人工智能浪潮冲击三万亿时尚版图
智能手机颠覆了《穿普拉达的女王》所揭示的时尚法则，潮流风向标从T台转移到了寻常百姓手中。网红经济蓬勃发展、快时尚风靡一时，人工智能将如何接过接力棒，持续撼动这个市值三万亿美元的时尚帝国？
时尚圈的人工智能纪元
1.想象中的智能机器——机械生命体降临
当机器人索菲亚登上Stylist杂志封面之际，时尚圈正式迈入了人工智能时代。
那是2018年1月，由汉森机器人公司精心打造的社交人形机器人索菲亚，佩戴一顶铂金色假发，涂抹酒红色唇彩，身披一件波点连衣裙。这张封面影像由马修·沙夫掌镜，是索菲亚面部的近景特写。
她的肌肤由一种名为Frubber的材质打造，这是“flesh”（血肉）与“rubber”（橡胶）的混合造词。它属于柔性合成聚合物范畴，专为模拟人类肌肤质感而生。
杂志的封底呈现的是索菲亚后脑勺的画面，暴露出纠结缠绕的线路和锚定皮肤外壳的拉链结构。画面上沿，白色字符点明了这期专题的核心：“机械入侵”。
彼时，索菲亚正密集现身于各大科技峰会与脱口秀舞台。在《吉米今夜秀》中，她向主持人吉米·法伦抛出了“石头、剪刀、布”的对决邀请。当她赢得比赛后，她试图抛出一句调侃：“这是我征服人类宏图的开端。”法伦只得勉强挤出一丝笑容。
提到人工智能，我们脑海中往往会浮现索菲亚这类机器人的形象。科幻作品早已让我们习惯于勾勒一幅画面：一个力图在体能与才智上凌驾人类的赛博格族群（在部分叙事里，它们甚至如愿以偿），还让我们深信，人工智能本质上不值得信赖甚至充满恶意。
“奇点”这一理念指向人工智能强大到无法遏制的临界时刻。专家群体对于我们是否已触及这一节点众说纷纭。
被誉为“人工智能教父”的杰弗里·辛顿曾表达忧虑，指出超级人工智能或许被恶意利用或催生始料未及的后果，而我们当下尚缺乏充分的法规与伦理监督机制来妥善规范人工智能在社会场域中的部署。
2.现实中的人工智能——以软件形态而非硬件存在
尽管勾勒一个遍布索菲亚这类人工智能驱动、人形外观机器人相伴的未来并非天方夜谭，但实际情况是，当前人工智能更多以软件形态而非硬件实体示人。
当然，金·卡戴珊从特斯拉购入了一台Optimus机器人，但对于我们绝大多数人而言，此类消费场景不太现实。至少在可预见的未来，人工智能更贴近电影《她》中描绘的情境。
在导演斯派克·琼斯2013年执导的影片《她》里，华金·菲尼克斯诠释的男主角西奥多坠入爱河，爱上了他的新款操作系统“萨曼莎”（由斯嘉丽·约翰逊倾情配音）。然而他后来发觉这段情感并非专属，萨曼莎同时与成千上万的其他用户保持着联络，这令他黯然神伤。
与萨曼莎相似，诸如OpenAI的ChatGPT和谷歌的Gemini（前身为Bard）之类的人工智能系统，皆为与用户展开一对一对话的“大语言模型”（LLM）。
电影《她》精准预言的核心在于：我们将主要经由语音通道与人工智能交流，且其载体将是操作系统（软件）形态而非独立终端（硬件）。故而将AI植入智能手机，远比开发独立AI产品更易获得成功，各大手机制造商也正竞相抢占赛道。
通过手机端运用ChatGPT虽与影片场景不完全等同，却愈发逼近。它能够铭记我的项目规划、灵感构想、宠物档案，交互体验远胜Siri的冰冷机械感；生成式AI的对话表现力，赋予了其鲜活的生命质感。
人工智能在时尚产业中的落地
尽管围绕人工智能的喧嚣当下或许正攀至巅峰，但这股新生力量数十年来始终在悄然重塑时尚产业格局。
若你在网上浏览商品列表时，发觉在你查看的商品下方或周边浮现了其他推荐商品，那么你便已亲历了大数据的威力。系统依据你的定位、偏好与购买履历向你推送新品。
某些场景下人工智能极具价值，例如，在物流环节向供应商推送最优卡车配送路径。当然人工智能的应用边界也存有争议，例如，在线零售商依据用户画像数据差别化定价。
诸多技术相通，AI本身无所谓善恶，利弊全在运用之道。面对时尚等领域的AI发展浪潮，我们理应审慎权衡其能力疆界与使用规范。
1.重塑搜索体验的裙装事件
