「Collov」成立于2021年底，总部位于美国硅谷。是一家以室内设计为切入点的设计自动化云平台，致力于在大模型和生成式AI的驱动下，使设计自动化成为工业级解决方案。
“家装设计是一个连接真实产品和虚拟体验的领域，它使得生成式AI能够更快地在ToC和ToB两个层面指导真正的工业生产。”
「Collov」创始人兼CEO张霄表示，随着AIGC工业化的爆发，用于设计的大模型越来越多，评判模型也就有了更加多元化的维度。除了图像效果之外，其能力是否达到了工业级应用的标准、是否满足动态可控的输入条件，也在变得越来越重要。
当下，北美室内设计领域的痛点主要有两点：
其一，设计市场参差不齐，服务商主要分为本地Studio与Houzz等线上匹配平台，线下服务成本高、交付时间长，而线上匹配虽然在定价和品质上透明度更高，但在信息陈列之外，设计流程也并没有被革新。总体来说，由于客户无法在付费前快速得到一个定制化的设计方案，后期沟通也就会出现需求不匹配等问题，为设计师的工作带来挑战。
其二，从方案落地出发，传统室内设计方案无法解决家具选购的痛点。目前，主流家具商仍然以线下门店+陈列式电商的形式存在，其产品不便于用户挑选或是接入设计师的方案流程。这也就使得设计效果与用户实际得到的成果往往存在一定程度的割裂，
“客户做决策的时候不但需要考虑不同物件之间的组合关系，还需要考虑流程问题。”
张霄直言，这也是室内设计师工作流程长、效率较低的重要原因。而如今的AIGC自动化设计能够更好地解决这些问题。
生成式AI主要从四个方面提高室内设计的流程效率。首先，在初稿/概念设计阶段，AI能够根据描述和风格化标签为用户快速生成设计方案图，省去了大量人工沟通及营销成本，进而在方案细化阶段实现保留结构、替换家具等功能。
「Collov」团队认为，设计本质上是美与功能性之间平衡的艺术。LLM和AIGC的技术可以将设计工作流从原来繁琐的工作变为两步，通过LUI+GUI快速勾勒草图，再通过Imagine扩散渲染引擎在几秒内渲染为2D图像、3D和视频等。
在方案交付反馈阶段，「Collov」自研的多模态LLM既可以做到像ChatGPT一样在文字对话中集成用户的需求理解，又可以直接给出修改后的图像。方案确认后，其设计参数将被AI直接发送到C2F模式的家具生产中，并完成发货等后续销售工作。
技术方面，「Collov」的基座模型正在向“高精度可控性+高美感度”的差异化方向发展，从而区别于仅仅注重美感的主流图像生成服务。下一步，「Collov」将跟随技术演进从图像时代过渡到视频生成、3D生成时代，并呈现出更高的光流及几何学可控性。
AIGC带来的生产效率和生成体验的变革，不止体现在创作上，也影响着大众的消费行为方式。
对比UI、平面设计等领域，室内设计的设计流程和业务场景更加复杂，仅仅像Figma、Webflow等产品一样将设计师的工作流“云化”，还远远不足以实现室内设计的商业价值。
以「Collov」与家居企业金牌厨柜的合作为例。金牌厨柜与「Collov」本轮领投方徳韬资本属于同一个集团公司，其海外业务及国内供应链、渠道资源等与「Collov」有着很好的协同性。作为一家有3000多家门店的上市公司，金牌厨柜的设计师往往需要给客户出免费的营销级别的设计方案，从而为销售提供支撑。传统人工效率下，这样一版设计的生成效率在三天左右，而「Collov」则通过生成式AI将这种营销级设计的流程缩短到了“一分钟出十几版”，从而提升了方案的丰富度。客户签单后，「Collov」则会通过添加控制规则来进行设计效果的精细化。
「Collov」自有的SaaS采取免费增值订阅模式，针对免费客户和专业设计师、房地产经纪人、家具企业等提供免费、19美元/月、定制化收费三个版本。目前，「Collov」已经累计完成了近10万设计方案，申请合作名单上拥有超过1000名室内设计师和300多家企业。
数据显示，家装设计市场约为1210亿美元，全球家具市场约为4936亿美元。这也就意味着，除了模块化的生成工具和更高的设计沟通效率之外，一个能连接方案和家具产品、连接设计与销售的解决方案将会拥有更广阔的市场空间。基于这一愿景，在以模块化生成工具获取SaaS订阅收入作为主营模式之外，设计切入家具销售转化，将作为Collov的辅助业务模式，进一步拓展市场。「Collov」目前已经与超过300个品牌商合作，积累了数百万家具SKU，为终端客户提供家具销售导购服务，在2022年实现了500万美元的销售额。
“从长期来看，在主要帮助设计师提升效率之外，我们也会辅以生成可以直接下单购买的全景方案的方式，让家居企业能够直接触达终端客户。”
团队方面，「Collov」创始团队拥有深厚的LLM、AIGC及GNN（图神经网络）技术基因。CEO张霄本科毕业于北京大学物理系，拥有斯坦福应用物理博士学位，曾入选2022年福布斯全球华人Top100精英榜。CTO毕业于加州伯克利，曾在TikTok智能创作团队负责AIGC相关项目，主要从事于M-LLM（多模态大语言模型）的预训练，基座生成模型和扩散模型项目，核心开发了抖音AI漫画家、AI肖像等亿级用户量的AIGC产品。首席科学家为耶鲁大学计算机学教授，率先提出GNN的概念，并为GraphSAGE算法的发明者。其曾在波音、Facebook和DeepMind担任AI算法顾问。目前，「Collov」正在和斯坦福，耶鲁，北大等高校实验室合作，进行多模态可控大模型的各项开发工作。
“大模型的下一步，是大垂类领域的工业级AI。”
毫无疑问，技术、生成模型、数据收集和训练管线都是可迁移的。尽管技术还有成熟空间，但如今大多数生成式AI服务商都在发力商业化，也正是因为行业数据对于AIGC和大模型的壁垒价值，在未来将会造成巨大的马太效应。而作为目前为数不多已经在单一领域“跑”起来了的生产力平台，「Collov」未来将致力于积累不同设计的领域数据，将业务拓展至不同设计品类。
