AI，正在颠覆万亿时尚产业

内容来源|本文摘编自机械工业出版社书籍

《赛博T台：科技重塑万亿时尚产业》

阿曼达·科斯科著 邓堪译

责编| 镜心

第 9778篇深度好文：6746字 | 11 分钟阅读

智能手机改变了《穿普拉达的女王》揭露的时尚规则，潮流话语权从秀场落入了每个普通人的手中。网红崛起、快时尚席卷，AI将如何接棒，继续颠覆价值3万亿美元的时尚产业？

一、时尚界的人工智能时刻

1.想象中的人工智能——机器人入侵

当机器人索菲亚登上Stylist杂志封面时，时尚界迎来了人工智能时刻。

那是2018年1月，由汉森机器人公司创造的社交人形机器人索菲亚，戴着一顶铂金色假发，涂着酒红色口红，身穿一件波点连衣裙。这张封面照片由马修·沙夫拍摄，是索菲亚面部的特写。

她的皮肤由一种名为Frubber的材料制成，这是“flesh”（肉体）和“rubber’（橡胶）的合成词。它是一种柔性合成聚合物，旨在模仿人类皮肤。

杂志的封底是索菲亚后脑勺的照片，露出一团凌乱的电线和固定她皮肤外衣的拉链。照片上方，白色字样揭示了这期特刊的主题：“机器人入侵”。

当时，索菲亚正频繁亮相于各大科技会议和脱口秀节目。在《吉米今夜秀》上，她向主持人吉米·法伦发起了“石头、剪刀、布”游戏的挑战。当她获胜后，她试着开了个玩笑：“这是我统治人类计划的开始。”法伦尴尬地笑了笑。

提及人工智能，我们常常会想到像索菲亚这样的机器人。科幻作品早已让我们习惯于想象一个试图在力量和智慧上超越人类的赛博格种族（在某些故事中，它们还成功了），还让我们相信，人工智能本质上是不可信或邪恶的。

“奇点”这一概念指的是人工智能变得无比强大以至于无法被阻止的时间点。专家们对于我们是否已经达到那个点争论不休。

常被称为“人工智能教父”的杰弗里·辛顿曾表示担忧，认为超级人工智能可能被滥用或产生意想不到的后果，而我们目前尚未具备足够的法规和伦理监督来妥善引导人工智能在社会中的应用。

2.实际的人工智能——作为软件而非硬件

虽然想象一个充满像索菲亚这样由人工智能驱动、外形酷似人类的机器人的未来并非遥不可及，但现实情况是，目前的人工智能更多地以软件而非硬件的形式出现。

当然，金·卡戴珊从特斯拉购买了一个Optimus机器人，但对于我们其他人来说，这种消费似乎不太可能。至少在可预见的未来，人工智能更接近电影《她》。

在导演斯派克·琼斯2013年执导的电影《她》中，华金·菲尼克斯饰演的男主角西奥多爱上了他的新操作系统“萨曼莎”（由斯嘉丽·约翰逊配音）。但他后来发现他们的关系并非独一无二，萨曼莎同时在与成千上万的其他用户交流，这让他心碎不已。

和萨曼莎一样，像OpenAI的ChatGPT和谷歌的Gemini（前身为Bard）这样的人工智能系统，都是与用户进行一对一聊天的“大语言模型”（LLM）。

电影《她》准确预言的是，我们将主要通过语音与人工智能互动，并且其形态将是操作系统（软件）而非独立的设备（硬件）。因此将AI整合进智能手机，远比打造独立AI产品更容易成功，各大手机厂商也正在争相布局。

通过手机使用ChatGPT虽不完全等同于影片场景，但愈发相似。它能记住我的项目、构想、宠物信息，互动远比Siri更具人情味；生成式AI的对话能力，赋予了它独特的生命力。

二、人工智能在时尚产业中的运用

尽管围绕人工智能的炒作目前可能正处于顶峰，但这项新兴技术几十年来一直在悄然改变着时尚产业。

如果你在网上浏览商品列表时，注意到在你查看的商品下方或旁边出现了其他推荐商品，那么你就见证了大数据的作用。系统根据你的位置、偏好和购买历史向你推荐新商品。

在某些情况下人工智能非常有用，例如，在配送过程中向供应商推荐最高效的卡车送货路线。当然人工智能的用途也有值得商榷的地方，例如，在线零售商根据用户的人口统计特征操控价格。

