Setelah AIGC menjadi populer, baik desainer Lin Li dan pembuat pola Zhang Yu merasa bahwa mereka lebih buruk satu sama lain, dan "babi beterbangan" yang menjalankan studio fotografi model juga merasa kehilangan bisnis.
4 triliun industri garmen sedang diubah oleh gelombang baru teknologi AI, dan baik kejutan maupun peluang hidup berdampingan-analisis McKinsey, dalam 3 hingga 5 tahun ke depan, AI generatif dapat membantu industri pakaian, mode, dan barang mewah untuk menciptakan 150 miliar laba operasi Kenaikan dolar AS bisa setinggi 275 miliar dolar AS menurut perkiraan optimis.
Yibang Power memperhatikan bahwa dampak AIGC pada industri pakaian terutama terkonsentrasi pada tiga mata rantai perencanaan komoditas, desain produk, dan terminal ritel. AIGC meningkatkan efisiensi para desainer, dan manusia digital + pakaian 3D menghadirkan pengalaman baru bagi konsumen. Hal ini konten baru Semua akan membawa peluang baru bagi industri pakaian jadi.
Namun, tidak mudah untuk menyelesaikan masalah di industri mulai dari desain hingga produksi hingga pemasaran. Industri pakaian juga telah mengalami beberapa putaran baptisan AI, dari RNN (jaringan saraf berulang, diusulkan pada 1990) hingga GAN (jaringan konfrontasi yang dihasilkan, diusulkan pada 2014) hingga Difusi (model difusi) saat ini, setiap gelombang AI mencoba untuk membuka seluruh rantai industri. Jadi, apa dampak AI generatif ini terhadap industri pakaian jadi? Pekerjaan apa yang akan dipengaruhi oleh AIGC? Seberapa besar dampak kemampuan AI yang dapat meluas ke rantai pasokan?
**01, desainer, pembuat pola, model, siapa yang terkena dampak? **
1. AIGC tidak dapat membunuh desainer
Desainer dan pembuat pola adalah posisi utama dalam desain fashion. Yang satu bertanggung jawab untuk mengubah inspirasi yang tidak terbatas menjadi gambar, dan yang lainnya bertanggung jawab untuk mengubah gambar menjadi sampel.
Midjourney dan Stable Diffusion pernah membawa krisis karir yang hebat bagi desainer Lin Li. Masukkan kata-kata cepat, dan enam gambar desain akan dihasilkan dalam 5 detik, dan dapat diperbarui terus menerus. Lin Li telah terlibat dalam desain mode cepat selama hampir 5 tahun. Dia telah bertemu banyak master desain, dan dia masih kagum dengan efek pembangkitan Stable Diffusion. "Kuncinya adalah kecepatan cepat dan volume besar. Saya rasa saya akan melakukannya kehilangan pekerjaan saya setiap menit."
"Shangxin" adalah sumber kehidupan mode cepat, dan perusahaan merek sangat mengejar kreativitas dan efisiensi. Setelah bersikeras menggunakan Midjourney dan Stable Diffusion selama setengah tahun, Lin Li merasa lega, "Memang benar bahwa kecepatan pembuatan model besar jauh lebih cepat daripada perancangnya, tetapi AIGC hanyalah metode pembuatan material. Apa yang diminta kata-kata untuk dimasukkan, elemen apa yang dibutuhkan, dan mana yang akan digunakan. Ini semua mengharuskan kita untuk membuat pilihan. Peta inspirasi saya saat ini semuanya dilengkapi oleh AIGC, dan efisiensinya meningkat sekitar 3 kali lipat."
Apalagi AIGC saat ini hanya memberikan inspirasi untuk desain satu garmen saja. Selain desain gaya tunggal, desainer juga perlu melakukan beberapa perencanaan seri-seperti seri mana yang menjadi gaya utama musim ini, gaya mana yang terlihat serasi, dan bagaimana mencocokkan gaya reguler dengan gaya utama. Bahkan tampilan gaya ini di toko harus direncanakan oleh perancang - di mana gaya utama ditempatkan, apa efeknya, dan bagaimana menampilkannya di toko. Jelas, konten pekerjaan ini berada di luar cakupan AIGC.
“Dalam hal desain gaya saja, sebenarnya sebagian besar perusahaan pakaian memiliki basis versinya sendiri, yaitu 'aturan' umum. Di dalam 'aturan' ini, desainer akan menilai warna, aksesori, dekorasi apa yang akan digunakan. Elemen seksual. AIGC hadir untuk memberikan inspirasi dan bantuan,” tambah Lin Li.
Apa yang dapat dilakukan AIGC untuk perancang busana? Zheng Zeyu, pendiri dan CEO Zhiyi Technology, percaya bahwa ada tiga aspek utama:
Pertama, memberikan inspirasi.
Kedua, dengan cepat menghasilkan sejumlah besar gambar yang cocok dengan kata-kata yang diminta.
Ketiga, mengurangi biaya desain, meningkatkan akurasi desain dan rasio efisiensi produksi.
“Namun saat ini AIGC hanya bisa mencapai poin kedua. Langkah pertama dan ketiga masih dalam pengujian, dan akan sulit untuk mewujudkannya dalam 1-2 tahun mendatang,” tambah Zheng Zeyu.
Zheng Zeyu juga percaya bahwa AIGC masih jauh dari kemampuan untuk menggantikan desainer, "AIGC hanyalah cara untuk menghasilkan bahan, yang terpenting adalah menilai apakah gambar-gambar ini adalah yang diinginkan oleh desainer atau merek, dan mana yang akan digunakan."
**2. Tidak ada master pola setelah 20 tahun? **
**AIGC tidak dapat menggantikan desainer, tetapi dapat menggantikan pembuat pola. Ini adalah prediksi putaran AI ini oleh Wang Huamin, Kepala Ilmuwan Lindy Technology Style3D. **
Pembuat pola mengacu pada orang yang terlibat dalam pembuatan pola pakaian. Pembuatan pola adalah penghubung antara proses sebelumnya dan selanjutnya dalam keseluruhan proses produksi garmen - untuk yang pertama, perlu berkomunikasi dengan perancang tentang detail produk. sampel pakaian; untuk yang kedua, perlu menjelaskan kepada pengambil sampel atau pabrik produksi untuk menjahit sampel. Tindakan pencegahan, kontrol kualitas pakaian sampel (barang non-bulk).
