AIGC大熱后，設計師林儷和版師張宇都覺得自己混得比對方慘，經營模特攝影工作室的“浪豬灰頭”也覺得正在失去生意。

　　4萬億服裝行業，正在被新一波AI技術改變，且沖擊和機遇并存——麥肯錫分析，未來3到5年，生成式AI可能會幫助服裝、時尚及奢侈品行業的營業***創造1500億美元的增量，樂觀估計可高達2750億美元。

　　億邦動力注意到，AIGC對服裝行業的影響主要集中于商品企劃、產品設計、零售終端三個環節，AIGC提升設計師效率、數字人+3D服裝給消費者帶來新體驗，這些新內容都將給服裝行業帶來新機會。

　　只不過，要想解決行業內從設計到生產到營銷多環節的難題，并非易事。服裝行業也曾經過幾輪AI洗禮，從RNN（遞歸神經網絡，1990年提出）到GAN（生成對抗網絡，2014年提出）到如今的Diffusion（擴散模型），每一波AI都試圖打通整個產業鏈。那么，這一輪生成式AI會對服裝行業產生哪些影響？AIGC將影響哪些崗位就業？AI能力外溢到供應鏈，能夠產生多大影響？

　　01

　　設計師、版師、模特，誰被沖擊？

　　 1  AIGC干不掉設計師

　　設計師和版師是服裝設計中的主要崗位，一個負責將天馬行空的靈感變成一張張圖紙，一個負責將圖紙變成樣衣。

　　Midjourney和Stable Diffusion一度給設計師林儷帶來很大的職業生涯危機，輸入提示詞，5秒內生成六張設計圖，還可以不停更新。林儷從事快時尚設計快5年，見過不少設計高手，還是被Stable Diffusion的生成效果驚艷了一把，“關鍵是速度快且量大，感覺分分鐘要失業。”

　　“上新”是快時尚的命脈，品牌企業對創造力和效率有***追求。堅持用了半年Midjourney和Stable Diffusion，林儷放心下來，“大模型確實在生成速度上遠超設計師，但AIGC只是一個素材生成方式，輸入什么提示詞，需要哪些元素，到底要用哪張，這些都需要我們來做選擇。我現在的靈感圖都由AIGC完成，效率大概提升了3倍。”

　　而且，AIGC目前只是在單款服裝的設計上提供了靈感。除了單款設計，設計師還需要做一些系列企劃——比如當季主推的款有哪些系列，哪些款式搭配起來好看，常規款和主推款怎么搭配。甚至這些款式在門店的陳列，都得在設計師企劃時去規劃——主推款式放在什么位置，效果如何，在門店如何陳列。顯然這些工作內容都超出AIGC的范圍。

　　“單從款式設計上來說，其實絕大多數服裝企業都有自己的版型基礎，也就是大體‘規矩’，在這個‘規矩’內，設計師會去判斷用什么樣的顏色、輔料、裝飾性元素。AIGC就是在這個環節給出靈感和幫助。”林儷補充。

　　AIGC到底能幫服裝設計師做什么？知衣科技創始人兼CEO鄭澤宇認為主要有三方面：

　　***，提供靈感。

　　第二，快速生成出大量符合提示詞的圖片。

　　第三，降低設計的成本，提高設計的精度和投產效率比。

　　“但目前AIGC能夠達到的效果只有第二點，***和第三步還在測試中，1-2年內實現還有困難。”鄭澤宇補充。

　　鄭澤宇也認為，AIGC還遠遠談不上取代設計師，“AIGC只是一個素材生成方式，判斷這些圖是否是設計師或品牌方想要的，到底用哪張，這才是最重要的問題。”

　　 2  20年后再無版師？

　　AIGC取代不了設計師，但可以取代版師。這是凌迪科技Style3D首席科學家王華民對本輪AI的預判。

　　版師指從事服裝制版工作的人，制版在整個服裝生產流程中承上啟下——對上，要和設計師溝通樣衣的工藝細節；對下，要向樣衣工或生產工廠交代縫制樣衣的注意事項，把控樣衣（非大貨）質量。

