2023年服装行业专题分析 GPT将如何改变服装行业？

1 GPT 对服装行业的影响浅析

在 ChatGPT 引起人们热议之时，2023 年 3 月 15 日，OpenAI 推出 GPT4， 实现了多个维度的提升：强大的识图能力；文字输入限制提升至 2.5 万字；回答准确性显著提高；能够生成歌词、创意文本，实现风格变 化等。而以 GPT 为代表的人工智能会如何影响纺织服装行业？

从服装生成流程来看，人工智能主要将在商品企划、产品设计、终端 零售端产生影响。商品企划阶段，AI 通过人工神经网络和深度卷积神 经网络实现不同衣着款式的分类与属性识别，通过时装解析进一步完 成类别标签的标记，从而进行上季度市场分析与流行趋势研判；产品 设计阶段，AI 自动生成图像并进行多维度辅助设计，缩短设计师从概 念创意到具体设计落地的进程，提高设计师产出效率；采购生产阶段， 主要通过智能制造与柔性生产提升效率；终端零售环节，AI 可通过智 能客服、个性化商品推荐、生产产品描述与营销文案等，优化消费者 购物体验，精简服装零售商成本。 我们认为，在 GPT 进入中国后，将赋能纺服产业链中的品牌端与零售 端，提升企业的日常经营效率、设计师的产品开发效率、消费者的购 物体验。

2 商品规划&设计端：研判流行趋势，提高设计效率

2.1 商品规划：研判流行趋势，数据驱动开发

流行趋势是纺织服装产业的风向标。对于纺织服装产业而言，流行趋 势作为各类消费者群体在特定的时间内对不同着装方式偏爱的反映， 对企业服装生产、抓住未来市场机遇、减少库存堆积风险具有重要指 导意义。流行趋势一般包括颜色、款式和面料等元素，例如美国权威 色彩机构 PANTONE 自 2000 年起每年年末会发布下一年度的流行色； 时装产业成熟的法国拥有作为欧洲极具权威的面料和流行趋势风向 标 PV 第一视觉面料展等，均旨在捕捉消费者未来一段时间的偏好。

ChatGPT 通过对现有信息整合，针对性预测趋势。ChatGPT 依据过去 开放数据集、互联网资讯、学术研究、服装品牌官网等多维度渠道获 得的大量数据和历史信息，基于机器学习算法和自然语言处理技术方 法，通过对信息的分析和模式识别找到规律和趋势以进行预测。另一 方面，作为交互性 AI，ChatGPT 可以针对某一特定问题或趋势进行回 答。我们认为，未来随着 ChatGPT 进一步发展，并结合服装品牌/渠道 端的信息和数据，有望对具体区域/时间/季节的服装趋势进行更有指 导意义的预测，从而为企业的商品计划提供指引，减少库存风险并抓 住市场机会。

但另一方面，由于数据样本、模型参数等不同，针对同一个趋势预测 的问题，ChatGPT 在内容的生成上不具有稳定性，每次可能得到不同 的结果。此外，数据输出或引发一定的版权和法律风险。

知衣科技基于数据/资讯进行 AI 预测。公司成立于 2018 年，通过人工 智能赋能服装行业，以线上电商、秀场、INS、小红书等渠道海量图源， 进行图像识别（包括品类、图案、面料、辅料、工艺、廓形、领型等 特征要素）以分析服装行业趋势，进而提升服饰企业选品效率，降低 趋势挖掘成本。目前公司主要客户有 UR、Only、海澜之家和太平鸟等。

2.2 产品设计：图像生成工具助力设计落地

在服装设计领域，目前人工智能基于其文本-图像模型与强大的计算功 能，已经能一定程度上辅助服装设计师。AI 图像工具使用人工智能算 法可以根据文本描述生成逼真图像，为设计师提供灵感、可视化其想 法，同时能根据自定义选项和细节工具对其进行进一步修改。目前较 为成熟的 AI 图像工具已有 DALL·E2（Open AI 开发）、Midjourney、 NightCafe 等。 我们以 DALL·E2 为例，探究其运行原理与主要功能。2021 年 1 月， OpenAI 推出了 DALL·E，其本质也是转换器语言模型，基于 120 亿参数版本的 GPT-3 训练，可以使用文本-图像相对应的数据集，根据文本 描述生成图像；而 DALL·E2 在上代版本基础上，能够生产更逼真、 准确的图像，分辨率提升四倍。

