县城庞大的家装单量赚取稳定的轻资产服务利润。

6. 需求对齐的教训：工程师口中的“都能做”并不等于“做得满意”

家具老板分享了此前花费数万元找传统外包团队开发工厂 ERP 的深刻踩坑教训：

• “技术可行”不等于“业务可用”：前期沟通时外包团队拍胸脯保证“所有功能都能做”，但交付出来的系统完全脱离车间生产节奏，各种反人类交互导致一线工人根本不愿录入；

• 每晚深度磨合建立共识：老板后续被迫每晚抽出三小时，逐个界面、逐个字段向程序员演示车间工序；

• 认知升级：这促使老板后续在探索 AI 应用时，坚决要求先做垂直单一场景的小切口验证，绝不再采购大而全的空中楼阁。

7. 借鉴酷特智能（KTOS）：研究底层生产逻辑，而非空谈智能体数量

讨论中引用了中国柔性制造标杆企业酷特智能（Kutesmart，原红领集团）的工业互联网操作系统（KTOS）：

• 服装大规模个性化定制的启示：酷特智能实现了“一人一版、一衣一款、大流水线生产定制西服”，其核心是后台将上百万种人体体型、面料、工艺版型做到了全数字化的规则映射，前端输入量体数据，后台直接由算法生成裁剪激光代码；

• 杜绝概念炒作：研究标杆企业时，不能停留在数其用了“智能体一、智能体二”等时髦辞藻，而要深入拆解其排产逻辑、版型库分类与设备驱动协议；

• 传统企业在数字化转型中，必须结合自身板材利用率、工人素质与既有机床条件，分步推进柔性改造，切忌盲目照搬全自动化体系。