🔥 Gate 動態大使專屬發帖福利任務第三期報名正式開啓！🏆 第二期獲獎名單將於6月3日公布！
👉️ 6月3日 — 6月8日期間每日發帖，根據帖子內容評級瓜分 $300獎池
報名即可參與：https://www.gate.com/zh/questionnaire/6761
報名時間：6月3日10:00 - 6月8日 24:00 UTC+8
🎁 獎勵詳情：
一、S級周度排名獎
S級：每週7日均完成發帖且整體帖子內容質量分數>90分可獲S級，挑選2名優質內容大使每人$50手續費返現券。
二、A/B 等級瓜分獎
根據各位動態大使發帖數量及帖子內容質量獲評等級，按評定等級獲獎：
A級：每週至少5日完成發帖且整體帖子內容質量90>分數>80可獲A級，從A級用戶中選出5名大使每人$20手續費返現券
B級：每週至少3日完成發帖且整體帖子內容質量80>分數>60可獲B級，從B級用戶中選出10名大使每人$10手續費返現券
📍 活動規則：
1.每週至少3日完成發帖才有機會獲獎。
2.根據發帖天數和整體發帖內容質量分數給予等級判定，分爲S/A/B等級，在各等級下選擇幸運大使獲獎。
💡 帖子評分標準：
1.每帖不少於30字。
2.內容需原創、有獨立見解，具備深度和邏輯性。
3.鼓勵發布市場行情、交易知識、幣種研究等主題，使用圖例或視頻可提高評分。
4.禁止發布FUD、抄襲或詆毀內容，違規將取
AIGC風暴來襲：4萬億服裝產業掀起巨浪
來源：億邦動力
文：胡镤心 編輯：張睿
AIGC大熱後，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，且衝擊和機遇並存——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利潤創造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於商品企劃、產品設計、零售終端三個環節，AIGC提升設計師效率、數字人+3D服裝再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，並非易事。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。那麼，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幹不掉設計師
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極致追求。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，輸入什麼提示詞，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，常規款和主推款怎麼搭配。甚至這些款式在門店的陳列，都得在設計師企劃時去規劃——主推款式放在什麼位置，效果如何，在門店如何陳列。顯然這些工作內容都超出AIGC的範圍。
“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麼樣的顏色、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麼？知衣科技創始人兼CEO鄭澤宇認為主要有三方面：
第一，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，第一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年後再無版師？ **
**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。 **
版師指從事服裝製版工作的人，製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製樣衣的注意事項，把控樣衣（非大貨）質量。
一件衣服的設計圖出來後，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，得樣衣出來之後再看效果，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，他需要和版師反复溝通，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。現在一些複雜的版，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年後，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，最完美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”。 **
在電商平台的款式的詳情頁背後，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。
“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、製作、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，妝容乾淨”，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，極簡主義的建築風格，畫面充滿活力，具有夢幻般的建築空間”，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，拉低到無法想像。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，至於他們怎麼使用，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技術路徑之於服裝，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。
服裝設計在過去也一直被AI賦能，這一輪AI與此前有什麼不同？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，你得看看他幹的是哪一個AI。”
AI行業經歷了RNN、GAN、Diffusion等多輪迭代，此前的服裝AI都基於GAN，即用生成模型和判別模型相互競爭，生成模型用於創造一個看起來像真圖片的圖片，判別模型用於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台階，訓練效果也有了很大提升。”
基於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、特徵一目了然，只需選擇款式、顏色、材質等選項，10多秒，AI就能生成T台走秀風格、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。
這樣的便利性和低門檻背後，是知衣科技超10億的服飾圖片與500+服裝設計標籤的行業沉澱，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之間反复切換：
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——我想要幹什麼，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、製作成本、投產效率比都在測試中，距離商用還有距離。 **
鄭澤宇認為，儘管有海量數據支持，但設計師到底想要什麼，提示詞怎麼來，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，怎麼保證它出的圖是你想要的，而且可以修改、怎麼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裡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。
儘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製造維度上，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。
“儘管我們希望以後人人都是設計師，消費者在C端通過AIGC設計一件自己喜歡的衣服，然後通過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製版、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。
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東西。 **
阻力是多方面的。 “首先，大家不想要被打通的動力要遠遠大於打通的動力。”有從業者指出，“畢竟，一個工廠也不願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；面料廠也不願意把最新款出上傳平台，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，品牌存活週期平均不超過一年。 “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做了一個好示範——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會把麵料提前給到工廠，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，線稿展樣板圖是什麼樣子，在哪個展廳，存放了多久，哪些品牌借出，最後誰下了單，下了多少訂單，被分發到哪一個工廠，什麼時候面料到倉，什麼時候開始生產，什麼時候出廠，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，後端是數字化供應鏈平台，“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。