AIGC 风暴来袭：4 万亿服装产业掀起巨浪

编辑｜张睿

(资料图)

【亿邦原创】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利润创造 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极致追求。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：

第一，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，第一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，最完美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。

" 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。

"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。

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，怎么保证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。

关键词：