Setelah gambar desain dari sebuah pakaian keluar, harus melalui proses "pembuatan-modifikasi-pola-re-modifikasi-ulang". “Kadang-kadang dekorasi harus 2,5cm atau 3,5cm. Anda harus melihat efeknya setelah sampel pakaian keluar, karena ini adalah perasaan, yaitu lebih besar dan lebih kecil, kiri dan kanan, dan Anda harus menyesuaikannya. bolak-balik." Lin Li menjawab Ekspresi yang tak tertahankan.
Proses ini seringkali memakan waktu dan tenaga. "Banyak desainer tidak tahu cara membuat pola, atau tidak tahu banyak. Dia perlu berkomunikasi berulang kali dengan pembuat pola, dan biaya waktu dan komunikasi akan menjadi sangat tinggi." Wang Huamin percaya.
Zhang Yu, pembuat pola di perusahaan yang sama dengan Lin Li, juga setuju dengan ancaman AIGC terhadap pembuat pola. Pembuat pola ingin mengubah manuskrip 2D desainer menjadi gambar CAD untuk diproduksi, dan pada saat yang sama menghasilkan sampel untuk dimodifikasi oleh desainer. "2D ke 3D, pekerjaan ini sangat profesional dan rutin. Sekarang beberapa versi rumit, kita tidak perlu memotongnya sendiri, tetapi berikan efek 3D kepada para desainer, biarkan mereka melakukan penyesuaian langsung dalam 3D," kata Zhang Yu.
Dalam model besar industri AI Style3D Lindy, cukup seret pakaian yang sesuai ke dalam kotak desain, klik AI untuk menghasilkan pola, dan pola serta efek 3D dapat dipisahkan dalam beberapa detik.
Sumber gambar: Situs web resmi Lindy Technology Style3D
"Dalam 20 tahun, ketika model kami cukup besar, desainer akan menjadi lebih fleksibel karena dia memiliki lebih banyak alat." Wang Huamin menambahkan, "Saat itu, situasi yang paling sempurna adalah desainer mendesain dan mencetak sendiri. versi, bahkan semua orang bisa menjadi desainer.”
**3. E-commerce tidak perlu model lagi? **
** Selain desainer dan pembuat pola, industri pemodelan juga mulai "gempa". **
Di belakang halaman detail gaya di platform e-niaga terdapat pembagian kerja dan kerja sama lebih dari selusin orang, perlu menyewa model, fotografer, penata gaya, asisten, dll. + menyiapkan pakaian + menyewa studio atau keluar di lokasi + pilih gambar + perbaiki + cocokkan gambar Jelaskan bahwa biayanya berkisar dari seratus yuan hingga seribu yuan.
Akun Weibo "Langzhu Huitou" pernah mengeluarkan daftar harga untuk studio fotografi model: 8 jam sehari untuk pemotretan, Anda perlu mengeluarkan 36.000 yuan. Diantaranya, biaya fotografi (termasuk 400 gambar retouched) adalah 10.000 yuan, model pria dan wanita lebih dari 20.000 yuan, biaya rias 2.000 yuan, dan biaya pencocokan 4.000 yuan.
Gambar: dari Internet
"Jika Anda mempekerjakan banyak model, Anda harus mengurus jadwal beberapa model sekaligus, dan banyak pakaian juga perlu disetrika dan disortir terlebih dahulu. Apalagi data fotonya besar dan jumlahnya banyak. besar. Proses mengunduh, membuat, dan memilih setidaknya 5 hari. Kami memiliki pakaian Sesi khusus akan diluncurkan setidaknya dalam 10 hari, dan seringkali perlu merekrut 20 pekerja paruh waktu. " "Kepala abu-abu babi pengembara " tambah.
Namun, dalam model industri AI yang diluncurkan oleh Lindy Technology, personel dan pengeluaran ini dapat dihilangkan, dan "model digital" dapat dibuat hanya dengan memasukkan kata kunci.
Masukkan "bentuk wajah wanita Eropa, dengan rambut panjang di tengah, temperamen elegan, dan riasan bersih", dan bentuk wajah yang sesuai dapat dihasilkan.
Sumber gambar: Situs web resmi Lindy Technology Style3D
Unggah peta pose model, dan peta model yang sesuai dengan pose dapat dihasilkan.
Sumber gambar: Situs web resmi Lindy Technology Style3D
Masukkan kata kunci latar belakang "latar belakang nyata, gaya arsitektur minimalis, gambar penuh vitalitas, dengan ruang arsitektur seperti mimpi", dan Anda bisa mendapatkan beberapa gambar latar belakang dengan gaya yang sesuai.
Sumber gambar: Situs web resmi Lindy Technology Style3D
**Kombinasi AI dari manusia digital + pakaian 3D mengurangi biaya penyebaran gaya ke tingkat yang tak terbayangkan. Kedepannya, mungkin brand bisa menyelenggarakan catwalk dan siaran langsung dengan memberikan foto sepotong pakaian. **
"Teknologi AI+3D akan mengubah model tradisional orang dan pekarangan barang." Wang Huamin percaya, "Melalui diagram Vincent, kami dapat menghasilkan model, latar belakang, dan pose. Berapa banyak yang dapat kami hemat belum diukur. Kami terutama memberikan dia alatnya. Adapun Bagaimana mereka menggunakannya, dalam skenario apa itu diterapkan, dan berapa banyak uang yang dapat dihemat tergantung pada bagaimana mereka menggunakan alat ini.
02. Apa perbedaan antara jalur teknologi AI dan pakaian
Desain, pembuatan pola, pemasaran, dalam tiga tautan ini, produk "desain fashion + AIGC" telah diluncurkan satu demi satu.
