AI设计的衣服现身T台，时尚设计师还能保住饭碗吗？

AI设计的衣服现身T台，时尚设计师还能保住饭碗吗？

你能分辨出下面哪套服装是由AI参与设计的吗？

在近期的伦敦时装周上，Christopher Kane 2023秋冬系列利用AI创作出了几件连衣裙上的动物印花图案，正是右图中所显示的图案。虽然这不算太复杂的设计，但当下AI在服装设计领域的渗透可见一斑。

ChatGPT的横空出世让普罗大众对于AI发展至今的能力有了新的认知。通过一个简洁的聊天式对话框，它可以根据指令生成贴合人类逻辑思维的回答，并可不断调校答案。

事实上，通用大模型之外，不少公司正致力于垂直领域的终端AI应用，从细分领域着手利用AIGC提升生产力。

比如，放在设计领域，AI可以以人类设计师无法企及的速度完成手头一张设计稿。由文本生成图像的Midjourney、Stable Diffusion等国外AI绘图平台就是可以实现这样目的的AI应用，与ChatGPT同期爆火。用户可以通过输入场景的文字描述、艺术家风格等关键字来生成画作，在艺术和设计界掀起巨浪。

中国亦有小试牛刀的案例。2023年秋冬上海时装周，两位中国独立设计师时装品牌SHUTING QIU、Shie Lyu悉麓和国内AI生成艺术平台Tiamat旗下艺术厂牌Take Five进行合作，由后者协助创造了其新系列中的印花和秀场布置。

成立于2021年，Tiamat是中国首批AI文本生成图像平台之一，并已经尝试商业化落地。基于其自研的MorpherVLM模型，在2022年3月上线后的不到半年内，Tiamat迅速发展出国内首家AI生成创意社区。为了进一步落地AI生成工具在艺术领域的应用落地，Tiamat成立了Take Five品牌，由Tiamat为Take Five提供深度技术支持。

某种程度上，这些仍是在图形创意层面的合作，并未触及完整的服装设计流程。张绾洛表示，经过上海时装周期间的初步接触，他们已经和几个设计师品牌达成深入合作，正在从服装全系列设计的角度切入。

这意味着AI虽然能简化一部分的创作流程，尤其是在前期创意设想上为设计师节约一定的时间和脑力消耗，但要让平面设计成为真正能上身的服装仍然需要设计师的二次创作。毕竟，从草稿图到可以真人上身的样衣需要在细节上进行反复修改。

值得提到的是，在AI大模型工具引发关注之前，时尚行业已经出现了不少以新技术驱动的产业链条改革。而且行业内不只一次出现新技术替代老供应链角色的讨论。

与之对应，一些具备颠覆者潜力的工具也在得到资本青睐。Tiamat、Fabrie、Style 3D等设计软件均在过去一年间获得融资。

Fabrie是2021年成立的设计协作平台，面向产品、设计和创意团队提供设计协同办公服务，具有多人协作、无界白板，数据表格、云端存储及分享等功能。Fabrie创始人陈达博告诉界面时尚，Fabrie本身在设计师整理素材和内部协作的业务之外，近期还上线了Fabrie Write与Fabrie Imagine两个AI辅助插件。

独立设计师品牌Poppy Wang创始人王苗子是第一批吃螃蟹的人之一。从2023年开始，她的团队已经开始系统性运用Fabrie、Style 3D、Midjourney等服装设计相关的科技软件。至少在打版之前，她的工作流程已经发生不小的转变。

Style 3D提供自主仿真引擎的底层技术服务及产业链级工业软件，包括3D设计一体化协同平台。在Style 3D于2015年成立之前，创始人兼CEO刘郴曾创立过自己的服装品牌，在服装行业有20多年的从业经验。目前，爱慕、波司登、歌力思等大型服饰企业是Style 3D主要客户。

据他介绍，Style 3D使得服装设计师得以制作数字样衣，减少了实体样衣打版造成的物料和沟通成本，并在整体上提升30%的效率。

除了数字样衣之外，Style 3D也正在和阿里达摩院合作研究，探索XR服饰店铺、服饰品牌虚拟空间等场景的应用，从产业链上下游各环节提供技术服务。

刘郴也注意到了AIGC热潮在服装行业内引发的反响。Style 3D近期基于行业数据和产业需求打造了Style 3D AI产业模型，研发上线了一系列AIGC功能，包括AI款式分析、AI生成图案、AI生成版片、AI生成材质以及快速生成电商上新图等。

