时尚行业的核心在于创意，而创意表达往往具有一定模糊性和容忍度。这一特性使得生成式（AIGC）在时尚领域的应用潜力显得尤为巨大。
据麦肯锡的分析报告，AIGC预计将在未来3到5年内为服装、时尚与奢侈品行业带来显著的利润增长，保守估计这一增量将达到1500亿美元，乐观预期甚至可能高达2750亿美元。
“创意设计和营销内容生成是当前AIGC在服装行业应用的主要环节场景。基于生成模型，在设计和营销环节充分发挥AIGC的成本和技术优势，是当下被产业和公众接受的价值赋能。”近日，智灵动力联合创始人、元裳大模型负责人、AIGCxFashion发起人朱旭琪接受时代周报记者专访时表示。
朱旭琪智灵动力联合创始人、元裳负责人、AIGCxFashion发起人受访者供图
智灵动力成立于2023年，为更好地服务时尚、服装行业，该公司内部孵化了元裳大模型。
开发元裳大模型的初衷是通过AI技术的创新，推动服装行业从传统生产模式向数字化、智能化转型。“我们最初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介绍，机缘巧合之下，元裳大模型于2023年实现了服装行业的首个PMF（Product Market Fit，产品市场匹配度）落地，开始推进元裳大模型赋能时装行业。
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符合时尚潮流，又能兼顾男装、女装、汉服等不同品类的独特风格需求？
朱旭琪：这是一个多维度的问题。从技术上对时尚潮流数据的整合， AIGC需要通过大量时尚数据进行训练，来捕捉当前流行的趋势，并结合历史数据预测未来潮流。AIGC需要收集来自社交媒体、时尚网站、时装秀和市场调研的数据，然后利用AI实时跟踪和预测未来的流行趋势。
元裳大模型可以通过给不同的服装品类数据设置风格标签，在专属预训练阶段就重视对品类标签的针对性训练，在模型内做好服装品类名称的对齐支持。这样在最后的生成推理阶段，可以方便使用时尚潮流的风格迁移，结合内置已对齐的名称，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通过微调或LoRa（大语言模型的低阶适应）方式，做更多品类和风格的快速融合生成，以满足实际创意设计中的风格需求。
时代周报：元裳大模型如何帮助改进服装行业？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核心，构建了从时尚元素采集到数据库管理的标准化数据资产管理系统。
元裳大模型已从零到一规范了一套数据标准模型，能够无缝嵌入任何数字化阶段，支持企业建立自训练迭代框架，训练私有设计模型，精准捕捉时尚特征的多模态模型，以及相关特征向量数据库。通过这一架构，实现了一站式数据通路，根据企业的交互形态，开发符合时尚设计的视觉应用，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解决方案。从设计师的角度出发，理解与可控性是核心目标。元裳大模型将扩散模型的端到端输出结果转变为基于设计师思维的设计意图逐步迭代，实现可控的解耦过程，确保每一张生成的图像都具有价值。
AIGC推动服装行业数智化转型
时代周报：AIGC 要实现服装行业全品类的工业流程自动化，行业内各方需要在哪些方面共同努力？
朱旭琪：从个人理解来说，首先是培养跨界人才。要让AIGC真正融入服装行业，需要既懂AI技术，又了解服装设计和生产的复合型人才。目前，许多高校已经开始调整专业方向，例如将传统服装设计专业升级为“数字时尚”，这正是一种培养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，从设计到生产再到销售，涉及到很多环节。各方需要打破“信息孤岛”，通过云端协作平台、数据共享机制等方式，实现产业链的高效协同。
最后，政策和行业规范的支持不可或缺。AIGC在服装行业的应用还涉及管理、数据隐私保护等法律问题，需要完善的法律法规和行业规范来保障。此外，需要建立完善的数据管理体系，统一数据标准与规范，打造产业数据与资产平台，从而加速行业发展。
