從維多利亞時代的繁復華麗，到工業時代的舒適簡潔，再到當下的兼容并包…怎么用只有0和1的機器語言來描繪這個流光溢彩、瞬息萬變的時尚世界？過去四年里，這個問題的答案在武彬腦海中逐漸有了清晰的輪廓。

在AI 賦能百業的時代，光鮮亮麗的時尚行業卻有一片很大的未被開墾的處女地。

成為數字化升級的“漏網之魚”其實并不意外，與絕大部分 AI 熱門賽道本質的不同是：時尚的判斷主觀又多變。就像口紅，楓葉紅、臟土橘、姨媽色…一些人眼中千差萬別的色號，在另一群人眼中，可能不過是深淺不一的紅，況且誰又能用理性的標準來界定其中的區別呢？人理解起來都難，更何況機器。

見仁見智曾是時尚的魅力，但進入數字時代，這卻成為困住行業發展的瓶頸。

豐富的材料、便捷的購物，以及高漲的個性化需求，讓時尚進入大爆發，不過與此同時，整個產業鏈效率卻沒有本質的提升，一件衣服從PPT變成SKU，背后所需的人力和時間成本甚至可能不減反增。以選品環節為例，圖片為載體的流轉方式下，品牌要從工廠提供的上千張圖片中找出一件紅色連衣裙，都需要耗費幾個小時的時間。

這個矛盾反映在結果上，就是時尚行業的低人效與高成本。公開數據顯示，服裝行業人力往往占到了成本結構的 90% 以上。

如今，疫情的困境讓產業轉型再次成為焦點，如何將流轉方式數字化，把時尚行業從“紙上”移到電腦里，讓它從人力密集轉向更自動化的管理？如何用技術打通整條生產鏈路，從根本上提升效率？

時尚行業需要更具效率的手段，AI 已是公認的答案，但在極睿科技創始人、CEO 武彬看來，AI 賦能時尚的背后，還存在更深層的矛盾。

一、時尚緣何成為數據荒漠

“如果把各行業比作手機系統，那服裝行業還停留在諾基亞的階段。”

在對行業的觀察方面，武彬有很強的發言權。由于家里經營服裝生意，他從小在工廠長大，對服裝生產的各個環節都了如指掌。大學離家后，他考入清華學習計算機，并一路念到了人工智能方向的研究生。

極睿科技創始人兼CEO? 武彬

武彬的成長過程正好親歷了中國時尚行業的爆發，服裝零售額從21世紀初剛破千億飆漲至如今近兩萬億元，每年生產服裝百億件，即將超越美國成為全球第一大服裝市場。但每每回到工廠，他卻發現，除了機械化有所提升外，這里的管理方式還停留在十幾年前，串聯起整個產業鏈條，還要靠一張張圖片。

傳統問題沒有改善，又添了新煩惱。電商平臺興起，使消費者擺脫了購置商品的時空限制，但卻增加了服裝品牌的運營成本，一個產品需在十幾個電商平臺輪流上新，武彬觀察到，百人電商團隊中負責做頁面的往往就占到三四十人。

人工智能概念的風口期，行業內一度興起的解決方案叫做美工機器人，上傳素材包到系統后臺，AI 自動完成詳情頁排版、切割、上架和分發，能將上新耗時從幾小時壓縮到 3 分鐘。賽道最火熱時，這里除了迎來阿里“魯班”、京東“莎士比亞”等巨頭，也跑出了諸如深繪智能等成熟的創業公司。

美工機器人成為服裝企業的標配，但在武彬看來，它只能解決浮在海面上最小的一部分問題，真正對行業構成最大挑戰的系統困境其實隱藏在海面之下。這座冰山叫做數據孤島。

傳統服裝品牌的生產銷售流程是這樣的：企劃確定生產方向給到設計師，設計師設計手稿并確定打版原材料，與生產部門幾次溝通之后確定最終 SKU，最后再交給營銷部門進行市場推廣。最終 C 端客戶的購買行為則發生在線上或線下店鋪里，由客服和銷售來推動。

一件衣服從構想到售出要經手5-6個團隊，卻留不下任何結構化數據，在智能化生產的今天，這點不可思議。

為什么會發生這種情況？“服裝生產高度依賴于圖片，”流程中間流轉的素材，包括手稿、線稿、靈感、板房到 CAD、直至最終售賣的 SKU，基本是一張一張的圖片。”而圖片就意味著主觀、感性、非標準化。你可以用“256G、白色、iPhone 12 Pro Max”這樣的標準參數來定義你的手機，卻很難用簡單幾個維度來形容你的外套，這點從淘寶上冗長拗口的寶貝名稱就能看出。

更何況認知體系、知識體系存在差異。比如服裝的顏色屬性，就有計算機的顏色空間（RGB）、潘通色卡、服裝營銷色彩等不同知識體系。服裝版型知識更浩如煙海，設計師會在精心區分平駁領、戧駁領、青果領等等十幾種領型的細微差異，但這些劃分很難被消費者理解——看起來都是西裝領。

