24小时热线电话 0579-89890822
发布日期：2025-12-06 16:43:38 点击次数：
他从“第一性原理”出发，揭示了传统工业软件的智能化重构逻辑，也带领大家思考：
当AI进入设计、生产、营销的每一个环节，企业的增长曲线将被重新定义。这不仅是一场工具的革新，更是一场关于组织能力、人才结构与产业智能化未来的系统重构。
对于这个问题，首先我们要明确当前行业面临的问题。当前市场竞争激烈，行业已成红海，成本不断上升，效率却较低。面对这些问题，我们首先需要思考行业的第一性原理，即行业的核心本质是什么。这一点至关重要，只有真正理解了，我们才能找到破局的关键。
接下来是如何破局。我们需要考虑采用什么样的技术手段，以及如何付诸实践。在这个过程中，我们会涉及“想做”“可做”“能做”三个层面的问题。
实际上，过去我们常以“要钉墙上洞，就用锤子和钉子”的心智模式来解决问题。然而，如今我们不再满足于这种单一的解决方案，而是需要探索更高效的工作方式。
以服装行业为例，可以将其第一性原理总结为：一种基于预测的现货模式，即基于对未来流行趋势和消费者需求的预测来进行生产和销售的现货生意。设计师无论是在一周、一个月、甚至6个月之前去设计服装，他都是在预测流行，然后在预测未来消费者需要什么。
然而，这种信息不对称导致消费者需求与设计师或产品研发之间存在巨大鸿沟，进而引发了服装产业的库存问题。因此，要进行模式创新，必须消除这种信息不对称，以降低库存。
基于这一第一性原理，Style3D从开发3D工业软件入手，将消费者需求以可视化方式呈现，判断是否符合其期望，从而缩小信息不对称。借助AI，我们还能深度分析这些数据，进一步挖掘其价值。
我们的实践分为三个阶段：第一阶段，从2015年开始开发3D设计软件，我们从传统代工企业转型为软件提供商，为中国中小企业提供工具；第二阶段，我们把操作系统独立出来，成为全行业的赋能商；第三阶段，大量运用AI能力，成为产业AI赋能商。我们逐步推进，将SaaS服务与AI深度融合，构建产业级智能操作系统。
关键点一：直击行业痛点，深刻理解业务需求。传统纺织服装行业依赖实体交互，效率较低且成本较高。我们希望借助数字化手段，实现更高效、更精准的交互。因此，我们将纺织服装的三维数字化作为首要任务。例如，在讨论AI生成内容（AIGC）时，传统的“生成内容”（Content）在服装产业中并不稀缺，因为灵感和营销内容相对丰富。而我们重新定义“C”为“Commodity”，即“AI生成可售卖的商品”。
关键点二：在推进过程中，一个关键点是与客户共同创造。无论你是自己开发AI模型还是选择第三方，这一点都非常关键，即与客户共同创造出在某一垂直领域非常出色的模型。
关键点三：现有的模型能力还不一定能完全解决你的业务问题。因此，我们认为在现阶段，如果模型能力不足，需要部分人工介入，不要完全指望AI能够解决你所有的业务问题，至少目前来说这是不现实的。
目前，我们正处于第二阶段迈向第三阶段，核心目标是攻克全球领先的柔性仿真。为此，我们开发的仿真引擎结合了传统CAD和布料仿真技术，它能够在三维空间中逼真地模拟织物的外观和动态，如褶皱、垂坠和弹性等。
值得注意的是，在这个过程中，我们遇到了很多挑战，其中，人才问题最为关键。我们最初从事服装行业，团队也是临时组建的，成员都是服装行业的从业者。从一家服装公司转型为一家服装科技公司，再到如今成为一家运用AI赋能的软件公司，人才积累至关重要。尤其在AI时代，顶尖人才的稀缺性与重要性愈发凸显。一个顶尖人才的能力，往往可能相当于后续从第2名到第10名所有人才的总和。
此外，AI时代还有一个显著特点：未来会出现超级个体。随着AI能力和技术能力的不断提升，这些超级个体将在企业转型和研发过程中逐渐涌现。而这些超级个体，其实就蕴含在我们追逐的最顶尖的人才之中。
我们认为，到了AI时代，几乎所有的传统软件和工具都会被重新做一遍。例如，传统的CAD工具、3D工具、ERP或PLM等工具。这些工具的形态都是工业时代产生的，但到了智能时代，它们一定会被重新设计。
以PLM（产品生命周期管理）为例，这种工具主要用于产品研发等流程管理，很多企业都在使用。但在智能时代，传统流程已发生改变，管理工具也需相应更新，否则无法适应新流程。