作为一款 AI 图像生成器，其主要功能包括图像生成、扩展图像、图 像编辑及图像多样化。（1）图像生成：DALL·E2 可以从文本描述中 创建原创的、逼真的图像和艺术。它可以组合概念、属性和样式。（2） 扩展图像：这个功能可以将图像扩展到原始画布之外，创建扩展的新 构图，帮助用户扩展创造力——添加相同风格的视觉元素，或以新的 方向讲述故事。（3）图像编辑：DALL·E2 可以根据自然语言标题 对现有图像进行逼真的编辑。它可以添加和删除元素，同时考虑阴影、 反射和纹理。（4）图像多样化：DALL·E2 可以根据原始图像的灵 感创造出不同的变化。

从其工作原理来看，可以简单分为两步，训练与生成图像。其首先通 过数亿张图片及其相关文字的训练，并将图像/文本通过各自编码器映 射到 m 维空间，学习到给定文本片段与图像的关联；训练结束后，称 为先验的模型将文本编码映射到相应的图像编码，图像编码捕获文本 编码中包含的提示的语义信息。最后，图像解码模型便会随机生成一 幅从视觉上与能够表现先前所输入的文本语义的图像。

目前 OpenAI 官网上开放了 DALL·E 版本的体验接口，我们对其图像 生成功能进行了尝试。我们以“一件蓝色、白色扎染的长袖卫衣，版 型宽松，材质为棉质，有口袋，胸前有卡通图案”为文本描述，DALL·E 随机生成了 4 张图象，其中对于颜色、款式、面料、图案等特征基本 对应，但部分图像无法完全满足所有特征表述。我们认为，随机生成 的图片在一定程度上能为设计师提供灵感。

服装公司 CALA 携手 DALL·E2 合作开发服装设计软件。CALA 公司核心 业务是为全球独立设计师、品牌及个人提供涵盖设计、生产、推广、 零售等全方位的一站式服务。CALA 与 DALL·E2 合作开发 AI 服装设计 功能并引入自身业务，利用人工智能为用户提供更加便捷的设计服 务，为不具备将自己的创意利用专业技术知识产出草图的人们打破障 碍，同时为公司内部设计师们提供相应辅助。 其使用步骤来看，首先从 T 恤、帽衫、大衣、鞋履等产品类别中选择 基础模板，在文本框中输入形容词描述产品外观设计，如材质、细节、 印花、颜色、版型等;AI 将根据描述完成设计并输出多种结果。我们 以“Oversize、天蓝色、宽松、棉质、长袖、白云图案、奶白色抽绳” 为关键词在卫衣版型上设计，得到的设计平面图与图像均较为符合输 入特征，且各个图像细微之处均有所差异。

另一方面，该项功能还可以利用已有的服装设计来衍生构建出同系风 格的更多款式。

在服装领域，基于 AI 图像工具，人工智能可以在材料选择、图案创作、 灵感转换等维度辅助完成设计，提升设计师的生产力及效率。长远来 看，也将提升整个纺服产业链推陈出新的速度，根据终端需求加快服 装快反节奏。 但另一方面，AI 生成的设计也可能使人类的创造力倒退。如 DALL·E2 可以产出不存在的图像，但其仍是根据大量现有图像进行算法训练和 学习，这导致其可能会被用来模仿那些设计师已有作品，造成侵权问 题，当下已有部分图源网站和设计师对于图像 AI 公司提起诉讼。同时 AI 生成的产品或许无法承载原有设计师的观点、态度或是情感，在未 来设计门槛降低与效率大幅提升的背景下，可能反而会令人类整体设 计与创造力倒退。