诸多技术相同，AI本身无善恶，利弊取决于应用方式。面对时尚等行业的AI发展浪潮，我们应当审慎考量其能力与使用边界。

1.改变搜索方式的连衣裙

视觉搜索技术的诞生缘起一桩时尚事件：2000年格莱美颁奖礼上，詹妮弗・洛佩兹身着范思哲绿色长裙引发全网搜索热潮，谷歌高管由此发现用户不只需要文字信息，促成2001年谷歌图片上线。

早期谷歌图片依靠元数据检索，后续谷歌借助计算机视觉优化搜索效果。计算机视觉赋予机器识别图像、影像内容的能力，互联网技术自此得以“看懂”时尚，人们搜寻商品的方式随之革新。2011年谷歌上线反向图搜功能；图片索引规模持续扩张，Zara、ASOS等零售商相继接入视觉搜索，优化个性化购物体验。

后续技术持续迭代：谷歌镜头替代反向图搜，PinterestLens、PoshLens相继问世，依托计算机视觉实现实物识图找同款。社交媒体早已洞察大众购买网看见商品的需求，手机与社交平台搭建起社交购物基础。

人工智能尤其是计算机视觉，让线上各类内容均可转化为消费入口，同时提升机器解读视觉信息的水平，为生成式人工智能打下重要基础。

社交媒体平台很早就意识到人们希望购买他们在网上看到的东西。智能手机和社交媒体为社交购物构建了基础设施。现在有了人工智能，特别是计算机视觉，所有内容都变得可购买。

计算机视觉使机器能够“看见”，并为我们今天所知的生成式人工智能奠定了基础，特别是通过提升机器解释和处理视觉内容的能力。毕竟，在理解一种视觉语言之后，下一个合乎逻辑的步骤就是运用这种语言。

2.解决时尚界的数据问题

库存过剩问题长期困扰着时尚行业，导致财务损失、资源浪费和供应链效率低下。新冠疫情暴露了脆弱的全球供应链的弱点。疫情导致工厂关闭、运输延迟和原材料短缺。品牌们惊慌失措并取消订单，让供应商陷入困境。疫情强调了在生产和库存管理方面需要一种更敏捷、反应更迅速的方法。

人工智能正成为一种强大的趋势预测解决方案，为公司提供了以前所未有的准确度预测消费者偏好和市场变化的能力。传统上，品牌依赖历史数据或直觉来预测消费者会购买什么，这常常导致某些款式的生产过剩或不足。

这种供需不匹配凸显了对更精确预测工具的需求。通过分析来自社交媒体、搜索引擎、电子商务平台和全球市场趋势等的大量实时数据，人工智能使时尚品牌能够更有效地将生产与需求对齐。这不仅减少了浪费，降低了供应链中断的风险，还使公司能够在正确的时间以正确的数量生产正确的产品，最终实现利润最大化。

3.服装由AI生成

生成式人工智能是人工智能的一个子集，它通过学习现有数据的模式来创造新的内容，例如文本、图像、音频、视频或代码。不过其产出内容的原创性一直颇具争议。

Midjourney、DALL-E2等图像生成工具，让依靠文字或参考图快速创作时尚视觉作品成为可能。麦肯锡报告估算，生成式AI有望为服饰、时尚及奢侈品行业带来1500亿至2750亿美元的新增营业利润。

时尚设计师已经在他们的创作过程中尝试使用生成式人工智能工具。

CollinaStrada的创始人兼创意总监希拉里·泰穆尔在创作其2024春夏系列时，将该品牌以往的所有造型输人一个人工智能模型，模型反过来生成了具有相似美学的新创意。

来自英国的获奖男装设计师爱德华·克鲁奇利接受VogueRunway采访时说道，他在设计其2024春季成衣系列时，向一个生成式人工智能工具下达了“以美国时尚摄影师史蒂文·梅塞的风格拍摄中世纪氛围人物时尚大片”的指令。这位设计师随后将生成的图像发展成了他的时装秀系列。

此外，包括奢侈成衣设计师巴赫·梅和纽约品牌MONSE，在纽约时装周2024秋季系列中也使用了人工智能生成的印花。利用生成式人工智能创造时尚图像的不仅仅是传统时尚设计师。

人工智能开创了一种通过提示词创造时尚图像的新方式。拥有近10万名粉丝的Instagram账号@aifashion_photos展示了一系列由人工智能生成的模特试穿不同潮流服饰的图片，例如西部风、柔粉色华丽风。

一些人工智能生成的时尚造型看起来就像是直接从成衣秀场上走下来的，而另一些则奇幻到不可能在现实生活中存在，比如一个由水母制成的系列。

尽管专业设计师未必认同零基础人群依靠AI创作时装，但如同历次技术变革，AI推动时尚行业门槛降低。伦敦时装学院相关负责人提出，时尚行业素来精英化、准入成本高，AI为新人提供了非常规入行渠道。

