专访智灵动力朱旭琪 真正融入服装业 AIGC要求大批数据训练 (智灵科技)

时兴行业的中心驱动力在于创意，而创意表达往往具有肯定模糊性和容忍度。这一特性使得生成式人工智能（AIGC）在时兴范围的运转潜力显得尤为微小。

据麦肯锡的剖析报告，AIGC估量将在未来3到5年内为服装、时兴与朴素品行业带来清楚的利润增长，保守估量这一增量将抵达1500亿美元，绝望预期甚至或许高达2750亿美元。

“创意设计和营销内容生成是以后AIGC在服装行业运转的关键环节场景。基于生成模型，在设计和营销环节充散发扬AIGC的本钱和技术优点，是当下被产业和群众接受的价值赋能。”近日，智灵动力结合开创人、元裳大模型担任人、AIGCxFashion发动人朱旭琪接受时代周报记者专访时表示。

朱旭琪 智灵动力结合开创人、元裳担任人、AIGCxFashion发动人 受访者供图

智灵动力成立于2023年，为更好地服务时兴、服装行业，该公司外部孵化了元裳大模型。

开发元裳大模型的初衷是经过AI技术的创新，推进服装行业从传统消费方式向数字化、智能化转型。“我们最后的契机来源于一个客户项目对服装设计模型的需求。”朱旭琪向时代周报记者引见，机缘巧合之下，元裳大模型于2023年成功了服装行业的首个PMF（Product Market Fit，产品市场婚配度）落地，末尾推进元裳大模型赋能古装行业。

AIGC重塑服装创意设计

时代周报：在创意概念设计环节，AIGC如何确保生成的设计既契合时兴潮流，又能统筹男装、女装、汉服等不同品类的共同品格需求？

朱旭琪：这是一个多维度的疑问。从技术上对时兴潮流数据的整合， AIGC要求经过大批时兴数据启动训练，来捕捉以后盛行的趋向，并结合历史数据预测未来潮流。AIGC要求搜集来自社交媒体、时兴网站、古装秀和市场调研的数据，然后运行AI实时跟踪和预测未来的盛行趋向。

元裳大模型可以经过给不同的服装品类数据设置品格标签，在专属预训练阶段就注重对品类标签的针对性训练，在模型内做好服装品类称号的对齐支持。这样在最后的生成推理阶段，可以简易经常经常使用时兴潮流的品格迁移，结合内置已对齐的称号，让专属服装模型可以较好地融合生成。

当然，也可以在预训练之后经过微调或LoRa（大言语模型的低阶顺应）方式，做更多品类微品格的加快融合生成，以满足通常创意设计中的品格需求。

时代周报：元裳大模型如何协助改良服装行业？与同类产品相比有何不同之处？

朱旭琪：元裳大模型为产业提供了一个成熟的业务框架，以多模态自研模型组为中心，构建了从时兴元素采集到数据库控制的规范化数据资产控制系统。

元裳大模型已从零到一规范了一套数据规范模型，能够无缝嵌入任何数字化阶段，支持企业树立自训练迭代框架，训练私有设计模型，精准捕捉时兴特征的多模态模型，以及相关特征向量数据库。经过这一架构，成功了一站式数据通路，依据企业的交互外形，开发契合时兴设计的视觉运转，提供从设计到试衣再到3D秀场的链式智能服务。

元裳大模型提供了多方利益相关者的处置方案。从设计师的角度动身，了解与可控性是中心目的。元裳大模型将分散模型的端到端输入结果转变为基于设计师思想的设计意图逐渐迭代，成功可控的解耦环节，确保每一张生成的图像都具有价值。

AIGC推进服装行业数智化转型

时代周报：AIGC 要成功服装行业全品类的工业流程智能化，行业内各方要求在哪些方面共同努力？

朱旭琪：从集团了解来说，首先是培育跨界人才。要让AIGC真正融入服装行业，要求既懂AI技术，又了解服装设计和消费的复合型人才。目前，许多高校曾经末尾调整专业方向，例如将传统服装设计专业更新为“数字时兴”，这正是一种培育复合型人才的积极信号。

其次是打造协同生态，服装行业链条很长，从设计到消费再到销售，触及到很多环节。各方要求打破“信息孤岛”，经过云端协作平台、数据共享机制等方式，成功产业链的高效协同。

最后，政策和行业规范的支持无法或缺。AIGC在服装行业的运转还触及知识产权控制、数据隐私维护等法律疑问，要求完善的法律法规和行业规范来保证。此外，要求树立完善的数据控制体系，分歧数据规范与规范，打造产业数据与资产平台，从而减速行业展开。

时代周报：服装行业产业链庞大且分散，触及设计、消费、销售等多个环节。在服装制版闭环化方面遇到的瓶颈，是技术层面的疑问更多，还是行业规范、数据规范等方面的疑问更多？

