机器之心发布

(资料图)

机器之心编辑部

上线五天，用户破百万，两个月突破 1 亿...... 这是科技圈 “顶流” ChatGPT 的上线战绩，随之引发了持续至今的 AIGC 狂热潮。无所不会的对话、数秒产出的精美作图，俗称 “累不死的 AI 打工人” 正在让真实打工人倍感焦虑。

而事实上，人工智能本质是技术工具，在充斥挑战的背后，蕴藏的机遇更大。企业家们兴奋地忙着如何与 AI 结合进而加速提升效率与生产力，而越来越多聪明的职员正在主动学习 AI 应用，为自己能力加码。AI 重新定义的工作方式，也让企业更加依赖和仰仗那些主动拥抱变化的创作者们，并建立新时代下的工作模式。

在疯狂追寻效率与生产力的行业中，时尚必然在前列。那么，AIGC 将如何为时尚行业所运用？又将为设计师带来哪些方面赋能？已被数字化洗礼的服装企业又该如何抓住 AIGC 的机遇？或者这里能够给你一些解答：

时尚行业是非常适合 AIGC 落地的产业

首先，我们来看一下时尚行业的第一性原理：本质上，时尚行业是依靠大量 “上新” 带动消费的产业。在这里，永远认为衣柜里少一件衣服的女性可能更有同感。从消费者画像来看，愈发个性化的着装需求，也决定了服装类产品天然的非标品属性。为满足服装消费者多样化的消费需求，服装品牌必须积极寻求多 SKU 的策略。以某全球头部的即时（Instant fashion）时尚电商平台为例，每天上新需求是 5000-6000 个 SKU。足以见得，“持续创造” 是永远是不停止的时尚追求。

同时，时尚行业还有一个特性是：一个用 “近似” 交付创意的行业。在关于时尚的几部电影里，不论是《Dior and I》，还是《Coco Chanel》，我们看到了一件衣服诞生的艺术画面：一个设计大师找到灵感，基于灵感描画草图，然后在此基础上整个制作团队和设计师一起通过面料、辅料、工艺的结合，最终呈现一件高定衣服。这里，最重要的是大师的 “灵感”，画的也是 “草图”。时尚行业的特殊性就在于：极其创意驱动，这些的创意往往对精确性有一定的容忍度，这也正符合目前 AIGC 应用的特点。

时尚行业历史悠久，已经形成了一条完善的产业链，从原材料到设计制作到成品销售，拥有着大量结构化的数据。用时尚行业常用的色彩 —— 潘通色卡举例，新版服装纺织 TPG 色卡有 2310 个色彩，这还不包括金属色卡和色彩桥梁卡等。这些，看似主观感受的服装色彩，其实背后有清晰的 2310 个标准色号。正是这些结构化的数据，为服装行业应用 AIGC 打好了基础。

极致的效率追求、大量创造力的需求下，时尚行业正在成为 AIGC 落地的最佳试验田。

什么样的企业可以让时尚行业 AIGC 落地？

从实现层面上来说，服务时尚数字化的头部企业，具有专业的场景理解，良好的数据底层，持续的模型研发能力，就具备让时尚行业 AIGC 落地的能力。

我们手头上看到一家国内头部专注于服装行业数字化，并且刚刚发布了基于 AIGC 应用的企业 —— 凌迪 Style3D。从官方资料看，Style3D 是全球头部的专注于服务服装行业的 3D 数字化解决方案提供商。是一家服务服装行业全链条，包括面料商、辅料商、设计生产商，到品牌商数字化的企业，目前已经积累了大量的结构化数据。

AIGC 的涌现能力强依赖于大量结构化的数据支撑，当前市面上的 AI 模型虽然能够实现多场景多领域的应用效果，但对于垂直的时尚行业并不是最优方案。究其原因，一方面是数据专业性，一方面是模型收敛域。