　　一件衣服的設計圖出來后，還得經歷“打版-修改-再打版-再修改”的過程。“有時候一個裝飾是要2.5厘米還是3.5厘米，得樣衣出來之后再看效果，因為這就是一個感覺的東西，就是大一點小一點，左一點右一點，得來回調整。”林儷回了一個不忍直視的表情。

　　這個過程往往耗時耗力，“設計師很多是不懂打版的，或者懂得不多，他需要和版師反復溝通，時間成本和溝通成本就會很高。”王華民認為。

　　和林儷在同一公司的版師張宇也認同AIGC對版師們的威脅，版師要將設計師的2D稿子變成生產需要的CAD圖，同時生產出樣衣，供設計師進行修改。“2D轉3D，這個活兒很專業也很套路化。現在一些復雜的版，我們已經不用自己立裁，而是把3D效果給到設計師去看，讓他們直接在3D上做調整。”張宇說。

　　在凌迪的Style3D AI產業大模型中，只要將相應的服裝拖入設計框，點擊AI生成版片，幾秒內可以將版片和3D效果獨立出來。

　　“20年后，當我們的模型足夠大，設計師會變得更全能，因為他的工具更多了。”王華民補充，“到時候，最***的情況是設計師自己設計，自己打版，甚至人人都可以成為設計師。”

　　 3  電商不需要模特了？

　　除了設計師和版師，模特界也開始“地震”。

　　在電商平臺的款式的詳情頁背后，是十幾個人的分工協作，需要從請模特、攝影師、造型師、助理等+準備服裝+影棚租賃or出外景+選片+修片+配圖說明，成本百元到千元不等。

　　微博賬號“浪豬灰頭”曾發出一張模特攝影工作室的價格表：一天8小時拍攝，需要支出3.6萬元。其中攝影費（包含400張修圖）1萬，男模和女模費用超2萬，化妝費2000元，搭配費4000元。

　　圖片：來自網絡

　　“請多個模特的話，得同時照顧幾個模特的檔期，大量的服裝也需要提前熨燙和整理。而且照片數據大，數量也多，下載、制作、挑選的過程至少5天。我們一個服裝專場至少10天就要上線，經常得招20個兼職人員才夠用。”“浪豬灰頭”補充。

　　而在凌迪科技推出的AI產業模型中，這些人員和費用都可以省略，只需輸入關鍵詞，就可以生成“數字模特”。

　　輸入“歐洲女子的臉型，中分長發，典雅氣質，妝容干凈”，就能生成對應臉型。

　　上傳一個模特姿勢圖，就能生成對應姿勢的模特圖。

　　輸入背景關鍵詞“超現實主義背景，極簡主義的建筑風格，畫面充滿活力，具有夢幻般的建筑空間”，就能得到多張對應風格的背景圖。

　　數字人+3D服裝的AI組合拳，正在把一個款式的傳播成本，拉低到無法想象。未來也許品牌方提供一件衣服的照片就可以組織一場走秀和直播。

　　“AI+3D技術將改變傳統的人貨場模式。”王華民認為，“通過文生圖，我們可以生成模特、生成背景、生成姿勢，具體能省多少還沒有衡量。我們主要是工具給到他，至于他們怎么使用，應用在哪些場景，能節約多少錢，就看他們如何使用這個工具。”

　　02

　　AI技術路徑之于服裝，有何不一樣

　　設計、打版、營銷，在這三個環節，已經有“服裝設計+AIGC”產品相繼面世。

　　萬事利絲綢與無界AI合作，探索AIGC +絲巾設計；

　　知衣科技與西湖心辰合作，推出服裝產業模型“FASHION DIFFUSION”，要做服裝行業的Midjourney，在找款、改款與設計等場景中提升設計效率；

　　供應鏈服務企業魔魚發布“魔魚GPT”，提高服裝設計師提高工作效率；

　　凌迪科技Style3D發布的Style3D AI產業模型，提供AI預測趨勢、AI生成圖案/版片/材質/圖像等功能，試圖構建起數字時尚產業的“基礎設施”。

　　服裝設計在過去也一直被AI賦能，這一輪AI與此前有什么不同？王華民認為，雖然都是AI，但是10年前的AI、5年前的AI和這2年的AI各不相同，“一個人說自己是AI從業者，你得看看他干的是哪一個AI。”