朱旭琪：我集团以为这两个方面是相互交织的，处置一个疑问往往要求同时思索另一个方面。就制版而言，现阶段的关键瓶颈集中在设计的精准度与多样性，以及数据的质量与行业接受度上。

制版不只仅是简易的设计图生成，它触及服装的结构、剪裁、布料的顺应性等多维度的技术细节。服装的布料特性（如弹性、下垂、透气性等）以及裁剪与缝制环节中的复杂物理行为，对生成设计提出了较高要求。这要求更高精度的仿真技术和计算才干来支持整个制版环节的闭环。

例如，有业内公司从3D设计动身，结合面料物理模拟和成衣设计数据积聚，推进结构制版的数据化和优化，这是一个十分有价值的方向。但是，目前的AI生成服装成衣多倾向于惯例样式的特性润饰，或许随着3D设计要求的优化，门槛也在提高。关于极具特性化或细分市场的设计需求，AIGC在成衣制版牢靠性方面依然存在有余。

另一方面，服装制版环节中的规范化疑问也不容无视。不同品牌、不同地域的制版方式、尺寸规范、标注规则等各不相反，形成AIGC在运转环节中面临数据不兼容的应战。在服装行业，尤其是传统制造商中，AIGC的接受度和顺应性依然较低。低价值的制版案例数据的失掉存在较大的产业散布门槛，品类多且数据分散，与气候、动力等优点垄断产业相比，还存在较大的差距。因此，相关技术的推行和数据价值的共享仍是一个要求抑制的瓶颈。

时代周报：关于想要借助 AIGC 成功转型更新的服装企业，有什么详细的倡议和战略？

朱旭琪：首先，数据是服装企业转型更新的中心驱动力。企业应积极构建完善的数据控制体系，包括分歧数据规范与规范、搭建数据平台等基础设备。同时，结合业务场景和服务需求，系统梳理并构建企业自身的数据资产和模型资产，充沛挖掘其价值。在此基础上，企业应积极探求AI技术在业务环节中的优化与重构，逐渐培育外部团队的AI运转才干，打造具有技术竞争力的中心力气。

在实施环节中，无需苛求全流程的AI化，而是可以采取“小步快跑”的战略，选择某个详细环节率先落地AI技术，成功从0到1的打破。经过通常运转积聚阅历，逐渐迭代完善，最终成功AI技术在企业中的片面浸透与价值开释。

务工结构片面改造

时代周报：未来几年 AIGC 在时兴、服装行业会有哪些新的展开趋向和打破方向？

朱旭琪：随着技艺才干的增强与完善，特性化定制与智能设计将成为时兴、服装产业的关键趋向。AI技术能够整合消费者的体型、偏好、行为习气等数据，生成高度定制化的服饰设计，满足特性化需求。在营销推行层面，数字古装秀的兴起将推进实时观看与互动体验的展开。消费者可以依据集团体型、肤色微品格，取得最适宜的服饰引见，并经过虚拟试衣技术享用愈加特性化和简易的购物体验。

此外，随着AIGC在产业中的深化赋能，时兴教育与培训方式也将迎来反派性改造。传统的服装设计教育将逐渐向智能时兴设计转型，培育更多具有技术与创意融合才干的新型人才，推启动业全体创新与更新。

时代周报：AIGC 技术与服装产业链各环节深度融合后，会对行业的务工结构出现哪些详细改动？

朱旭琪：AIGC技术的深度融合将推进服装行业务工结构的片面改造。设计师的角色将从传统的手工绘图转向创意引领与AI技术运转，更多地专注于优化AI生成的设计方案，而非重复性任务。同时，新兴职位如“AI 时兴顾问”或“AI 设计导师”。这些职位将专注于指点设计师如何经常经常使用 AIGC 工具、优化设计环节、处置 AI 生成设计中的疑问，并依据市场反响对 AI 模型启动训练和调优。

AIGC 在制版环节的运转可以协助制版师经过 AI 智能生成最优的版型和裁剪方案，增加了繁琐的手动操作和重复调整。制版师将更多关注设计的通常行动和数据调整，而不是从零末尾手工制版。AI 制版工程师或将成为新兴的职位，担任设计制版系统、训练 AIGC 模型以生成不同样式的制版，并确保智能化制版环节的精准度与创新性。

传统的工艺师和缝纫工的任务内容也将出现变化，部分重复性强、技术要求较低的任务（如基础缝纫）将被和智能化设备取代。部分传统工艺（如手工刺绣、手工染色等）或许会结合 AIGC 技术启动创新。

在营销与客户服务范围，AIGC将推进特性化营销成为支流，AI生成的广告和引见内容将增加对传统文案的需求。虚拟客服将逐渐替代人工客服，处置经常出现咨询疑问，而AI驱动的营销专家将专注于定制化战略与用户体验优化。