3 零售端：降低运营成本，提高消费者购物体验

我们认为 ChatGPT 也将为服装零售业带来变革，在产品描述/营销文案 等内容生成、个性化的客户体验、更佳的产品展示等维度变革服装零 售业。

3.1 产品描述/营销文案：提高内容生产效率

ChatGPT 可以根据商品的信息和属性，生成商品描述，编写微博/小红 书等社交媒体平台文案，提高内容生产工作者的效率，推进产品上新 及推广流程。同时，基于 GPT-4 新增的识图功能，ChatGPT 也可以仅 在一张图片基础上对图片中的产品进行描述。

具体应用看，跨境电商平台 Shopify 基于 ChatGPT 的 API 接口已推出 Yodel 插件，其可根据产品图片及关键词，选择文本输出风格与长度， 为产品自动生成产品描述、标题；自动回复消费者评论及问题；根据 Facebook、Google 等不同平台生成营销文案。我们以一件 Adidas 的运 动外套为例，在仅根据一件图片的基础上，其在产品描述中准确识别 出了其产品品类，并简述了服装的运用场景、功能属性、外观等特征； 且根据 Facebook/Google 等不同渠道广告的特点生成了针对性的营销 文案。

3.2 智能导购：个性化、精准化提升购物体验

智能导购也是 ChatGPT 等 AI 应用良好的落地场景之一。相比目前的 智能客服，依靠 ChatGPT 等 AI 技术支撑的客服将在灵活性与人性化服 务方面有显著的进步，同时能根据消费者购买历史、搜索历史和浏览 行为等数据提供个性化推荐。 目前 ChatGPT 已被运用于海外的部分电商平台，如跨境电商平台 Shopify 的新购物助手，可以根据购物者的需求进行个性化推荐，通过 扫描数百万种产品来简化应用程序内购物的步骤，以快速找到买家正 在寻找的东西。我们在其网站上体验了这一功能，提出了款式、功能、 预算、颜色、风格等需求，发现 Shopify 推荐的产品基本均能满足我 们所提出的需求，且问答与推荐过程中无延迟，较传统电商平台的筛 选功能而言更具个性化及针对性。未来也有望被引进各大服装品牌官 网以提升自身零售竞争力。

我们认为，ChatGPT 将被率先应用于各类电商平台，为客户提供更具 个性化、针对性的服务，提升转化效率，变革电商卖货场景。未来随 着技术进一步的迭代与成熟，基于 ChatGPT 的智能导购功能也有望在 线下逐步应用：（1）根据消费者的购买历史和喜好，提供针对性推 荐；（2）协助店员了解库存情况、促销活动，提升店员工作效率。 我们认为目前见于商场的智能导购机器人仅为线下智能导购的雏形。

3.3 智能试穿：解决试衣繁琐痛点

相较于过去线上购买服装无法看到上身效果、线下购物试衣繁琐等痛 点，AI 也能通过虚拟试衣解决消费者这一痛点。Walmart 收购 Zeekit 公司，将虚拟试穿功能结合进自身服饰业务。我们体验了这一功能， 通过上传照片或从一系列最能代表自身身高、体型和肤色的模特中进 行选择，就能看到模特上身试穿效果。但这一虚拟试穿功能目前仅能 适用于 Walmart 部分衣服。该项技术也被用于线下试衣魔镜中，消费者站在镜前即可在镜中得到试穿模样。在智能试穿基础上，服装品牌 Levi's 于 23 年开始测试 AI 生成时装模型，旨在用 AI 生成模特来补充 真人模特，增加产品模型的数量和多样性。

4 国际服装公司 AI 应用对国内服装行业的启示

我们从三个维度去考虑 AI 对于服装企业的可能影响，通过借鉴国外服 装企业对于 AI 的应用案例，分析 AI 后续对于国内纺织服装企业的影 响。

4.1 运动服饰品牌：提高品牌声量，在未来竞争中抢占先机

Nike 收购初创技术公司加速数字化转型。Nike 自 2012 年起尝试 DTC （Direct to Consumer）转型，17 年提出 CDO（Consumer Direct Offense， 直击消费者）计划，旨在通过数据驱动内部组织运营来提升资源效率。 公司主要通过收购初创类技术企业将新技术与自身业务进行融合。如 Nike 自 2016 年先后收购了数据分析公司 Zodiac、以色列领先计算机 视觉公司 Invertex、基于 AI 的需求预测和库存管理分析公司 Celect， 以及数据集成平台初创公司 Datalouge，以通过收集用户数据，整合需 求感知、消费者洞察，为客户提供超个性化定制服务和线上线下无缝 购物体验。