　　AI行業經歷了RNN、GAN、Diffusion等多輪迭代，此前的服裝AI都基于GAN，即用生成模型和判別模型相互競爭，生成模型用于創造一個看起來像真圖片的圖片，判別模型用于判斷一張圖片是不是真實的圖片，兩個模型一起對抗訓練，最終兩個模型的能力越來越強，最終達到穩態。

　　和GAN相比，Diffusion模型只需要訓練生成模型，訓練目標函數簡單，可以實現更優的圖像樣本質量和更好的訓練穩定性。

　　王華民指出，“GAN的可控性較差，很多東西停留在學術上或者論文上，Diffusion比GAN更容易訓練，同時將可控性整體上了一個臺階，訓練效果也有了很大提升。”

　　基于Diffusion模型的AIGC有兩個明顯優勢：

　　 1  降低設計工具的使用門檻，提高行業滲透率

　　以往的服裝設計工作，需要掌握繪畫、PS技能，而在本輪AI產業模型中，通過自然語言描述，就能直接生成設計圖。

　　比如打開知衣科技的FASHION DIFFUSION使用界面，風格、款式、特征一目了然，只需選擇款式、顏色、材質等選項，10多秒，AI就能生成T臺走秀風格、淘寶抖音商品風格，以及INS小紅書社媒風格等各種風格的款式圖片。

　　圖片來源：知衣科技官網

　　這樣的便利性和“低門檻”背后，是知衣科技超10億的服飾圖片與500+服裝設計標簽的行業沉淀，以及西湖心辰在深度學習方面的積累。

　　 2  一個模型滿足多個任務

　　傳統AI的工作方式是一個任務訓練一個算法模型，且各個模型之間彼此獨立。比如要做圖片搜索，訓練一個模型；要做圖片生成，再訓練一個模型。

　　而大模型可以一個模型解決多個任務，比如Style3D AI 產業模型提供AI生成圖片、AI生成版片、AI生成材質、AI生成圖片等多種功能。

　　服裝行業的設計圖需要在2D、3D之間反復切換：

　　2D：是設計師最初在紙面上設計的內容，如草圖或款式圖。

　　2.5D：是版師基于款式圖進行制版，是連接二維和三維的橋梁，可以稱作2.5D。

　　3D：3D數字服裝與數字人（Avatar）結合起來，有了可交互的方式。

　　2D：在服裝展示環節，圖形學技術通過渲染，把三維物體變成2D視覺效果，例如輸出電商上新的圖片或視頻。

　　王華民認為，“一個模型可以完成這些模態之間的設計和轉化——我想要干什么，我直接告訴他就行了，只需要在出口端設立不同的出口形式，這是理想狀態。但也需要2-3年才能完成。”

　　目前AI生成的設計圖，在精度、分辨率、細節、算力成本、制作成本、投產效率比都在測試中，距離商用還有距離。

　　鄭澤宇認為，盡管有海量數據支持，但設計師到底想要什么，提示詞怎么來，如何清晰描述出你想要的東西？還是一個問題，還需要通過關注趨勢預測或者捕捉靈感去實現。

　　同時，大模型的可控性始終是隱患。王華民認為，怎么***它出的圖是你想要的，而且可以修改、怎么樣去提升可控性穩定性，是AIGC商用的重要一環。“只不過我個人覺得，AI里面的很多問題可能都是因為數據不夠導致。”

