“如果服装行业里数字化企业有500家，达到智能化程度的可能都不超过10%，或者顶多20%，整个行业距离真正的智能化还很远很远。”

“从某种意义上来说，古典AI能力，比如识别、以图搜图等，已成为千千万万公司的一种内化能力。”

不久前，AI新光年与知衣科技创始人兼CEO郑泽宇就“人工智能如何改变服装行业”的话题进行了一次探讨。2024年伊始，这位年轻的AI高级工程师做完了2023年复盘，也做好了新一年的规划。

在进入谈话之前，先来了解下这家公司的故事，以及它所创造出来的产品。

诞生

2015年，国内出现人工智能第一波热潮，原谷歌的高级工程师郑泽宇与谷歌几位同事一起回国创业。他们在杭州创办了一家叫才云科技的AI服务公司，主要业务是搭建AI底层架构，帮助企业和机构实现智能化升级。

但郑泽宇很快就发现，仅仅做AI底层架构是没用的。因为当时的AI普及率太低，各行各业都不知道用AI能干什么，更别提应用起来了。因此，才云科技被迫从底层架构搭建转为给企业提供一些AI解决方案，就像当年AI四小龙一样。

那时候虽然AI技术处于早期，但就在郑泽宇创业的城市，成熟的网红经济已经如火如荼。

就在才云科技成立的第二年，国内最早的网红教父公司如涵电商获得了阿里巴巴的3亿C轮融资，并且登陆新三板。张大奕一人带来的营收占如涵电商总营收一半以上。在一支名为《网红》的纪录片中，张大奕自信地表示，2016年是张大奕时代。

不过如涵电商的老板们并没有被泼天的流量红利冲昏头脑。长时间一线操盘经验让他们意识到，网红电商的核心是零售，零售的核心是供应链管理，如果没有零售的基本盘，网红电商不可能持续，资本也不会买账。

如涵电商的老板们一直在思考，如果没有了大网红，如涵的价值到底在哪里？

最后答案是，如涵的价值在于场景和数据。如果如涵能高效掌握供应链，准确预测消费者的需求，这将成为电商领域最重要的突破。否则，如涵只能徒有其表，为网红流量所绑架。

和红人供应链相比，品牌供应链在性价比和品质上有优势，但速度是致命伤，往往好不容易把爆款生产出来了，市面上早就过气了。传统时尚品牌和ZARA这类快时尚品牌之间，横亘着一条数字供应链的巨大鸿沟。

为了打造柔性供应链，如涵电商投入巨资。好在这时候，如涵电商的老板遇见了正在做AI解决方案的郑泽宇。

当时像安防、能源这样的大AI场景应用机会已经被国内AI四小龙公司瓜分差不多了，郑泽宇如果想继续走AI解决方案的路，就需要寻找其他行业机会。而此时，他已经接触了不少服装商家。

如涵电商与知衣科技早期双方合作的细节此处省略1万字。2018年，知衣科技拿到了如涵电商的天使轮投资，甚至，知衣科技的COO何治，也是前如涵电商及供应链产品负责人。4个月后，知衣科技拿到了来自快手战投以及君联资本的A轮融资。

2020年，郑泽宇参与创办的第一家公司才云科技被字节跳动全资收购，收购完成后，才云科技的团队完整加入字节跳动火山引擎。次年，知衣科技拿到了来自高瓴资本、万物资本等机构的2亿投资，从设计环节切入了服装产业链。从此，知衣科技成为一家推动服装产业数字化的AI公司。

时至今日，在服装电商领域和AI领域，知衣科技和郑泽宇早已是引领性的存在。你很难想象，一个理工男是如何拿下那些走在创意潮流尖端的设计师们的。帮设计师们解决痛点，是郑泽宇切入服装行业的捷径。

切入

当下大部分AI企业都面临一个尴尬境地，有技术，但是没有产品，没有场景，无法落地。所以，AI技术要用在什么场景，解决什么行业问题，很关键。一直在AI技术领域打拼的郑泽宇也花了不少时间才找到答案。

最终，知衣科技选择从设计环节切入服装产业，帮助服装商家做选品分析和规划。为什么会选择设计环节？我们先来达成两个共识。

首先是，创意产业中，真正从无到有的idea创新极少，基本都是微创新。此结论不接受反驳；第二，在杭州一个成熟的女装品牌商家大概需要配备40个左右的设计师。

基于这两点共识我们大概能推测出，服装行业的设计师最大量的日常工作，其实不是我们想象的在图纸上写写画画找灵感，而是从各种渠道找他们认为的新款。当他们看到眼前一亮的设计时，就会保存下来，有人喜欢用手机截图，有人喜欢用花瓣采集收藏，有人直接存购物链接。