视觉搜索技术的诞生源于一桩时尚逸闻：2000年格莱美颁奖盛典上，詹妮弗・洛佩兹身着范思哲绿色长裙引爆全网搜索狂潮，谷歌高层由此洞察用户对视觉信息的渴求，推动2001年谷歌图片功能问世。
早期谷歌图片依赖元数据检索，此后谷歌引入计算机视觉精进搜索表现。计算机视觉赋予机器识别图像、影像内涵的本领，互联网技术由此得以“读懂”时尚，人们寻觅商品的途径焕然一新。2011年谷歌推出反向图搜功能；图片索引体量持续膨胀，Zara、ASOS等零售商陆续接入视觉搜索，升级个性化购物体验。
后续技术迭代不息：谷歌镜头取代反向图搜，PinterestLens、PoshLens先后登场，依托计算机视觉实现实物识图找同款。社交平台早已捕捉大众购买网络所见商品的诉求，手机与社交平台构筑起社交购物的底层架构。
人工智能尤其是计算机视觉，让线上各类素材皆可化身为消费入口，同时拔升机器解读视觉信息的层级，为生成式人工智能筑牢关键基石。
社交媒体平台很早就察觉到人们渴望购买他们在网上邂逅的物件。智能手机和社交媒体为社交购物夯实了基础架构。如今有了人工智能，特别是计算机视觉，万物皆可购买。
计算机视觉让机器得以“观察”，并为我们今天所熟知的生成式人工智能铺平了道路，特别是经由强化机器阐释和处理视觉素材的能力。毕竟，在掌握一门视觉语言后，下一步顺理成章便是运用这门语言。
2.纾解时尚圈的数据困局
库存积压顽疾长期萦绕时尚行业，造成财务损耗、资源虚耗与供应链效率低迷。新冠疫情揭穿了脆弱全球供应链的软肋。疫情致使工厂停摆、运输阻滞、原材料告急。品牌方惊慌失措纷纷撤单，供应商陷入绝境。疫情凸显了生产与库存管理领域对更敏捷、更迅捷响应机制的迫切需求。
人工智能正崛起为强劲的趋势预判利器，为企业提供了以空前精度预测消费偏好与市场变迁的能力。传统模式下，品牌依托历史数据或直觉判断消费者的购买意向，这往往导致部分款式过量生产或供给不足。
这种供需失衡映射出对更精准预测工具的渴求。通过剖析来自社交媒体、搜索引擎、电商平台和全球市场动态等海量实时数据，人工智能赋能时尚品牌更精准地匹配生产与需求。这不仅削减了浪费，降低了供应链断裂风险，还使企业能够在恰当时机以恰当数量产出恰当产品，最终实现利润最大化。
3.服装由AI创作
生成式人工智能作为人工智能的子集，通过研习既有数据的模式来缔造新内容，譬如文本、图像、音频、视频或代码。不过其产出物的原创性始终争议不断。
Midjourney、DALL-E2等图像生成利器，让依托文字或参考图速创时尚视觉作品成为现实。麦肯锡报告估算，生成式AI有望为服饰、时尚及奢侈品行业注入1500亿至2750亿美元的新增营业利润。
时尚设计师已在创作环节试水生成式人工智能工具。
CollinaStrada的创始人兼创意总监希拉里·泰穆尔在构思其2024春夏系列时，将该品牌历年所有造型数据导入一个人工智能模型，模型继而输出承载相似美学的新灵感。
来自英国的获奖男装设计师爱德华·克鲁奇利接受VogueRunway采访时透露，他在设计其2024春季成衣系列时，向一款生成式人工智能工具下达了“以美国时尚摄影师史蒂文·梅塞的视角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延展为他的时装秀系列。
此外，囊括奢侈成衣设计师巴赫·梅和纽约品牌MONSE，在纽约时装周2024秋季系列中也运用了人工智能生成的印花。借助生成式人工智能创造时尚图像的不只是传统时尚设计师。
人工智能开辟了一种借由提示词创造时尚图像的全新路径。坐拥近10万名粉丝的Instagram账号@aifashion_photos呈现了一系列由人工智能生成的模特试穿各类潮流服饰的画面，例如西部风、柔粉华丽风。
部分人工智能生成的时尚造型仿佛直接从成衣秀场走出，另一些则奇幻到无法在现实世界落地，譬如以水母为材质的系列。
尽管专业设计师未必认可零基础人群借AI创作时装，但如同历次技术革新，AI正推动时尚行业门槛走低。伦敦时装学院相关负责人指出，时尚行业向来精英化、入行成本高企，AI为新人铺设了非常规的入行通道。
