上一篇我们聊了2024年的Web3,它通常被认为是一个依托区块链技术,以「去中心化」为愿景的互联网乌托邦。现在,这个理想国正在被 2023 年加密行业带来的破产、丑闻和法律制裁所玷污,在一贯讲求体面的时尚行业,只有少数头部企业谨慎前行。但是,一如既往,它们的价值观与行动往往是推动行业变革的最大动力。
从后视镜角度看,在Web2.0尤其是电子商务浪潮中,时尚行业的迟钝与保守是被诟病的。此后行业怀着FOMO尝试了各种前沿技术——增强或混合现实、元宇宙、区块链、数字孪生……到目前为止,围绕 人工智能的那条著名的炒作曲线正在加速。整合涵盖这些新兴技术的下一代互联网世界 Web
3.0,可能是比激进喧嚣的 Web3更准确与包容的概念。麦肯锡的年度时尚状况报告指出,2023 年是人工智能主导时尚行业对话的一年,约 73% 的高管计划把它列为明年的优先考虑。但如果我们冷静一点,回到2021年的时间点,Web3和NFT也曾经被他们放在同样的重要性上。

时尚界正痴迷于人工智能——希望将这项技术运用到从设计开发、供应链和采购、品牌营销、电子商务、客户服务的方方面面。虽然这项新兴技术仍然充满了令人担忧的问题和错误,但在时尚和奢侈品行业的美好未来仍需要将每一块拼图组装起来。所有迹象都表明人工智能正以闪电般的速度迭代,并成为业务许多方面的游戏规则改变者,为新质生产力创造了空间。今天尝试新工具意味着明天开启无限的可能性。
期待人工智能在今年5月即将在巴黎举办的VivaTech上的表现,这是欧洲最具影响力的年度技术会议,也是时尚奢侈品企业在创新领域的风向标。2023年整个活动吸引了 15 万多名参观者,甚至超过每年在拉斯维加斯举办的全球新技术标杆展会 CES。在VivaTech开幕前,让我先从个人观察的角度回顾自ChatGPT 发布以来,人工智能在时尚产业链各个环节的应用。中国科技企业常说:所有行业都值得用新技术重做一遍!那么我们来看看人工智能到底有多能?文章最后是关于现实应用所要面对的挑战。

第一赛道:生成式人工智能应用于个性化的和大规模的内容营销
众多初创公司正在通过生成式人工智能为时尚企业提供营销工具。使用它们,营销人员的日常任务可能如下所示:他们选择想要创建的内容类型,无论是短视频、长图文、电子邮件还是其他内容;添加描述他们正在寻找的内容的提示;并包括目标受众和其他参数(例如语气,有助于创建符合品牌的营销传播)…… 然后,人工智能会提供多种选项供营销人员选择。这些工具在应用于较低渠道的营销漏斗(主要是鼓励销售转化)而不是更有声望的品牌建设传播时最有用。
明星独角兽Typeface,由 Adobe 前 CTO Abhay Parasnis 创建,2023年该公司连拿2笔融资,估值跃升至10亿美元。Typeface基于GPT-3.5和Stable Diffusion 2.0模型开发企业级生成式AI应用程序,是提供通过文本快速自动生成营销内容的平台和工具。创始人认为现在的内容生产存在悖论:如果要制作个性化、高质量的内容,就需要专业的创意人员和机构。很多TikTok 或Instagram上的内容,已经可以用简化的工具以很快的速度制作,但是这些内容的质量就受到限制。Typeface希望将高质量的、速度慢的内容制作和相对低质量但速度快的内容制作统一。
以TikTok 或抖音为例:在该平台上病毒式传播并没有单一的成功秘诀。相反,品牌生产的内容越多,成为热门话题、提高品牌知名度和销量的机会就越大。由人工智能为社交媒体平台创建短视频,可以帮助节省内容相关的时间和成本。这可以帮助内部营销团队管理工作量,同时减少对创意机构外包工作的依赖。然而,营销人员需要谨慎对待这种方法:试图接入通用大模型的做法来吸引消费者,可能会抵消品牌花费数年时间打造的独特身份和价值主张。