有了这两个共识之后，就会发现，设计师们大量的时间都在梳理信息，积累素材。而随着自媒体的发达，他们的选款素材来源，越来越多来自于线上，淘宝店、小红书、抖音、ins等平台。这就给了AI技术得以施展的空间。

通过最新深度学习算法，知衣科技的AI技术在超过 1300 个服装专业标签的识别准确率超过 90% ，接近专业服装设计师的识别能力。

说白了，服装设计师们的日常工作就是通过款式比别人更快地捕捉到潮流。

但有了大量数据之后，数据分析就更重要了，哪些数据是设计师们想要的，哪些是不想要的，设计师们应该怎么用，怎么展现，很重要。也就是说，数据需要帮设计师解决具体的问题，比如跟踪造型款式，以图搜图的搜索，按照品类或者设计元素的聚合等。

找到设计环节痛点后，知衣科技做了第一个产品，Deep Fashion。这个产品本来是2c的，后来下架了，换成了现在的知款。严格意义上来说，Deep Fashion是2P的，就是专门面对设计师人群。

但2P的产品都会面临无法做大的困境。毕竟，全国设计师群体一共200万人左右。“就算日活200万，也不算是一个很大的APP，卖广告不值钱，很难做大，最多变成一个B2B的平台或者是信息黄页，更别说让他去撬动产业调整和升级了。”郑泽宇说。

他意识到，当你用AI产品切入一个职业场景，但又没有切到它核心决策流程或者核心付费场景的话，是走不下去的。随后，知衣科技将deep fashion从免费改为收费产品。

当产品免费的时候，用户并不care你能不能get到他的点，产品很难提升，但是，收费之后，用户就会提出各种改进需求。郑泽宇开玩笑说，我们做了1年的2P产品，可能还不如做2个月的2B产品了解更多，原来是买咖啡求着设计师配合产品调研，后来是，设计师反过来找产品经理帮忙实现他们的需求。

产品

打开知衣科技的官网会看到知衣、知款、抖衣、美念、知小红、海外探款、炼丹炉等产品方向。

其中，知衣是主要针对淘系平台的服装数据库；抖衣是主要针对抖音平台的数据库，而知款，正如前面讲的一样，专门为设计师提供时尚趋势灵感；美念是设计师选品协作平台，可以实现一键给服装打标签，还可以一键图搜和灵感采集、云端讨论协作，满足选品团队从灵感到样衣整个流程环节的需求，帮助团队降本增效。

炼丹炉已经走出服装领域，为全行业消费品提供选品数据；海外探款主要是提供亚马逊、Temu、INS、TioTok等海外平台上的最新服装数据。

在所有的产品功能中，品牌商家一要关注行业风向，二要关注重点竞品动向。

以售价1000-1500价位带的女装连衣裙为例，通过知衣旗下的行业洞察-价格带洞察，品牌方能直观地看到对应品类的线上电商市场销量、销售额与上新数走势，以及相关属性、品牌、颜色与面料占比，至少对目标品类的市场概况做到心里有数。

比如天猫男装的T恤品类，在2023年一季度内的上新颜色趋势中，我们可以看到黑色占比最高，而占比排名第十四位的粉色环比上升增速最高，灰色和红色环比增幅最少。基于该功能的数据分析结果，品牌可以作为品类开发时的辅助依据，避免错过机会点。

如果用户输入时间维度、商品风格或价格带做筛选条件，一键即可查到目标商品、品牌与店铺。

比如当用户选择“2023年第一季度的600-700元价位的天猫女装连衣裙”，按销售额排名便立刻能得到来自ITIB、ONLY、ELLE、MO&CO.、FIVE PLUS等品牌TOP5爆款，以及对应款式的具体销量和销售额。

如果品牌商家想分析竞品，可以选中同类产品，筛选出全网相似价位，相似款式的品牌商家销量情况。

除了分析现有的自身数据以外，在进入一个新渠道/平台前后，品牌商家至少需要用数据来补足运营管理上的认知漏洞，比如确定人群消费偏好、内容营销策略、达人合作筛选、渠道定制款服装，或是上架选品时最基础的数量/价格/SKU等参数决策。

以鞋服行业比较重视的抖音、得物渠道为例。

同为近30天的女装T恤排行榜TOP10，「抖音」上的款式设计点较多，颜色SKU也更多样化，而「得物」上则普遍为黑白灰的LOGO印花图案；又或是同为Adidas品牌官方店，「抖音」渠道的T恤印花图案样式更多，「得物」则多为胸部中间的大LOGO。