Nike 积极践行“将灵感与创新带给世界上每位运动员”的公司使命。 自“元宇宙”概念大火以来，Nike 也成为首批入局“元宇宙”的消费 品公司之一。2021 年 11 月，Nike 通过在线创作游戏平台 Roblox 打造专属元宇宙平台“Nike Land”，用户可通过虚拟化身在该平台开展聊 天、游戏等交互行为。2021 年 12 月，Nike 收购虚拟球鞋公司 RTFKT， 开发出新款 NFT 虚拟运动鞋。

Adidas 通过 NFTs 产品及 AI 生成虚拟头像抢占热点。Adidas 21 年底同 样推出了自身的第一款 NFT 鞋款。此后 22 年 4 月其推出第一个基于 个性化和 AI 生成的虚拟头像平台 Ozworld，传播品牌声量抓住年轻消 费者的同时，也帮助自身推广 OZWEEGO 实体鞋款。

ChatGPT 爆火后，Nike/Adidas AI 设计图出圈。强调概念化的创新设计 对服饰品牌产品形象至关重要，一方面展示和建立更强的品牌力，另 一方面研发一些可以领先行业的尖端产品，在竞争中抢占先机。22 年 末 ChatGPT 爆火后，以 AI 技术打造的虚拟产品系列也在社交媒体广为 流传，其中服饰品牌中以 Nike 和 Adidas 较为出圈。意大利创意团队 RAL7000STUDIO 和品牌打造特别创新企划和实物产品，其基于 AI 技术 打造出 Nike x Jacquemus 联名系列，对于两个品牌特质与风格进行了 巧妙拿捏和融合；同时也推出了 AI 技术打造的 Adidas 系列，围绕针 织工艺和童话世界的主题展开创作，与 Adidas 品牌元素和运动基因完 美结合。

以海外经验借鉴看，国际知名运动品牌 Nike/Adidas 等品牌此前持续投 入数字化转型。我们认为这有几方面的原因：一是有助于提高品牌声 量，概念化的创新设计会在社交媒体上迅速传播；二是可以展示品牌 实力，巩固行业领导者形象；三是为了开发可以领先行业的尖端产品， 在接下来的竞争中抢占先机。另外，国际知名运动品牌也有更强的资 本实力支撑在数字化转型/AI 中的长期投入。而国内头部运动品牌也 在积极拥抱新科技新概念。如安踏在元宇宙概念爆火后，携手百度 AI 数字人，以“重新想象运动”为主题打造出时尚元宇宙的虚拟舞台走 秀；中国李宁将无聊猿与飞盘、摩托等潮流运动元素结合，推出 T 恤、 帽子等印有无聊猿头像的产品系列，强化品牌潮流属性。此外，安踏 体育与李宁积极推进企业数字化转型提升营运效率。建议关注国内头 部运动品牌安踏体育、李宁、特步国际和 361 度。

4.2 快时尚品牌：拥抱 AI 技术成为快时尚行业主动者

快时尚品牌根据当下当下流行款式和元素，以低价、款多、量少为主 要特点，激发消费者的兴趣，最大限度地满足消费者需求，但这也对 快时尚品牌对流行趋势的预测、供应链能力提出较高要求。过往快时 尚品牌一般通过知名时装周、名人穿着、街头服饰等款式来对后续趋 势预测。我们认为随着 AI 技术的逐步应用落地，将库存跟踪与趋势 预测相结合，时尚品牌不仅可以利用过往数据来分析未来走向，还可 以访问即时数据，以便及时规划正确的款式和数量。 以 H&M 为例，其通过分析商品收入、退货评估库存，用 RFID 标签监 控库存；200+的数据科学家通过 AI 算法提前 3-8 月预测趋势；构建自 动化仓库，算法和数据驱动下实现 90%+欧洲市场的次日达；通过算 法实现线下商品推荐，试点 3D 扫描技术实现个性化定制。同时，公司和 Google Cloud 建立战略合作伙伴关系，以实现自身在未来 AI 应用 落地后的技术领先。ZARA 通过在线购买、店内提货（BOPIS）或点击 收集选项等途径，应用 AI 机器人为消费者提供所需的订单。优衣库 2018 年推出了智能购物助手 Uniqlo IQ，打造个性化的用户体验。