毋庸置疑，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，如同智能手机普惠摄影行业一般，让时尚设计走向大众化。
顺应这一趋势，零售巨头H&M在2023年10月宣告推出CreatorStudio，这是一个借助生成式人工智能实现按需生产的平台，立志“让任何人都能制作并打印出外观专业的定制设计，无须任何艺术功底”。
该平台由2022年问世的文本到图像模型StableDiffusion加持，允许“任何人在无须掌握专业软件或具备基础绘画素养的情况下，创造出外观专业的设计”。H&MCreatorStudio的董事总经理迪内什·纳亚尔表示：“目标是让普罗大众都能创造定制商品，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功力与按需丝网印刷相融合，但假以时日，人工智能将能够产出不同品类的服装，并自动将这些构想转化为技术包，传送至微型工厂进行生产。对部分人而言，这象征着设计的普惠，而对另一些人而言，这是一个隐患重重的潘多拉魔盒。
4.AI模特与时尚影像
世界经济论坛预估，到2025年，人工智能将取代约8500万个工作岗位，时尚和零售业首当其冲。随着图像制作工具的日益普惠，将生成式人工智能能力整合到各类设计软件和在线工具中的竞速已然启幕。
由此，时尚图像制作行业正面临深刻转型。摄影师、布景助理、造型师和化妆师仅仅是众多将因“效率提升”而被替代的职业中的代表。商业模特当下可被StyleScan或Posed等在线工具替代，这些软件能在数秒内将服装和配饰的图像转换为模特上身效果图。
生成式AI冲击的不只是时尚模特群体。
JasperAI、RunwayML、CanvaMagicDesign等工具可快速输出营销文案、版式、logo、视频等素材，降低对平面设计师、文案、摄像人员的依赖；Adobe也新增生成式AI功能，仅凭文字提示即可生成多元视觉方案。
同时Vizit这类AI工具能够解析素材，预判面向受众的转化效能。随着效果测算与优化工具的普及，内容营销日趋科学化。
生成式AI不仅重塑时尚设计与视觉创作，还经由穿搭造型、智能助理革新消费者与时尚的交互模式。AI造型助手可依据天气、场合推送穿搭方案、构筑契合审美的衣橱，贯通创意与实用诉求，将AI转化为个性化便捷利器，从秀场、摄影棚延伸至寻常百姓的日常。
5.担任私人造型师的人工智能
1995年电影《独领风骚》开场，女主角雪儿借助电脑软件搭配造型，搭配失当时系统便会提示，选对套装则生成搭配效果图。要让雪儿的衣橱系统顺畅运行，它既需要清点她衣橱里的每一件单品，又需要领悟造型精髓。它需要一个复杂的“大脑”，能够理解雪儿的日常起居、偏好取向和衣物储备。
换言之，它需要由人工智能驱动，本质依托AI运转；彼时触摸屏技术尚未普及，这套设备也用以昭示女主角优渥家境。
近十年众多初创企业尝试复刻影片中的智能衣橱体验，效果参差不齐。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，该产品关注度颇高却在2020年停产，亚马逊转而在购物应用内嵌入AI穿搭推荐。
2016年我在“赛博T台”播客访谈俄罗斯初创团队Epytom。该品牌推出Messenger聊天机器人，融合胶囊衣橱理念，依托40件衣橱基础单品，参照经典穿搭法则，结合个人特征与天气输出穿搭方案，自诩AI时尚造型师。
我对这款工具的前景满怀期待，但当它在多伦多气温仅5摄氏度时推荐我穿黑色迷你裙和浅色牛仔夹克时，我便心灰意冷了。或许这个聊天机器人无法体悟加拿大冬日的凛冽现实。
Epytom未能成功，公司最终转型，但我始终铭记“时尚即公式”以及“风格可量化”的构想。当然，作为一种艺术实践，时装设计总会寻求破规立新，但或许人工智能能够借由融合个人偏好与穿搭公式来助力普通人提升个人风格。
自生成式人工智能浪潮兴起以来，诸多旨在担当个人造型助理的初创公司纷纷涌现，包括StyleDNA、YesPLZ、OpenWardrobe、Stylista和Stylee，这些应用均可在你的智能手机上下载获取。
