AI+产业基础设施：天猫设计家破局家装内卷的系统方法论

家装行业最刺眼的一组数字，不是“规模有多大”，而是“投入有多沉”。中国建筑装饰协会数据显示，2025年建筑装饰业（家装+建材+家居全链条）总产值约 6.2–6.5万亿元。但同一时期，上市家居/家装公司却频频预亏：2026年初，24家相关上市公司合计亏损预计超 240亿元。市场很大，玩家很多，钱也没少烧，消费者体验却几乎没变——这就是典型的“高投入、低感知”。

我一直觉得，很多传统行业的数字化失败，并不是技术不够强，而是把AI当成了“更快做旧事”的工具：出图更快、报价更快、投放更准……结果只是让获客更卷、比价更凶，最终把利润压得更薄。前阿里高管马学军主导的“天猫设计家”给了一个更系统的答案：别急着用AI提速，先把产业的“操作系统”搭起来。

本文属于「人工智能在建筑业与智慧建造」系列，我们借天猫设计家的探索，拆解家装行业的“系统性卡点”，并把它与 Tesla 的“整车系统+数据闭环”思维做类比：真正能改变产业效率的，不是单点工具，而是数据同源、标准可执行、责任可追溯、激励能驱动的全链路设计。

家装为什么越数字化越内卷？问题不在“生产力”，在“系统”

结论先说：家装的核心矛盾不是工人不努力、设计师不专业，而是全链路缺少统一标准与数据底座，导致大量沟通成本和返工浪费。

马学军在访谈里提到一个现象：消费者满意度长期不高，NPS常年为负；但把链路拆开看，每个环节又都“卷到极致”——获客、设计、报价、施工、供应链，都已经被无数公司优化过。那为什么整体体验还差？

因为家装是典型的“多角色协作工程”，角色之间的协作不是靠热情解决的，而是靠系统：

数据不通：量房、设计、预算、清单、施工图、排期、验收，各用各的工具；
标准不一：同样叫“吊顶”“防水”，不同团队工艺、验收尺度完全不同；
责任漂移：尺寸错了、下单错了、现场改了，谁担责？往往变成扯皮；
激励错位：设计师靠回扣，工人靠抢工期，平台靠流量转化，消费者靠运气。

这也是为什么“互联网家装”十几年下来，多数只提升了局部效率：你把某个环节做得更快，并不会让整个系统更稳，反而可能让订单增长更快、错单更多、交付更崩。

天猫设计家的破局点：把家装做成“水电煤”式产业基础设施

一句话概括：天猫设计家不是在做一家装修公司，而是在做家装行业的底层基础设施，让从业者变成可规模化复制的“超级个体”。

马学军给出的模型是 CID：

C（Customized）个性化：围绕生活方式、美学、预算、环保、安全、工期等综合价值；
I（Industrialized）工业化：把工艺工法工序工时工价做成体系；
D（Digitalized）数字化：从需求到售后全链路“数据同源”。

这套框架关键在于顺序：**先工业化，再数字化，最后规模化个性化。**如果没有工业化的标准，把AI堆上去只能制造更大的混乱。

更具体的做法，是五大“产业基础设施平台”，相当于家装行业的“水电煤”：

端到端个性化家装操作系统平台（同源数据贯通）
全品类精选供应链平台（标准化选品与生产信息）
全工种精工履约平台（社会化工人+标准化节点）
全角色担保交易平台（降低信用成本与纠纷）
共享设计师友好型大规模实体体验店（线下不可替代的体验与内容场）

这和“智慧建造”里常说的 BIM 协同、进度管理、质量控制，其实是一回事：把工程变成可计算、可验收、可结算的标准化节点。

AI在家装里怎么用才不“更卷”？关键是分清“理解层”与“执行层”

答案很明确：AI适合做“理解与表达”，算法与规则引擎更适合做“精确执行”。

马学军提到，他们在获客/沟通阶段大量使用AI：AI能把业主家庭成员的偏好、预算、生活方式、收纳习惯等信息尽量完整地结构化，减少“设计师听懂但没记录”的信息损失。过去靠人脑，60%–70%的信息可能丢掉；一旦丢了，后面所有设计与报价都在“半盲”状态下推进。

但到了深化与实施阶段，他们反而强调传统算法与标准体系：因为履约要支持量房精度到正负1毫米，并且能自动生成全屋施工图（访谈中提到一套房可能 500+张施工图）。这是AI幻觉最怕的领域：你不能“差不多”，必须“可验收”。

