專訪智靈動力朱旭琪：真正融入服裝業，AIGC需要大量數據訓練
本文來源：時代週報 作者：朱成呈
時尚行業的核心驅動力在於創意，而創意表達往往具有一定模糊性和容忍度。這一特性使得生成式人工智能（AIGC）在時尚領域的應用潛力顯得尤爲巨大。
據麥肯錫的分析報告，AIGC預計將在未來3到5年內爲服裝、時尚與奢侈品行業帶來顯著的利潤增長，保守估計這一增量將達到1500億美元，樂觀預期甚至可能高達2750億美元。
“創意設計和營銷內容生成是當前AIGC在服裝行業應用的主要環節場景。基於生成模型，在設計和營銷環節充分發揮AIGC的成本和技術優勢，是當下被產業和公衆接受的價值賦能。”近日，智靈動力聯合創始人、元裳大模型負責人、AIGCxFashion發起人朱旭琪接受時代週報記者專訪時表示。
朱旭琪 智靈動力聯合創始人、元裳負責人、AIGCxFashion發起人 受訪者供圖
智靈動力成立於2023年，爲更好地服務時尚、服裝行業，該公司內部孵化了元裳大模型。
開發元裳大模型的初衷是通過AI技術的創新，推動服裝行業從傳統生產模式向數字化、智能化轉型。“我們最初的契機來源於一個客戶項目對服裝設計模型的需求。”朱旭琪向時代週報記者介紹，機緣巧合之下，元裳大模型於2023年實現了服裝行業的首個PMF（Product Market Fit，產品市場匹配度）落地，開始推進元裳大模型賦能時裝行業。
AIGC重塑服裝創意設計
時代週報：在創意概念設計環節，AIGC如何確保生成的設計既符合時尚潮流，又能兼顧男裝、女裝、漢服等不同品類的獨特風格需求？
朱旭琪：這是一個多維度的問題。從技術上對時尚潮流數據的整合， AIGC需要通過大量時尚數據進行訓練，來捕捉當前流行的趨勢，並結合歷史數據預測未來潮流。AIGC需要收集來自社交媒體、時尚網站、時裝秀和市場調研的數據，然後利用AI實時跟蹤和預測未來的流行趨勢。
元裳大模型可以通過給不同的服裝品類數據設置風格標籤，在專屬預訓練階段就重視對品類標籤的針對性訓練，在模型內做好服裝品類名稱的對齊支持。這樣在最後的生成推理階段，可以方便使用時尚潮流的風格遷移，結合內置已對齊的名稱，讓專屬服裝模型可以較好地融合生成。
當然，也可以在預訓練之後通過微調或LoRa（大語言模型的低階適應）方式，做更多品類和風格的快速融合生成，以滿足實際創意設計中的風格需求。
時代週報：元裳大模型如何幫助改進服裝行業？與同類產品相比有何不同之處？
朱旭琪：元裳大模型爲產業提供了一個成熟的業務框架，以多模態自研模型組爲核心，構建了從時尚元素採集到數據庫管理的標準化數據資產管理系統。
元裳大模型已從零到一規範了一套數據標準模型，能夠無縫嵌入任何數字化階段，支持企業建立自訓練迭代框架，訓練私有設計模型，精準捕捉時尚特徵的多模態模型，以及相關特徵向量數據庫。通過這一架構，實現了一站式數據通路，根據企業的交互形態，開發符合時尚設計的視覺應用，提供從設計到試衣再到3D秀場的鏈式智能服務。
元裳大模型提供了多方利益相關者的解決方案。從設計師的角度出發，理解與可控性是核心目標。元裳大模型將擴散模型的端到端輸出結果轉變爲基於設計師思維的設計意圖逐步迭代，實現可控的解耦過程，確保每一張生成的圖像都具有價值。
AIGC推動服裝行業數智化轉型
時代週報：AIGC 要實現服裝行業全品類的工業流程自動化，行業內各方需要在哪些方面共同努力？
朱旭琪：從個人理解來說，首先是培養跨界人才。要讓AIGC真正融入服裝行業，需要既懂AI技術，又瞭解服裝設計和生產的複合型人才。目前，許多高校已經開始調整專業方向，例如將傳統服裝設計專業升級爲“數字時尚”，這正是一種培養複合型人才的積極信號。
其次是打造協同生態，服裝行業鏈條很長，從設計到生產再到銷售，涉及到很多環節。各方需要打破“信息孤島”，通過雲端協作平臺、數據共享機制等方式，實現產業鏈的高效協同。
最後，政策和行業規範的支持不可或缺。AIGC在服裝行業的應用還涉及知識產權管理、數據隱私保護等法律問題，需要完善的法律法規和行業規範來保障。此外，需要建立完善的數據管理體系，統一數據標準與規範，打造產業數據與資產平臺，從而加速行業發展。
時代週報：服裝行業產業鏈龐大且分散，涉及設計、生產、銷售等多個環節。在服裝製版閉環化方面遇到的瓶頸，是技術層面的問題更多，還是行業標準、數據規範等方面的問題更多？