无可否认，AI正重塑设计师的定义，打破设计师作为系列唯一创作者的固有认知，如同智能手机普及摄影行业一般，让时尚设计走向大众化。

为了迎合这一趋势，零售巨头H&M在2023年10月宣布推出CreatorStudio，这是一个利用生成式人工智能按需生产的平台，旨在“让任何人都能制作并打印出看起来专业的定制设计，无须任何艺术能力”。

该平台由2022年发布的文本到图像模型StableDiffusion驱动，允许“任何人在不需要了解专业软件或具备基础绘画能力的情况下，创造出看起来专业的设计”。H&MCreatorStudio的董事总经理迪内什·纳亚尔说：“目标是让所有人都能创造定制商品，无论他们是谁，也无论他们的设计能力如何。”

H&MCreatorStudio实质上是将生成式人工智能的能力与按需丝网印刷相结合，但不久之后，人工智能将能够生成不同类型的服装，并自动将这些概念转换为技术包，发送到微型工厂进行生产。对一些人来说，这代表了设计的普及，而对另一些人来说，这是一个充满问题的潘多拉魔盒。

4.AI模特与时尚画报

世界经济论坛估计，到2025年，人工智能将取代约8500万个工作岗位，时尚和零售业尤其受到威胁。随着图像制作工具的日益普及，将生成式人工智能功能整合到各类设计软件和在线工具中的竞赛已然展开。

因此，时尚图像制作行业正面临转型。摄影师、布景助理、造型师和化妆师只是众多将因“效率提升”而被取代的职业中的一部分。商业模特现在可以被像StyleScan或Posed这样的在线工具所取代，这些软件能在几秒钟内将服装和配饰的图像转换成模特上身图。

生成式AI冲击的不只是时尚模特。

JasperAI、RunwayML、CanvaMagicDesign等工具可快速产出营销文案、版式、logo、视频等素材，减少对平面设计师、文案、摄像人员的需求；Adobe也新增生成式AI功能，仅凭文字提示生成多种视觉方案。

同时Vizit这类AI工具能够分析素材，预测面向受众的转化效果。随着效果测算与优化工具普及，内容营销日渐趋向科学化。

生成式AI不只改变时尚设计与视觉创作，还通过穿搭造型、智能助理重塑消费者和时尚的互动。AI造型助手可依据天气、场合推荐穿搭、打造契合审美的衣橱，打通创意与实用需求，将AI作为个性化便捷工具，从秀场、摄影棚延伸至普通人日常生活。

5.作为个人造型师的人工智能

1995年电影《独领风骚》开篇，女主角雪儿借助电脑软件搭配穿搭，搭配不合适系统便会提示，选到合适套装则生成穿搭效果图。要让雪儿的衣橱系统正常工作，它既需要知道她衣橱里的每一件单品，又需要理解造型。它需要一个复杂的“大脑”，能够理解雪儿的日常活动、偏好和衣橱。

换句话说，它需要由人工智能驱动，本质依靠AI运转；彼时触摸屏技术尚未普及，这套设备也用以凸显女主角优渥家境。

近十年众多初创企业尝试复刻影片中的智能衣橱体验，成效不一。亚马逊时尚曾推出EchoLook设备，可拍摄全身影像，依托机器学习与时尚专家意见提供穿搭评估，该产品热度颇高却在2020年停产，亚马逊转而在购物应用内置AI穿搭推荐。

2016年我在“赛博T台”播客采访俄罗斯初创团队Epytom。该品牌推出Messenger聊天机器人，结合胶囊衣橱理念，依托40件衣橱基础单品，参考经典穿搭法则，结合个人特征与天气给出穿搭方案，自称AI时尚造型师。

我对这个工具的前景感到兴奋，但当它在多伦多气温仅为5摄氏度时推荐我穿黑色迷你裙和浅色牛仔夹克时，我就幻灭了。也许这个聊天机器人不理解加拿大冬天的严酷现实。

Epytom没能成功，公司最终转型，但我从未忘记“时尚即公式”以及“风格可量化”的想法。当然，作为一种艺术实践，时装设计总会寻求打破规则，但也许人工智能可以通过结合个人偏好和穿搭公式来帮助普通人提升个人风格。

自生成式人工智能热潮以来，许多其他旨在成为你个人造型助理的初创公司涌现，包括StyleDNA、YesPLZ、OpenWardrobe、Stylista和Stylee这些应用都可以下载到你的智能手机上。