时代周报：服装行业产业链庞大且分散，涉及设计、生产、销售等多个环节。在服装制版闭环化方面遇到的瓶颈，是技术层面的问题更多，还是行业标准、数据规范等方面的问题更多？
朱旭琪：我个人认为这两个方面是相互交织的，解决一个问题往往需要同时考虑另一个方面。就制版而言，现阶段的主要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。
制版不仅仅是简单的设计图生成，它涉及服装的结构、剪裁、布料的适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）以及裁剪与缝制过程中的复杂物理行为，对生成设计提出了较高要求。这需要更高精度的仿真技术和计算能力来支持整个制版过程的闭环。
例如，有业内公司从3D设计出发，结合面料物理模拟和成衣设计数据积累，推进结构制版的数据化和优化，这是一个非常有价值的方向。然而，目前的AI生成服装成衣多偏向于常规款式的个性修饰，或者随着3D设计要求的提升，门槛也在提高。对于极具个性化或细分市场的设计需求，AIGC在成衣制版可靠性方面仍然存在不足。
另一方面，服装制版过程中的标准化问题也不容忽视。不同品牌、不同地区的制版方式、尺寸标准、标注规则等各不相同，导致AIGC在应用过程中面临数据不兼容的挑战。在服装行业，尤其是传统制造商中，AIGC的接受度和适应性仍然较低。高价值的制版案例数据的获取存在较大的产业分布门槛，品类多且数据分散，与气象、能源等优势垄断产业相比，还存在较大的差距。因此，相关技术的推广和数据价值的共享仍是一个需要克服的瓶颈。
时代周报：对于想要借助 AIGC 实现转型升级的服装企业，有什么具体的建议和策略？
朱旭琪：首先，数据是服装企业转型升级的核心。企业应积极构建完善的数据管理体系，包括统一数据标准与规范、搭建数据平台等基础设施。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，充分挖掘其价值。在此基础上，企业应积极探索AI技术在业务环节中的优化与重构，逐步培养内部团队的AI应用能力，打造具备技术竞争力的核心力量。
在实施过程中，无需苛求全流程的AI化，而是可以采取“小步快跑”的策略，选择某个具体环节率先落地AI技术，实现从0到1的突破。通过实际应用积累经验，逐步迭代完善，最终实现AI技术在企业中的全面渗透与价值释放。
就业结构全面变革
时代周报：未来几年 AIGC 在时尚、服装行业会有哪些新的发展趋势和突破方向？
朱旭琪：随着技能能力的增强与完善，个性化定制与智能设计将成为时尚、服装产业的重要趋势。AI技术能够整合消费者的体型、偏好、行为习惯等数据，生成高度定制化的服饰设计，满足个性化需求。在营销推广层面，数字时装秀的兴起将推动实时观看与互动体验的发展。消费者可以根据个人体型、肤色和风格，获得最适合的服饰推荐，并通过虚拟试衣技术享受更加个性化和便捷的购物体验。
此外，随着AIGC在产业中的深入赋能，时尚与培训模式也将迎来革命性变革。传统的服装设计将逐步向智能时尚设计转型，培养更多具备技术与创意融合能力的新型人才，推动行业整体创新与升级。
时代周报：AIGC 技术与服装产业链各环节深度融合后，会对行业的就业结构产生哪些具体改变？
朱旭琪：AIGC技术的深度融合将推动服装行业就业结构的全面变革。设计师的角色将从传统的手工绘图转向创意引领与AI技术应用，更多地专注于优化AI生成的设计方案，而非重复性工作。同时，新兴职位如“AI 时尚顾问”或“AI 设计导师”。这些职位将专注于指导设计师如何使用 AIGC 工具、优化设计过程、解决 AI 生成设计中的问题，并根据市场反馈对 AI 模型进行训练和调优。
AIGC 在制版环节的应用可以帮助制版师通过 AI 自动生成最优的版型和裁剪方案，减少了繁琐的手动操作和反复调整。制版师将更多关注设计的实际执行和数据调整，而不是从零开始手工制版。AI 制版工程师或将成为新兴的职位，负责设计制版系统、训练 AIGC 模型以生成不同款式的制版，并确保自动化制版过程的精准度与创新性。
传统的工艺师和缝纫工的工作内容也将发生变化，部分重复性强、技术要求较低的工作（如基础缝纫）将被和自动化设备取代。部分传统工艺（如手工刺绣、手工染色等）可能会结合 AIGC 技术进行创新。