人工智能浪潮：万亿时尚产业格局重塑进行时

《赛博T台：科技重塑万亿时尚产业》阿曼达·科斯科著 邓堪译

智能手机改写了《穿普拉达的女王》中所揭示的时尚法则，潮流话语权从T台延伸至每位寻常用户的手中。网红经济兴起、快时尚扩张，AI又将怎样接续这场变革，重新定义价值3万亿美元的时尚版图？

一、时尚业的人工智能拐点

1.想象中的智能机器——机械生命登场

当机器人索菲亚登上Stylist杂志封面那一刻，时尚圈正式迎来了属于人工智能的高光时刻。

那是2018年1月，由汉森机器人公司打造的社交人形机器人索菲亚，头戴铂金色假发，唇涂酒红色口红，身着波点连衣裙。这张封面由马修·沙夫掌镜拍摄，是索菲亚面部的近景特写。

她的肌肤由一种名为Frubber的材料构成，这是“flesh”（肉体）与“rubber”（橡胶）的混合造词。它是一种柔性合成聚合物，专门用于模拟人类皮肤质感。

杂志封底是索菲亚后脑勺的照片，暴露出缠绕的电线和固定皮肤外衣的拉链。照片上方，白色字体标注了这期特刊的主题：“机器人入侵”。

彼时，索菲亚正高频现身于各类科技大会与脱口秀节目。在《吉米今夜秀》中，她向主持人吉米·法伦发出“石头、剪刀、布”的对决邀约。获胜后她尝试开玩笑说：“这是我统治人类计划的开端。”法伦只好尴尬地陪笑。

谈到人工智能，我们往往第一时间联想到索菲亚这样的机器人形象。科幻叙事早已让我们习惯设想一个在力量与智慧上试图超越人类的赛博格族群（在部分故事里它们甚至成功了），并令我们潜意识里认定人工智能本质上是不可靠甚至邪恶的。

“奇点”这一概念描述的是人工智能变得无比强大以至无法被遏制的临界时点。专家们对于我们是否已抵达那个节点始终争论不断。

被誉为“人工智能教父”的杰弗里·辛顿曾公开表达忧虑，认为超级人工智能存在被滥用或产生难以预料后果的风险，而当下我们尚未构建起足够的法规框架与伦理监督机制，以妥善引导人工智能在社会中的落地应用。

2.现实的智能形态——软件先于硬件

虽然设想一个充斥着像索菲亚这类由人工智能驱动、外形接近真人的机器人的未来并非遥不可及，但事实是，当前的人工智能更多以软件形态而非硬件形态存在。

当然，金·卡戴珊从特斯拉购入了一台Optimus机器人，但对绝大多数普通人而言，此类开销显然不现实。至少在可预见的将来，人工智能更接近电影《她》所描绘的样子。

在斯派克·琼斯2013年执导的影片《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·约翰逊献声）。但他后来发觉这段关系并非专属，萨曼莎同时与成千上万的其他用户交流，这令他心碎。

与萨曼莎相似，像OpenAI的ChatGPT和谷歌的Gemini（前身为Bard）等人工智能系统，都是与用户展开一对一对话的“大语言模型”（LLM）。

电影《她》精准预言的是，我们将主要通过语音与人工智能交互，且其形态将是操作系统（软件）而非独立设备（硬件）。因而把AI融入智能手机，远比打造独立AI产品更易成功，各大手机厂商也正竞相布局。

借助手机使用ChatGPT虽与影片场景不完全相同，却愈发贴近。它能记住我的项目、构想与宠物信息，交互远比Siri更具温度；生成式AI的对话能力赋予了它独特的生命力。

二、人工智能在时尚业的落地实践

尽管围绕人工智能的热度如今或许正值巅峰，这项新兴技术实则数十年来一直在悄然重塑时尚产业。

若你在网上浏览商品时，发现在你查看的商品下方或旁边出现了其他推荐商品，那么你便已亲历了大数据的威力。系统依据你的位置、偏好与购买记录向你推送新商品。

某些场景下人工智能极具价值，比如配送过程中为供应商规划最高效的卡车路线。当然人工智能的应用也存在争议，例如在线零售商根据用户人口特征差异化定价。

诸多技术本身并无善恶之分，AI亦然，利弊全看应用方式。面对时尚等行业的AI发展浪潮，我们理应审慎评估其能力边界与使用规范。

1.革新搜索体验的连衣裙

视觉搜索技术的诞生源于一桩时尚事件：2000年格莱美颁奖典礼上，詹妮弗·洛佩兹身着范思哲绿色长裙引发全网搜索狂潮，谷歌高管由此洞察到用户不只满足于文字信息，推动2001年谷歌图片上线。

早期谷歌图片依赖元数据检索，后续谷歌借助计算机视觉优化搜索体验。计算机视觉赋予机器识别图像与影像内容的能力，互联网技术由此得以“看懂”时尚，人们搜寻商品的方式随之革新。2011年谷歌推出反向图搜功能；图片索引规模持续扩张，Zara、ASOS等零售商陆续接入视觉搜索，提升个性化购物体验。

后续技术持续迭代升级：谷歌镜头取代反向图搜，PinterestLens、PoshLens陆续登场，依托计算机视觉实现以图识图、查找同款。社交平台早已洞察大众“看到即想买”的需求，智能手机与社交媒体为社交购物构筑了基础设施。