但在刘郴看来，AIGC在设计端带来的风格化创意内容生成确实可以替代一些前期的素材收集或拍摄，而这对于整个产业链效率的提升可能有限。

他表示，即使AI能在瞬息之间生成千张服装设计图，最终判断挑选何种款式适合上架仍将由人来决定。

《棉花帝国》一书中曾叙述，在珍妮纺纱机最初出现时，它以机械化的方式代替了人工纺纱的过程，大大提高了纺织品的生产效率和质量，但很多手工纺织工担心因此失业。出于惧怕乱民的暴力，发明者哈格里弗斯离开了创造珍妮纺织机时所在的地区，直至去世也未从中获取财富。

回首看来，珍妮纺织机仍然成为了纺织产业工业化进程的重大推手。纺织劳动力需求也并未因此减少，由于机器化的生产方式，纺织厂需要大批的工人来操作机器。这间接导致了城市的人口快速增长，并推动了城市工业化的进程。

技术变革传导到生产方式变革需要时间，在此期间也易于产生混乱，但如同宇宙大爆炸，从混沌中可能会生成意想不到的美丽新世界。面对AI这样颠覆性新技术的出现，无论回避或者拥抱都是一种自然选择。

在对于AI创作质疑的讨论中，同质化审美问题一度占据高位。

对此陈达博表示，从服装设计角度来看，AI让抄款变得更快更好的可能性确实存在，但技术只是工具，工具使用者意图好坏的两面性是一个老生常谈的问题。但规模化的公司会从更积极的角度来看待这个问题，训练独立的风格化模型意味着培养了一个即了解品牌过往风格又能融会贯通新事物的设计师。

刘郴则认为，复刻并不是需要过于担心的问题，AI涌现的根本是随机性，它经过算法后创造的款式是千人千面的。目前全世界范围内没有好的方式定义其知识产权，但这只是早晚的事。

虽然可以预见AI可以为设计师提供有效的创意助力，但Tiamat在推广模型产品时并非一帆风顺。

模型训练的时间在一到两周，但要设计师真正理解AI的能力，并将其完全融入工作流程可能需要半年或者一年。在此期间，对于经验老道又十分忙碌的设计师而言，熟悉且可控的亲手画图流程很容易占据上风，仍需调教的AI难当助手。

但这也不全然是设计师接受度的问题，AIGC仍是一项新兴技术，行业内尚未形成一套成体系或者系统性成熟的产品，所有参与者都在自发摸索。

当前，Tiamat将AI运用于服装设计时面临的首要技术难点是，模型无法一步达到设计师的预期，当中需要根据阶段性结果与设计师不断沟通，再通过不断调整参数来达到最终的结果。其中仍涉及相当频繁的人工干预，以一整套服装为例，要教AI判断袖口松紧、肩头长短等样式的定义，需要打30到50个标签。

另一方面，许沐翰表示，如何用像ChatGPT一样简洁明了的交互界面来打动使用者是他们仍在探索的问题。传统专业软件繁琐的工具栏往往会让普通用户丧失兴趣深入了解软件超九成的功能。如何用更好的人机交互模式在未来完成图像、文本、音乐、视频等多形式创作是一大技术挑战。

Fabrie一直在收集用户反馈的同时不断进行产品迭代。3月底内测开始后的三个月内，Fabrie AI的使用人数已经破万人，服装设计师占其中近20%。这意味着其AI设计助手除服装外还需满足更多元化的需求。

在陈达博看来，Fabrie AI持续面临的挑战是如何让AI新技术与设计常规工作流程的融合更为顺利。随着AI技术不断快速进化，设计团队的工作流程也需要相应调整才能充分响应这一变化，而更贴合需求的AI应用才能更快打开市场。

所有的AI产品都在和时间赛跑。大型互联网公司在数据和算力上有先发优势，他们也在探索AI的细分应用场景。目前细分赛道内的机会还足够多，但谁也不能确定自己会留下成为占山为王的那一个。