Shein 打造“实时时尚”商业模式。Shein 以快时尚产品为核心，紧握 供应链与流量端，打造“产品+流量+供应链”的“实时时尚”商业模 式。不同于传统快时尚行业主要通过店员、买手和设计师拆解时装秀 元素，Shein 主要通过 AI 大数据技术敏捷追踪全球时尚趋势，以数据 支持预测，数据来源主要为（1）通过算法搜索互联网和 Shein 自身数 据，提取时尚趋势信息，包括新上商品的销量、定价、颜色、款式、 面料等数据；（2）Google Trends Finder 工具追踪各国与服装相关关键 词。就结果而言，Shein 的爆款率在 50%左右，高于快时尚龙头 ZARA 的 20%。 依托中国制造与信息互通，打造小单快反模式。Shein 依托高性价比 的中国制造，所有合作工厂都必须使用公司的供应链管理系统，设置 急采发货及时率、备货发货及时率、次品率、上新成功率，并基于大 数据和算法实现供应商的优胜劣汰机制。同时公司构建工厂与消费者 之间的信息互通，使供应商可以即时接受消费者行为调整的订单更新 信息，并发回实时库存和产能数据。基于中国制造和数据胡同，公司 也成功实现了小单快反模式，相较传统同行零售商通常生产数千件商 品，而 Shein 生产运行量低至每个 SKU 100-200 件，成品加工环节中 的交货周期可以压缩至 3-7 天，发货时效低于 40 个小时。

随着 ChatGPT 等人工智能的演进，未来将对以快速反应为核心能力的 快时尚品类产生重要影响。快时尚品牌可以以更少的库存、更快的反 应、更佳的消费者体验，加快企业经营周转效率，抓住市场机遇。我 们梳理了国内部分 AI+纺织服装相关科技公司的融资项目，该类企业 主要以 to B 端为主，项目内容包括 AI 设计、柔性供应、AI 营销等， 客户大多为快时尚品牌/直播电商品牌。我们认为随着该类服装科技企 业的逐步成熟，国内快时尚品牌运用 AI 赋能将值得期待。建议关注国 内时尚休闲龙头公司森马服饰、太平鸟、锦泓集团、朗姿股份、欣贺 股份等。

4.3 零售商：降低营运成本，提升体验消费

对于服装零售商而言，AI 将更快地将服饰推向市场、更有效地销售以 降低成本，并改善客户体验。AI 在服装零售商中的应用还处于早期阶 段，但一些明确案例已经出现，尤其是在线上电商平台中，如 Shopify、 Stitch Fix 等。建议关注国内大型零售商滔博、宝胜国际。

Stitch Fix 基于大数据分析创新服装零售模式。Stitch Fix 是美国一家基 于数据和算法驱动的服装电商零售公司，开创服装行业“盲盒”订阅 模式。与传统电商不同，公司通过收取一定费用，针对用户搭配穿搭， 以邮寄形式送达客户手中；客户收到后可任意试穿，并决定是否购买。 公司业务核心在于数据收集与算法有效性。（1）数据收集：公司将 客户填写的问卷转为数据（可转化为 90-100 个具有统计显著性的数据 点），包含年龄、式样、尺码、裁剪、价格偏好、需求细节等，并观 察消费者复购行为构建庞大面板数据。（2）算法驱动：数据团队依 托大数据与算法，构建出个性化推荐、库存管理、新款式设计等 50 多种算法，精准推荐下近 9 成客户愿意直接反馈，推动数据优化。

编辑：999感冒灵