1 月 5 日上午，由杭州未來科技城管委會、餘杭區科技局和餘杭區企業（人才）綜合服務中心聯合指導，時戳科技主辦，AI 新智界提供媒體特別支持的“智求共贏・中國 AIGC 產業應用峰會暨無界 AI 生態合作夥伴大會”在杭州正式開幕。

本次大會將深度聚焦 AIGC 應用，邀請到了全國各地近百家合作夥伴參會，以及來自產研、投資機構、高校、AIGC 創業者等眾多行業精英和專家，共同分享過去一年 AIGC 應用進展，探討未來發展趨勢。

清博智能聯合創始人、CTO朱旭琪出席並做《AIGC賦能服裝行業應用》主題演講。他表示，目前AIGC在服裝行業，主要是解決了創意概念設計和營銷推廣。但對於面向工業流程，因為它有些規格約束，它有些工業級的可控精準調整，如果希望實現去掉打版師或者3D建模師全自動流程，目前都還是存在瓶頸的。

以下是AI新智界整理的演講內容，為方便閱讀進行了部分刪減：

我們知道當下的AI是從決策式AI進入生成式AI，生成式AI有圖像、文本、聲音和3D模型的。這些新增的AIGC模型都會對原來的產業鏈和環節進行了一些迭代和更新。我們自己公司原來是做數據出身的，所以我們能接觸服裝行業也是非常偶然的。落地到客戶層面，我們確實是和傳統的服裝行業做了接觸和聯繫。從我們不充足的服裝行業經驗來說，我們認為服裝行業有這麼幾個基本的環節，這是傳統的鏈路，從創意的概念設計，到生產前處理，包括打版，包括打版后的工業數據進入到生產系統里做生產的製作，然後進入物流、零售，以及營銷推廣。在這個過程中，我們可以看到每個環節在AIGC產生之前，它都有自己原來已經有的一些数字化系統或者決策系統。不管是創意還是生產處理，都已經是有了，只不過AIGC進入之後，我們發現AIGC對剛剛創意概念設計到營銷推廣，這兩塊目前嵌入是最多的。

從我們的觀點來看，整個服裝行業智能化或者数字化的流程一共分為4個階段，目前我們應該是處於第3和第4個階段。我們的設計生成化，在鞋業里設計，包括這種概念的改版，或者類似的，已經非常普及了。在目前，包括在項目實踐中還出現了一些瓶頸，就是製版的閉環化，目前還是比較難的。

第一階段，我們知道都比較簡單，像CRM，像PLM，都已經非常成熟了。第二階段，MES和ERP，這一塊也是傳統數據工具都已經解決掉了。第三階段，設計生成，剛才大家看到的服裝和鞋的各種案例，基本上屬於文生圖或者圖生圖的這個領域。再加上PA營銷這一塊的圖生視頻和文生視頻的支持。在服裝設計領域，我們也可以看到隨着自研的模型，以及一些開源模型的普及，可以看到圈內有大量的應用。

對於服裝的模型來說，當然這裡是以元裳大模型舉例，包括前面列的這些模型，基本上都有這些特性。首先它的基座就不是通用的文生圖的模型，它都是有專門服裝的圖片去訓練了這個模型。包括裏面一些設計風、Prompt引擎工程、紋理設計元素。我們在做服裝模型，或者交付客戶時也遇到了，除了服裝圖片訓練之外，最重要的是客戶需要你把一些基本的款式和可調的東西能做專門的訓練和針對。我們知道服裝，男裝、女裝，以及它的樣式特別多，這裏的詞彙也特別豐富。除了服裝的款式詞彙之外，還有大量的材質詞彙，這些材質詞彙還要做中英文對應，以及相應同義詞的處理。這個過程實際上是非常行業化，非常繁瑣化，也是需要行業夥伴來做一些支持。我們在之前一些實踐中，客戶也提供了類似的數據積累。

在做了這些基礎的模型之後，在交付給客戶的應用端，我們還需要實現多角度的呈現，以及線稿生成，或者是模特的姿態擺放，以及一些場景。因為還有一些品牌有自家的模特，還要把這個形象，或者是它的VIP客戶訓練成穿衣服必須是她本人的形象，類似這樣的功能。以及服裝的調色，整體來說這還是偏創意概念設計和營銷推廣，這兩方面功能的實現和集成。

最重要的一點，因為我們原來是做情報出身的，所以我們在這一塊有一個非常大的優勢，就是我們對於這種行業的情報或者前沿趨勢，我們自己的採集和分析能力是非常強大的，所以我們把這裏趨勢也好、行業情報也好，會轉成在模型里可以支持的一些簡單文本概念的對應。設計師不用再去關注最新時尚的一些內容，他只要用文本來表述，我們就可以結合做生成。

從我們的角度來說，AIGC不僅是把原來傳統的服裝行業這些業務流程做了替換，比如現在是創意的概念設計和營銷嵌入的比較多。它還會把整個流程進行重構，我們會把營銷推廣拉到和創意設計在一起。們知道AIGC能生成各種漂亮的款式，如果你是按照給客戶看，你理解的效果去生成這張圖。接下來存在的問題，這張圖怎麼和生產系統結合。這裏就會存在一個問題了，一般現在的做法是生產了這組圖，經過客戶的篩選或者選品之後，選中了其中大家比較喜歡的一個款式，接下來這張圖還不能直接進入生產環節，它還要經過人工。這個人工相當於執行了一個環節，叫做看圖打版，他要把這個圖再轉成工業上的數據，轉成這樣的東西。如果不是這樣做，換一個角度，我能不能先生成圖案和工業的數據，然後再用AI的方法轉成一個效果圖給用戶看，這有沒有可能？這種可能性應該會在近期就完全走通了，就實現了從AIGC能賦能整個服裝行業，從端到端的解決方案，客戶直接拿到這個東西，整個過程不需要人再去打版，這也是前面專家提到的概念，AIGC變成了AIGS，變成端到端閉環的服務。