这为我们带来了巨大机遇。许多传统强势软件可能被重新打造，它们可能自我革新，也可能由外星空体育部企业迭代。这为创业公司和非传统软件企业提供了广阔空间，我们正是这种变革的典型代表。我们之前做3D工业软件，这类软件存在一些问题：一是不够高效，需要学习和专业知识，有些软件使用起来相对低效；二是不够逼真，门槛较高。
AI的特点是效率高、效果逼真且智能，但目前存在一致性不足和不可控性，生成的图片还无法直接用于生产。传统3D工业软件则高度一致、精准，但效率低、门槛高。将两者结合，可以弥补彼此的不足。
我们强调AI与3D结合，是因为仅靠AI无法解决企业业务问题，必须与传统软件协同，形成新的软件，应用于智能设计、生产、营销等环节。例如，从AI灵感创意出发，转化为AI和3D的款式设计，生成版片和3D服装，用于营销，同时支持未来的智能生产。这是我们目前的研发重点。
实际上，在纺织服装产业，过去我们一直遵循劳动力成本梯度转移的模式，因为这是劳动力密集型产业。但到了AI时代，如果机械臂可以完成50%的服装缝制工作，劳动力成本就不再是关键因素。到那时，具身智能可能已成熟普及，能完成许多目前依赖人工的工作。服装工厂的最佳选址可能不再是劳动力成本低的地区，而是靠近消费地，如巴黎或伦敦郊外。
这只是纺织服装产业的例子，希望大家思考自己所在产业的未来：到2050年，你的产业供应链在哪里？消费者在哪里、是谁、如何购买、为何这样购买、购买决策链路是什么？这些都可能完全不同。
再问大家一个问题：如果你做产品，有没有在新的搜索引擎（如DeepSeek或豆包）上搜索过，看看你的产品是否在搜索结果前列？
如果在，说明你做得不错；如果不在，那么在智能决策时代，你可能已经落后了。因为新一代消费者在购买新产品时，很可能会在新的搜索引擎中搜索，产品若能排在前面，他们更可能优先选择，否则就会排在后面。
这意味着，未来几年，消费者购买渠道、信息获取渠道和购买决策链路都可能发生变化，供给端也是如此。因此，我们反复强调，要思考行业的第一性原理，并加入未来技术变量。
换言之，在这个时代，我认为我们必须要做一艘船，而不是做礁石，因为人工智能的水位在不断上升。如果我们成为礁石，新技术的出现就会将我们淹没，我们只能做一艘船。而船最关键的一点是，一定要找到自己的锚定点，即要有自己最核心的技术，这样才能随着外部技术的提升而提升。
未来很有可能出现一个关键部门，围绕它延伸出一系列agent，来完成过去公司依靠众多组织才能完成的工作。如果这些agent不断完善，我们就可以为设计师、业务员等提供从创意开始，到生成营销物料、生产资料等一系列服务。
流程创新要解决业务问题，需要端对端的解决方案。例如，我们提供从设计到营销到生产的工具软件，涵盖2D制版、面料数字化、3D成衣设计、动画模拟等，这些工具产生生产数据，沉淀到资产平台，形成大量数据，用于训练AI。
但在服务客户中我们发现，通用模型几乎无用，最有效的是通用模型+专有模型+专有数据。比如大语言模型，虽能对话，但对专业问题，比如设计、营销、生产制造等力不从心，因为其学习的是通用数据。不同企业的数据差异很大，像给优衣库的版型数据不能卖给ZARA。
所以AI设计中，要强调通用模型+专业模型+专有数据，这涉及如何选择通用模型、专业模型，构建专业数据，回到数据要素及治理问题。企业是否有数据要素能力，谁来治理、牵头等。
很多企业都有IT部门，但对数据理解欠缺。我们建议企业要有AI架构师，可以是老板、IT人员或从业务成长起来的人。否则，数据散在各处，甚至人员离职会带走。接下来是第三步，通过建立生态，实现从软件到流程，再到生态的转变。
未来，企业将拥有自己的智能体，就像拥有网站和APP一样。智能体将成为企业内部数据、工作流和行业知识的新载体，助力企业发展。
不过，将智能体的概念真正落地到企业中非常困难。首先，企业需要梳理数据、工作流程和行业知识，将其转化为有效数据，这一步就难倒了90%的企业。因此，企业必须先完成这一步，才能构建智能体并实现业务价值。
企业面临诸多挑战，如果基础数据都没准备好，进入智能体系时必然问题重重。我们希望通过创新模式，一方面提供工具，另一方面构建企业专属智能体的基础设施，这是我们转型中积累的经验。
