機器之心發布

機器之心編輯部

(相關資料圖)

AIGC 這股風，吹到了時尚行業，會帶來哪些生產力革新？

上線五天，用戶破百萬，兩個月突破 1 億...... 這是科技圈 “頂流” ChatGPT 的上線戰績，隨之引發了持續至今的 AIGC 狂熱潮。無所不會的對話、數秒產出的精美作圖，俗稱 “累不死的 AI 打工人” 正在讓真實打工人倍感焦慮。

而事實上，人工智能本質是技術工具，在充斥挑戰的背后，蘊藏的機遇更大。企業家們興奮地忙著如何與 AI 結合進而加速提升效率與生產力，而越來越多聰明的職員正在主動學習 AI 應用，為自己能力加碼。AI 重新定義的工作方式，也讓企業更加依賴和仰仗那些主動擁抱變化的創作者們，并建立新時代下的工作模式。

在瘋狂追尋效率與生產力的行業中，時尚必然在前列。那么，AIGC 將如何為時尚行業所運用？又將為設計師帶來哪些方面賦能？已被數字化洗禮的服裝企業又該如何抓住 AIGC 的機遇？或者這里能夠給你一些解答：

時尚行業是非常適合 AIGC 落地的產業

首先，我們來看一下時尚行業的第一性原理：本質上，時尚行業是依靠大量 “上新” 帶動消費的產業。在這里，永遠認為衣柜里少一件衣服的女性可能更有同感。從消費者畫像來看，愈發個性化的著裝需求，也決定了服裝類產品天然的非標品屬性。為滿足服裝消費者多樣化的消費需求，服裝品牌必須積極尋求多 SKU 的策略。以某全球頭部的即時（Instant fashion）時尚電商平臺為例，每天上新需求是 5000-6000 個 SKU。足以見得，“持續創造” 是永遠是不停止的時尚追求。

同時，時尚行業還有一個特性是：一個用 “近似” 交付創意的行業。在關于時尚的幾部電影里，不論是《Dior and I》，還是《Coco Chanel》，我們看到了一件衣服誕生的藝術畫面：一個設計大師找到靈感，基于靈感描畫草圖，然后在此基礎上整個制作團隊和設計師一起通過面料、輔料、工藝的結合，最終呈現一件高定衣服。這里，最重要的是大師的 “靈感”，畫的也是 “草圖”。時尚行業的特殊性就在于：極其創意驅動，這些的創意往往對精確性有一定的容忍度，這也正符合目前 AIGC 應用的特點。

時尚行業歷史悠久，已經形成了一條完善的產業鏈，從原材料到設計制作到成品銷售，擁有著大量結構化的數據。用時尚行業常用的色彩 —— 潘通色卡舉例，新版服裝紡織 TPG 色卡有 2310 個色彩，這還不包括金屬色卡和色彩橋梁卡等。這些，看似主觀感受的服裝色彩，其實背后有清晰的 2310 個標準色號。正是這些結構化的數據，為服裝行業應用 AIGC 打好了基礎。

極致的效率追求、大量創造力的需求下，時尚行業正在成為 AIGC 落地的最佳試驗田。

什么樣的企業可以讓時尚行業 AIGC 落地？

從實現層面上來說，服務時尚數字化的頭部企業，具有專業的場景理解，良好的數據底層，持續的模型研發能力，就具備讓時尚行業 AIGC 落地的能力。

我們手頭上看到一家國內頭部專注于服裝行業數字化，并且剛剛發布了基于 AIGC 應用的企業 —— 凌迪 Style3D。從官方資料看，Style3D 是全球頭部的專注于服務服裝行業的 3D 數字化解決方案提供商。是一家服務服裝行業全鏈條，包括面料商、輔料商、設計生產商，到品牌商數字化的企業，目前已經積累了大量的結構化數據。

AIGC 的涌現能力強依賴于大量結構化的數據支撐，當前市面上的 AI 模型雖然能夠實現多場景多領域的應用效果，但對于垂直的時尚行業并不是最優方案。究其原因，一方面是數據專業性，一方面是模型收斂域。

