未来的服装设计师不再是孤军奋战的艺术家，而是拥有AI助手的"时尚先知"，他们能精准预测潮流、高效设计爆款，甚至还能智能调控库存，让每一件衣服都能找到最合适的归宿。这并非科幻，而是知衣科技CEO郑泽宇正在描绘的服装产业新蓝图。
2015年，郑泽宇与谷歌的几位同事共同创立了才云科技（Caicloud），专注于为企业提供人工智能解决方案。在与国内知名MCN机构如涵（Ruhan）的合作中，他敏锐地捕捉到服装行业正在发生的深刻变革。数据分析显示，2016至2017年间，消费者的购买决策发生了重大转变，不再盲目追随传统品牌，而是更加信任KOL和KOC的推荐。这种行业力量结构的转变，蕴藏着巨大的商业机遇。
同时，郑泽宇也注意到，尽管优衣库等服装巨头占据了一定的市场份额，但整个服装行业仍然缺乏真正的垄断者，这意味着巨大的增长潜力。基于此，郑泽宇于2018年创立知衣科技，决心深耕服装行业，挖掘平台型商业机会。
如今，大模型和生成式AI正以前所未有的速度颠覆各行各业，服装行业自然也不例外。Statista的数据显示，全球时尚服饰产业的市场规模预计在2024年将达到7709亿美元，并在2029年之前以8.94%的复合年增长率持续增长。同时，时尚行业也是零售产业中市场占有率最高的行业。
Q：请您先做个自我介绍。
郑泽宇：
我从小就对计算机充满热情，并积极参与各类计算机竞赛，因此高中毕业后我被保送至北京大学计算机专业，之后又在卡内基梅隆大学取得了人工智能硕士学位。毕业后，我先后在微软研究院、谷歌等企业工作，可以说一直都在人工智能领域深耕。
知衣科技这个名字本身就体现了我们的核心理念，即利用科技的力量推动时尚产业的发展。自2018年成立公司以来，"AI如何助力服装产业"一直是我被问及最多的问题。很多人，尤其是服装设计领域的人，认为服装设计是艺术创作而非科技驱动，因此对AI在这个行业的应用感到疑惑。
回顾我的个人经历，我的第一次创业就是在AI领域。早期的业务本质上是为不同的行业提供AI外包服务，帮助他们寻找合适的解决方案。经过多年的探索，我最终选择了进入服装行业，其中一个关键因素是我们意识到，服装设计不仅仅是艺术创作，它本质上也是商品。作为商品，就必须考虑市场需求和消费者偏好，这意味着服装设计可以通过数据分析和市场调研，更精准地把握消费者的需求和市场趋势。
Q：大模型和生成式 AI 跟原来的AI相比，给服装行业带来了哪些新想象？
郑泽宇：
人工智能技术的应用，让许多过去无法实现的任务在今天成为了可能。以下是一些AI在服装行业中发挥作用的例子：
- 更智能的标签体系： 传统的分析方法难以提取某件具有创新设计点的衣服的关键信息。但借助大型模型技术，我们可以更快速地构建灵活的标签体系，从非结构化数据中提取和精炼所需的标签或元素，甚至总结出趋势和洞察。这让服装企业能够更精准地把握市场脉搏，快速响应消费者需求。
- 赋能设计师，提升创意： 过去，设计师只能依靠自己的想象力进行设计。而现在，借助AIGC技术，设计师可以直接实现不同设计元素的自动组合。更重要的是，很多服装设计的细节难以用语言精确描述。如今，借助AI，通过分析设计师的行为、历史数据、定位和个人画像，智能系统能够根据这些信息生成设计元素，并结合当前流行趋势提供素材，从而大幅提升设计效率和创意水平。这相当于为设计师配备了一个24小时在线的"灵感缪斯"，随时提供创意支持。
Q：女装市场通常较为复杂，长尾品牌众多，款式抄袭现象很普遍，退货率也居高不下。AI技术是否可以帮助品牌应对这些挑战？
郑泽宇：
实际上，我们目前能够解决的问题相对有限，主要集中在两个方面：一是品牌由于设计定位不准确而导致的库存积压；二是因市场销售分配不精准而形成的库存。
精准设计，减少库存积压：