Photographed by Steven Klein, Vogue, September 2003
埃森哲针对消费者心态的最新报告表明,购物者正遭受信息超载的困扰。报告强调:“在相互竞争的主张、信息、广告、选择、推荐、算法中,品牌迫切需要利用生成式人工智能的变革力量,以减少决策周围的’噪音’并提高参与度。” 个性化领域的领导者通过在正确的时间以正确的体验向正确的个人提供内容来取得成果。他们开发大规模内容创建和人工智能驱动的决策能力,以便他们能够实时响应客户需求。他们还建立了强大的评估流程,跟踪人工干预的影响并将该信息反馈给他们的系统和团队。
LVMH La Maison de Startups 旗下的人工智能公司 FindMine,在2024年4月结束的 A 轮融资中筹集了 近900 万美元。他们有效使用品牌的非结构化数据,以判别性人工智能、机器学习和矢量数据库来理解产品,创建了行业领先的内容创建引擎。通用模型是基于大众智慧的,因此不能对其放任不管。同时,大规模传播品牌的关键是大规模制作高质量内容,满足消费者在任何与品牌互动的地方的需求。FindMine 的算法每天在电子商务和移动网站、Facebook、社交媒体等营销渠道、电子邮件活动和商店中创建超过 1100 万套服装。该技术利用人工智能从品牌的完整产品目录中创建服装搭配,对于购物者来说,这就像拥有一位私人造型师,但它同时是大规模和高速的。
前段时间一场关于大模型的争论,让著名投资人朱啸虎火出圈。当提到商业场景的重要性时他说:“产品要效果好马上能变现。2022年我们投的时候营收才1000多万收入,去年5000多万了,涨了五六倍,都是盈利的。”他口中这家创业公司就是做AIGC电商内容智能化服务的FancyTech。使用基于LL aMA模型调参的FancyGPT,全链路自训练模型,其图生视频能接近专业的广告质量,并且能做到扫描对商品进行3D建模,通过AI生成高质量品宣视频。据悉,因为服务多家奢侈品企业的优秀表现,今年他们将参与LVMH在VivaTech上的创新活动。

Photographed by Steven Klein, Vogue, September 2003
电商内容中占很大比例的Look Book,需要在人体模型或真人上展示服装的传统制作方法,从耗时耗钱的照片拍摄到有限的模特可用性,无疑面临着AIGC的巨大冲击。
图片编辑器VanceAI升级人工智能时装模型生成器,商家可以上传人体模型或真人身上穿着的服装图像,然后AI时装模特生成器会用更有吸引力的模特替换,并生成更美观的背景。店匠Shoplazza是提供全球化跨境电商SaaS建站系统的中国公司, 为了更好地服务时尚品牌商家,针对他们素材图片制作成本高、需快速上架等痛点,他们推出人工智能生成的图片应用—— BetaCreator。AI商拍平台一时间如雨后春笋般冒出来,其中就包括由蘑菇街内部孵化的AI产品WeShop,专注于照片模特和背景的AI更换,主要用于优化图片生产流程和改变模特工作方式。
以AIGC增强内容营销应该是目前人工智能落地到时尚产业的最大应用,范例举不胜举。就在前不久,行业巨头 Meta 宣布通过 WhatsApp 将人工智能生成图像能力带给大众。现在,那些普通时尚爱好者也能够自己构思任何想象中的风格穿搭了。这对于品牌来说有一个好处,它在过去仅仅是跟踪人们当下的造型和分享。现在精明的高管或营销人员,可以通过一种简单的方法来预测消费者对未来潮流的偏好。