为此，知衣还推出了抖衣和得物专区这样的消费洞察产品，品牌商家可以较轻易地发现抖音、得物上消费人群的具体偏好与痛点，并为他们选定更精准的销售赛道。

改变

知衣科技的初衷是用AI改变服装行业，但从公司成立之日到现在，服装行业的数字化程度都很低，更别说智能化。

在郑泽宇看来，用AI改变服装行业，最大的挑战不是设计环节，而是供应链。

“比如你要做能源行业的数字化改造，那你把中石油中石化两家企业上上下下都数字化了，整个产业就数字化了。但服装产业就很分散，头部服装企业占10-15%。”

对于那些重要的头部企业，他们本身单一数字化就很难。比如平台里有面料信息，可有些商家一年只买一次，一年的利润也就几十万，他们很显然不可能再花大几万块钱买平台数据。再到整个行业，面料有几百万商家，辅料有几百万商家，成衣厂有几百万商家，这么分散的布局，完成统一匹配非常难。

郑泽宇说：“我们想去串联产业链上下游。但产业上下游凭什么由你来串联，这个是个极大的挑战。知衣的逻辑就是，选款在我这里。我可以通过对款式的把控，去帮品牌实现更好的销售。你可以把需要的款式下单在我这里，我有了订单，就可以推动后面的转型升级。这个逻辑有点像2B版的SHEIN。”

从2018年诞生到现在6年的时间过去了，服装行业的数字化程度并没有提升很多。按照郑泽宇的评估，如果说2018年数字化程度是3-5%的话，现在也才达到15%-20%这个水平，头部的服装企业可能达到70%-80%。但对于绝大多数服装品牌来说，企业可能连个ERP系统都没有，都是用EXCEL在记账。

【以下为部分对话内容】

AI新光年：你当年创办知衣的时候，国内的人工智能水平和现在相比是不是有很大不同？

郑泽宇：国内的人工智能经历了好几波了。最早2015年，我跟谷歌的几个同事回国创业。那时候算是人工智能创业的第一波，就是AlphaGo的年代。去年的AIGC其实又是一波新的浪潮。从某种意义上来说，古典AI能力，比如识别，搜索已经成为千千万万公司的一种内化能力了。

比如说，最早商汤垄断了国内所有人工智能科学家，别的公司没办法做这件事情。但后面发现，等技术上来之后，不管是海康、大华、阿里等平台型公司，还是新出的独角兽，谁都没办法在AI领域做到垄断。

即便是现在这波人工智能浪潮，距离它真正落地也还有很长的路要走。技术达到什么程度和商家们对AI有怎样的实际诉求，存在一定矛盾，供需不匹配。大家都是拿着技术的锤子去找各种不同应用的钉子。随着双方的努力，未来一定会匹配。所以，这是一个新AI时代的开始，大家又来新一轮跑马圈地。

AI新光年：你们做的最早的产品是Deep Fashion，后来这个产品变成了现在的知款。这算是你们早期的试错么？

郑泽宇：算是吧。其实国内SAAS软件切交易其实都是有难度的。为什么？因为你管理的只是它的流程，并不影响它的决策。为什么要让流程工具去承担决策的付费呢？毕竟流程管理价值不高，但决策很有价值。

而我们后来的知款就刚好反过来。我们影响的就是决策，告诉商家未来可能会爆的是什么款式，我来帮你完成决策。我并不是因为你流程在我平台上走，所以，你要给我下单，而是我通过大数据预知性判断，消费者可能喜欢什么，先把这个东西做出来。这种交易形式类似于ODM，相当于我们用了一个很传统，且他们能接受的商业模式，实现了从软件切交易。

AI新光年：你们第一批客户是怎么谈下来的？

郑泽宇：第一批客户其实都不是我们身边认识的关系或者熟人，而是陌生人。在杭州，营商环境比较开放。最初我们就是以扫楼的方式进行地推。2019年，绝大多数品牌还没办法接受一些数字化的思维和概念，我们做了大量的讲解工作。从2021年开始，才有品牌陆陆续续主动找过来尝试我们的产品。现在我们已经能覆盖了国内80%以上的头部服装公司。

AI新光年：你们通过智能化技术拿到了很多平台的爆款数据，但这些数据都是已经发生，或者正在发生的。这些过时的爆款数据怎么能指导开发新的爆品？

郑泽宇：这个问题看上去很有道理。但随着现在供应链反应的加速，我们很难说那些数据已经过时了。

以前，服装潮流是有一条完整传播链条的，从巴黎到美国，再到深圳，再到国内其他一线城市，然后是二线城市。这一圈下来，大概需要半年到一年的时间。当你发现一个款式很流行的时候，它可能在其他地方已经流行七八个月了。

