AI风又吹到万亿服装产业，带来噱头还是变革？

自2023年以来，我国服装消费虽然呈现恢复态势，但是回暖速度远弱于消费大盘。限额以上服装鞋帽针纺类1-7月零售额同比2021年仅增长1.3%，而社零总额同比增长7.1%。

现阶段，服装行业上下游各企业均面临着企业效益下降、消费者需求波动等一系列因素带来的挑战，加快供应链数字化从而提升企业平稳运营能力已成为行业共识。第一新声数据显示，超7成传统服装企业正通过新技术赋能企业数字化转型。

就在这种趋势下，今年爆火的AIGC技术对供应链数字化进一步催化，从生成设计图到赋能生产制造，AIGC以不可阻挡的势头渗透到供应链环节中。然而，对于已经经历多轮AI技术洗礼的供应链，本次AI技术能否引起行业变革?随着技术发展，供应链服务商们又呈现怎样的竞争格局?CBNData通过整理数据与观点尝试对此进行解答。

定制化需求高涨

服装企业挑战愈发严峻

我国是服装消费大国，消费者对服装的大量消费需求使得服装行业拥有庞大的市场规模。近几年来，服装、鞋帽、针纺织品类每年社消零售额始终超万亿元并且零售额仅次于汽车、石油及制品和粮油食品三个品类。此外，随着渠道端的变化与消费方式的转变，服装鞋帽针纺织品也成为最热门的线上消费品类。商务部大数据显示，服装鞋帽针纺织品在2020-2022年在全国网络零售额占比都超过20%，始终保持在占比最高的消费品类的位置。

然而，在庞大的消费规模下，整个服装市场已进入存量竞争阶段，尤其自疫情以来，由于外部多种不确定因素的叠加，竞争尤为激烈。根据国家统计局数据，2019年服装鞋帽针纺织品零售额同比增速仅有2.9%，并且自2020年以来，服装鞋帽针纺织品成为受到疫情波及最严重的品类并且恢复远不及预期。

除此之外，疫情结束后，受需求端不景气的影响，服装企业运行承压，盈利难度大、库存积压等一系列亟待解决的问题变得愈发突出。国家统计局数据显示，今年每月行业规模以上企业亏损面在30%左右，每月亏损企业占比均高于去年同月。经营利润率方面，2023年规模以上企业的每月经营利润率都低于去年同期，并且2月-5月营业利润率不足4%。

库存方面，绝大多数企业面临存货积压、存货周转速度慢的情况。根据各公司公告，相较于2021年同期，除报喜鸟和比音勒芬外，其他企业今年二季度的库存周转天数均有不同程度地延长，其中森马服饰更是增加了76.36天。

与此同时，消费终端需求趋势多变，对产需协同程度提出了更高要求。随着Z世代近年来登上消费舞台，越来越成熟的消费者开始关注自身，大众对于定制化服饰需求水涨船高。麦肯锡调研结果显示，我国超5成Z世代消费者偏好个性化产品与定制服务。

在未来，独特的产品和服务或成为Z世代消费者的主流，就需要服装企业更高效地收集消费者需求、更敏捷地制造个性化产品，这无疑对品类多深度大、时尚更迭迅速的服装市场加大了挑战。

人工智能赋能细分环节

数据打通成供应链变革核心问题

面对重重关卡，如何利用使用技术力量实现服装供应链迭代成为行业最迫切的需求。“不管是服装行业，还是其他行业，确实要充分认识到发展数字化的迫切性”中国物流与采购联合会副会长蔡进在2023服装物流与供应链行业年会上致辞。

在我国，供应链数字化进程先后经历了前端信息化、客户数字化，现已来到广义供应SaaS阶段，如何打通系统，整合供应链资源，实现协同管理成为服装企业需要讨论的命题。“为保障产品在终端的竞争优势，公司致力于供应链的资源整合，积极输出管理、培育和扶持优质供应商，协同参与供应商的信息化建设、产品研发、面辅料采购、产品生产、质量管控、成本核价、供应商评价等各个环节，做到了全流程的把控”海澜之家在2022年年报中提到。