Photographed by Steven Klein, Vogue, September 2003
第二赛道:协同设计,包括相邻的面辅料供应、样衣制作与展示
时尚电商Revolve 在2023年4月参与了第一届 AI Fashion Week,这只是这家平台与AI合作的开始。到了11月,其承诺的「生产和销售来自时装周竞赛活动中的设计师」运用人工智能生成的服装出现在网站上。这虽然并不是人工智能设计第一次成为消费者可以实际购买的服装,但一个年销售额超过 10 亿美元的购物平台将人工智能时尚推上大舞台,在未来,业界可能会认为这是一个里程碑式的事件。
大众市场时尚零售商的设计师,或者奢侈品牌的创意总监,可以使用生成式人工智能来实时分析各种类型的非结构化数据,而不是仅仅依靠趋势报告、市场分析、销售数据,以及个人的灵感乍现来为下一季的系列设计提供参考。例如,首届LVMH创新大奖得主Heuritech,其核心技术每天可以对海量社交帖子中的照片和视频进行分析,然后将分析结果提供给各大品牌进行付费订阅,作为未来产品开发和目标客户群设定的参考。生成式人工智能可以快速聚合和执行社交媒体内容的情绪分析,或对来自多个消费者数据源的趋势进行建模,以及加入创意总监取自不同载体影像素材的Mood B oard。
时尚行业的特殊性就在于:极度创意驱动,但这些创意往往对精度有一定的宽容度,这正好符合当前AIGC应用的特点。例如在最新的《New Look》电视剧中,我们都看到了一件Bar Dress连衣裙诞生的过程:Dior先生根据灵感画出草图,然后在此基础上整个工艺制作团队共同努力,最终呈现出一件高级时装。今天的设计师可以借助生成式人工智能的力量来激发新想法,尝试无数的设计变化,而无需生产昂贵的样品就能看到最终上身效果。 本质上,时尚是一个依靠大量“新鲜潮流”拉动消费的产业,为了满足服装消费者多样化的需求,品牌必须积极推行多SKU策略。创意总监及其团队可以将草图和所需的细节输入,平台会自动创建数量无限的系列设计。然后,团队可以根据这些输出做出选择,并将时装屋的标志性风格融入到每款外观中。

Photographed by Steven Klein, Vogue, September 2003
目前在国内,知衣科技推出服装产业模型“FASHION DIFFUSION”,要做服装行业的Midjourney,是专门针对服装设计师的智能设计工具,集齐了高效的模型结构、高匹配的算法优化、高性能的计算基础设施与雄厚的数据等核心要素。另外一款专门针对时尚服饰行业的 AI 设计工具 Muse.AI也已上线, 采用“图生图”的实现方式,帮助设计师实现一键改款、一键改风格、多图融合、从“创意企划”到“具体款式”落地等效果。凌迪Style3D是这一领域的头部企业,在3月的《中国服装论坛》上创始人兼CEO刘郴谈到:“AI实现了产业模型,未来一定会形成企业模型;AI技术可应用于整个3D数字化链条,通过作用于设计、展示效果、个性化定制等环节,贯通整个纺织服装产业链。“
2023年11月,总部位于伦敦的时尚品牌 Urbanic 已完成 1.5 亿美元的 C 轮融资,目标是通过利用其专有的人工智能和整个价值链的社会责任方法来改变时尚行业的使命。他们利用基于机器学习的模型将创新和责任融为一体,得到了专有的大语言模型 (LLM) 的支持,经过各种代码库的训练,能够“系统地生成时装设计、基于 AIGC 的创意和内容,并将时尚行业的整体供应链效率提高到一个新的水平”。
在面料设计领域,无论是梭织还是针织甚至特殊材质,得益于游戏引擎的强大能力,3D视觉模拟已经有一段时间了。但开发测试交付还是存在周期长流程复杂的问题,这往往导致错失机会和延迟产品发布,样品运输的费用对于可能永远不会在生产中使用的面料尤其显得昂贵。现在通过人工智能实现的纹理图和物理数据的质量往往可以媲美甚至超越3D实验室。通过采用从最源头开始的可持续、快速且经济实惠的数字化,使用人工智能算法生成数字纺织品的物理和光学属性,在数字环境中准确模拟织物,企业可以进入效率的新时代。
在中国从世界工厂到智能制造转型的过程中,有许多传统纺织厂加速拥抱新技术。比如,由“纺二代”郑琦创立的纺织科技企业青甲科技,推出 NAO 虚拟织布机,通过高运算能力,电脑对纺织机的机械结构、针和轨道的模拟,深度学习纺织面料工程师的智能理论、方法、技术及应用,实现运用人工智能研发新型面料的同时,实现对各种类织造工艺的高精度进行模拟。既直观提效,又节能减排减少浪费。