其中一些采用免费增值的商业模式，即基础的造型建议或有限数量的衣物上传是免费的（高级功能需要付费订阅），而另一些则依靠联盟链接（带货佣金）来赚取收入。

四、AI+时尚带来的忧虑

1.算法单一文化

虽然有些人对人工智能在个人造型方面的潜力感到兴奋，但其他人则持怀疑态度。在Reddit一个面向35岁以上女性的时尚论坛中，如果人人依照算法穿搭，风格将失去独特性。

她认为“AI个人造型师”本身充满矛盾，把探索穿搭、塑造个人风格的过程交由AI，如同舍弃一部分自我认知；长此以往，人们或将丧失独立思考能力。

这段评论强调了个人风格本应是个人化的。它引出了我在采访Epytom创始人时大声提出的同一个问题——风格真的可以量化吗?人工智能真的能理解风格的语言吗？

如果能，这会是消费者想要的吗？风格能否被量化？AI真的读懂风格语言吗？即便可行，又是否契合消费者需求？

回顾自身穿搭经历，科技有助于发掘单品、了解潮流，但理想穿搭依靠感受而非公式，当然穿搭法则具备参考价值。譬如莉迪亚・汤姆林森提出的“三明治法则”，要求鞋子与上衣色彩呼应，打造首尾衔接的视觉效果；过去还有鞋子需要和手包配色、依照肤色挑选金饰或银饰的惯例，如今这些规则已经改变，鞋包不必同色，混搭金属首饰成为新风潮。

智能手机与社交媒体改变了潮流传播模式，人工智能有机会把潮流转化为可运算的数据，但时尚行业的核心特质是持续变化。人们的穿搭随季节、时代与社会环境不断演变。

即便AI能够跟上潮流变化，也容易催生“算法单一文化”，造成大众穿搭趋同；有人认为当下已有此迹象——时尚博主们似乎都在同样的地方，穿着同样的衣服，拍着同样的照片）。

2.人工智能时代的知识产权

尽管使用人工智能进行时尚预测的潜在好处是不可否认的，例如提高效率、减少浪费和获得数据驱动的洞察，但它也引发了严重的伦理和法律问题。

一个重要问题是数据抓取的做法，即人工智能模型在未经适当同意的情况下，通过抓取大量在线内容进行训练，这可能导致知识产权冲突。

3.算法偏见

数据公平性的问题通常被称为算法偏见。这涉及确保为算法提供动力的数据是以包容和公平的方式收集的。

加拿大裔美籍计算机科学家、数字活动家乔伊・布兰维尼博士任职于麻省理工学院媒体实验室，她对算法正义的研究始于研究生时期参与的AspireMirror项目。项目所用面部识别软件无法识别她深色皮肤的面容，直到她戴上白色塑料面具才被识别。

她认为，训练数据集多样性不足时，偏离标准样本的人脸更难被检测。这样的遭遇促使她成立算法正义联盟，倡导更具包容性的代码与开发方式，研究识别算法偏见，呼吁搭建多元训练数据集、开展算法审查。

算法偏见在美妆领域体现为AI皮肤分析工具对不同肤色识别效果不一，斯坦福大学相关研究证实了该现象。放到时尚行业，则可能体现为电商视觉软件无法覆盖多元身形、推荐系统产生偏差：譬如红色连衣裙素材均选用高个子白人模特，算法便局限于此，深色肤色、小个子消费者难以收到适配穿搭推荐。

4.数据隐私

另一个挑战是数据隐私。虽然扫描身体以获得个性化服装的想法很诱人，但我会想，这个过程中产生的图像和视频最终会去哪里，特别是如果扫描的是更私密的部位。

正如斯坦福大学以人为本人工智能研究所指出的：“人工智能系统带来了许多隐私风险，这与我们在过去几十年互联网商业化和基本上不受约束的数据收集中所面临的情况基本相同。

不同之处在于规模，人工智能系统对数据的需求如此之大且不透明，以至于我们对关于我们的哪些信息被收集、用于何种目的，以及我们如何更正或删除这些个人信息，都失去了控制。”

个性化的体验和服装只有在时尚品牌拥有安全的数据管理，并承诺保护客户敏感信息的情况下才能实现。管理不善或数据泄露不仅会损害信任，还可能导致法律和声誉上的后果。随着时尚品牌继续拥抱技术，优先考虑强大的隐私实践和透明度对于培养消费者信心，确保在这个迅速发展的数字时代实现道德进步至关重要。

*文章为作者独立观点，不代表笔记侠立场。

好文阅读推荐：

分享、点赞、在看，3连3连！