部分采用免费增值商业模式，即基础造型建议或有限数量的衣物上传免费（高级功能需付费订阅），另一些则依赖联盟链接（带货佣金）作为营收来源。
AI+时尚引发的隐忧
1.算法单一化倾向
尽管部分人对人工智能在个人造型领域的潜力倍感振奋，但另一些人则心存疑虑。在Reddit一个面向35岁以上女性的时尚论坛中，有人指出若人人依循算法穿搭，风格将丧失独特性。
她认为“AI个人造型师”本身充满悖论，将探索穿搭、塑造个人风格的进程交由AI，如同割舍部分自我认同；长此以往，人们或将丧失独立思考的本领。
这段评论凸显了个人风格本应是个性化的命题。它引出了我在访谈Epytom创始人时高声抛出的同一疑问——风格真的能够被量化吗？人工智能真的能领会风格的语言吗？
若能，这会是消费者所期待的吗？风格能否被量化？AI真的读懂风格语言吗？即便可行，又是否契合消费者诉求？
回顾自身穿搭历程，科技有助于发掘单品、把握潮流，但理想穿搭仰仗感受而非公式，当然穿搭法则具备参照价值。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，营造首尾衔接的视觉效果；过去还有鞋子需要和手包配色、依据肤色甄选金饰或银饰的惯例，如今这些规则已然变迁，鞋包不必同色，混搭金属首饰成为新风尚。
智能手机与社交媒体重塑了潮流传播路径，人工智能有望将潮流转化为可运算的数据，但时尚行业的核心特质是恒久流变。人们的穿搭随季节、时代与社会语境持续演进。
即便AI能够追随潮流变迁，也易于催生“算法单一文化”，引发大众穿搭趋同；有人认为当下已现端倪——时尚博主们似乎都在同质化的地点，身着同质化的服饰，拍摄同质化的画面）。
2.人工智能时代的知识产权
尽管运用人工智能进行时尚预测的潜在裨益无可否认，诸如提升效率、削减浪费和获取数据驱动的洞察，但它也触发了严峻的伦理与法律议题。
一个核心议题是数据抓取的实践，即人工智能模型在未获适当授权的情况下，通过抓取海量在线内容进行训练，这可能引发知识产权纠纷。
3.算法偏见
数据公平性的议题通常被称为算法偏见。这涉及确保为算法供能的数据是以包容和公正的方式采集的。
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肌肤的面容，直至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侦测。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路径，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参差，斯坦福大学相关研究佐证了该现象。映射到时尚行业，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采用高个子白人模特，算法便局限于此，深色肤色、小个子消费者难以获得适配穿搭推荐。
4.数据隐私
另一重挑战是数据隐私。固然扫描身体以获取个性化服装的构想引人遐想，但我会思忖，这一过程中产生的图像和视频最终将流向何方，尤其是当扫描部位较为私密时。
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诸多隐私风险，这与过去几十年互联网商业化和基本不受约束的数据采集所面临的情势如出一辙。
差异在于规模，人工智能系统对数据的需求如此庞大且不透明，以至于我们对关于我们哪些信息被采集、用于何种目的，以及我们如何更正或删除这些个人信息，都丧失了掌控力。”
个性化的体验和服装唯有在时尚品牌具备安全的数据管理，并承诺捍卫客户敏感信息的前提下才能落地。管理失当或数据泄露不仅会侵蚀信任，还可能招致法律和声誉层面的后果。随着时尚品牌持续拥抱技术，将强劲的隐私实践和透明度置于优先位置，对于培育消费者信心、确保在这个疾速演进的时代实现道德进步至关重要。