朱旭琪：我個人認爲這兩個方面是相互交織的，解決一個問題往往需要同時考慮另一個方面。就製版而言，現階段的主要瓶頸集中在設計的精準度與多樣性，以及數據的質量與行業接受度上。
製版不僅僅是簡單的設計圖生成，它涉及服裝的結構、剪裁、布料的適應性等多維度的技術細節。服裝的布料特性（如彈性、下垂、透氣性等）以及裁剪與縫製過程中的複雜物理行爲，對生成設計提出了較高要求。這需要更高精度的仿真技術和計算能力來支持整個製版過程的閉環。
例如，有業內公司從3D設計出發，結合面料物理模擬和成衣設計數據積累，推進結構製版的數據化和優化，這是一個非常有價值的方向。然而，目前的AI生成服裝成衣多偏向於常規款式的個性修飾，或者隨着3D設計要求的提升，門檻也在提高。對於極具個性化或細分市場的設計需求，AIGC在成衣製版可靠性方面仍然存在不足。
另一方面，服裝製版過程中的標準化問題也不容忽視。不同品牌、不同地區的製版方式、尺寸標準、標註規則等各不相同，導致AIGC在應用過程中面臨數據不兼容的挑戰。在服裝行業，尤其是傳統制造商中，AIGC的接受度和適應性仍然較低。高價值的製版案例數據的獲取存在較大的產業分佈門檻，品類多且數據分散，與氣象、能源等優勢壟斷產業相比，還存在較大的差距。因此，相關技術的推廣和數據價值的共享仍是一個需要克服的瓶頸。
時代週報：對於想要藉助 AIGC 實現轉型升級的服裝企業，有什麼具體的建議和策略？
朱旭琪：首先，數據是服裝企業轉型升級的核心驅動力。企業應積極構建完善的數據管理體系，包括統一數據標準與規範、搭建數據平臺等基礎設施。同時，結合業務場景和服務需求，系統梳理並構建企業自身的數據資產和模型資產，充分挖掘其價值。在此基礎上，企業應積極探索AI技術在業務環節中的優化與重構，逐步培養內部團隊的AI應用能力，打造具備技術競爭力的核心力量。
在實施過程中，無需苛求全流程的AI化，而是可以採取“小步快跑”的策略，選擇某個具體環節率先落地AI技術，實現從0到1的突破。通過實際應用積累經驗，逐步迭代完善，最終實現AI技術在企業中的全面滲透與價值釋放。
就業結構全面變革
時代週報：未來幾年 AIGC 在時尚、服裝行業會有哪些新的發展趨勢和突破方向？
朱旭琪：隨着技能能力的增強與完善，個性化定製與智能設計將成爲時尚、服裝產業的重要趨勢。AI技術能夠整合消費者的體型、偏好、行爲習慣等數據，生成高度定製化的服飾設計，滿足個性化需求。在營銷推廣層面，數字時裝秀的興起將推動實時觀看與互動體驗的發展。消費者可以根據個人體型、膚色和風格，獲得最適合的服飾推薦，並通過虛擬試衣技術享受更加個性化和便捷的購物體驗。
此外，隨着AIGC在產業中的深入賦能，時尚教育與培訓模式也將迎來革命性變革。傳統的服裝設計教育將逐步向智能時尚設計轉型，培養更多具備技術與創意融合能力的新型人才，推動行業整體創新與升級。
時代週報：AIGC 技術與服裝產業鏈各環節深度融合後，會對行業的就業結構產生哪些具體改變？
朱旭琪：AIGC技術的深度融合將推動服裝行業就業結構的全面變革。設計師的角色將從傳統的手工繪圖轉向創意引領與AI技術應用，更多地專注於優化AI生成的設計方案，而非重複性工作。同時，新興職位如“AI 時尚顧問”或“AI 設計導師”。這些職位將專注於指導設計師如何使用 AIGC 工具、優化設計過程、解決 AI 生成設計中的問題，並根據市場反饋對 AI 模型進行訓練和調優。
AIGC 在製版環節的應用可以幫助製版師通過 AI 自動生成最優的版型和裁剪方案，減少了繁瑣的手動操作和反覆調整。製版師將更多關注設計的實際執行和數據調整，而不是從零開始手工製版。AI 製版工程師或將成爲新興的職位，負責設計製版系統、訓練 AIGC 模型以生成不同款式的製版，並確保自動化製版過程的精準度與創新性。
傳統的工藝師和縫紉工的工作內容也將發生變化，部分重複性強、技術要求較低的工作（如基礎縫紉）將被機器人和自動化設備取代。部分傳統工藝（如手工刺繡、手工染色等）可能會結合 AIGC 技術進行創新。
在營銷與客戶服務領域，AIGC將推動個性化營銷成爲主流，AI生成的廣告和推薦內容將減少對傳統文案的需求。虛擬客服將逐步替代人工客服，處理常見諮詢問題，而AI驅動的營銷專家將專注於定製化策略與用戶體驗優化。
本文源自：時代週報