種種問題投射到一起，就造成了數據的缺失與割裂，AI 即便想要介入賦能行業，也缺乏生長的土壤。

二、打造時尚的“巴別塔”

帶著變革行業的決心，一畢業，武彬就創立了極睿科技，核心成員在人工智能領域的杰出學術背景和實踐讓他們迅速吸引到資本的關注，并成功獲得來自金沙江創投、MFund魔量資本、紅杉資本中國的融資。

想要讓 AI 在時尚行業生根發芽，就要想辦法讓數據流轉起來，當務之急就是降低人與人、部門與部門之間的協作阻力。而要實現這一點，信息就不能頻繁在不同載體中來回切換，它需要一套統一的語言系統。

極睿開始嘗試打造服裝行業“巴別塔”。

它的策略是建立一套包含幾十個維度、近千標簽的“詞庫”。機器視覺技術加持下，系統能識別出衣服的風格、品類、版型、元素、顏色、材質、領口等數據，隨后從“詞庫”中選出匹配的屬性，自動打標。多重標簽疊加，就構成一套標準化、客觀化的描述。

Auto-tagging 的能力需要建立在強大的機器視覺能力之上，在一些人看來，近年來諸如谷歌 AutoML 等通用引擎誕生拉低了算法的門檻，也弱化了識別技術的護城河效應，但武彬看來，服裝識別的復雜程度遠超想象。

柔性化是服裝區別于人臉識別、自動駕駛的特征之一。人臉有 100—200 個關鍵點，自動駕駛標注的對象雖然多，但基本上沒有太大的形變，但服裝不一樣，一件白色碎花連衣裙，平鋪、掛起來和穿在模特身上是完全不同的形狀；模特拍照 pose 可能遮擋住領口、裙擺等關鍵細節；強光拍攝下紋理信息容易丟失，而暗光、陰影可能會影響對顏色的判斷，這些細小變量疊加，會讓一件衣服呈現無數的效果，種種因素，使得 AI 識別難度陡增。

此外，零售是動態化的行業，每個品牌每季度更新成百上千 SKU 是常態，新的屬性日新月異，包括千奇百怪的顏色、新奇的設計廓形，AI 能力和知識體系也要源源不斷更新。

雖然很難，但武彬認定這件事必須要做，“我們始終認為在服裝領域，自動化打標的能力是最最重要的能力，具備了這個能力，才存在建立底層數字化的可能性。“

算法進化需要海量訓練和持續高頻的迭代，這個過程沒有捷徑可走，公司成立前兩年，幾乎一心撲在算法研究上，建立團隊做數據標注清洗，并聯合北京服裝學院制定標準。好在結果還不錯，基于團隊自研深度學習網絡 ApparelNet 的 AI 引擎，在服飾商品識別與屬性標簽識別中準確率分別達到 99.53% 與 97.89%。

三、不止有新一代美工機器人

后來產品化的順利推進也印證了武彬對于行業痛點的判斷。

2018 年，極睿將識別能力打包成了 AIFashion 開放平臺，之后先是向下游電商場景延伸，推出了服飾電商一站式智能平臺 ECPro 易尚貨，ECPro易尚貨是針對服裝電商企業和個人提供快速生成詳情頁和上貨服務的 SAAS 系統。依托自身圖像識別技術，ECPro 易尚通能更多、更準地識別商品屬性，進行文案生成、切圖、排版等工作，突出商品對于用戶的實用價值，大幅提升商品轉化率。跟傳統相比，電商賣家需要雇傭編輯、美工、運營、設計等人員來上架貨品，至少需要3至5個人、工作3小時來完成；現在只需要1個人，最快30-60秒時間，就能完成商品一鍵上架流程，對大客戶而言，能夠顯著降低成本；對中小客戶來說，員工自身能力有限，ECPro易尚通能提供更好的效果。”目前，易尚貨是業界唯一可以實現利用人工智能自動回填商品屬性的產品，在效率的提升上有著絕對的領先優勢。

不過，極睿并沒有把自己局限在對單點賦能上，它所構想的更像是成為一個服裝行業的底層操作系統，用數據消弭主觀因素導致的分歧，讓千店萬廠都在上面流暢地跑起來。

“就純 AI + 時尚這個領域，玩家其實還是比較少的，整個行業的競爭還不是特別激烈”，武彬對《創造一下》表示。究其原因，服裝識別的技術門檻首先就幫市場篩選掉了一批玩家，而另外一些把 AI 視作“萬金油”的企業，可能還沒摸透市場，就已煙消云散，成為風口中的泡沫。

同時，在這個中小企業占據主導的市場里，大象也難有起舞空間，京東阿里受制于自身 B2C 平臺的屬性，無法成為公立的第三方，對上游賦能的能力相對較弱。

在 AI 產業幾經大浪淘沙的今天，時尚是為數不多仍留有巨大想象力的市場。衣食住行，民生四大領域，服裝占據 2.8 萬億的市場規模，容得下足夠多的想象與“野心”。

在這里，產業升級還有很長的路要走，好在數據化的能力已扎根，只待 AI 釋放潛能。