上線五天，用戶破百萬，兩個月突破1 億...... 這是科技圈「頂流」 ChatGPT 的上線戰績，隨之引發了持續至今的AIGC 狂熱潮。無所不會的對話、數秒產出的精美作圖，俗稱 “累不死的 AI 打工人” 正在讓真實打工人倍感焦慮。
而事實上，人工智慧本質是技術工具，在充斥挑戰的背後，蘊藏的機會更大。企業家們興奮地忙著如何與 AI 結合進而加速提升效率與生產力，而越來越多聰明的職員正在主動學習 AI 應用，為自己能力加碼。 AI 重新定義的工作方式，也讓企業更加依賴和仰仗那些主動擁抱變化的創作者們，並建立新時代下的工作模式。
在瘋狂追尋效率與生產力的產業中，時尚必然在前列。那麼，AIGC 將如何為時尚產業所運用？又將為設計師帶來哪些面向賦能？已被數位化洗禮的服裝企業又該如何抓住 AIGC 的機會？或者這裡能夠給你一些解答：
時尚產業是非常適合AIGC 落地的產業
首先，我們來看看時尚產業的第一原理：本質上，時尚產業是依賴大量「上新」 帶動消費的產業。在這裡，永遠認為衣櫃裡少一件衣服的女性可能更有同感。從消費者畫像來看，愈發個人化的服裝需求，也決定了服飾類產品天然的非標品屬性。為滿足服飾消費者多樣化的消費需求，服飾品牌必須積極尋求多 SKU 的策略。以某全球頭部的即時（Instant fashion）時尚電商平台為例，每天上新需求是 5000-6000 個 SKU。足以見得，「持續創造」 是永遠不停止的時尚追求。
同時，時尚產業還有一個特性是：一個用 「近似」 交付創意的產業。在幾部電影關於時尚的電影裡，不論是《Dior and I》，還是《Coco Chanel》，我們看到了一件衣服誕生的藝術畫面：一個設計大師找到靈感，基於靈感描畫草圖，然後在此基礎上整個製作團隊和設計師一起透過布料、輔料、工藝的結合，最終呈現一件高定衣。在這裡，最重要的是大師的 “靈感”，畫的也是 “草圖”。 時尚產業的特殊性就在於：極度創意驅動，這些的創意往往對精確性有一定的容忍度，這也正符合目前 AIGC 應用的特點。
時尚產業歷史悠久，已經形成了一條完善的產業鏈，從原料到設計製作到成品銷售，擁有著大量結構化的數據。用時尚產業常用的色彩 —— 潘通色卡舉例，新版服裝紡織 TPG 色卡有 2310 個色彩，這還不包括金屬色卡和色彩橋樑卡等。這些，看似主觀感受的服裝色彩，其實背後有清晰的 2310 個標準色號。正是這些結構化的數據，為服裝業應用 AIGC 打好了基礎。
極致的效率追求、大量創造力的需求下，時尚產業正成為 AIGC 落地的最佳試驗田。
什麼樣的企業可以讓時尚產業 AIGC 落地？
從實現層面上來說，服務時尚數位化的頭部企業，具有專業的場景理解，良好的資料底層，持續的模型研發能力，就具備讓時尚產業 AIGC 落地的能力。
我們手頭上看到一家國內頭部專注於服裝行業數位化，並且剛剛發布了基於 AIGC 應用的企業 —— 凌迪 Style3D。從官方資料來看，Style3D 是全球頭部的專注於服務服裝行業的 3D 數位化解決方案提供商。是一家服務服裝業全鏈條，包括布料商、輔料商、設計生產商，到品牌商數位化的企業，目前已經累積了大量的結構化數據。
AIGC 的湧現能力強依賴大量結構化的資料支撐，當前市面上的AI 模型雖然能夠實現多場景多領域的應用效果，但對於垂直的時尚產業並不是最優方案。究其原因，一方面是資料專業性，一方面是模型收斂域。
當我們接觸 Style3D 模型的時候，看到他們把自己的模型定義為 “Style3D 產業模型”，並稱擁有完整的適用於服裝行業的 Prompt，以及基於行業的模型。以下是一個基於電商上新圖的簡單測試：