Sutra Wansali bekerja sama dengan Wujie AI untuk menjelajahi desain syal sutra AIGC +;
Zhiyi Technology bekerja sama dengan Xihu Xinchen untuk meluncurkan model industri pakaian "FASHION DIFFUSION", untuk menjadi perantara dalam industri pakaian, dan untuk meningkatkan efisiensi desain dalam skenario seperti menemukan, mengubah, dan merancang;
Moyu, sebuah perusahaan layanan rantai pasokan, merilis "Magic Fish GPT" untuk meningkatkan efisiensi kerja para perancang busana;
Model industri AI Style3D yang dirilis oleh Lingdi Technology Style3D menyediakan fungsi seperti prediksi tren AI, pembuatan pola/pola/bahan/gambar AI, dll., mencoba membangun "infrastruktur" industri fashion digital.
Desain pakaian selalu diberdayakan oleh AI di masa lalu. Apa perbedaan antara putaran AI ini dan yang sebelumnya? Wang Huamin percaya bahwa meskipun mereka semua AI, AI 10 tahun lalu, AI 5 tahun lalu, dan AI dua tahun terakhir berbeda. praktisi, Anda harus melihat yang mana yang dia lakukan. AI."
Industri AI telah melalui beberapa iterasi RNN, GAN, dan Difusi AI pakaian sebelumnya didasarkan pada GAN, yaitu model generatif dan model diskriminatif bersaing satu sama lain.Model generatif digunakan untuk membuat gambar yang terlihat seperti gambaran nyata, dan model diskriminatif digunakan untuk menilai apakah suatu gambar adalah gambaran nyata, kedua model dilatih satu sama lain, dan akhirnya kemampuan kedua model menjadi semakin kuat, dan akhirnya mencapai keadaan stabil.
Dibandingkan dengan GAN, model Difusi hanya perlu melatih model generatif, fungsi tujuan pelatihannya sederhana, dan dapat mencapai kualitas sampel gambar yang lebih baik dan stabilitas pelatihan yang lebih baik.
Wang Huamin menunjukkan, "Kemampuan kontrol GAN buruk, dan banyak hal tetap ada di akademisi atau makalah. Difusi lebih mudah dilatih daripada GAN. Pada saat yang sama, kemampuan kontrol keseluruhan telah ditingkatkan ke tingkat yang lebih tinggi, dan efek pelatihan juga telah sangat ditingkatkan."
AIGC berdasarkan model Difusi memiliki dua keunggulan yang jelas:
1. Turunkan ambang batas penggunaan alat desain dan tingkatkan penetrasi industri
Di masa lalu, pekerjaan desain pakaian membutuhkan keterampilan menggambar dan PS, tetapi dalam model industri AI putaran ini, gambar desain dapat dihasilkan langsung melalui deskripsi bahasa alami.
Misalnya, buka antarmuka pengguna FASHION DIFFUSION Zhiyi Technology, gaya, gaya, dan fitur sekilas jelas. Cukup pilih opsi seperti gaya, warna, dan bahan. Dalam lebih dari 10 detik, AI dapat menghasilkan gaya catwalk, Taobao Douyin gaya produk, dan gaya media sosial INS Xiaohongshu dan gambar gaya lainnya.
Sumber gambar: Situs web resmi Teknologi Zhiyi
Di balik kemudahan dan ambang rendah tersebut terdapat akumulasi industri Zhiyi Technology lebih dari 1 miliar gambar pakaian dan 500+ label desain pakaian, serta akumulasi Xihu Xinchen dalam pembelajaran mendalam.
2. Satu model memenuhi banyak tugas
Cara kerja AI tradisional adalah melatih model algoritme untuk satu tugas, dan setiap model tidak bergantung satu sama lain. Misalnya, untuk melakukan pencarian gambar, latih model; untuk melakukan pembuatan gambar, latih model.
Model besar dapat menyelesaikan banyak tugas dengan satu model. Misalnya, model industri Style3D AI menyediakan banyak fungsi seperti gambar yang dihasilkan AI, pola yang dihasilkan AI, material yang dihasilkan AI, gambar yang dihasilkan AI, dll.
Gambar desain di industri pakaian perlu beralih antara 2D dan 3D berulang kali:
2D: adalah apa yang awalnya dirancang oleh desainer di atas kertas, seperti sketsa atau gambar gaya.
2.5D: Ini adalah pembuat pola yang membuat pelat berdasarkan peta gaya, dan merupakan jembatan yang menghubungkan dua dimensi dan tiga dimensi, yang dapat disebut 2.5D.
3D: Kombinasi pakaian digital 3D dan manusia digital (Avatar) memiliki cara yang interaktif.
2D: Dalam tautan tampilan pakaian, teknologi grafis mengubah objek tiga dimensi menjadi efek visual 2D melalui rendering, seperti menghasilkan gambar atau video baru di e-commerce.
Wang Huamin percaya, "Satu model dapat menyelesaikan desain dan transformasi antara modalitas ini - saya hanya dapat mengatakan kepadanya apa yang ingin saya lakukan. Saya hanya perlu menyiapkan formulir keluar yang berbeda di ujung keluar. Ini adalah keadaan yang ideal. Tapi ini juga membutuhkan 2-3 tahun untuk menyelesaikannya."
**Saat ini, gambar desain yang dihasilkan oleh AI sedang diuji dalam hal akurasi, resolusi, detail, biaya daya komputasi, biaya produksi, dan rasio efisiensi produksi, dan masih ada jalan panjang untuk penggunaan komersial. **
Zheng Zeyu percaya bahwa terlepas dari dukungan data yang sangat besar, apa sebenarnya yang diinginkan oleh para desainer, bagaimana asal kata cepat, dan bagaimana menjelaskan dengan jelas apa yang Anda inginkan? Ini masih menjadi masalah, dan perlu disadari dengan memperhatikan trend forecasting atau menangkap inspirasi.