Photographed by Steven Klein, Vogue, September 2003
供应链与采购
纺织和服装制造业属于重资产行业,设备多、生产自动化适合工业互联网的推进。然而业内采用数字化管理的企业却很少,尤其在我们这样的供应链输出大国,分析来看原因包括:一是业内产能分散集中度低,大部分企业规模小,资金不充足;二是行业整体的信息化数字化基础设施差;三是纺织行业整体平均利润率仅 3.5%,技术供应方合作意愿低,四是纺织企业内部,管理者生产经营理念较传统,自上而下全面改革难度大。
面对行业痛点,使用人工智能的虚拟工厂技术,是将下游需求与供应链分散产能进行合理再分配的过程。一方面可改善中小企业管理水平低下,智能化程度不足、设备维护不及时等切实问题,大幅度提升其运营效率,另一方面还通过终端监控至中小企业的实际生产质量,有利于合理进行订单分配。第三,中小企业自己接单毛利率在 5%-6%,而凭借行业龙头智能化优势能为企业派发的订单毛利率达到 8%-9%。
作为全球最大的色纺纱制造商和供应商之一的中国华孚时尚,在2023年底其董事长孙伟挺曾经公开分享道:“打一个不是很恰当的比喻,在未来,数字可能就是棉花,算力就是细纱机,算法就是工艺路线跟工艺参数。在数字革命的背景下面,我有两点建议:第一,要积极参与应用人工智能,不要排斥,也不要去等待。第二,有条件的企业可以在数字领域有一定的发力。行业模型,尤其是细分行业的模型,如果能够投资,有可能会在未来的竞争当中会获取领先优势。”

Photographed by Steven Klein, Vogue, September 2003
海外的案例比如 Cart.com,继2024年2 月推出订单管理系统后不久,最近又添加了一套新的 AI 集成功能,将嵌入其物流系统的软件、服务和应用程序中。第一个功能是新销售渠道识别,将根据当前产品供应来识别具有增长机会的新销售渠道。第二,人工智能将通过专有的商业语言模型生成和优化产品标题、描述和产品属性以及翻译。第三,智能重新定价将通过机器学习实现价格自动化,以优化整个市场渠道的销售。第四,人工智能驱动的需求预测将提供未来SKU需求和销售渠道水平的数据。最后,人工智能将确定库存订单和布局优化。
通过先进的需求预测、优化的库存管理和简化的物流运营,企业可以显著节省成本,提高客户满意度并获得市场竞争优势。组织必须采用这种变革性技术才能保持领先地位。通过利用数据和人工智能的力量,企业可以释放隐藏的洞察、降低风险并释放供应链的全部潜力。智能供应链规划时代已经到来,那些适应并拥抱生成式人工智能的人无疑将在不断变化的商业环境中蓬勃发展。