在供应链数字化转型的过程中，人工智能技术的发展也起到一定驱动的作用。如今，机器学习、决策支持系统、专家系统等相应的人工智能分支技术已借转型之机深入供应链的细分环节，并且随着人工智能技术几经迭代也为服装供应链的“优化”提供了更优解。据亿邦动力报道，此前的服装AI均基于一种通过两个神经网络相互博弈的方式进行学习的生成模型——生成对抗网络（GAN），但是该模型具有可控性较差、多停留在理论层面等特点。如今AIGC的落地，其背后的Diffusion模型的优势凸显——只需要训练生成模型就可以实现更好的训练稳定性。参与全国首批数字时尚领域国家标准制定企业凌迪科技的首席科学家王华民对亿邦动力表示，“Diffusion比GAN更容易训练，同时将可控性整体上了一个台阶，训练效果也有了很大提升。”

然而，人工智能技术也仅仅对服装供应链的细分环节进行了改造，例如今年爆火的GPT就是主要在企划、设计和零售环节有赋能企业提速的作用。在企划环节，利用数据进行规律性、针对性预测，提高服装设计爆款率;在设计环节，利用图像生成工具辅助效果预判，助力设计落地;在零售环节，利用文案生成工具和智能导购提高运营效率与用户体验。

对于多品类的服装供应链整体来说，实现在流程上各环节智能化协同仍有很多问题需要解决。凌迪科技合伙人陈梦婕在播客《扩博智聊》中提到“在服装的链路上，当前AI在每一个细分环节可能都有发挥作用的空间，但是如何把整个链路串起来，这件事情还是非常有挑战的”。

要引起整个供应链变革，什么是当前的瓶颈?多家服务商认为数据打通是当前最为核心的问题。服装供应链条冗长，参与者众多，数据往往分散在的企划、设计、生产和流转等众多过程中的细碎分解环节里，并且由于参与者以管理方式较为落后的中小企业为主，受到不同动力和能力的影响，数据也很难从中小企业中获得。在接受亿邦动力采访时，2021年杭州市准独角兽企业知衣科技创始人兼CEO郑泽宇认为，服装行业的数据极度分散，掌握在不同参与者手上，几乎不共享也不传递。陈梦婕在《扩博智聊》中也同样表示，现在细分环节数据的结构化程度非常低，如果在淘宝收集布料、辅料、工艺等关键标注的话，会发现这些数据并非原始的、真实数据。

赛马阶段竞争激烈

拥有数据先发优势的企业

更有可能成为头部玩家

近期服装产业链智能化的相关动作频频出现，服务商开启新一轮在人工智能领域的角力，希望借此次机会引导产业变革。西湖心辰与知衣科技联合推出了一款面向服装设计行业的AI大模型“Fashion Diffusion”;凌迪科技发布Style3D AI产业模型;深图智能科技发布服装行业垂直领域专精大模型“匠衣深造”。

在目前服装供应链中，各环节均有使用人工智能赋能的服务商，其中既有像致景科技、妙优科技、凌迪科技等服务商主要在某一服务环节深耕，还有得体科技、知衣科技、酷特智能等企业提供一站式柔性供应链管理服务平台，利用数字化协作，从设计、打版、采购、生产、交付等一系列环节赋能，从而提高供应链整体运行效率。

那么，在众多服装供应链AI服务商中，是否有领导者企业产生?这个答案恐怕是否定的。“服装行业还没有一个用人工智能改变行业的角色”郑泽宇对数字经济发布说到。作为传统制造业，服装行业信息化与数字化水平较低，有大量的工作需要服务商们从0到1开始做起，这无疑是个非常艰辛的过程。

不过值得一提的是，拥有数据先发优势的企业更有可能成为行业龙头。众所周知，算力、算法、数据是人工智能三大要素。算力方面，虽然国内尚处于GPU受限的情况，但是服务商多在应用与模型上发力，算力并非服务商争抢的核心资源;算法方面，90%人工智能算法属于开源项目，复制成本低，对于服务商来说，算法很难成为自身壁垒;数据方面，数据的飞轮效应显著，高效准确地获取数据可以训练更专业的模型，从而可以吸引更多的客户资源。此外，数据竞争存在先发优势，占据特定的应用场景，更早地获取数据的服务商才能构建牢固的“护城河”。

永远变化的消费者需求仍会倒逼上游产业链，台前的效率战与规模战仍在继续。如何帮助服装企业解决台后的产能问题?利用AI技术串联各环节似乎是供应链服务商们提供给服装企业的未来解决方案。随着这个解决方案真正落地时，数据在各环节中实现流转，人人穿“高定”的时代应该也就到来了。