AIGC大热后，设计师林俪和版师张宇都觉得自己混得比对方惨，经营模特摄影工作室的“浪猪灰头”也觉得正在失去生意。

　　4万亿服装行业，正在被新一波AI技术改变，且冲击和机遇并存——麦肯锡分析，未来3到5年，生成式AI可能会帮助服装、时尚及奢侈品行业的营业***创造1500亿美元的增量，乐观估计可高达2750亿美元。

　　亿邦动力注意到，AIGC对服装行业的影响主要集中于商品企划、产品设计、零售终端三个环节，AIGC提升设计师效率、数字人+3D服装给消费者带来新体验，这些新内容都将给服装行业带来新机会。

　　只不过，要想解决行业内从设计到生产到营销多环节的难题，并非易事。服装行业也曾经过几轮AI洗礼，从RNN（递归神经网络，1990年提出）到GAN（生成对抗网络，2014年提出）到如今的Diffusion（扩散模型），每一波AI都试图打通整个产业链。那么，这一轮生成式AI会对服装行业产生哪些影响？AIGC将影响哪些岗位就业？AI能力外溢到供应链，能够产生多大影响？

　　01

　　设计师、版师、模特，谁被冲击？

　　 1  AIGC干不掉设计师

　　设计师和版师是服装设计中的主要岗位，一个负责将天马行空的灵感变成一张张图纸，一个负责将图纸变成样衣。

　　Midjourney和Stable Diffusion一度给设计师林俪带来很大的职业生涯危机，输入提示词，5秒内生成六张设计图，还可以不停更新。林俪从事快时尚设计快5年，见过不少设计高手，还是被Stable Diffusion的生成效果惊艳了一把，“关键是速度快且量大，感觉分分钟要失业。”

　　“上新”是快时尚的命脉，品牌企业对创造力和效率有***追求。坚持用了半年Midjourney和Stable Diffusion，林俪放心下来，“大模型确实在生成速度上远超设计师，但AIGC只是一个素材生成方式，输入什么提示词，需要哪些元素，到底要用哪张，这些都需要我们来做选择。我现在的灵感图都由AIGC完成，效率大概提升了3倍。”

　　而且，AIGC目前只是在单款服装的设计上提供了灵感。除了单款设计，设计师还需要做一些系列企划——比如当季主推的款有哪些系列，哪些款式搭配起来好看，常规款和主推款怎么搭配。甚至这些款式在门店的陈列，都得在设计师企划时去规划——主推款式放在什么位置，效果如何，在门店如何陈列。显然这些工作内容都超出AIGC的范围。

　　“单从款式设计上来说，其实绝大多数服装企业都有自己的版型基础，也就是大体‘规矩’，在这个‘规矩’内，设计师会去判断用什么样的颜色、辅料、装饰性元素。AIGC就是在这个环节给出灵感和帮助。”林俪补充。

　　AIGC到底能帮服装设计师做什么？知衣科技创始人兼CEO郑泽宇认为主要有三方面：

　　***，提供灵感。

　　第二，快速生成出大量符合提示词的图片。

　　第三，降低设计的成本，提高设计的精度和投产效率比。

　　“但目前AIGC能够达到的效果只有第二点，***和第三步还在测试中，1-2年内实现还有困难。”郑泽宇补充。

　　郑泽宇也认为，AIGC还远远谈不上取代设计师，“AIGC只是一个素材生成方式，判断这些图是否是设计师或品牌方想要的，到底用哪张，这才是最重要的问题。”

　　 2  20年后再无版师？

　　AIGC取代不了设计师，但可以取代版师。这是凌迪科技Style3D首席科学家王华民对本轮AI的预判。

　　版师指从事服装制版工作的人，制版在整个服装生产流程中承上启下——对上，要和设计师沟通样衣的工艺细节；对下，要向样衣工或生产工厂交代缝制样衣的注意事项，把控样衣（非大货）质量。

　　一件衣服的设计图出来后，还得经历“打版-修改-再打版-再修改”的过程。“有时候一个装饰是要2.5厘米还是3.5厘米，得样衣出来之后再看效果，因为这就是一个感觉的东西，就是大一点小一点，左一点右一点，得来回调整。”林俪回了一个不忍直视的表情。

　　这个过程往往耗时耗力，“设计师很多是不懂打版的，或者懂得不多，他需要和版师反复沟通，时间成本和沟通成本就会很高。”王华民认为。

　　和林俪在同一公司的版师张宇也认同AIGC对版师们的威胁，版师要将设计师的2D稿子变成生产需要的CAD图，同时生产出样衣，供设计师进行修改。“2D转3D，这个活儿很专业也很套路化。现在一些复杂的版，我们已经不用自己立裁，而是把3D效果给到设计师去看，让他们直接在3D上做调整。”张宇说。

　　在凌迪的Style3D AI产业大模型中，只要将相应的服装拖入设计框，点击AI生成版片，几秒内可以将版片和3D效果独立出来。

　　“20年后，当我们的模型足够大，设计师会变得更全能，因为他的工具更多了。”王华民补充，“到时候，最***的情况是设计师自己设计，自己打版，甚至人人都可以成为设计师。”