人工智能尤其是计算机视觉，让线上海量内容均可转化为消费入口，同时提升机器解读视觉信息的能力，为生成式人工智能奠定了关键基础。

社交媒体平台很早就捕捉到人们希望买下自己在网上看到的东西这一心理。智能手机与社交媒体为社交购物搭建了底层设施。如今借助人工智能，尤其是计算机视觉，所有内容都具备了商业转化可能。

计算机视觉让机器得以“看见”，并为我们今天所熟知的生成式人工智能构筑了根基，尤其体现在提升机器解释和处理视觉内容的能力上。毕竟，在掌握一门视觉语言之后，下一个合乎逻辑的步骤便是运用这门语言。

2.纾解时尚业的数据顽疾

库存积压问题长期困扰时尚行业，造成财务损失、资源浪费与供应链效率低下。新冠疫情暴露了脆弱全球供应链的短板。疫情引发工厂停摆、运输延误与原材料短缺。品牌方惊慌失措并取消订单，令供应商陷入困境。疫情凸显了在生产和库存管理上亟需更敏捷、更迅捷的方法。

人工智能正崛起为强劲的趋势预测解决方案，为公司提供了以空前精度预判消费者偏好与市场变化的能力。传统模式下，品牌依赖历史数据或直觉来推断消费者会买什么，这常导致某些款式生产过剩或不足。

这种供需错配凸显了对更精准预测工具的迫切需求。通过分析来自社交媒体、搜索引擎、电商平台和全球市场趋势等海量实时数据，人工智能使时尚品牌能够更高效地匹配生产与需求。这不仅削减了浪费、降低了供应链断裂的风险，还使公司得以在恰当时机以恰当数量生产恰当产品，最终实现利润最大化。

3.服装由AI创制

生成式人工智能是人工智能的子集，它通过学习既有数据的模式来创造新内容，例如文本、图像、音频、视频或代码。不过其产出内容的原创性始终争议不断。

Midjourney、DALL-E2等图像生成工具，让借助文字或参考图快速产出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。

时尚设计师们已开始在自己的创作流程中试水生成式人工智能工具。

CollinaStrada的创始人兼创意总监希拉里·泰穆尔在创作其2024春夏系列时，将该品牌过往的所有造型输入一个人工智能模型，模型继而生成了带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采访时透露，他在构思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。这位设计师随后把生成的图像延展为他的时装秀系列。

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秋季系列中也运用了人工智能生成的印花。使用生成式人工智能创作时尚图像的并非只有传统时尚设计师。

人工智能开创了一种通过提示词创造时尚图像的新路径。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。

部分人工智能生成的时尚造型看起来宛若直接从成衣秀场走出，而另一些则奇幻到不可能在现实中存在，比如一个由水母构成的系列。

尽管专业设计师未必认同零基础人群借助AI创作时装，但如同历次技术变革，AI正在降低时尚行业的准入门槛。伦敦时装学院相关负责人指出，时尚行业素来精英化、准入成本高，AI为新人开辟了非常规的入行通道。

不可否认，AI正重塑设计师的定义，颠覆设计师作为系列唯一创作者的固有认知，恰如智能手机普及摄影行业一般，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，无需任何艺术功底”。

该平台由2022年发布的文本到图像模型StableDiffusion驱动，允许“任何人在不需要掌握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·纳亚尔表示：“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本质上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，人工智能将能生成不同类型的服装，并自动把这些概念转换为技术包，发送到微型工厂进行生产。对一些人而言，这象征着设计的民主化，而对另一些人来说，这却是一个充满隐忧的潘多拉魔盒。

4.AI模特与时尚大片

世界经济论坛估算，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。随着图像制作工具日益普及，将生成式人工智能功能整合进各类设计软件和在线工具的竞赛已然开启。

因而，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。商业模特如今可被像StyleScan或Posed这样的在线工具替代，这些软件能在几秒钟内把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群体。

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，仅凭文字提示即可生成多种视觉方案。

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，内容营销日趋科学化。

生成式AI不仅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与时尚的互动方式。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.化身私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运作，它既需要知道她衣橱里的每一件单品，又需要理解造型搭配。它需要一个复杂的“大脑”，能够理解雪儿的日常活动、偏好和衣橱构成。

换句话说，它需要由人工智能驱动，本质上依靠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。

近十年间众多初创企业尝试复刻影片中的智能衣橱体验，成效参差不齐。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，融合胶囊衣橱理念，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振奋，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并不了解加拿大冬天的严酷现实。

Epytom未能成功，公司最终转型，但我从未忘记“时尚即公式”以及“风格可量化”的理念。当然，作为艺术实践，时装设计总会寻求打破规则，但也许人工智能能够通过融合个人偏好与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兴起以来，许多其他旨在充当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+时尚引发的隐忧

1.算法单一化倾向

尽管有些人对人工智能在个人造型方面的潜力倍感兴奋，另一些人则持怀疑态度。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，风格将丧失独特性。

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。

这段评论凸显了个人风格本应是个性化的。它引出了我在采访Epytom创始人时大声抛出的同一个问题——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能够紧跟潮流变化，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

尽管借助人工智能进行时尚预测的潜在益处不容否认，例如提升效率、减少浪费和获取数据驱动的洞察，但它也引发了严重的伦理与法律问题。

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同意的情况下，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

另一项挑战是数据隐私。虽然扫描身体以获得个性化服装的想法颇具诱惑，我会思考，这个过程中产生的图像和视频最终会流向何处，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大体相同。

不同之处在于规模，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，都失去了掌控。”

个性化的体验和服装唯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前提下才能实现。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。

点击关注公众号

您每点一次在看都是我们前进的动力