根据 CSHIA 统计，2022 年中国智能家居市场规模为 6515.6 亿元，2016-2022CAGR6 为 16.5%。智能家居行业近年来快速扩容，已经历了单品智能到场景智能阶段，目前正在从 多场景智能联动阶段向全屋主动智能阶段过渡，并且在行业快速发展过程中，众多非传 统家具、家电品牌的企业入局，在智能家居系统市场中份额位居前列，这些新兴智能家 居系统企业是否会影响传统家居产品流量入口已成为市场核心关注点之一。整体来看， 站在目前节点，我们认为由于全屋智能系统仍存痛点,叠加传统家居产品（非家电类）品 类特性限制，短期内全屋智能家居解决方案提供商仍较难占据传统家居产品的流量入口。 而中长期来看，随着消费者对于智能化体验要求进一步提升，并且供给端也已经解决当 前时点的相关痛点，全屋智能解决方案提供商或将对传统家居品牌流量入口产生影响。
1.1 行业正向全屋主动智能阶段迈进，新兴智能家居系统品牌份额领先
(资料图片仅供参考)
多场景智能联动向全屋主动智能阶段发展：智能家居是以住宅为平台，利用物联网、云 边计算、人工智能等技术将家居生活有关设备升级并集成，使其具有集中管理、远程控 制、互联互通、自主学习等功能，为住户创造包括安全、娱乐、运动等多种生活场景。 通过拆解智能家居的发展阶段，我们认为智能家居的发展起始于智能单品阶段，这一阶 段聚焦于各细分品类的智能升级，各家电巨头纷纷入局，智能音箱、门锁等产品层出不 穷；随着单品智能化逐步普及开，底层通信协议互通，以单场景为中心、智能单品为纽 带的智能互联解决方案开始兴起，中控系统进一步迭代升级打通了场景间难以互联的壁 垒，全屋智能雏形初现，过程中催生了如小米、华为、海尔等全屋智能解决方案提供商。 而随着 AI 技术的进一步迭代升级，以人为核心、满足用户交互需求及情感需求的全屋主 动智能阶段正在显现。目前智能家居行业正处于多场景智能联动（3.0 阶段）向全屋主 动智能（4.0 阶段）过渡。
智能家居市场规模已超 6500 亿元，全屋智能新势力份额领先：根据 CSHIA 统计，2022 年 中国智能家居市场规模为 6515.6 亿元，2016-2022CAGR6 为 16.5%，近年来持续扩容。从 2022 年中国智能家居产品使用率占比来看，智能家电、智能锁、智能音响的使用频率最 高，占比合计为 55.4%。从市场格局角度看，根据奥维云网统计，2022 年智能家居系统 精装修市场 CR5 为 37.9%，其中 UIOT 超级智慧家/睿住智能/华为精装市场份额分别为 9.1%/8.5%/8.0%，非传统家具、家电或互联网企业的新兴品牌在全屋智能家居解决方案 市场已占据一席之地。
1.2 AI 发展趋势下，智能家居系统厂商能否占据传统家居产品流量入口？
我们认为短期内全屋智能家居解决方案提供商或较难显著影响传统家居企业流量入口， 主要基于两方面原因：1）全屋智能系统仍存痛点：站在当前时点，由于全屋智能系统尚 在发展初期，还面临基础设施不完备、被动智能等瓶颈，同时设计安装全流程服务也较 难跟进，消费者体验感仍有较大提升空间，后续在 AI 迭代发展助力下或仍有部分痛点待 解决。2）传统家居产品（非家电类）品类特性限制：其对远程控制的需求度不高，并且 目前传统家居产品自身智能化程度仍较低，即使全屋系统已经具备主动感知、交互能力， 传统家居产品或仍较难与其他单品在主动智能的场景中产生协同。而中长期来看，随着 消费者对于智能化体验要求进一步提升，并且供给端也已经解决当前时点的相关痛点， 全屋智能解决方案提供商或将对传统家居品牌流量入口产生影响。
1.2.1 全屋智能系统：目前仍有较多痛点亟待解决
在物联网技术、硬软件系统及 AI 技术的持续迭代下，全屋智能逐渐从概念层面走进实际 生活中。但目前全屋智能系统仍然面临被动智能、基础能力不足，前装模式需与装修相 结合、安装售后服务体验差等亟待解决的痛点。在此情况下，消费者现阶段仍更青睐智 能单品，全屋智能系统选择度相对较低。根据 2021 年消费者对智能家居产品购买意愿调 查显示，66%的消费者倾向于购买智能家居单品，仅有 28%的消费者会选择定制全屋智能 系统。技术瓶颈及设计安装流程较为复杂繁琐导致的体验感不佳或是消费者现阶段更青 睐智能单品的核心原因。