　　03

　　AI能否深入服裝供應鏈？

　　“沒有一個萬億級的行業能夠像服裝行業這樣來適應AIGC。”Style3D創始人劉郴認為。

　　盡管這一波人工智能被冠以“第四次工業革命”，但鄭澤宇覺得，相比起工業革命，目前AIGC對服裝行業的改變還差點意思。

　　“工業革命發生在生產制造維度上，AIGC更多在設計和時尚維度上，它確實會加速品牌迭代，但想要推動整個產業轉型升級，我覺得它還不夠。服裝的周期長環節多，推動產業轉型升級，還得是整個產業的數字化，而不是單一環節的調整。”鄭澤宇指出。

　　“盡管我們希望以后人人都是設計師，消費者在C端通過AIGC設計一件自己喜歡的衣服，然后通過C2M直接生產，但中間還有很多環節沒有打通。”王華民認為。

　　中國服裝供應鏈已經從傳統模式走向快反模式。億邦智庫認為，在小單、快反、個性定制等消費新需求驅動下，數字技術重構服裝產業生態，倒逼工廠及上下游走向敏捷響應。

　　不斷推廣的3D技術、AR制版、虛擬試衣也在不斷縮短設計師的時間，提高產業鏈反應速度。

　　供應鏈的數字化似乎超出了AIGC的范疇，但鄭澤宇認為，從設計師切入是牽引供應鏈升級的很好抓手，“設計定了，供應鏈、工藝、面料這些東西才能定。掌控了設計，就有對后端供應鏈的引導力。”

　　如何從設計出發，牽引供應鏈變革？鄭澤宇認為，數據打通和流轉仍然是核心問題——服裝行業的數據極度分散，掌握在不同參與者手上，幾乎不共享也不傳遞，這是服裝行業數字化的瓶頸。對整個產業變革來說，數據打通是更急迫和更瓶頸的那個環節。

　　阻力是多方面的。“首先，大家不想要被打通的動力要遠遠大于打通的動力。”有從業者指出，“畢竟，一個工廠也不愿意告訴你產能是多少，如果告訴你，你就不會派超過我產能的訂單；面料廠也不愿意把最新款出上傳平臺，防止抄襲。所以其中有很多的阻力。”

　　其次，有些環節的工藝始終難以數字化。比如面料環節很多企業沒有ERP，更不用提數字化。有服裝品牌負責人告訴億邦動力，“目前設計和生產的快反可以實現，但在面料環節，還是得提前備貨，還是傳統方式，因為面料涉及物理和化學等過程，還沒有太強的快反能力，這個問題短期內也無法解決。”

　　究其根源，服裝行業龐大而分散——這個行業是就業大戶，能提供約3億的就業崗位，但企業分散度極高，品牌存活周期平均不超過一年。“大家都生存在一個高度不確定的環境下，都有很強的危機感。”鄭澤宇認為。

　　在這一背景下，如何實現服裝從設計、生產、銷售的局部協作與閉環？鄭澤宇指出，SheIn做了一個好示范——從訂單的維度去打通整個產業鏈。SheIn可以給工廠提供穩定的訂單，工廠可以安心出貨；SheIn會把面料提前給到工廠，品牌也可以放心合作。

　　設計與生產打通的好處也立竿見影，從設計草稿到打版到下大貨，如果品牌內部流程快，2~3天可以實現下大貨。

　　目前，知衣科技也在進行這樣的數字化協作——從設計師構思開始，設計師選款時看了哪些圖，選到哪個款，用了哪個供應商，用了哪些面料，誰來打版，線稿展樣板圖是什么樣子，在哪個展廳，存放了多久，哪些品牌借出，最后誰下了單，下了多少訂單，被分發到哪一個工廠，什么時候面料到倉，什么時候開始生產，什么時候出廠，工廠如何交付，這些所有流程都能用數據串聯起來。一個設計師的款式，從設計到交付，全流程一兩個月內完成。

　　在這個局部的產業鏈協同中，前端是數字化設計，中間是數字化款式匹配，后端是數字化供應鏈平臺，“只有在這種協同下，才可以將AIGC的效率優勢發揮出來。我們距離人人都可以當設計師的時間，才會越來越近。”鄭澤宇認為。


信息來源：服裝新聞網