Pada saat yang sama, pengendalian model besar selalu merupakan bahaya tersembunyi. Wang Huamin percaya bahwa cara memastikan bahwa peta yang dihasilkan adalah yang Anda inginkan, dan dapat dimodifikasi, dan cara meningkatkan kemampuan kontrol dan stabilitas adalah bagian penting dari penggunaan komersial AIGC. "Hanya saja menurut saya pribadi banyak masalah di AI mungkin disebabkan oleh data yang tidak mencukupi."
**03. Bisakah AI menembus rantai pasokan pakaian? **
"Tidak ada industri setingkat triliun yang dapat beradaptasi dengan AIGC seperti industri pakaian." Liu Chen, pendiri Style3D, yakin.
Meski gelombang kecerdasan buatan ini dijuluki sebagai "revolusi industri keempat", Zheng Zeyu merasa bahwa dibandingkan dengan revolusi industri, perubahan AIGC pada industri pakaian hampir tidak ada artinya.
“Revolusi industri terjadi pada dimensi produksi dan manufaktur. AIGC lebih pada dimensi desain dan fashion. Memang akan mempercepat iterasi merek, tapi menurut saya itu tidak cukup untuk mendorong transformasi dan peningkatan seluruh industri. siklus pakaian panjang dan ada banyak mata rantai. Transformasi dan peningkatan industri harus menjadi digitalisasi seluruh industri, bukan penyesuaian satu mata rantai," kata Zheng Zeyu.
“Meskipun kami berharap semua orang menjadi desainer di masa depan, konsumen dapat merancang pakaian yang mereka suka melalui AIGC di C-end, dan kemudian langsung memproduksinya melalui C2M, tetapi masih banyak tautan di tengah yang memiliki belum dibuka." Wang Huamin percaya.
Rantai pasokan pakaian China telah beralih dari model tradisional ke model mundur cepat. Yibang Think Tank percaya bahwa didorong oleh permintaan konsumen baru seperti pesanan dalam jumlah kecil, respons cepat, dan kustomisasi yang dipersonalisasi, teknologi digital akan merekonstruksi ekologi industri pakaian jadi, memaksa pabrik dan hulu serta hilir untuk merespons dengan cepat.
Teknologi 3D yang terus berkembang, pembuatan pelat AR, dan pemasangan virtual juga terus mempersingkat waktu perancang dan meningkatkan kecepatan respons rantai industri.
(图源：亿邦智库)
Digitalisasi rantai pasokan tampaknya berada di luar cakupan AIGC, tetapi Zheng Zeyu yakin bahwa memulai dari perancang adalah titik awal yang baik untuk mendorong peningkatan rantai pasokan**, "Desain ditentukan, dan rantai pasokan , pengerjaan, dan kain dapat ditentukan. Jika Anda mengontrol desain, Anda akan memiliki kekuatan untuk memandu rantai pasokan back-end.”
Bagaimana memulai dari desain dan memimpin transformasi rantai suplai? Zheng Zeyu percaya bahwa koneksi dan sirkulasi data masih menjadi masalah inti - data dalam industri pakaian sangat tersebar, di tangan peserta yang berbeda, dan hampir tidak dibagikan atau ditransmisikan. industri pakaian. **Untuk seluruh transformasi industri, akses data adalah hal yang lebih mendesak dan menjadi hambatan. **
Resistensi itu bermacam-macam. “Pertama-tama, motivasi orang untuk tidak ingin terbuka jauh lebih besar daripada motivasi untuk melewatinya.” Beberapa praktisi menunjukkan, “Lagipula, sebuah pabrik tidak mau memberi tahu Anda berapa kapasitas produksinya. Jika Anda beri tahu Anda, Anda tidak akan mengirim lebih dari kapasitas produksi saya." Pesanan; pabrik kain juga tidak mau mengunggah model terbaru ke platform pengunggahan untuk mencegah plagiarisme. Jadi ada banyak penolakan."
Kedua, proses beberapa tautan selalu sulit untuk didigitalkan. Misalnya, banyak perusahaan di sektor kain yang belum memiliki ERP, apalagi digitalisasi. Seorang penanggung jawab sebuah merek pakaian mengatakan kepada Ebang Power, “Saat ini respon cepat terhadap desain dan produksi sudah bisa diwujudkan, namun di link kain, masih perlu stok terlebih dahulu, atau cara tradisional, karena kainnya melibatkan proses fisik dan kimiawi, dan tidak ada respons cepat yang kuat. Masalah ini tidak dapat diselesaikan dalam jangka pendek.”
Akar penyebabnya adalah industri pakaian sangat besar dan tersebar—industri ini adalah pemberi kerja besar, yang dapat menyediakan sekitar 300 juta pekerjaan, tetapi tingkat penyebaran perusahaan sangat tinggi, dan rata-rata siklus kelangsungan hidup merek tidak melebihi satu tahun. "Semua orang hidup di lingkungan yang sangat tidak pasti dan memiliki rasa krisis yang kuat." Zheng Zeyu percaya.
Dalam konteks ini, bagaimana mewujudkan kolaborasi lokal dan lingkaran tertutup dalam desain, produksi dan penjualan pakaian? Zheng Zeyu menunjukkan bahwa SheIn telah memberikan contoh yang baik—membuka seluruh rantai industri dari dimensi pesanan. SheIn dapat menyediakan pabrik dengan pesanan yang stabil, dan pabrik dapat mengirim dengan tenang; SheIn akan mengirimkan kain ke pabrik terlebih dahulu, dan merek dapat bekerja sama dengan percaya diri.
Manfaat menghubungkan desain dan produksi juga langsung, dari draf desain hingga pembuatan pola hingga produksi massal, jika proses internal merek cepat, produksi massal dapat dicapai dalam 2 hingga 3 hari.