当我们接触 Style3D 模型的时候，看到他们把自己的模型定义为 “Style3D 产业模型”，并称拥有完整的适用于服装行业的 Prompt，以及基于行业的模型。以下是一个基于电商上新图的简单测试：

输入一段复杂且特定的对某款服装的描述 “virago sleeve dress, lotus root shaped sleeves, intricate fabric details, fashion product catalog image, studio lighting, front view, square image”。简单来说，我们要生成的是一款藕节袖连衣裙。在 Prompt 一致，模型收敛不同的时候，稍微有所偏差，产生的就不同。

以下为两个结果图，左一是 Style3D 产业模型生成的 3D 藕节袖裙配上模特效果图，右一是用现在最流行的某 AI 图片生成工具生成的藕节袖模特图：

可以看到，Style3D 模型生成的连衣裙更符合服装产业所讲述的藕节袖。大量符合服装设计的结构化数据沉淀、丰富的服装模型库、结合自研强大且精细的仿真引擎，Style3D 能够生成更精准且贴合设计标准的服装作品。可以说，垂直行业的数据和模型就是 AIGC 应用的基础，更是服务好垂直领域客户的前提条件。

怎样让AIGC辅助服装设计？

在 AIGC 引起的一片狂欢下，我们其实更期待的是，如 Style3D 所说，打造的是产业级模型，为产业服务。

一件衣服的制造流程，往往是由主观性的创意不断去被数据验证的过程，需要经历快速变化和反复设计。换句话说，需要 SKU 的宽度和深度适宜搭配。因此，使整个产业链从基于趋势，到样衣，到真正走向市场，企业无时无刻在面临着效率和成本的挑战。人工智能在服装行业很多场景都可以发挥更大的价值。

首先是通过 Style3D AI 应用可以生成各组成部件，即面料纹样、辅料设计、以及图案等。我们可以看到，一段符合行业专业用语的 prompt，加上基于行业数据的模型，完全可以准确生成适用于行业的各种结构化的元素。

在组成一件衣服的 “部件” 都充分具备并且可以自由替换后，Style3D AI 此时又可以做到通过对于廓形本身的运用，快速产生一件 3D 数字服装，并根据需要对款式进行修改。

接着是对即将演绎服装的数字人进行自动生成。AI 生成的 “包含身体的化身” 将使设计师能够在平台上根据需求去定义一个数字人模特的体型、年龄、发型和肤色等，并最终产出一个及其逼真的数字模特。

最后，根据不同品牌的属性加上不同的背景，结合数字人进行展示，就是一个可以直接用于电商商品上新的商品图。

在此基础上，更可以基于 AI 高效生成各种适用于不同平台的营销素材，并根据需求进行多场景替换。并且，这些生成本身就在产业模型当中进行，直接提升整体生成速度。

值得一提的是，基于 Style3D 产业模型生成的数字服装，不仅仅可以用于电商场景，还可以用于元宇宙虚拟世界，也完全支持直连生产。

我们可以想象，如果有更多的场景落地，将是对整个服装行业的巨大赋能：

首先是给到了每一个消费者更丰富的商品选择，AI 使商品的组成元素有了更多选择，那么商品本身也有了更多组合。其次，是对创意人员的巨大支持。AI 可以辅助设计师扩大创意来源边界，更专注于创意本身的产出，更有灵感地去完成一件衣服的设计。

从更远的社会效应来说，AIGC 将无限拉近消费者的需要和生产制造的能力。我们可以做一个假设，如果生产的服装都能被消费掉，那就不是浪费，真正造成浪费的是无法消耗的库存和为此投入的资源。AIGC 将使商品创造者更好的把握市场趋势并满足市场需求。

经过和 Style3D 的交流，我们相信在时尚行业，人工智能未来一定能够承担更多重复性的工作，更好的服务设计师和版师等创意人员。

我们也期待看到更多能落地的服务产业的大模型出现，让 AIGC 真正推动生产力的发展。

关键词：