除了剛才看到的這些基本功能，我們也會看到其他的應用都在不斷的增補，比如最近很火爆的Outfit Anyone，實際上它已經生產完的衣服，或者說平鋪完的衣服穿在一個模特身上，它能變成立體化的效果，本質上還是屬於營銷推廣。

我們也有行業內非常知名的企業Style3D，它是把面料的工業數據做了集成，款式是3D，能實時做成衣的解算。我們剛才遇到的瓶頸，比如出來很漂亮的AIGC到打版的數據，能不能直接現在用Style3D來實現呢，目前還不能，但我相信Style3D最近也是往這個方向在努力。比如現在AIGC出來一件非常漂亮的衣服，我們到工廠去生產，工廠會要打版后在2D平面上去鋪的數據。你想要讓AI把一件成衣效果，穿在模特身上的衣服去展開做成生產工具鋪在那裡是比較難的。Style3D里集成了一些3D的模型和衣服，它可以做界面的替換。但有一個前提，這個產品你自己得用Style3D的工具做成一個3D的模型，相當於你已經做了2D到3D的映射，這時候在2D上生成圖案，到3D里修改，為服裝產業增加一個3D的建模師，實際上這是增加了不必要的環節，所以這裏也是有些挑戰。

大家可以看到這個動畫視頻和Style3D是同理的，就是在AIGC賦能服裝行業時，我們現在給大家看到的都是一些成衣，也可以看到成衣后的視頻效果。比如這是一件具有特殊材質的T恤，這個T恤如果穿在用戶身上如果跳舞是怎樣的，這裏解算都是AI實現的，而不是動畫逐幀去做。我們也可以通過MagicAnimate來給這些視頻做進一步的動作，做一些營銷推廣。

總的來說，創意概念設計和營銷推廣，目前的AIGC做得都相當完美。大家看各種行業類似的模型，只要你有相當多的行業數據做梳理，餵給自己的模型，那麼就能產生很多屬於自己這個行業需要的AIGC效果。但我們目前面臨4.0環節，這個瓶頸到目前為止還沒有被很好的解決。今天有很多AIGC，xChina產業聯盟的朋友們在，大家可以在這個領域找准自己的行業賽道，可以做一些突破。如果在這裡能做些突破，我覺得這是非常大的產業升級。比如對服裝來說，我們出來的AIGC要對接很多生產工藝，這時候目前AIGC做不到，全是靠人工打版。這個瓶頸一旦突破掉，大家可以想象以後在很多地方去買衣服，或者去做很多設計，那麼你的設計結果到拿到成衣的效果，速度就非常快，因為它已經變成了全自動。

舉個例子，我們最近在做漢服馬面裙的客戶，這是一個電商，全網排名前三的品牌。我們在做馬面裙設計時，因為馬面裙已經是漢服里結構最簡單的一種服飾了，相當於是在長條的矩形布條上做工藝化的處理，最後成衣效果是右邊這樣的裙子樣子。在這裏，如果普通想用AIGC去做應用，生成非常漂亮的模特穿着這種馬面裙的樣子，出現在用戶的界面，讓用戶選哪個馬面裙好看，目前AIGC都比較容易能實現。問題是當客戶選中了紅色，下單，這時候這個信息過來，電商還需要再額外安排專業的打版師，對着紅色再重新去打版。只不過AIGC把這裏的打版過程變成了原來設計師要靠自己的計劃去打，現在AI告訴他哪一款最受歡迎，他打版的規模變小了，人工打版環節還沒有變，這是一種思路。因為直接把馬面裙用AI展開，目前看來還比較難的。

另外一種思路，我在生產布料上或者面料上直接生成AIGC交付物，並且把這個交付物，比如左邊這張圖要通過AI的方法，再把它分解為這上面該用什麼樣的布料，要用多少色線，比如金色線、紅色線、黑色線，然後拆解成生產工具，這個路徑目前是OK的。我們再把這個矩形圖用AI的手段換成摺疊后的效果，目前這一塊是需要通過3D映射來做的。它是可以實現，但它有一個弊端，弊端就是不能每個款式都做3D的映射。而目前對於這種客戶，因為漢服的馬面裙最簡單，我們內置了映射引擎快速生成這種效果。也就是說，馬面裙的生產可以從AIGC到最終的效果，可以全自動的流程設計，但目前僅僅限於馬面裙。如果涉及到其他服裝細分賽道，這個過程該怎麼去做，或者有什麼樣更好端到端的落地方案，我也特別希望在現場和大家做交流和討論。

總結一下目前AIGC在服裝行業，主要是解決了創意概念設計和營銷推廣。但對於面向工業流程，因為它有些規格約束，它有些工業級的可控精準調整，如果希望實現去掉打版師或者3D建模師全自動流程，目前都還是存在瓶頸的。客戶的核心是爆品的生產變現，而不是出來一大堆非常好看的AIGC交付，這也是我們和很多行業內客戶做交流時，這裏目前AIGC是把選品做了比較好的處理，但真正自動化核心滿足還可能需要我們業內的，不管是行業客戶還是技術方，需要共同努力去推進的。