AI 助力下短期内仍无法解决的痛点：
技术瓶颈
1) 生态不兼容：目前智能化已经在单品中普及开，但全屋智能系统可能存在生态不兼 容的问题，如小米生态链产品难以接入华为全屋智能系统，消费者在单品的选择上 有较大局限性。 2) 基础能力不足：目前物联网通信技术分为无线和有线方案，前者以 Wifi、蓝牙及 ZigBee 为主，后者以 KNX、PLC 为主。i）无线传输信号不稳定：当前主流智能家居 系统多采用无线接入，随着智能设备数量增多，家庭中无线通讯越来越频繁，不同 网络之间可能会形成干扰，组网超负荷可能会导致设备断联。ii）有线传输尚在发 展初期：有线技术目前应用处于早期，尚未形成稳定规模与份额，且对前期设计、 安装、预算要求较高。iii）传感器技术发展瓶颈：目前传感器局限于人体移动、光 照、空气质量等基础方面，且测量精准度往往受周身环境因素、网络延迟等因素出 现误差，而要实现完全智能需要更多种类、更精确的信息以提升用户体验。
设计安装全流程服务
1) 前装模式需要与装修环节关联：目前全屋智能的实现分为前装与后装两种模式，前 装指线路走向、开关预留、功能联动、设备安装、系统调试等都需与装修同步进行， 有线+无线的双传输模式使得全屋智能系统更加稳定；后装则是在软硬装结束后再配 置智能家居系统，以无线传输为主，受制于原先的装修环境及非智能设备只能够实 现部分智能。因此，若用户想要实现真正意义上的全屋智能，只能选择前装模式， 需结合装修环节对住宅进行改造，对于目前的大量已交付非智能新房及存量住宅消 费者而言，整体安装过程将较为繁琐。 2) 安装、售后体验差：由于全屋智能尚在发展初期，各方案提供商在安装、售后等等 服务方面仍没有建成较完善的体系，因此在安装过程中，存在因部分厂商专业安装人才短缺导致安装工期不定的现象；在实际使用过程中可能会出现乱收费、代理商 相互推诿等不良现象，从而影响用户体验。
AI 助力下未来能够被解决的痛点：
技术瓶颈
主动智能尚在初级阶段：全屋智能系统的智能化程度一方面取决于智控系统内置芯片 AI 算法的成熟度与精准度，另一方面依赖于用户生活习惯的行为数据库的丰富程度，AI 基 于数据库进行自我学习与推理从而形成智能解决方案。当前受制于 AI 技术的发展，系统 主动智能仍在初级阶段，仍以单点、线性操控为主。未来随着 AI 算法更加成熟、自主学 习能力提升，全屋智能系统将能够主动感知用户需求，从而自主构建不同场景，提升使 用体验。
设计安装全流程服务
全屋智能设计难度大：在进行全屋智能的设计时，需要考虑用户需求、房屋结构等因素， 布线时预设传感器、网关、设备位置，根据不同的需求和实际情况，进行灵活的设计， 才能确保全屋智能的运行效果。此外，更高功能的全屋智能往往需要多个设备联动，如 智能安防的布局会用到传感器、智能门锁、智能猫眼、智能中控一系列设备联合发挥效 力。需求的个性化及设计的复杂性使得业主自主设计难度大，往往需要专业设计师协助 下实现。未来随着 AI 进一步升级迭代，设计端或可实现 AI 自主设计，实现精准、合理 布局的同时提升用户体验感。
1.2.2 传统家居产品：智能化程度仍较低，产品迭代需跟进
传统家居产品远程控制需求度低：由于目前全屋智能系统仍处在由被动智能向主动智能 的过渡阶段，大部分情况下仍需要人为预设场景后由中控系统控制单品的开关来构建服 务场景，通过系统实现远程控制替代人为操作提升用户体验感。但传统家居本身产品属 性决定了用户体验建立在直接使用该产品的基础上，不同于灯具、窗帘等产品，其远程 控制开关的需求度较低，即远程控制并不能够提升用户体验感。 产品本身智能化程度仍低，即使在主动智能环境下短时间内也难与其他单品形成协同作 用：传统家居品类智能性程度普遍还较低，如智能功能在衣柜、厨柜等定制家居上运用 仍较少，而沙发、床类产品的智能化水平还处在初级阶段。在此情况下，即使 AI 技术持 续优化，全屋智能系统具备主动智能基础，但受产品本身智能化水平较低的限制，也难 与其他单品联通交互形成主动智能场景。