　　 3  电商不需要模特了？

　　除了设计师和版师，模特界也开始“地震”。

　　在电商平台的款式的详情页背后，是十几个人的分工协作，需要从请模特、摄影师、造型师、助理等+准备服装+影棚租赁or出外景+选片+修片+配图说明，成本百元到千元不等。

　　微博账号“浪猪灰头”曾发出一张模特摄影工作室的价格表：一天8小时拍摄，需要支出3.6万元。其中摄影费（包含400张修图）1万，男模和女模费用超2万，化妆费2000元，搭配费4000元。

　　图片：来自网络

　　“请多个模特的话，得同时照顾几个模特的档期，大量的服装也需要提前熨烫和整理。而且照片数据大，数量也多，下载、制作、挑选的过程至少5天。我们一个服装专场至少10天就要上线，经常得招20个兼职人员才够用。”“浪猪灰头”补充。

　　而在凌迪科技推出的AI产业模型中，这些人员和费用都可以省略，只需输入关键词，就可以生成“数字模特”。

　　输入“欧洲女子的脸型，中分长发，典雅气质，妆容干净”，就能生成对应脸型。

　　上传一个模特姿势图，就能生成对应姿势的模特图。

　　输入背景关键词“超现实主义背景，极简主义的建筑风格，画面充满活力，具有梦幻般的建筑空间”，就能得到多张对应风格的背景图。

　　数字人+3D服装的AI组合拳，正在把一个款式的传播成本，拉低到无法想象。未来也许品牌方提供一件衣服的照片就可以组织一场走秀和直播。

　　“AI+3D技术将改变传统的人货场模式。”王华民认为，“通过文生图，我们可以生成模特、生成背景、生成姿势，具体能省多少还没有衡量。我们主要是工具给到他，至于他们怎么使用，应用在哪些场景，能节约多少钱，就看他们如何使用这个工具。”

　　02

　　AI技术路径之于服装，有何不一样

　　设计、打版、营销，在这三个环节，已经有“服装设计+AIGC”产品相继面世。

　　万事利丝绸与无界AI合作，探索AIGC +丝巾设计；

　　知衣科技与西湖心辰合作，推出服装产业模型“FASHION DIFFUSION”，要做服装行业的Midjourney，在找款、改款与设计等场景中提升设计效率；

　　供应链服务企业魔鱼发布“魔鱼GPT”，提高服装设计师提高工作效率；

　　凌迪科技Style3D发布的Style3D AI产业模型，提供AI预测趋势、AI生成图案/版片/材质/图像等功能，试图构建起数字时尚产业的“基础设施”。

　　服装设计在过去也一直被AI赋能，这一轮AI与此前有什么不同？王华民认为，虽然都是AI，但是10年前的AI、5年前的AI和这2年的AI各不相同，“一个人说自己是AI从业者，你得看看他干的是哪一个AI。”

　　AI行业经历了RNN、GAN、Diffusion等多轮迭代，此前的服装AI都基于GAN，即用生成模型和判别模型相互竞争，生成模型用于创造一个看起来像真图片的图片，判别模型用于判断一张图片是不是真实的图片，两个模型一起对抗训练，最终两个模型的能力越来越强，最终达到稳态。

　　和GAN相比，Diffusion模型只需要训练生成模型，训练目标函数简单，可以实现更优的图像样本质量和更好的训练稳定性。

　　王华民指出，“GAN的可控性较差，很多东西停留在学术上或者论文上，Diffusion比GAN更容易训练，同时将可控性整体上了一个台阶，训练效果也有了很大提升。”

　　基于Diffusion模型的AIGC有两个明显优势：

　　 1  降低设计工具的使用门槛，提高行业渗透率

　　以往的服装设计工作，需要掌握绘画、PS技能，而在本轮AI产业模型中，通过自然语言描述，就能直接生成设计图。

　　比如打开知衣科技的FASHION DIFFUSION使用界面，风格、款式、特征一目了然，只需选择款式、颜色、材质等选项，10多秒，AI就能生成T台走秀风格、淘宝抖音商品风格，以及INS小红书社媒风格等各种风格的款式图片。

　　图片来源：知衣科技官网

　　这样的便利性和“低门槛”背后，是知衣科技超10亿的服饰图片与500+服装设计标签的行业沉淀，以及西湖心辰在深度学习方面的积累。

　　 2  一个模型满足多个任务

　　传统AI的工作方式是一个任务训练一个算法模型，且各个模型之间彼此独立。比如要做图片搜索，训练一个模型；要做图片生成，再训练一个模型。

　　而大模型可以一个模型解决多个任务，比如Style3D AI 产业模型提供AI生成图片、AI生成版片、AI生成材质、AI生成图片等多种功能。

　　服装行业的设计图需要在2D、3D之间反复切换：

　　2D：是设计师最初在纸面上设计的内容，如草图或款式图。

　　2.5D：是版师基于款式图进行制版，是连接二维和三维的桥梁，可以称作2.5D。

　　3D：3D数字服装与数字人（Avatar）结合起来，有了可交互的方式。

　　2D：在服装展示环节，图形学技术通过渲染，把三维物体变成2D视觉效果，例如输出电商上新的图片或视频。

　　王华民认为，“一个模型可以完成这些模态之间的设计和转化——我想要干什么，我直接告诉他就行了，只需要在出口端设立不同的出口形式，这是理想状态。但也需要2-3年才能完成。”