當我們接觸 Style3D 模型的時候，看到他們把自己的模型定義為 “Style3D 產業模型”，并稱擁有完整的適用于服裝行業的 Prompt，以及基于行業的模型。以下是一個基于電商上新圖的簡單測試：

輸入一段復雜且特定的對某款服裝的描述 “virago sleeve dress, lotus root shaped sleeves, intricate fabric details, fashion product catalog image, studio lighting, front view, square image”。簡單來說，我們要生成的是一款藕節袖連衣裙。在 Prompt 一致，模型收斂不同的時候，稍微有所偏差，產生的就不同。

以下為兩個結果圖，左一是 Style3D 產業模型生成的 3D 藕節袖裙配上模特效果圖，右一是用現在最流行的某 AI 圖片生成工具生成的藕節袖模特圖：

可以看到，Style3D 模型生成的連衣裙更符合服裝產業所講述的藕節袖。大量符合服裝設計的結構化數據沉淀、豐富的服裝模型庫、結合自研強大且精細的仿真引擎，Style3D 能夠生成更精準且貼合設計標準的服裝作品。可以說，垂直行業的數據和模型就是 AIGC 應用的基礎，更是服務好垂直領域客戶的前提條件。

怎樣讓AIGC輔助服裝設計？

在 AIGC 引起的一片狂歡下，我們其實更期待的是，如 Style3D 所說，打造的是產業級模型，為產業服務。

一件衣服的制造流程，往往是由主觀性的創意不斷去被數據驗證的過程，需要經歷快速變化和反復設計。換句話說，需要 SKU 的寬度和深度適宜搭配。因此，使整個產業鏈從基于趨勢，到樣衣，到真正走向市場，企業無時無刻在面臨著效率和成本的挑戰。人工智能在服裝行業很多場景都可以發揮更大的價值。

首先是通過 Style3D AI 應用可以生成各組成部件，即面料紋樣、輔料設計、以及圖案等。我們可以看到，一段符合行業專業用語的 prompt，加上基于行業數據的模型，完全可以準確生成適用于行業的各種結構化的元素。

在組成一件衣服的 “部件” 都充分具備并且可以自由替換后，Style3D AI 此時又可以做到通過對于廓形本身的運用，快速產生一件 3D 數字服裝，并根據需要對款式進行修改。

接著是對即將演繹服裝的數字人進行自動生成。AI 生成的 “包含身體的化身” 將使設計師能夠在平臺上根據需求去定義一個數字人模特的體型、年齡、發型和膚色等，并最終產出一個及其逼真的數字模特。

最后，根據不同品牌的屬性加上不同的背景，結合數字人進行展示，就是一個可以直接用于電商商品上新的商品圖。

在此基礎上，更可以基于 AI 高效生成各種適用于不同平臺的營銷素材，并根據需求進行多場景替換。并且，這些生成本身就在產業模型當中進行，直接提升整體生成速度。

值得一提的是，基于 Style3D 產業模型生成的數字服裝，不僅僅可以用于電商場景，還可以用于元宇宙虛擬世界，也完全支持直連生產。

我們可以想象，如果有更多的場景落地，將是對整個服裝行業的巨大賦能：

首先是給到了每一個消費者更豐富的商品選擇，AI 使商品的組成元素有了更多選擇，那么商品本身也有了更多組合。其次，是對創意人員的巨大支持。AI 可以輔助設計師擴大創意來源邊界，更專注于創意本身的產出，更有靈感地去完成一件衣服的設計。

從更遠的社會效應來說，AIGC 將無限拉近消費者的需要和生產制造的能力。我們可以做一個假設，如果生產的服裝都能被消費掉，那就不是浪費，真正造成浪費的是無法消耗的庫存和為此投入的資源。AIGC 將使商品創造者更好的把握市場趨勢并滿足市場需求。

經過和 Style3D 的交流，我們相信在時尚行業，人工智能未來一定能夠承擔更多重復性的工作，更好的服務設計師和版師等創意人員。

我們也期待看到更多能落地的服務產業的大模型出現，讓 AIGC 真正推動生產力的發展。