Saat ini, Zhiyi Technology juga sedang melakukan kolaborasi digital semacam itu - mulai dari konsepsi desainer, gambar mana yang dilihat desainer saat memilih gaya, gaya mana yang dipilih, pemasok mana yang digunakan, kain mana yang digunakan, dan siapa yang akan membuat. pola , Seperti apa model draf garis, di ruang pameran mana, berapa lama disimpan, merek mana yang dipinjamkan, siapa yang memesan pada akhirnya, berapa banyak pesanan yang ditempatkan, pabrik mana didistribusikan ke, kapan kain tiba di gudang, dan kapan produksi dimulai, kapan keluar dari pabrik, dan bagaimana pabrik mengirimkannya, semua proses ini dapat dihubungkan secara seri dengan data. Untuk gaya desainer, mulai dari desain hingga pengiriman, seluruh proses diselesaikan dalam satu atau dua bulan.
Dalam kolaborasi rantai industri parsial ini, bagian depan adalah desain digital, bagian tengah adalah pencocokan gaya digital, dan bagian belakang adalah platform rantai pasokan digital. "Hanya di bawah kolaborasi semacam ini keunggulan efisiensi AIGC dapat dimainkan. Kami jauh dari semua orang Saat semua orang bisa menjadi desainer akan semakin dekat." Zheng Zeyu percaya.
Lihat Asli
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
Serangan badai AIGC: 4 triliun industri garmen memicu gelombang besar
Sumber: Yibang Power
Teks: Hu Weixin Editor: Zhang Rui
Setelah AIGC menjadi populer, baik desainer Lin Li dan pembuat pola Zhang Yu merasa bahwa mereka lebih buruk satu sama lain, dan "babi beterbangan" yang menjalankan studio fotografi model juga merasa kehilangan bisnis.
4 triliun industri garmen sedang diubah oleh gelombang baru teknologi AI, dan baik kejutan maupun peluang hidup berdampingan-analisis McKinsey, dalam 3 hingga 5 tahun ke depan, AI generatif dapat membantu industri pakaian, mode, dan barang mewah untuk menciptakan 150 miliar laba operasi Kenaikan dolar AS bisa setinggi 275 miliar dolar AS menurut perkiraan optimis.
Yibang Power memperhatikan bahwa dampak AIGC pada industri pakaian terutama terkonsentrasi pada tiga mata rantai perencanaan komoditas, desain produk, dan terminal ritel. AIGC meningkatkan efisiensi para desainer, dan manusia digital + pakaian 3D menghadirkan pengalaman baru bagi konsumen. Hal ini konten baru Semua akan membawa peluang baru bagi industri pakaian jadi.
Namun, tidak mudah untuk menyelesaikan masalah di industri mulai dari desain hingga produksi hingga pemasaran. Industri pakaian juga telah mengalami beberapa putaran baptisan AI, dari RNN (jaringan saraf berulang, diusulkan pada 1990) hingga GAN (jaringan konfrontasi yang dihasilkan, diusulkan pada 2014) hingga Difusi (model difusi) saat ini, setiap gelombang AI mencoba untuk membuka seluruh rantai industri. Jadi, apa dampak AI generatif ini terhadap industri pakaian jadi? Pekerjaan apa yang akan dipengaruhi oleh AIGC? Seberapa besar dampak kemampuan AI yang dapat meluas ke rantai pasokan?
**01, desainer, pembuat pola, model, siapa yang terkena dampak? **
1. AIGC tidak dapat membunuh desainer
Desainer dan pembuat pola adalah posisi utama dalam desain fashion. Yang satu bertanggung jawab untuk mengubah inspirasi yang tidak terbatas menjadi gambar, dan yang lainnya bertanggung jawab untuk mengubah gambar menjadi sampel.
Midjourney dan Stable Diffusion pernah membawa krisis karir yang hebat bagi desainer Lin Li. Masukkan kata-kata cepat, dan enam gambar desain akan dihasilkan dalam 5 detik, dan dapat diperbarui terus menerus. Lin Li telah terlibat dalam desain mode cepat selama hampir 5 tahun. Dia telah bertemu banyak master desain, dan dia masih kagum dengan efek pembangkitan Stable Diffusion. "Kuncinya adalah kecepatan cepat dan volume besar. Saya rasa saya akan melakukannya kehilangan pekerjaan saya setiap menit."
"Shangxin" adalah sumber kehidupan mode cepat, dan perusahaan merek sangat mengejar kreativitas dan efisiensi. Setelah bersikeras menggunakan Midjourney dan Stable Diffusion selama setengah tahun, Lin Li merasa lega, "Memang benar bahwa kecepatan pembuatan model besar jauh lebih cepat daripada perancangnya, tetapi AIGC hanyalah metode pembuatan material. Apa yang diminta kata-kata untuk dimasukkan, elemen apa yang dibutuhkan, dan mana yang akan digunakan. Ini semua mengharuskan kita untuk membuat pilihan. Peta inspirasi saya saat ini semuanya dilengkapi oleh AIGC, dan efisiensinya meningkat sekitar 3 kali lipat."
Apalagi AIGC saat ini hanya memberikan inspirasi untuk desain satu garmen saja. Selain desain gaya tunggal, desainer juga perlu melakukan beberapa perencanaan seri-seperti seri mana yang menjadi gaya utama musim ini, gaya mana yang terlihat serasi, dan bagaimana mencocokkan gaya reguler dengan gaya utama. Bahkan tampilan gaya ini di toko harus direncanakan oleh perancang - di mana gaya utama ditempatkan, apa efeknya, dan bagaimana menampilkannya di toko. Jelas, konten pekerjaan ini berada di luar cakupan AIGC.
“Dalam hal desain gaya saja, sebenarnya sebagian besar perusahaan pakaian memiliki basis versinya sendiri, yaitu 'aturan' umum. Di dalam 'aturan' ini, desainer akan menilai warna, aksesori, dekorasi apa yang akan digunakan. Elemen seksual. AIGC hadir untuk memberikan inspirasi dan bantuan,” tambah Lin Li.
Apa yang dapat dilakukan AIGC untuk perancang busana? Zheng Zeyu, pendiri dan CEO Zhiyi Technology, percaya bahwa ada tiga aspek utama:
Pertama, memberikan inspirasi.