Photographed by Steven Klein, Vogue, September 2003
电子商务
新的市场环境下,品牌和零售商将着力追求“温暖的人际互动”。这听起来像是对人工智能的强烈反对,但事实上,数据可以用来创造更加个性化和同理心的体验。 随着越来越多的电子商务交由机器处理,人性化可能会变得更加重要——即使该服务最终是由数据指导的。在西方世界,大约 80% 的在线购买是由搜索驱动的。相比之下,在中国情况恰恰相反,80% 的在线购买是由个性化推荐驱动的,人工智能有望从文本和视觉的数据理解,双重角度优化这种推荐。
Pixyle 是一家总部位于以色列的人工智能公司,旨在为时尚和零售行业提供创新的图像识别解决方案,核心产品是用AI 解决电商团队手动数据录入的问题,只需几秒钟即可从一张产品图片中获得多种语言的产品标签、属性、标题、描述、站点搜索和 SEO 优化标签。有了更丰富的数据,个性化、推荐或搜索等所有工具都会更好地发挥作用。决策者将拥有更丰富、更好的数据,为未来的产品系列或销售规划做出决策,最终帮助购物者轻松找到他们喜欢的产品。
人工智能工具可以分析所有客户的反馈,其中可能包括数百条文本评论、电子邮件请求、产品评级和在线帖子。2022 年 7 月,服装零售商 Stitch Fix 表示采用了 GPT-3 和 DALL-E 2,以通过更好的造型服务来促进销售并提高客户满意度。帮助造型师快速准确地解读大量客户反馈,并策划客户更有可能购买的产品。如果顾客经常评论某种裤子款式的“非常合身”和“有趣的颜色”,DALL-E 可以生成顾客可能想要购买的类似裤子的图像。然后,造型师可以在 Stitch Fix 的库存中找到类似的商品,并将其推荐给该顾客。
由人工智能驱动的支付网络和购物助手Klarna 。该平台允许内容创作者推荐来自数千家零售商的产品,并且可在Klarna 应用程序上向其用户分享可购物视频。OpenAI 报告称:使用 ChatGPT 插件的消费者可以就他们正在寻找的商品进行对话,并从平台获取建议,产品链接会将消费者引导至 Klarn a 的搜索和比较工具进行价格比较。
虚拟试穿则是生成式人工智能如何改善消费者在线体验的另一个例子。总部位于巴黎的 Veesual 为电子商务时尚品牌提供虚拟试穿集成,这意味着顾客可以选择自己的模特并挑选衣服试穿。DressX则是一个纯数字时尚市场,将客户提交的照片装扮成数字产品,现在可以让人们快速设计和穿着自己的数字服装。今年刚刚推出的 DressX Gen AI 使人们能够提交照片,并在几秒钟内以数字方式穿上根据文本提示生成的服装。

Photographed by Steven Klein, Vogue, September 2003
客户服务
今天的生成式人工智能聊天使用更强大的自然语言处理,更好地理解人类并与人类互动,已经比现有的人工智能聊天有了显着的改进。也就是说,当前的聊天机器人和其他文本生成工具仍然偶尔会犯错误,可能导致严重的客户服务灾难。但最终,这项技术可以帮助客户支持代理外包复杂的查询,例如,使用聊天机器人帮助以多种语言提供个性化响应。如今,有些服务可以为品牌分配生成人工智能“代表”,以处理电子邮件、聊天、文本和品牌自有平台上的客户服务查询。这些服务有助于减少客户服务等待时间并提高响应速度。
生成式人工智能代理也可以为奢侈品牌所用,特别是在“客户服务”方面,这是一种零售策略。2023年4月,中国的企业直播销售与服务SaaS公司Chatail宣布与微软Azure OpenAI达成深度战略合作,将把GPT技术引入Chatail的实时互动销售工具中,进一步提升客户服务体验。 我们知道VIC在当下对于奢侈品的重要价值,通过预约购物,高端品牌在精品店能达到 60% 至 70% 的销售转化率。现在这一过程依靠品牌的销售人员通过各种消息平台或短信与客户接触,但只能限于这些人员工作时间。由生成式人工智能驱动的工具可以在购物者离开商店后继续对话或提出造型建议,指导销售人员如何与客户互动,为特定客户提供个性化沟通,并分析消费者档案和在线实时互动。

来源网络

来源网络
写在最后
尽管生成式人工智能技术令人兴奋,但时尚品牌在将其任何核心业务完全委托给AI之前,仍需谨慎行事。最重要的是回归商业本质,领导者应该研究生成式人工智能可以在哪些方面为其现实业务提供真正的价值。然后,根据用例对业务可能产生的影响程度与可行性,确定优先级。显然,无缝地使用生成式人工智能将取决于团队的技能等诸多因素,所以先构建短期路线图来测试和验证这些用例,必须有意识地评估能够提供价值的工具,而不是不加区别地尝试。
生成式人工智能使用的法律参数还仍在解决中,要确定谁拥有人工智能生成的作品的知识产权。 另一个风险是生成人工智能系统中的偏见和公平性,特别是本身可能带有偏见的数据集,这会给品牌带来声誉挑战。波折是不可避免的,但高管可以通过建立解决风险、道德和质量保证的流程来减轻其潜在影响。有了人工智能,协作将具有新的意义,时尚企业无疑必须投资于劳动力,并且与生成人工智能企业和专家合作,迅速采取行动。