关键点在于两种选择。一是像我们一样，从传统产业出发，开拓第二曲线，打造数字化工具并融入AI能力，使其智能化。二是基于第一曲线，在自身业务范围内直接运用AI工具，实现降本提效和竞争力提升。
如果选择前者，我们的方法论或许有借鉴意义。这涉及两个不同领域：传统制造业（如服装）和软件生意，智能时代又带来了新的逻辑变化。这对团队和组织是巨大挑战。
坦白说，大部分企业可能更多地会在第一曲线上运用这些工具和智能手段。比如家纺行业，希望这个案例能引导大家思考。
以家纺行业为例，其痛点包括：设计阶段缺乏创新、与消费者需求脱节；开发阶段周期长；面临定制化、小批量生产导致成本上升；营销阶段需生成数字素材且同质化严重。这些问题在各行业普遍存在。
针对这些痛点，企业应选择合适的AI方案进行转型。例如，在设计阶段，可使用创意生成工具（如Midjourney、Style3D AI）优化设计、控制风格并生成花型；第二步对花型面料进行物理属性处理；第三步建模并贴图；最后利用场景渲染工具生成床品，如通过Style3D GoShop工具添加专业材质后直接用于销售。
企业可以从设计研发和营销环节入手，选择合适的AI工具，甚至考虑一体化工具，实现一站式协同平台，连接面料供应商、品牌商和制造供应商，共同提升服务质量和效率。
具体应用场景是：设计新产品后，将其置于不同3D场景中渲染、调色，并添加印绣花处理，形成可分享和售卖的资产，最终用于电商平台的营销物料。这是一套从创意到营销再到生产的完整流程。
具体案例不再一一展示。关键在于，企业需要从长远角度思考如何成为数字时代的先锋。
刚才提到的是如何选用工具，而企业如何进行AI转型，是我们服务客户和自身实践中积累的经验。
首先，企业需要数字化的结构化数据，尤其是真实流程数据。如果数据治理不足，应尽快提上日程。
其次，企业最好配备内部AI规划师或架构师，尤其是对于技术背景的员工居多的企业。AI规划师通常由企业一把手或创始人担任，因为他们直接影响企业未来1-5年的发展战略。如果要进行AI转型，必须着手寻找这类人才。
第三，数据的重要性不言而喻。在AI应用方面，要从企业痛点出发，选择合适的切入点和算法，提升业务效率，拉开与竞争对手的差距。同时，方案的可靠性与可落地性至关重要，因为AI目前多为概率模型，需要验证其是否能精准解决实际问题。
第四，算力可以通过购买等方式获取，未来企业将成为数据、工具、工作流和人才的复合体，这是核心竞争力所在。数据重要，工具选择同样关键，AI是实践性很强的科学，需要不断尝试找到最适合的产品。
还有，工作流方面，传统流程在AI时代可能不再高效，需要结合AI数据和工具重新梳理业务流程。例如，服装产业过去是串联工作方式，现在可借助新技术实现并联或协同，大幅提升效率。
最后，人才是转型的关键，只有将数据、工具、工作流和人才结合，才能完成业务转型。作为创业者，要回归初心，聚焦核心竞争力，用AI解决关键问题，而不是大而全的方案。例如，服装企业可以聚焦创意、供应链、渠道或精准投放等优势领域。总之，找到初心的出发点，用AI放大优势，这至关重要。很多人一开始想用大而全的方案，但资源有限，往往适得其反。风口已至，关键是我们能否在风来时站稳，在风停时继续前行。
Q：我们从产品设计到交付的周期较长，希望客户能第一时间直观看到产品，并模拟试穿效果。这是否可以通过系统快速实现呢？
A：从技术角度和实际应用层面来看，AI技术正在快速发展，有望在未来几个月内实现您提到的需求。设计师可以通过概念、图片、文字或草图快速生成三维款式数据，用于店铺营销。以童装为例，AI可以实现快速设计、搭配和模特拍照，缩短研发周期，实现“即时时尚”。此外，我们还为海外品牌开发了智能店铺代理工具，汇总全球店铺的早会内容，帮助总部快速了解问题。目前，AI技术已逐渐成熟，可赋能具体技术点，满足您的需求。关键在于明确您的具体诉求，比如提升销售业绩、精准研发产品等，因为不同目标对应的技术应用重点不同。例如，针对童装购买决策者（妈妈），高效生成营销物料是提升销售的关键。
Q：我叫向炳伟，我是陕西伟志集团股份公司的创始人，伟志是做了38年的一个服装品牌。我今年已经退休了，但是我深深的看到AI将会使整个人类社会产生翻天覆地的变化。我想请教两个问题。一是您这种热情的原动力是什么？二是您如何激发团队的原动力？
