空间智能：大模型补上三维这一课，家装是最近的出口

一、背景：为什么大模型「不懂房间」

语言模型从文本里学世界，文本里只有「沙发在客厅」这样的关系描述，没有尺寸、朝向、动线。而室内设计的本质，恰好是一个三维约束下的布局问题：固定的墙、门窗、管线，加上可移动的家具，在物理规则和人体工学里找解。

所以学术界这两年集中攻三个子问题：

• 户型布局生成（floorplan generation）：给定地块和需求，生成合理的平面户型。
• 室内场景 3D 生成（indoor scene generation）：从一句话或一张图，生成可旋转、可编辑的三维房间。
• 布局重建与理解（layout reconstruction）：从一张实拍照片反推户型的结构尺寸。

这三个方向 2025-2026 年的代表性论文（含一句话「对家装有什么用」），见 C 池论文清单，均附 arXiv 核对链接。

二、核心观点：家装是空间智能的理想试验场

观点一：家装的数据结构化程度，是所有空间场景里最高的。 户型是标准表达，家具是标准件，行业软件十年积累把设计数据规整成了可计算的形式。空间智能最怕「数据脏」，而家装的数据相对干净。

观点二：家装付得起钱，也容得下错。 自动驾驶容错以毫秒和命计，所以落地慢；家装方案错了，重出一版，损失可控。一个「容错空间大、单次决策价值高」的场景，正是新技术从实验室走出来的理想第一站。

观点三：从「效果图」到「可施工方案」，隔着施工规范这座山。 目前学术成果和商用产品都集中在「生成一个看起来合理的空间」，离「生成一套能开工的图纸」还有明显距离——承重、水电、规范这些硬约束还没进模型的目标函数。这座山也是护城河：谁先把它搬掉，谁就拿走行业。

三、案例与趋势：两条路线的赛跑

• 学术路线（以下 5 篇均经 arXiv 页面当日核实，2026 年提交）：
• PlanCraft（arXiv:2607.23491）：手绘草图→精确户型→自动布置的渐进式 3D 住宅生成——离家装谈单场景最近的一篇。
• GRE-Diff（arXiv:2607.08086）：房间级约束可控的户型生成与交互式编辑——对应「承重墙不能动、其余随便改」。
• DPLAN（arXiv:2606.21159）：以门连接为约束的图论户型生成——门位即动线。
• ShellMaker（arXiv:2606.31680，ECCV 2026）：结构骨架锁死+语言改外立面——自建房翻新的「安全换装」。
• 域差研究（arXiv:2607.06483）：证明户型生成模型跨数据集性能掉一个数量级——解释了海外户型 AI 在中国水土不服的原因。
• 产业路线：大厂的空间智能叙事多围绕具身智能和 AR（厂商主张），家装被放进「应用层」而非「主线」——在作者看来，这个冷落反而是行业公司的机会窗口。
• 值得盯的信号：有没有团队把「布局生成 + 施工规范校验」做成一个产品闭环。出现之日，就是空间智能在家装真正商业化之时。此判断为作者观点。

结语

空间智能的故事讲得很大，家装的故事讲得小，但小的那个更近。对从业者，建议不是去读论文，而是记住一个筛选标准：任何号称「AI 设计」的东西，先问它输出的是图，还是带尺寸、带约束、能往后端走的数据。答案决定了它时髦，还是有用。

---

来源与延伸阅读

• PlanCraft：https://arxiv.org/abs/2607.23491 （v1 2026-07-26）
• GRE-Diff：https://arxiv.org/abs/2607.08086 （v1 2026-07-09）
• DPLAN：https://arxiv.org/abs/2606.21159 （v1 2026-06-19）
• ShellMaker：https://arxiv.org/abs/2606.31680 （v1 2026-06-30）
• 域差研究：https://arxiv.org/abs/2607.06483 （v1 2026-07-07）
• 以上 abs 页均于 2026-09-30 打开核实；逐篇「对家装有什么用」见 海外情报存档 对应条目
• 大厂空间智能叙事：厂商主张，本次未获独立日期来源，标注：未核实。