整体来看，全屋智能系统处在发展初期、传统家居本身智能化程度也较低，供给端难以 提供能够满足消费者需求、切实提升体验感的产品，因此消费者对于传统家居的需求仍 集中在质量、性价比、家装风格搭配等方面，对于智能化的要求程度不高，根据艾媒咨 询统计，在 2021 年消费者家居消费关注因素中，产品质量/价格合理/环保占比分别为 47.9%/42.2%/40.0%，对于智能程度需求关注度仅为 26.9%。全屋智能解决方案提供商所 具备的科技优势在传统家居产品上的应用场景仍需进一步探索，在相应便利性、智能化 程度仍不高的情况下，传统家居产品被全屋智能系统品牌商连带销售的契机仍不充分。
此前我们在《家居供给侧解构新思：‘整家定制’能否破解集中度难题？》这篇报告中， 提出家居行业供给侧研究框架，我们认为家居企业在组织能力构建为顶层竞争要素的基 础下，直接推动格局变化的是四项能力的比拼（产品研发与迭代、供应链整合与生产能 力、信息化、渠道管理与赋能能力）。在 AI 时代该框架或仍然适用，AI 对于传统家居行 业的格局影响或可从 AI 为上述四项能力带来的变化进行探究。此前头部家居企业虽然随 着四项能力的领先优势扩大，其份额可稳步提升，但由于：1）企业受限于技术、成本等 原因，仍不具备全面个性化定制能力，价位段、产品类型、风格的约束使得无法覆盖所 有客群；2）目前家居产业链仍有较多环节以人为主导，存在人工的产能和效率瓶颈，两 方面因素共同使得终端流量获取及转化率均存在对应提升瓶颈，一定程度上限制了行业 集中度提升的速度与上限。而在 AI 助力下，头部企业四项能力将持续迭代突破，使头部 企业真正实现完全个性化定制能力的同时，突破人工导致的各环节效率、产能瓶颈。在 此基础上，头部企业有望显著扩大自身优势，加速提升份额，相应人力因素导致的瓶颈 突破后，也有望进一步打开行业集中度天花板。
2.1 产品研发方面：AI 助力新品推出更精准、更高效
提升转化率：随着年轻消费群体正在成为消费主力，消费需求的更迭速度明显加快，消 费者对于家装风格一体化的诉求也越发明显，因此对家居企业产品研发、体系化迭代速 度提出了更高的要求。AI 或可基于大数据分析出不同时点最受消费者追捧的装修风格， 并及时推出风格一致的套系化产品占领消费者心智，促进转化率提升。而中小企业相对 有限的客户数量难以分摊由产品快速体系化迭代带来的成本压力，新品推出速度难以满 足消费者需求的变化，根据我们在阿里平台统计，以沙发和床垫品类为例，头部品牌目 前所拥有的 sku 均远高于线上销量靠前的小品牌，未来 AI 赋能下，头部品牌在新品推出 的精准度及速度方面的优势将进一步显现。
AI 赋能产品研发，满足家居&家装风格一体化需求趋势
在消费升级的时代，新消费群体对家装风格一体化需求明显提升，根据调查，37.8%的中 国家居消费者主要关注“家装风格搭配”因素。虽然家装整体配搭风格是否一致在设计 环节才能得到较为清晰的呈现，但产品作为设计端前置环节，将决定设计端能否呈现出 整体装修风格的一体化。AI 或可基于大数据分析出在不同时点消费者最青睐的装修风格， 并将其运用在产品研发阶段，推出风格一致的套系化产品，为设计端一体化风格呈现做 铺垫。
针对消费需求改变，AI 助力产品研发更快顺应消费趋势
由于年轻消费群体正在成为主力消费人群，年轻消费者更追求潮流的本质决定了其需求 变化的速度更快，根据草根调研反馈，目前大多数顾家家居经销商 80%的收入来源于次 新品（推出一年）及新品（当年推出），供给端产品迭代跟进已经是基础要求。而当前各 头部品牌更多是通过市场调研、经销商反馈来判断消费者需求的变化，在时间上可能具 有一定滞后性，产品端更是难以做到及时反馈，AI 或可基于丰富数据库对未来消费者需 求的变化方向做出预判，使得企业在消费者需求变化方面更具前瞻性，结合消费者对于 一体化风格诉求逐步显现，提升符合消费者需求的套系化产品迭代速度，深化头部企业 产品端优势。
