AI大模型催生创业者经济，时尚柔性生产再度潮起

转载

439 天前

8174

AIcore

文章转载来源：AIcore

原创：时尚内容中心

来源：WWD 国际时尚特讯

作为 AIGC（人工智能内容生成）的核心技术，大模型已经开始向垂直领域深入发展。

8 月 22 日，第二届宋韵服装时尚设计大赛上，浙江省创意设计协会与无界 AI 联合发布了全球首个宋韵汉服模型，该模型被指定为本次大赛唯一推荐使用的 AI 绘画工具，宋韵汉服模型的出现让 AIGC 在时尚圈再次火了。

宋韵汉服模型被称为“最懂中国文化”的 AI 绘画大模型，能够满足专业设计师商用级别的设计需求。模型本身对刺绣、染织、青花瓷、敦煌、故宫、水墨画等不同国风艺术元素有着深入的了解，方便设计师汲取灵感，融汇贯通，利用不同艺术元素的叠加，创造出传统与现代相结合的服装风格，彻底打破设计师的“创意天花板”。

其实，大模型应用于时尚行业在国内并非先例。无界 AI 在今年五月就与杭州丝绸界“老字号”、国礼丝绸品牌万事利达成合作，探索 AIGC 技术在丝巾设计领域的应用。

从 2021 年 ChatGPT 的出现引发了国内的大模型热潮，到今天 AIGC 多次应用于时尚消费端，这一技术在时尚赛道上究竟有多大的想象空间？据赛迪顾问的数据统计显示，截至 7 月，中国累计有 130 个大模型问世，而 2023 年前七个月的时间就出现了 64 个，占比接近 50%。当下，随着越来越多 AIGC 垂直场景的落地，国内大模型的发展也逐渐进入到应用阶段。

大模型作为 AIGC 的基础，带来了新的技术设计和创新能力，并将为产业链注入新的活力。时尚行业作为创意的重要领域，将率先进入 AIGC 时代。对于生产商而言，AIGC 将帮助企业更好地把握产品附加值的创造，有效提升“微笑曲线”。

所谓"微笑曲线"理论，是产品的价值在生产过程中呈现 U 形分布。在曲线的两端，是产品的设计和销售环节，价值相对较高。而在生产环节中间的部分，价值相对较低。AIGC 带来的创新能力能够用户辅助设计团队优化产品的外观、功能和用户体验，从而提升产品的竞争力和附加值。

可以预见，智能资源将成为时尚行业的核心竞争力。值得时尚从业者关注的，除了利用AIGC提升已有的作业流程，更重要的是如何变革范式。

AIGC创新范式：用户创作与软性生产重塑时尚格局

关注大模型对时尚行业的变革，需要回到 AIGC 本身。其到底颠覆了哪些关键逻辑？

首先，AIGC 最大的突破便是将自然语言作为人与机器的沟通语言。这将传统人工智能升级为一种理解、超越和生成各种自然语言文本的超级“系统”。此前，与机器沟通需要通过计算机语言，然而，AIGC 消除了这个门槛。因此，AIGC 所带来的变革不再局限于特定领域或人群，而是与每个人息息相关的全面性突破。

其次，AIGC 的本质是内容生产力变革。相较PGC（Professional Generated Content，专业内容生成），UGC（User Generated Content，用户内容生成），AIGC 实现了内容生成主体从人向机器的转变，解放了内容生产力。融合人工智能技术和智能化设计工具与算法，显著降低了产品设计的准入门槛，从而使得设计变得更加普遍。

理解了 AIGC 的关键突破后，大众参与创作和生产作为时尚行业的变革方向也就呼之欲出了。这不仅刺激了消费者对个性化定制产品的需求，同时也推动了线上线下融合的新商业模式，从而在商业和消费领域带来了全新的机遇和变革。目前，部分企业的落地场景和未来愿景也证实了这个方向

这次宋韵服装 AIGC 设计创新平台的推出，不仅为普通大众提供了参与宋韵服装时尚设计的全新机会，入围作品也将被真正制作出来并且成为商品进入市场。同时，在宋韵汉服模型的未来愿景中，宋韵汉服模型将助力普通用户实现个性化定制，让每个人都能为自己设计、制作一件独一无二的宋韵服饰。从创意的提示词输入，到设计完成后的快递邮寄，整个消费体验将如同网购般便捷。

更早探索 AIGC 的万事利此前也曾透露，与无界合作的十余个 LORA 模型计划在年底前完成所有训练工作。届时，用户能够通过万事利的小程序，通过输入文字或语音选择自己喜欢的风格模型，并基于此生成丝巾图案。基于数字化快反生产链，在万事利的 AI“未来工厂”，一条丝巾从设计生产到实物最快 1 小时。

AIGC 确实使时尚行业能更广泛地普及柔性生产。与自动化生产线主要实现单一品种的大批量生产的「刚性生产」不同，AIGC 在提高消费者创造力的同时，将把消费者裹挟入包括设计、生产、销售的每一个环节，形成了以消费者为导向的、按需定制的时尚发展方向。如万事利董事长李建华所说：“将审美权利、设计权利交还给每位消费者，AI 数字美学设计师承担的是美学设计赋能和服务角色。”

铁杵成针：大模型的铸锻与创新

AIGC 带来了消费者参与创作的新柔性生产模式，但打造底层模型并不简单。

对于大模型而言，训练数据集是底层资产，在训练数据集方面，数据越多，数据质量越高，标签越细，大模型的威力就会越强。以“宋韵汉服模型”为例，大模型需要先成为汉服研究领域的专家。单单是裙子，就有需要区分包括马面裙、百迭裙、褶裙、四破、一片式等超过 30 种款式。而材质上，也需要了解刺绣、妆花、螺钿、织金等的区别，以及对于图案展现的区别。此外，朝代信息、纹样等大量晦涩难懂的信息也需要以数据的形式“喂”给大模型。

同时，数据训练不仅涉及晦涩难懂的专业知识，更需要教会机器具备设计的能力。万事利与微软小冰合作联手打造的“西湖一号”人工智能模型中，能够对 50 余万个花型数据中的美学规律解构，可以为全世界 80 亿人每人设计 10 万条不重样的丝巾。但打造这个数据库并不容易，由于卷积神经网络只能接受矢量图形的素材，因此需要设计师进行手工描稿的工作，单份描稿就需要耗费一位设计师 3 天的工作量，打造大模型需要花大量的人力物力，成本非常高。

因此，数据集的质量和复杂的构建过程是大模型发挥强大能力的关键要素，但同时也提出了更高的要求。大模型固然具备很多难点，但将其运用于新的范式革新，完成大模型落地的「最后一公里路」，这将是未来最重要的工作。例如，在生产端，以需定产的方式对立的是传统大规模量产的生产模式，因此在柔性制造中，对生产线和供应链的反应速度提出了更高的要求。