生产车间一尘不染，流水线上的服装正在被缝扣、装袋，不远处的墙上还有一个LED看板，上面标注着二十几道工序，每道工序下对应一个数字，这个数字精确到了小数点后三位。

　　“这些数字是完成每道工序的成本，也是员工的计件工资，精确到了厘。”该工厂负责人张栋介绍。

　　这家广州的服装加工厂工艺不错，用料上等，一年要接大量的生产订单，但因为工厂设计能力不足，款式单调，所以销量一直很低，挣的都是辛苦钱。

　　张栋说：“我现在生意是稳定的，如果再招设计师，设计出来的款式是否好看也是赌。”实际上，这种纠结不单是某一家纺织加工厂要面临的问题，而是行业普遍面临的痛点。

　　为了解决这一难题，近年来，凌迪Style3D以自主研发的3D建模和仿真技术模拟出数字样衣，可以在15分钟到几小时内设计出一个新款式，智能生成对应的生产资料对接进入制造环节。人工智能小冰则依托人工智能创造技术，目前能够稳定设计三十余种主流风格，并实现按需创作，其图案的设计多样性达到10的26次方，进而满足市场对个性化设计和生产的需求。

　　将服装设计与数字技术、人工智能结合，已经成为服装行业新的看点。

　　服装行业苦设计久已

　　服装进化到今天早已过了遮衣避体保暖的阶段，服装现在更多是一个人的内在精神的外在表达。比如程序员喜欢穿大码T恤配拖鞋，因为他们想要的是轻松自在；而老师的日常着装可能更偏知性，比如羊绒大衣配高领毛衣。

　　“但这种表达是被动的，因为消费者需要到市场上挑选属于自己的品牌。”凌迪Style3D创始人兼CEO刘郴表示。由于消费者与市场双方信息的不对称，他们能够找到属于自己的品牌是幸运的，找不到则是一个大概率事件。即使找到属于自己的品牌，也不是持久的，因为消费者的喜好是不断更新迭代的，该品牌要想一直被消费者喜爱就必须一直研发该消费者喜欢的产品，要做到这点很难。

　　“所以，市场需求和供给因为信息不对称而造成大量的库存。”刘郴介绍。从本质上来讲，目前服装还是一个基于预测的现货生意。服装开发者需要结合消费者的需求去预测未来的流行趋势，根据预测生产现货，再投放市场，所以，这种模式下天然会产生库存。据介绍，每年至少会有30-40%的库存只能通过降价或收尾货等方式清理。

　　同时，预测产生的不确定性需要靠研发的数量来弥补，在研发过程中，一家有100个款的服装店，背后服装厂家要付出300-400个款的研发成本。

　　并且今天的消费者越来越强调个性化，对款式的多样性需求越来越多。因此，服装厂家研发的数量也越来越大，过去一年出200个款，背后研发是600到700个，但现在很多品牌一年甚至要出两三千个款，这跟过去的研发力量不可同日而语。

　　在刘郴看来，这些转变正在倒逼整个服装行业的研发模式从传统线下向数字研发进化。至少在产业链的几个环节，用数字化手段替代传统实物样衣，能够把消费者的需求用一个非常直观的方式展示出来，让他们提前可视化地选择喜欢的款，进而大幅度降低研发成本。

　　“设计和研发是整个服装行业的七寸位置，往下游走，决定了消费者买什么，往上游走，决定了生产制造生产什么，以及用什么样的工艺和面辅料进行生产。”刘郴介绍。

　　因此，凌迪Style3D从服装研发设计这个节点切入，让数字样衣替代实物样衣进行在线数字化流转。过去，在设计环节没有数字化时，产业链路上的销售、设计、制造等环节是相互割裂的，而今天，数字样衣能够打破时空限制真正把产业链中的设计师、版师、面料商、ODM商、品牌商等高效链接在一起。

　　工业级的数字样衣具有三大特点，即高仿真、可编辑和可制造。所以，样衣不仅具有信息有效流转的属性，还可以可以直接进行销售，可以直接进行二次开发设计，同时生成相应的生产清单直接可以去做剪裁及面辅料采购，并进行制造生产。

　　据刘郴介绍，凌迪Style3D还建立了用3D数字化的方式呈现的包含潮流趋势信息和版式数据的数字内容库。

　　什么是数字内容库？通俗来讲，类似于为设计师创建了属于他们的一个word文档，把手写变成电子稿。同时，对文档上的内容定义了稿件格式，比如写一封信，前后的固定用语已经拟好，设计师只需要补充完核心内容即可。

　　“面辅料、色彩、图案等设计元素，作为工具配合起来一起去使用的过程中，最重要的部分是版型。”刘郴说，版型背后是各种各样的廓形，包括宽松、紧身、大落肩、小落肩等，这些廓形代表各种不同的版型数据，因此，积累版型库能够让行业内半专业甚至非专业人士都能够轻易上手使用，这是凌迪Style3D工具内容制造生态里的第二环。

　　爆款背后的密码

　　2020年9月“横空出世”的犀牛智造，目标是于建立柔性化服装生产链，进而实现一对一设计和生产。

　　小冰与特步携手阿里犀牛智造，打造柔性生产线，并依托小冰人工智能创造技术推出定制化服装设计生产及零售平台，实现专属定制服饰的快速生产，满足每个消费者的个性化需求。

　　“要实现这种柔性化生产，背后离不开同样极致个性化的设计能力，软硬结合才能达到这种能力。”小冰公司首席运营官、人工智能创造力实验室负责人徐元春表示。

　　个性化涉及几个方面，一个是针对个人，根据消费者个人喜好情绪与体验形成数据，设计海量款式供消费者选择，进而生产他们满意的服装。另一个是针对上下游厂家，形成批量订单。