2.2 信息化（设计能力）方面：AI 有望显著提升全屋方案设计效率与效果
提升转化率：AI 实现进一步赋能设计软件，一方面通过降低设计软件使用门槛、进一步 提高设计效率，大幅提升设计产能，另一方面辅助设计师更为精准地抓取消费者需求， 优化设计效果实现“所想所说即所见”从而促进客流转化。而中小企业本身难以负担高 昂的软件购买及研发费用，在 AI 时代下与头部企业的差距将被进一步拉开，行业将呈现 份额进一步向头部品牌集中趋势。此外，AI 延申运用下头部企业突破了设计产能及效果 呈现瓶颈，门店转化率或将进一步提升，从而突破自身份额提升上限。
AI 助力提升设计产能
目前 AI 在家居设计中的环节多是扮演生产力工具角色，通过减少重复性工作实现效率提 升，头部品牌一般通过自研或外购设计软件赋能设计环节，如箭牌将酷家乐软件导入设 计端后设计师下单时间缩短至 70 分钟，三维家推出“3D 秀”功能，将全屋设计出图时间 缩短至 10 分钟。导入大模型后一方面或能够降低设计软件使用门槛，门店导购人员也能 做出简单效果图从而提升设计产能；另一方面或许能够通过进一步拆解重复性工作，实 现更为细化环节的效率提升促进整体设计环节提效，使得单一设计师能够服务更多客户， 增加门店客流量，为后期转化做铺垫。
AI 助力下，或可更精准抓取消费者真实需求，实现全面个性化设计
设计效果能否让消费者满意本质上取决于设计师对于消费者需求的理解程度，若设计师 能够精准理解消费者的真实需求，将进一步完善设计效果。大模型所具备的强大分析、 人机交互能力能够及时响应用户需求，根据用户需求自动优化设计并生成反馈，从而辅 助设计师精准抓取消费者真实需求，实现“所想所说即所见”。
2.3 生产能力方面：AI 助力实现全面个性化定制，拉升生产效率与品质
增加客群覆盖面+提升转化率：AI 在生产环节的延申运用一方面能够通过缩短拆单时间、 组织高性能设备协同运作突破生产环节效率瓶颈，显著降低生产成本；另一方面，生产 全流程智能化将避免人为干预导致的出错率高、产品品质不稳定等问题。在极致降本增 效、保障产品品质一致稳定的基础上满足消费者任何个性化需求，实现真正上的“所想 所见即所得”。整体来看，AI 进一步赋能生产环节后，品牌方将首先具备完全个性化定 制能力以覆盖更多客群，其次通过生产制造环节全流程智能化突破原先效率上限，进一 步落实降本增效，减少等待时间提升用户体验感的同时将成本优势传导至销售环节，在 不提价的基础上提供更好的产品，促进转化率提升。在此前提下，部分以提供完全个性 化定制为卖点的中小品牌可能因为缺乏成本优势被行业淘汰，叠加头部企业突破自身效 率瓶颈，行业集中度上限提升趋势已较为确定。
AI 或可助力头部企业具备全面个性化定制能力，拓宽客户覆盖面
目前各头部品牌出于控本考虑所提供的个性化定制实际上是有限制的个性化定制，消费 者只能够在品牌方提供的板材、花色基础上进行选择，并不能够完全实现“所想即所得”， 这就导致头部品牌在其定位价格段内难以覆盖追求高度个性化定制的客群，从而限制了 品牌客流总量。AI 进一步赋能后，生产设备的数据存储进一步扩容，或能够实现消费者 DIY 花色、款式，并且 AI 或可助力企业通过流程优化实现精准控本，在并不提升成本的 基础上实现真正意义上的个性化定制。
AI 助力推进极致降本增效的同时保障产品品质一致性
1） 自动拆单提升效率，降低拆单环节出错率：目前 AI 在拆单软件中更多起到辅助作用， 目的在于提升人工拆单效率，但一方面人工拆单效率上限低，另一方面出错率难以 避免。而 AI 进一步赋能后或可实现全自动拆单，在大幅提升拆单效率的基础上显著 降低出错率，使得订单能够更快速、精准地流转至生产环节。