Kedua, dengan cepat menghasilkan sejumlah besar gambar yang cocok dengan kata-kata yang diminta.
Ketiga, mengurangi biaya desain, meningkatkan akurasi desain dan rasio efisiensi produksi.
“Namun saat ini AIGC hanya bisa mencapai poin kedua. Langkah pertama dan ketiga masih dalam pengujian, dan akan sulit untuk mewujudkannya dalam 1-2 tahun mendatang,” tambah Zheng Zeyu.
Zheng Zeyu juga percaya bahwa AIGC masih jauh dari kemampuan untuk menggantikan desainer, "AIGC hanyalah cara untuk menghasilkan bahan, yang terpenting adalah menilai apakah gambar-gambar ini adalah yang diinginkan oleh desainer atau merek, dan mana yang akan digunakan."
**2. Tidak ada master pola setelah 20 tahun? **
**AIGC tidak dapat menggantikan desainer, tetapi dapat menggantikan pembuat pola. Ini adalah prediksi putaran AI ini oleh Wang Huamin, Kepala Ilmuwan Lindy Technology Style3D. **
Pembuat pola mengacu pada orang yang terlibat dalam pembuatan pola pakaian. Pembuatan pola adalah penghubung antara proses sebelumnya dan selanjutnya dalam keseluruhan proses produksi garmen - untuk yang pertama, perlu berkomunikasi dengan perancang tentang detail produk. sampel pakaian; untuk yang kedua, perlu menjelaskan kepada pengambil sampel atau pabrik produksi untuk menjahit sampel. Tindakan pencegahan, kontrol kualitas pakaian sampel (barang non-bulk).
Setelah gambar desain dari sebuah pakaian keluar, harus melalui proses "pembuatan-modifikasi-pola-re-modifikasi-ulang". “Kadang-kadang dekorasi harus 2,5cm atau 3,5cm. Anda harus melihat efeknya setelah sampel pakaian keluar, karena ini adalah perasaan, yaitu lebih besar dan lebih kecil, kiri dan kanan, dan Anda harus menyesuaikannya. bolak-balik." Lin Li menjawab Ekspresi yang tak tertahankan.
Proses ini seringkali memakan waktu dan tenaga. "Banyak desainer tidak tahu cara membuat pola, atau tidak tahu banyak. Dia perlu berkomunikasi berulang kali dengan pembuat pola, dan biaya waktu dan komunikasi akan menjadi sangat tinggi." Wang Huamin percaya.
Zhang Yu, pembuat pola di perusahaan yang sama dengan Lin Li, juga setuju dengan ancaman AIGC terhadap pembuat pola. Pembuat pola ingin mengubah manuskrip 2D desainer menjadi gambar CAD untuk diproduksi, dan pada saat yang sama menghasilkan sampel untuk dimodifikasi oleh desainer. "2D ke 3D, pekerjaan ini sangat profesional dan rutin. Sekarang beberapa versi rumit, kita tidak perlu memotongnya sendiri, tetapi berikan efek 3D kepada para desainer, biarkan mereka melakukan penyesuaian langsung dalam 3D," kata Zhang Yu.
Dalam model besar industri AI Style3D Lindy, cukup seret pakaian yang sesuai ke dalam kotak desain, klik AI untuk menghasilkan pola, dan pola serta efek 3D dapat dipisahkan dalam beberapa detik.
"Dalam 20 tahun, ketika model kami cukup besar, desainer akan menjadi lebih fleksibel karena dia memiliki lebih banyak alat." Wang Huamin menambahkan, "Saat itu, situasi yang paling sempurna adalah desainer mendesain dan mencetak sendiri. versi, bahkan semua orang bisa menjadi desainer.”
**3. E-commerce tidak perlu model lagi? **
** Selain desainer dan pembuat pola, industri pemodelan juga mulai "gempa". **
Di belakang halaman detail gaya di platform e-niaga terdapat pembagian kerja dan kerja sama lebih dari selusin orang, perlu menyewa model, fotografer, penata gaya, asisten, dll. + menyiapkan pakaian + menyewa studio atau keluar di lokasi + pilih gambar + perbaiki + cocokkan gambar Jelaskan bahwa biayanya berkisar dari seratus yuan hingga seribu yuan.
Akun Weibo "Langzhu Huitou" pernah mengeluarkan daftar harga untuk studio fotografi model: 8 jam sehari untuk pemotretan, Anda perlu mengeluarkan 36.000 yuan. Diantaranya, biaya fotografi (termasuk 400 gambar retouched) adalah 10.000 yuan, model pria dan wanita lebih dari 20.000 yuan, biaya rias 2.000 yuan, dan biaya pencocokan 4.000 yuan.
"Jika Anda mempekerjakan banyak model, Anda harus mengurus jadwal beberapa model sekaligus, dan banyak pakaian juga perlu disetrika dan disortir terlebih dahulu. Apalagi data fotonya besar dan jumlahnya banyak. besar. Proses mengunduh, membuat, dan memilih setidaknya 5 hari. Kami memiliki pakaian Sesi khusus akan diluncurkan setidaknya dalam 10 hari, dan seringkali perlu merekrut 20 pekerja paruh waktu. " "Kepala abu-abu babi pengembara " tambah.
Namun, dalam model industri AI yang diluncurkan oleh Lindy Technology, personel dan pengeluaran ini dapat dihilangkan, dan "model digital" dapat dibuat hanya dengan memasukkan kata kunci.
Masukkan "bentuk wajah wanita Eropa, dengan rambut panjang di tengah, temperamen elegan, dan riasan bersih", dan bentuk wajah yang sesuai dapat dihasilkan.
Unggah peta pose model, dan peta model yang sesuai dengan pose dapat dihasilkan.
Masukkan kata kunci latar belakang "latar belakang nyata, gaya arsitektur minimalis, gambar penuh vitalitas, dengan ruang arsitektur seperti mimpi", dan Anda bisa mendapatkan beberapa gambar latar belakang dengan gaya yang sesuai.