　　目前，中国很多服装企业还处在凭感觉设计状态，老板拍脑袋决定哪类服装可能会流行。代加工厂更甚，中国大量给国外品牌定制化代加工的工厂，大多是按照品牌方提供的图案及原材料进行生产，仅仅能赚取的是中间的一个劳动附加值。

　　“今天，数字化正在倒逼这些纺织服装企业从OEM向ODM进化，既具备生产能力又具备设计能力是纺织服装企业的必经之路。”徐元春表示。今天任何一家代工厂花大价钱雇设计师都是一件高风险的事情，但他们可以借用少量的工具，再加上人工智能技术也能做出很好的作品供合作伙伴选择。

　　据介绍，小冰除了没有参与服装版型设计，其他包括纹样、元素图案及构图设计均已参与。

　　“一件衣服是否好看，配色很关键。”徐元春介绍。好的配色只靠简单的规则或经验是很难实现，但算法模型可以通过学习配色规律，进而形成多样化的配色设计。

　　另一个是纹样，从某种角度来讲，更多更新鲜的纹样不是通过规则或者简单的排列组合实现的，而是通过吸收全球优秀艺术家的智慧后，像艺术家一样创作。

　　对于服装企业来讲，他们每天供应全球，所面临的不是一两个设计的问题，而是海量设计的问题。并且时尚流行是不断迭代更新的，人类设计不能无休止的创作，但人工智能可以。

　　“通过技术生成数字样衣，快速测试市场是否满意，然后再调整，再验证后形成一个相对满意的结果。”刘郴介绍，比如同一张图片，能够做成绣花的，也可以印的，可以是闪亮的，也可以是暗光的，可以是平纹，也可以有立体纹理。同一张图片经过不同的工艺变成了不同的效果。

　　C2M需要AI

　　C2M的C，包括多种定义，有款式相同，但体型不一样的C2M，也有款式定义不同的C2M，针对一群人的设计，在某种意义上也是C2M。从这个角度看，C2M的关键在设计端，只有设计端跟上了，后面柔性制造才能具备更强的敏捷性和弹性。

　　“C2M的核心，是从一个需求出发，能够快速设计、开发并制造出来。”刘郴认为。目前市场上针对个人的C2M市场规模还处于早期，针对一个小群体的C2M已经有愈演愈烈的苗头。比如一些国企，就有中性服装定制化的需求。

　　这类C2M不强调大而全，不像ZARA这样的品牌做人群的覆盖，而是专门做团体的C2M。这一小群C的需求是不跟其他C撞衫，但需要在这一个小群C里找到角色认同。“所以，C2M中的C不要理解成个体C，把它拧成一群C或许更加有落地土壤。”刘郴表示。

　　小单快反的前提是有大量的设计去满足市场需求，同时，要做到快反，需要在这几个环节做到高效流转跟高效沟通，不然每个月有大量的订单，每个订单都要靠人去市场找面料找信息，这是不现实的。

　　小单快反，从某种意义上来讲，如果在设计研发环节已经完成数字化，会促进下游的面辅料采购、制造排产等环节做并联，大幅提升整个产业链的运转速度。

　　如果设计能力大幅度提升，比如过去10个设计师每天能够设计6个不同的作品，但今天借助数字化工具可以出几千甚至几万个设计图，这10个设计师只需要从中挑选，然后稍作修改，一天的生产力可能就变成了500个。

　　据介绍，比如像兰亭集势等这样的跨境电商，过去上新大概需要两周到三周的时间，现在借用系统能够达到几小时内出款上新。同时，一些ODM制造商都是通过线下提供样衣，但现在通过数字化手段通过线上协同，在疫情这种特殊时期订单不仅没有下降反而增加。

　　徐元春介绍，今天纺织服装工业存在大量的库存冗余。如果设计能力和效率上升了，更有针对性的满足消费者的需求，也能在SKU量上的计划上更弹性，以敏捷生产优化批量生产。

　　当把这个链条做到极致时，消费者能够选择单独的设计，进行单独生产与配送。

　　同时，徐元春强调，当前，中国服装市场已经具备了AI落地的土壤。但任何一个传统产业都有它自己的运营轨道，当一项新技术出现时，会因为先行采用者导致竞争优势发生了变化。比如使用新技术者的生产线从过去一天生产500件到生产1000件，这种竞争优势会导致越来越多的企业开始使用这项技术。

　　但在实现的过程中仍然有很长的路要走。徐元春介绍，目前小冰采用的这种设计方式是一个无人区，没有先例可参考，因此，从0到1的摸索踩了很多坑，做了整整22个月才做完研发。

　　徐元春强调，小冰不是某一个领域的技术服务商，能力也不止于图案设计，小冰背后是一个强大的人工智能框架，今天任何一个合作伙伴提出需求，小冰的能力都可以迁移。但在服装领域，小冰仍然需要不断探索，比如纹样要把图案复现在经纬线交叉的像素级别，实际上放大到布料上时，十字并不是完整画过来。

　　这个处理过程是从模型跨到工业设计的过程，比如同一个纹样，织在棉料上效果很好，但织在羊绒、羊毛上就不一定会好，这对于算法来讲目前还是一个挑战。

　　刘郴也表示，凌迪Style3D下一步要攻克的难题仍然是仿真度和应用门槛问题。有点像早期的图片处理，只能用photoshop修图，人群主要是设计师等，而现在每个人都可以使用手机各种APP一键美颜和图片优化。

　　"目前的3D建模和渲染仿真软件对操作性要求还比较高，我们的目标是要让非专业人士或半专业人士能够在更短的时间内做出更高仿真图片，也就是说，只要你有审美，人人都可以进行服装设计。"

　　（来源：亿邦动力网）