2）制造流程全智能化，兼顾效率及产品品质双提升：目前，各家居企业已纷纷迈入智能 制造时代，产线智能化一方面使得头部品牌推进降本增效，以目前智能制造较为领先的 索菲亚为例，其交付时间从 20 天缩短至 7-12 天的同时，并且人工成本逐步降低，厨柜 单位人工成本从 2017 年的 570 元/单降低至 2022 年的 356 元/单，另一方面降低出错率 保证了产品品质稳定性，根据中国消费者协会统计，2021 年家具质量问题投诉比例为 29.1%，较 2017 年减少 10.2pct。若 AI 进一步运用在生产制造环节，将实现全流程自动、 智能化生产，通过组织高性能设备协同运转，优化整个产线的生产流程进一步推进降本 增效，突破原先效率提升瓶颈。此外，全流程智能生产将使得制造环节更为精细化，最 终实现生产环节零出错，进一步提升产品品质稳定一致性。
2.4 渠道赋能管理方面：AI 助力下，赋能及管理的精度与广度或可显著提升
提升转化率：AI 助力下头部企业或能将自身多年赋能管理经验通过大模型持续迭代优化 输出，或可最终实现结合不同经销商的经营情况独家定制从主动营销到售后环节的优化 方案，从而实现精准赋能，促进对应门店从设计到售后服务的相应能力的提升，使得门 店流量转化率精准提升。整体来看，AI 助力下，渠道赋能及管理的精准度与广度或可显 著提升，在各环节成本优化的同时或可释放最大赋能成果。 家居头部品牌渠道赋能优势已显著：头部品牌经过多年时间，在渠道赋能与管理方面各 自形成了一套相对完善的渠道管理与赋能体系，帮助品牌战略进一步落实的同时助力经 销渠道的健康、良性发展，而中小品牌往往没有体系化的渠道赋能管理措施，导致经销 商之间可能存在恶意竞争，经销渠道发展易进入瓶颈期，因此与头部品牌逐步拉开差距。 以欧派为例，基于树根理论，集团通过制定严格管理措施及丰富的赋能措施对经销商成 长进行帮扶，得益于渠道赋能措施的不断完善，欧派单店提货额显著高于竞品，2022 年 衣柜单店提货额达 322 万元，橱柜单店提货额达 149 万元。
AI 与日常、针对性管理赋能相结合，头部企业有望形成良性正循环，进一步拉大自身渠 道管理赋能优势。头部企业应用 AI 技术的同时，将持续向相应大模型输送自身不同类型 的管理赋能经验，迭代升级相应大模型，从而将自身领先优势持续保持，并且将实现对 不同城市、不同类型的经销商进行精准赋能、管理。
1) 日常管理赋能方面，AI 或能够实时更新不同阶段内集团在经营方面的新政策、新方 案及新产品，通过支持问答、问题反馈等功能帮助经销商理解、落实不同时期的经 营要求，并根据不同经销商的经营状况自动生成从前端获客营销到售后服务环节的 经营措施供经销商参考。从单店情况来看，欧派近年来单店对应销售人员人数，从 2017 年的 0.2 人/店增至 2022 年的 0.4 人/店，并且单一经销商门店的销售费用也维 持稳健，日常管理赋能成效明显，AI 赋能后或可进一步深化头部企业的渠道优势。
2) 针对性赋能方面，以欧派为例，虽然目前体制下经销商能够指定培训老师及培训方 向，但培训方案相对固定，根据不同经销商的经营情况制定不同的培训方案较难实 现，笼统的培训或许不能够针对性地解决经销商痛点，导致赋能效果及经销商经营 情况改善达不到预期效果。若 AI 能够运用到这一环节中，品牌方可以将不同的培训 方案输入到大模型中，大模型通过结合以往已经接受过培训的经销商在培训前后的 经营数据情况对比进行分析总结，归纳出不同情形下最适用的赋能措施。对于需要 接受赋能培训的老商而言，AI 将先对其经营情况进行分析，识别经销商在经营过程 中遇到的问题并与数据库中的已归纳的情形相匹配，形成系统性赋能方案，在输出 方式上亦提供具体问答、虚拟场景体验等多种形式。对于新商而言，由于其不具备 可供参考的经营数据，AI 将基于丰富已有案例数据库，结合该经销商所在区域或相 似区域同体量经销商的经营情况给予最佳赋能方案。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）