服装品牌在实际运营中，经常会遇到一些设计师因未能准确把握设计和目标消费群体定位，导致设计的产品难以销售，最终变成积压库存的问题。借助我们的工具，可以进行对市场的深入分析，这样至少可以帮助他们避免因设计失误而产生的部分库存。这就像给设计师配备了一个"市场雷达"，帮助他们精准定位目标客户，避免闭门造车。
产业链联动，解决库存问题：
另一方面，可以通过产业链的联动来解决库存问题，这涉及更为复杂的操作。简而言之，在我们的平台上，可以知道哪类产品有畅销潜力，这样品牌就可以预先生产少量产品进行小范围市场测试，通过市场验证后，就可以通过快反机制，根据实际消费需求增加生产量。当然，这需要整个服装产业生态系统的协同合作。目前，我们已经与超过1000家服装生态链企业建立了联系，包括面料商、成衣工厂等，以支持企业的快反能力。这相当于建立了一个"智能供应链"，让服装品牌能够根据市场需求灵活调整生产计划，实现零库存或低库存运营。
Q：您觉得生成式AI 对整个服装行业还有哪些重塑呢？
郑泽宇：
在服装领域，人工智能技术的应用极为广泛，应用场景非常丰富。例如，客户可以通过AI技术进行虚拟试衣、提供设计反馈，或者在设计完成后直接在客户端生成文案和多样化的展示图。由于不同客户对展示图的偏好各异，提供多种风格的展示图可以更好地满足他们的个性化需求。
同时，AI技术也被用于提升客服导购的效率和效果。尽管生成式AI的应用场景多样化，但我们更倾向于将AI技术的重点放在生产或设计端。例如，利用AI进行款式生成、智能试衣等，作为设计师的辅助工具，能够为他们提供极大的价值。
Q：您对大模型和生成式技术在你们的产品的应用等层面还有哪些新期待？
郑泽宇：
我对人工智能在设计领域的进一步发展充满期待，希望它能使得产品使用过程更加智能化。目前，我们的工具操作起来很复杂，但设计师往往都是更倾向于直觉和创造性思维的人，他们需要的是提出问题后能迅速得到解决方案。而生成式AI正是能够解决这一需求的技术之一。
如果能够将对话、分析和生成能力集于一体，为设计师提供一套更友好、更直观的解决方案，我相信这将为我们的产品推广开辟全新的视野和机遇。目前我们的头部客户的覆盖率之所以远超尾部客户，部分原因正在于尾部客户缺乏使用这些复杂工具的精力、时间和能力。
Q：您希望未来几年服装产业链还能迎来哪些迭代升级？
郑泽宇：
未来几年，我们希望借助大模型和生成式样技术推动整个产业链的数字化转型。目前，服装产业设计、生产、销售等不同环节的数据往往是孤立和碎片化状态。如果能够通过某种方式，以设计为核心，实现产业链数据的高效整合，我们就能够实现所谓的"保守性开放"。
这种开放意味着，企业在敏感数据信息不被广泛公开的基础上，可以被应用于特定的场景。这种保守性开放与透明计算的理念相似，是我们在未来三到五年内非常期待的发展方向，并且我们也将投入大量的精力和资源来实现这一目标。最终，我们希望能够为设计师提供一个更加便捷、智能的工作环境，同时也为整个产业链的数字化转型贡献力量。
Q：您如何定义知衣科技呢？
郑泽宇：
我们的目标是构建一个完整的产业生态系统，而工具则是支撑这一生态的核心手段。无论我们采用的是人工智能、大数据、云计算，还是未来可能涌现的其他技术，我们的终极目标始终是提升整个产业的效率和健康运作，确保产业链中的每个环节都能获得更好的利润。这才是我们追求的最终优化目标。
从我们自身角度来看，我们首先要成为一家能够盈利的企业，然后在此基础上，逐步去解决更复杂的问题，尽管这个过程很漫长，可能需要10年、20年甚至30年的时间，才能彻底改变一个行业。但这样的机会在百年内可能仅会出现几次。因此，尽管这项任务充满挑战，但一旦成功，将对整个行业发展和我们自己都带来重要意义。