　　目前AI生成的设计图，在精度、分辨率、细节、算力成本、制作成本、投产效率比都在测试中，距离商用还有距离。

　　郑泽宇认为，尽管有海量数据支持，但设计师到底想要什么，提示词怎么来，如何清晰描述出你想要的东西？还是一个问题，还需要通过关注趋势预测或者捕捉灵感去实现。

　　同时，大模型的可控性始终是隐患。王华民认为，怎么***它出的图是你想要的，而且可以修改、怎么样去提升可控性稳定性，是AIGC商用的重要一环。“只不过我个人觉得，AI里面的很多问题可能都是因为数据不够导致。”

　　03

　　AI能否深入服装供应链？

　　“没有一个万亿级的行业能够像服装行业这样来适应AIGC。”Style3D创始人刘郴认为。

　　尽管这一波人工智能被冠以“第四次工业革命”，但郑泽宇觉得，相比起工业革命，目前AIGC对服装行业的改变还差点意思。

　　“工业革命发生在生产制造维度上，AIGC更多在设计和时尚维度上，它确实会加速品牌迭代，但想要推动整个产业转型升级，我觉得它还不够。服装的周期长环节多，推动产业转型升级，还得是整个产业的数字化，而不是单一环节的调整。”郑泽宇指出。

　　“尽管我们希望以后人人都是设计师，消费者在C端通过AIGC设计一件自己喜欢的衣服，然后通过C2M直接生产，但中间还有很多环节没有打通。”王华民认为。

　　中国服装供应链已经从传统模式走向快反模式。亿邦智库认为，在小单、快反、个性定制等消费新需求驱动下，数字技术重构服装产业生态，倒逼工厂及上下游走向敏捷响应。

　　不断推广的3D技术、AR制版、虚拟试衣也在不断缩短设计师的时间，提高产业链反应速度。

　　供应链的数字化似乎超出了AIGC的范畴，但郑泽宇认为，从设计师切入是牵引供应链升级的很好抓手，“设计定了，供应链、工艺、面料这些东西才能定。掌控了设计，就有对后端供应链的引导力。”

　　如何从设计出发，牵引供应链变革？郑泽宇认为，数据打通和流转仍然是核心问题——服装行业的数据极度分散，掌握在不同参与者手上，几乎不共享也不传递，这是服装行业数字化的瓶颈。对整个产业变革来说，数据打通是更急迫和更瓶颈的那个环节。

　　阻力是多方面的。“首先，大家不想要被打通的动力要远远大于打通的动力。”有从业者指出，“毕竟，一个工厂也不愿意告诉你产能是多少，如果告诉你，你就不会派超过我产能的订单；面料厂也不愿意把最新款出上传平台，防止抄袭。所以其中有很多的阻力。”

　　其次，有些环节的工艺始终难以数字化。比如面料环节很多企业没有ERP，更不用提数字化。有服装品牌负责人告诉亿邦动力，“目前设计和生产的快反可以实现，但在面料环节，还是得提前备货，还是传统方式，因为面料涉及物理和化学等过程，还没有太强的快反能力，这个问题短期内也无法解决。”

　　究其根源，服装行业庞大而分散——这个行业是就业大户，能提供约3亿的就业岗位，但企业分散度极高，品牌存活周期平均不超过一年。“大家都生存在一个高度不确定的环境下，都有很强的危机感。”郑泽宇认为。

　　在这一背景下，如何实现服装从设计、生产、销售的局部协作与闭环？郑泽宇指出，SheIn做了一个好示范——从订单的维度去打通整个产业链。SheIn可以给工厂提供稳定的订单，工厂可以安心出货；SheIn会把面料提前给到工厂，品牌也可以放心合作。

　　设计与生产打通的好处也立竿见影，从设计草稿到打版到下大货，如果品牌内部流程快，2~3天可以实现下大货。

　　目前，知衣科技也在进行这样的数字化协作——从设计师构思开始，设计师选款时看了哪些图，选到哪个款，用了哪个供应商，用了哪些面料，谁来打版，线稿展样板图是什么样子，在哪个展厅，存放了多久，哪些品牌借出，最后谁下了单，下了多少订单，被分发到哪一个工厂，什么时候面料到仓，什么时候开始生产，什么时候出厂，工厂如何交付，这些所有流程都能用数据串联起来。一个设计师的款式，从设计到交付，全流程一两个月内完成。

　　在这个局部的产业链协同中，前端是数字化设计，中间是数字化款式匹配，后端是数字化供应链平台，“只有在这种协同下，才可以将AIGC的效率优势发挥出来。我们距离人人都可以当设计师的时间，才会越来越近。”郑泽宇认为。