**Kombinasi AI dari manusia digital + pakaian 3D mengurangi biaya penyebaran gaya ke tingkat yang tak terbayangkan. Kedepannya, mungkin brand bisa menyelenggarakan catwalk dan siaran langsung dengan memberikan foto sepotong pakaian. **
"Teknologi AI+3D akan mengubah model tradisional orang dan pekarangan barang." Wang Huamin percaya, "Melalui diagram Vincent, kami dapat menghasilkan model, latar belakang, dan pose. Berapa banyak yang dapat kami hemat belum diukur. Kami terutama memberikan dia alatnya. Adapun Bagaimana mereka menggunakannya, dalam skenario apa itu diterapkan, dan berapa banyak uang yang dapat dihemat tergantung pada bagaimana mereka menggunakan alat ini.
02. Apa perbedaan antara jalur teknologi AI dan pakaian
Desain, pembuatan pola, pemasaran, dalam tiga tautan ini, produk "desain fashion + AIGC" telah diluncurkan satu demi satu.
Desain pakaian selalu diberdayakan oleh AI di masa lalu. Apa perbedaan antara putaran AI ini dan yang sebelumnya? Wang Huamin percaya bahwa meskipun mereka semua AI, AI 10 tahun lalu, AI 5 tahun lalu, dan AI dua tahun terakhir berbeda. praktisi, Anda harus melihat yang mana yang dia lakukan. AI."
Industri AI telah melalui beberapa iterasi RNN, GAN, dan Difusi AI pakaian sebelumnya didasarkan pada GAN, yaitu model generatif dan model diskriminatif bersaing satu sama lain.Model generatif digunakan untuk membuat gambar yang terlihat seperti gambaran nyata, dan model diskriminatif digunakan untuk menilai apakah suatu gambar adalah gambaran nyata, kedua model dilatih satu sama lain, dan akhirnya kemampuan kedua model menjadi semakin kuat, dan akhirnya mencapai keadaan stabil.
Dibandingkan dengan GAN, model Difusi hanya perlu melatih model generatif, fungsi tujuan pelatihannya sederhana, dan dapat mencapai kualitas sampel gambar yang lebih baik dan stabilitas pelatihan yang lebih baik.
Wang Huamin menunjukkan, "Kemampuan kontrol GAN buruk, dan banyak hal tetap ada di akademisi atau makalah. Difusi lebih mudah dilatih daripada GAN. Pada saat yang sama, kemampuan kontrol keseluruhan telah ditingkatkan ke tingkat yang lebih tinggi, dan efek pelatihan juga telah sangat ditingkatkan."
AIGC berdasarkan model Difusi memiliki dua keunggulan yang jelas:
1. Turunkan ambang batas penggunaan alat desain dan tingkatkan penetrasi industri
Di masa lalu, pekerjaan desain pakaian membutuhkan keterampilan menggambar dan PS, tetapi dalam model industri AI putaran ini, gambar desain dapat dihasilkan langsung melalui deskripsi bahasa alami.
Misalnya, buka antarmuka pengguna FASHION DIFFUSION Zhiyi Technology, gaya, gaya, dan fitur sekilas jelas. Cukup pilih opsi seperti gaya, warna, dan bahan. Dalam lebih dari 10 detik, AI dapat menghasilkan gaya catwalk, Taobao Douyin gaya produk, dan gaya media sosial INS Xiaohongshu dan gambar gaya lainnya.
Di balik kemudahan dan ambang rendah tersebut terdapat akumulasi industri Zhiyi Technology lebih dari 1 miliar gambar pakaian dan 500+ label desain pakaian, serta akumulasi Xihu Xinchen dalam pembelajaran mendalam.
2. Satu model memenuhi banyak tugas
Cara kerja AI tradisional adalah melatih model algoritme untuk satu tugas, dan setiap model tidak bergantung satu sama lain. Misalnya, untuk melakukan pencarian gambar, latih model; untuk melakukan pembuatan gambar, latih model.
Model besar dapat menyelesaikan banyak tugas dengan satu model. Misalnya, model industri Style3D AI menyediakan banyak fungsi seperti gambar yang dihasilkan AI, pola yang dihasilkan AI, material yang dihasilkan AI, gambar yang dihasilkan AI, dll.
Gambar desain di industri pakaian perlu beralih antara 2D dan 3D berulang kali:
Wang Huamin percaya, "Satu model dapat menyelesaikan desain dan transformasi antara modalitas ini - saya hanya dapat mengatakan kepadanya apa yang ingin saya lakukan. Saya hanya perlu menyiapkan formulir keluar yang berbeda di ujung keluar. Ini adalah keadaan yang ideal. Tapi ini juga membutuhkan 2-3 tahun untuk menyelesaikannya."
**Saat ini, gambar desain yang dihasilkan oleh AI sedang diuji dalam hal akurasi, resolusi, detail, biaya daya komputasi, biaya produksi, dan rasio efisiensi produksi, dan masih ada jalan panjang untuk penggunaan komersial. **
Zheng Zeyu percaya bahwa terlepas dari dukungan data yang sangat besar, apa sebenarnya yang diinginkan oleh para desainer, bagaimana asal kata cepat, dan bagaimana menjelaskan dengan jelas apa yang Anda inginkan? Ini masih menjadi masalah, dan perlu disadari dengan memperhatikan trend forecasting atau menangkap inspirasi.
Pada saat yang sama, pengendalian model besar selalu merupakan bahaya tersembunyi. Wang Huamin percaya bahwa cara memastikan bahwa peta yang dihasilkan adalah yang Anda inginkan, dan dapat dimodifikasi, dan cara meningkatkan kemampuan kontrol dan stabilitas adalah bagian penting dari penggunaan komersial AIGC. "Hanya saja menurut saya pribadi banyak masalah di AI mungkin disebabkan oleh data yang tidak mencukupi."
**03. Bisakah AI menembus rantai pasokan pakaian? **
"Tidak ada industri setingkat triliun yang dapat beradaptasi dengan AIGC seperti industri pakaian." Liu Chen, pendiri Style3D, yakin.