但现在供应链的快反能力已经能做到2-3天，最多也就3-5天，欧美的流行款式就能上新，哪怕秋冬款只要15-25天也能做出来。这时候，就不需要预测那么久的流行趋势，及时反馈当下发生的流行趋势变得很重要。

AI新光年：你衡量一个服装企业是否数字化的标准是，至少有一个ERP系统？

郑泽宇：如果仅仅有一个ERP系统的话，可能30-40%的服装公司都有。如果按照设计、生产、销售每个环节都能端到端数字化，所有数据都是可追溯的，这样的企业屈指可数。

AI新光年：你们深度服务的客户比如贵人鸟、UR等，除了数据方面的会员服务以外，还有一些定制化的智能服务么？

郑泽宇：有，但不多，我们更多还是给他们提供一些相应的数字化能力，比如，识别的API、数据的API。这些大客户的数字化程度基本都能达到80%甚至是90%了。有了大量数据之后，才能可能实现智能化，在智能化的基础上，才需要更多的数据化和模型化的能力。这时候，我们就为他们提供原材料数据等。

这些客户的智能化体现在各个环节，目前生产环节智能化程度低，但设计选和营销方面，都已经实现了智能化。

AI新光年：像智能图像识别、数据挖掘、智能推荐国内其他AI技术公司也有这些能力，你们跟其他AI公司的区别在哪里？

郑泽宇：核心区别就在于，对于其他家AI公司来说，服务服装商家等于接了一个定制化外包的项目，而我们本身就是附着在自己saas产品上的。

从底层技术上来看，我们和其他AI公司没啥区别，都是使用深度学习技术，但我们在这个行业积累了多年经验和数据，我们的模型，更了解服装行业的特性。不过，我们在投入上一定会更多，而且，我们的投入会因为有产品的存在而分摊成本。

比如，服装商家一个100万的项目，其他AI公司是当成项目去做的，顶多投入80万，自己赚20万。而我们接这个100万的项目，其实是卖产品，可能前期已经投入了1000万。

AI新光年：听说你们团队既有做技术的，还有做服装设计的，团队管理应该还挺不容易的吧？能不能举个例子？

郑泽宇：很多。你问设计师想要什么，设计师告诉你说，我想要爆款。然后呢？你怎么交流？技术人员跟设计师说，你给我提点需求，设计师说，我不知道什么叫提需求，就是找爆款，那你就聊不下去了。

设计师经常会告诉你，你的图片不够新，技术说，这个图片是昨天上传的，两个小时前上传的，为什么不够新？设计师说，就是不够新。这个对话又死了。什么是新？大家的汉语沟通完全不在一套体系之下。

AI新光年：你对2023年有哪些复盘？

郑泽宇：2023年的核心还是行业更加内卷。外贸不太好之后，也开始卷内贸，而内贸本来就很卷，现在就变得更卷。要满足不同维度的诉求，对我们挑战还挺大的，包括我们现在要做出海品牌和跨境品牌。在产品创新过程中，我们还是做了一些失败的项目和产品，我们发现也不能直接照搬过去的成功经验，产业的现状或者是发展方向，有时候不是靠资本的力量或者是靠当下的力量，快速改变的，还是要顺从当下时代，大家的认知节奏。

 AI新光年：你们2024年有什么规划？

郑泽宇：我们每年的战略规划都一致，朝着三个纵深发展。

第一是产业纵深，朝着服装产业做更深的整合，包括服装供应链的整合、流程管理的工具、KA或者是数字化的服务，在产业维度做得更深。

第二，在品类上扩得更深。就是在服装类目上扩到全品类，甚至去服务部分咨询和投资。一些证券机构也需要我们的数据来完成投资判断和行业分析；第三，就是跨境与出海。

AI新光年：你们扩展全类目的边界在哪里？

郑泽宇：优先是鞋帽、箱包跟服装相近的品类扩展。其实像食品看起来跟服装行业没多大关系，但是背后开拓新产品，想打爆品的逻辑是一样的。

就算是知名大品牌也想要不断推出新品，比如，元气森林，它也在不断推新的爆款单品。所以，知衣科技看起来是做了服装方面的事情，但对于所有行业来说，电商时代，如何选品，如何推爆款，如何做智能化营销，背后的路径都可以复用。

文章来自于微信公众号 “AI新光年”，作者 “达哥”