輸入一段複雜且特定的對某款服裝的描述“virago sleeve dress, lotus root shaped sleeves, intricate fabric details , fashion product catalog image, studio lighting, front view, square image」。簡單來說，我們要生成的是一款藕節袖連身裙。在 Prompt 一致，模型收斂不同的時候，稍微有所偏差，產生的就不同。
以下為兩個結果圖，左一是Style3D 產業模型生成的3D 藕節袖裙配上模特兒效果圖，右一是用現在最流行的某AI 圖片生成工具產生的藕節袖模型圖：
可以看到，Style3D模型生成的連身裙更符合服裝產業所講述的藕節袖。大量符合服裝設計的結構化資料沉澱、豐富的服裝模型庫、結合自研強大且精細的模擬引擎，Style3D 能夠產生更精準且貼合設計標準的服裝作品。可以說，垂直產業的資料和模型就是 AIGC 應用的基礎，更是服務好垂直領域客戶的前提。
怎麼讓AIGC輔助服裝設計？
在 AIGC 引起的狂歡下，我們其實更期待的是，如 Style3D 所說，打造的是產業級模型，為產業服務。
一件衣服的製造流程，往往是由主體性的創意不斷去被資料驗證的過程，需要經歷快速變化和反覆設計。換句話說，需要 SKU 的寬度和深度適合搭配。因此，使整個產業鏈從基於趨勢，到樣衣，到真正走向市場，企業無時無刻面臨著效率和成本的挑戰。人工智慧在服裝業很多場景都可以發揮更大的價值。
我們挑選了其中基於Style3D 產業模型的應用最廣泛的電商上新場景進行了嘗試，點擊視頻查看完整應用：
- 首先是透過Style3D AI 應用可以產生各組成零件，分別是布料紋樣、輔料設計、以及圖案等。我們可以看到，一段符合業界專業用語的 prompt，加上基於行業數據的模型，完全可以準確地產生適用於行業的各種結構化的元素。
- 在組成一件衣服的「部件」 都充分具備並且可以自由替換後，Style3D AI 此時又可以做到透過對於廓形本身的運用，快速產生一件3D 數位服裝，並根據需要對款式進行修改。
- 接著是對即將演繹服裝的數位人進行自動產生。 AI 產生的 「包含身體的化身」 將使設計師能夠在平台上根據需求去定義一個數位人模特兒的體型、年齡、髮型和膚色等，並最終產出一個及其逼真的數位模特兒。
- #最後，依照不同品牌的屬性加上不同的背景，結合數位人進行展示，就是一個可以直接用於電商商品上新的商品圖。
在此基礎上，更可以基於 AI 高效能產生各種適用於不同平台的行銷素材，並根據需求進行多場景替換。並且，這些生成本身就是在產業模型當中進行，直接提升整體生成速度。
值得一提的是，基於Style3D 產業模型生成的數位服裝，不僅可以用於電商場景，還可以用於元宇宙虛擬世界，也完全支援直連生產。
我們可以想像，如果有更多的場景落地，將是對整個服裝行業的巨大賦能：
#
首先是給了每個消費者更豐富的商品選擇，AI 讓商品的組成元素有了更多選擇，那麼商品本身也有了更多組合。其次，是對創意人員的巨大支持。 AI 可以輔助設計師擴大創意來源邊界，更專注於創意本身的產出，更有靈感地完成一件衣服的設計。
從更遠的社會效應來說，AIGC 將無限拉近消費者的需要和生產製造的能力。我們可以做一個假設，如果生產的服裝都能被消費掉，那就不是浪費，真正造成浪費的是無法消耗的庫存和為此投入的資源。 AIGC 將使商品創造者更好的掌握市場趨勢並滿足市場需求。
經過和 Style3D 的交流，我們相信在時尚產業，人工智慧未來一定能夠承擔更多重複性的工作，更好的服務設計師和版師等創意人員。
我們也期待看到更多能落地的服務產業的大模型出現，讓 AIGC 真正推動生產力的發展。
以上是ChatGPT大浪潮下，AIGC已經開始改造時尚產業了的詳細內容。更多資訊請關注PHP中文網其他相關文章！