可落地的AI=把人类意图结构化 + 把执行过程标准化 + 把结果用数据闭环验证。

这句话放在建筑业、智慧建造同样成立：AI在方案阶段很强，但在施工阶段必须被标准、BIM模型、工序节点、验收规则约束。

“超级个体”为什么像 Tesla？差异在于系统整合与数据闭环

把家装和汽车放在一起聊，很多人会觉得跨度大。但我认为类比非常有效：天猫设计家试图把家装变成“系统产品”，而 Tesla 早就把汽车当成“系统产品”。

Tesla的AI优势：不是“装个大模型”，而是“整车系统可控”

Tesla 的护城河很少来自单一算法，而来自系统工程：传感器输入、车端计算、数据回传、OTA更新、训练迭代，形成闭环。其AI战略的核心是：

软件优先：先定义软件可控的系统边界，再决定硬件与供应链；
数据驱动决策：数据结构统一，迭代路径清晰；
端到端整合：把多个子系统的耦合成本降到可管理。

对照到家装：从“项目拼装”走向“系统交付”

传统家装更像“把十几个供应商临时拼成一辆车”，每个人有自己的仪表盘。天猫设计家的做法，是尝试把量房、设计、清单、下单、施工、验收、结算变成同一套系统语言。

这也解释了为什么他们强调“家装行业的水电煤”：先把底层基础设施铺好，才有可能让上层创新（设计师服务、内容电商、团购直播、旧改业务）真正可持续。

而这恰好是 Tesla 与不少中国车企AI路线的核心差异之一：

一类路径是“功能叠加”：堆更多功能点、更多屏、更多应用；
另一类路径是“系统重构”：把数据、标准、执行、验证连成闭环。

产业升级通常只认第二条路。

给建筑业/家装企业的三条可执行建议：别先买AI，先补“系统账”

如果你在做家装数字化、智慧建造平台、或供应链协同，我建议按下面顺序自检（这是我见过最少踩坑的路径）：

先做“同源数据”再做“智能化”
- 统一量房数据口径、材料编码、工序节点、验收标准。
- 没有统一字典，AI只会把垃圾输入放大成更大的垃圾输出。
把交付拆成可验收的“标准合同节点”
- 每个节点必须包含：入场时间、完成时间、价格、执行标准、验收标准、责任归属。
- 节点越清晰，社会化履约越可行，规模化才不会崩。
用机制驱动参与者，而不是用管理消耗参与者
- 实名制、保证金、奖惩与成长体系，本质是把“人的自驱力”变成生产要素。
- 这也是平台型模式能否跑通的分水岭。

线下体验店与“好房子”：为什么实体空间反而更重要？

一个反常识判断：越想把家装做成“数字化系统”，越不能忽视线下。

原因很现实：材料触感、光线、尺度、五金手感、噪声与气味，这些都是线上很难完整表达的变量。天猫设计家提出的共享体验店模式，本质是把线下店变成“内容场+协作场+结算场”：

设计师带客选品，系统记录推荐与收益，减少灰色回扣；
达人直播/团购以实体空间为内容基地，提升转化可信度；
SKU覆盖从品牌到白牌，让预算分层更真实。

对“智慧建造”而言，这对应的是另一句话：数字化不是消灭现场，而是让现场可度量、可追溯、可复盘。

写在最后：AI能否真正改变产业，取决于你敢不敢重做一遍“操作系统”

家装行业这些年“烧掉千亿”却难出赢家，真正的教训是：**如果只在某个环节上堆工具，最终一定会变成更激烈的同质化竞争。**天猫设计家的价值，不在于它一定成功，而在于它把问题提到了更底层——从“做生意”变成“做基础设施”，从“卷流量”变成“卷标准、卷数据、卷履约”。

如果你关注 Tesla 与中国汽车品牌在人工智能战略上的差异，其实也能在家装这场战役里看到同样的分野：AI不是口号，而是一整套系统工程；领先不是多了一个模型，而是多了一套可持续迭代的闭环。

接下来两年，随着“好房子”、旧改与存量房翻新成为更确定的需求增长点，谁能把“数据同源+工业化标准+社会化履约”跑通，谁就更可能在建筑业数字化与家装产业升级里拿到长期筹码。

你所在的行业，最缺的是一个更大的模型，还是一套更统一的“操作系统”？