A：这两个问题很有价值。第一个问题，我一直在国内外出差，几乎没有休息，因为我内心充满干劲，感到非常兴奋。我深知自己生活在一个极其重要的时代，这是一个转折点，所以我绝不愿意浪费一分一秒。这种干劲源自对产业的热爱。在AI时代，AI的叙事宏大，但最终都要落实到产业中。对产业的理解和热爱是支持你前行的关键。如果没有对产业的深度理解和热爱，你很容易迷失方向。这是你与其他AI创业者的重要区别和竞争优势。你过去在产业中积累的经验，是未来发展的基石，但一定要让你的积累变成“金块”，而不是“石头”。在AI时代，数据至关重要，你必须学会如何治理数据，让数据发挥价值。有了这样的积累，你过去的三十年经验就会成为你在智能时代与其他竞争者竞争的出发点和法宝。对产业的热爱至关重要，如果没有这种热爱，你就无法为新的模型提供坚实的基础。
第二个问题，关于团队，我们公司规模不大，大概有三四百人，平均年龄28岁左右。让团队保持热情和对AI的敏锐度非常重要。未来的组织形式与现在相比可能会发生巨大变化。现在，大部分企业组织是工业时代的产物，追求极致效率，特点是流水线专业分工，但这也导致了部门之间的条块分割和沟通效率低下。
然而，在智能时代，组织形式将发生变化，以超级个体或超级部门为核心，由AI代理和人类员工协作。当组织形式发生变化时，你必须考虑你的人才储备是否足够，如何让这样的团队成为你现有团队的核心力量，同时保持热情。
我认为非常重要的一点是，一定要让团队成员了解AI时代已经到来，这是一个确定性的事件。如果不转变能力模型，未来可能会被淘汰。虽然这听起来有些残酷，但这是事实。
其次，如何转变能力模型？这涉及到如何成为一个AI架构师，包括认知洞察、知识结构、实践能力等。但最重要的是，一定要让团队成员有成为AI架构师的意识。在AI时代能够存活下来的个体，其技能与工业时代完全不同。如何让新来的年轻人在未来这个时代有更好的机会存活，就要让他们理解这个时代为什么会到来，为什么这个确定性一定会出现。这可能需要你与企业员工进行沟通，让他们理解技术发展的路径。任何颠覆性的技术，包括互联网技术，都经历了类似的发展过程。
要让他们理解新一轮康波周期将带来50至60年的技术变革，深刻改变产业格局。我们这代人或许只参与了20年，但年轻人将全程参与。这个周期中，会诞生新的马云、马化腾、马斯克，也会涌现无数中小创业者，成为智能时代的企业家。只要他们有激情，了解技术趋势，就会投身其中。
但是我们是叫不醒装睡的人的，只有当他们自己有意识、愿意行动，才会去学习。这是认知层面。技能层面则是，有了认知，就会主动学习技能。AI是一门强实践科学，没有固定模式，需要不断尝试。范老师和董总也提到过，我们都是在实践中成长的。
我每天睡前花20分钟到半小时与AI对话，不刷抖音或其他视频，养成这个习惯，是为了学习和适应AI时代的思维方式，无论AI是何种类型，我都努力适应。我还希望借此积累出自己的人格智能体，如果现在不准备，未来可能来不及。这就是实践。你有没有每天花半小时，你的员工有没有每天花半小时与AI深度对话，或使用AI工具和软件？我认为这非常重要。
企业要真正实现AI转型，个体和组织能力缺一不可。如果企业缺乏AI转型的氛围，即使有员工积极尝试，其作用也有限，热情也会被消磨。但如果企业内部形成AI转型氛围，员工的热情会被点燃并放大，形成强大动力。
这种氛围的形成，首先靠企业创始人。一是要在全公司普及AI认知和理念；二是要提供相应工具，引导员工使用，鼓励尝试最佳实践，并给予奖励。此外，企业要做好AI时代组织调整的准备，否则即使有人才，也难以形成转型氛围。
目前，AI对组织变革的推动力还不足以克服转型阻力，组织原生转型为AI驱动型几乎不可能。但这并不意味着企业可以止步不前。企业应通过业务拉动，减少内部阻力，同时推动组织变革。业务拉动的关键在于找到具体的落地点，通过项目取得成绩，提升效率，形成正循环，从而增强信心。
在组织转型过程中，创始人要克服阻力。各部门可能因视角局限，对AI转型持怀疑态度，只有老板能从顶层视角看待未来3到5年的生存和发展。如果不能推动转型，企业就会停滞不前。组织转型是一个实践性很强的话题，需要不断探索和积累经验。
总之，激发团队在未来3到5年甚至十年内保持战斗力的AI驱动团队，是所有企业共同面临的课题。