Meski gelombang kecerdasan buatan ini dijuluki sebagai "revolusi industri keempat", Zheng Zeyu merasa bahwa dibandingkan dengan revolusi industri, perubahan AIGC pada industri pakaian hampir tidak ada artinya.
“Revolusi industri terjadi pada dimensi produksi dan manufaktur. AIGC lebih pada dimensi desain dan fashion. Memang akan mempercepat iterasi merek, tapi menurut saya itu tidak cukup untuk mendorong transformasi dan peningkatan seluruh industri. siklus pakaian panjang dan ada banyak mata rantai. Transformasi dan peningkatan industri harus menjadi digitalisasi seluruh industri, bukan penyesuaian satu mata rantai," kata Zheng Zeyu.
“Meskipun kami berharap semua orang menjadi desainer di masa depan, konsumen dapat merancang pakaian yang mereka suka melalui AIGC di C-end, dan kemudian langsung memproduksinya melalui C2M, tetapi masih banyak tautan di tengah yang memiliki belum dibuka." Wang Huamin percaya.
Rantai pasokan pakaian China telah beralih dari model tradisional ke model mundur cepat. Yibang Think Tank percaya bahwa didorong oleh permintaan konsumen baru seperti pesanan dalam jumlah kecil, respons cepat, dan kustomisasi yang dipersonalisasi, teknologi digital akan merekonstruksi ekologi industri pakaian jadi, memaksa pabrik dan hulu serta hilir untuk merespons dengan cepat.
Teknologi 3D yang terus berkembang, pembuatan pelat AR, dan pemasangan virtual juga terus mempersingkat waktu perancang dan meningkatkan kecepatan respons rantai industri.
Bagaimana memulai dari desain dan memimpin transformasi rantai suplai? Zheng Zeyu percaya bahwa koneksi dan sirkulasi data masih menjadi masalah inti - data dalam industri pakaian sangat tersebar, di tangan peserta yang berbeda, dan hampir tidak dibagikan atau ditransmisikan. industri pakaian. **Untuk seluruh transformasi industri, akses data adalah hal yang lebih mendesak dan menjadi hambatan. **
Resistensi itu bermacam-macam. “Pertama-tama, motivasi orang untuk tidak ingin terbuka jauh lebih besar daripada motivasi untuk melewatinya.” Beberapa praktisi menunjukkan, “Lagipula, sebuah pabrik tidak mau memberi tahu Anda berapa kapasitas produksinya. Jika Anda beri tahu Anda, Anda tidak akan mengirim lebih dari kapasitas produksi saya." Pesanan; pabrik kain juga tidak mau mengunggah model terbaru ke platform pengunggahan untuk mencegah plagiarisme. Jadi ada banyak penolakan."
Kedua, proses beberapa tautan selalu sulit untuk didigitalkan. Misalnya, banyak perusahaan di sektor kain yang belum memiliki ERP, apalagi digitalisasi. Seorang penanggung jawab sebuah merek pakaian mengatakan kepada Ebang Power, “Saat ini respon cepat terhadap desain dan produksi sudah bisa diwujudkan, namun di link kain, masih perlu stok terlebih dahulu, atau cara tradisional, karena kainnya melibatkan proses fisik dan kimiawi, dan tidak ada respons cepat yang kuat. Masalah ini tidak dapat diselesaikan dalam jangka pendek.”
Akar penyebabnya adalah industri pakaian sangat besar dan tersebar—industri ini adalah pemberi kerja besar, yang dapat menyediakan sekitar 300 juta pekerjaan, tetapi tingkat penyebaran perusahaan sangat tinggi, dan rata-rata siklus kelangsungan hidup merek tidak melebihi satu tahun. "Semua orang hidup di lingkungan yang sangat tidak pasti dan memiliki rasa krisis yang kuat." Zheng Zeyu percaya.
Dalam konteks ini, bagaimana mewujudkan kolaborasi lokal dan lingkaran tertutup dalam desain, produksi dan penjualan pakaian? Zheng Zeyu menunjukkan bahwa SheIn telah memberikan contoh yang baik—membuka seluruh rantai industri dari dimensi pesanan. SheIn dapat menyediakan pabrik dengan pesanan yang stabil, dan pabrik dapat mengirim dengan tenang; SheIn akan mengirimkan kain ke pabrik terlebih dahulu, dan merek dapat bekerja sama dengan percaya diri.
Manfaat menghubungkan desain dan produksi juga langsung, dari draf desain hingga pembuatan pola hingga produksi massal, jika proses internal merek cepat, produksi massal dapat dicapai dalam 2 hingga 3 hari.
Saat ini, Zhiyi Technology juga sedang melakukan kolaborasi digital semacam itu - mulai dari konsepsi desainer, gambar mana yang dilihat desainer saat memilih gaya, gaya mana yang dipilih, pemasok mana yang digunakan, kain mana yang digunakan, dan siapa yang akan membuat. pola , Seperti apa model draf garis, di ruang pameran mana, berapa lama disimpan, merek mana yang dipinjamkan, siapa yang memesan pada akhirnya, berapa banyak pesanan yang ditempatkan, pabrik mana didistribusikan ke, kapan kain tiba di gudang, dan kapan produksi dimulai, kapan keluar dari pabrik, dan bagaimana pabrik mengirimkannya, semua proses ini dapat dihubungkan secara seri dengan data. Untuk gaya desainer, mulai dari desain hingga pengiriman, seluruh proses diselesaikan dalam satu atau dua bulan.
Dalam kolaborasi rantai industri parsial ini, bagian depan adalah desain digital, bagian tengah adalah pencocokan gaya digital, dan bagian belakang adalah platform rantai pasokan digital. "Hanya di bawah kolaborasi semacam ini keunggulan efisiensi AIGC dapat dimainkan. Kami jauh dari semua orang Saat semua orang bisa menjadi desainer akan semakin dekat." Zheng Zeyu percaya.