对话极睿科技创始人: AI重构服装行业, 这家公司如何掘金万亿市场?

从维多利亚时代的繁复华丽,到工业时代的舒适简洁,再到当下的兼容并包…怎么用只有0和1的机器语言来描绘这个流光溢彩、瞬息万变的时尚世界?过去四年里,这个问题的答案在武彬脑海中逐渐有了清晰的轮廓。

在AI 赋能百业的时代,光鲜亮丽的时尚行业却有一片很大的未被开垦的处女地。

成为数字化升级的“漏网之鱼”其实并不意外,与绝大部分 AI 热门赛道本质的不同是:时尚的判断主观又多变。就像口红,枫叶红、脏土橘、姨妈色…一些人眼中千差万别的色号,在另一群人眼中,可能不过是深浅不一的红,况且谁又能用理性的标准来界定其中的区别呢?人理解起来都难,更何况机器。

见仁见智曾是时尚的魅力,但进入数字时代,这却成为困住行业发展的瓶颈。

丰富的材料、便捷的购物,以及高涨的个性化需求,让时尚进入大爆发,不过与此同时,整个产业链效率却没有本质的提升,一件衣服从PPT变成SKU,背后所需的人力和时间成本甚至可能不减反增。以选品环节为例,图片为载体的流转方式下,品牌要从工厂提供的上千张图片中找出一件红色连衣裙,都需要耗费几个小时的时间。

这个矛盾反映在结果上,就是时尚行业的低人效与高成本。公开数据显示,服装行业人力往往占到了成本结构的 90% 以上。

如今,疫情的困境让产业转型再次成为焦点,如何将流转方式数字化,把时尚行业从“纸上”移到电脑里,让它从人力密集转向更自动化的管理?如何用技术打通整条生产链路,从根本上提升效率?

时尚行业需要更具效率的手段,AI 已是公认的答案,但在极睿科技创始人、CEO 武彬看来,AI 赋能时尚的背后,还存在更深层的矛盾。

1、时尚缘何成为数字荒漠?

“如果把各行业比作手机系统,那服装行业还停留在诺基亚的阶段。”

在对行业的观察方面,武彬有很强的发言权。由于家里经营服装生意,他从小在工厂长大,对服装生产的各个环节都了如指掌。大学离家后,他考入清华学习计算机,并一路念到了人工智能方向的研究生。

极睿科技创始人、CEO 武彬

武彬的成长过程正好亲历了中国时尚行业的爆发,服装零售额从21世纪初刚破千亿飙涨至如今近两万亿元,每年生产服装百亿件,即将超越美国成为全球第一大服装市场。但每每回到工厂,他却发现,除了机械化有所提升外,这里的管理方式还停留在十几年前,串联起整个产业链条,还要靠一张张图片。

传统问题没有改善,又添了新烦恼。电商平台兴起,使消费者摆脱了购置商品的时空限制,但却增加了服装品牌的运营成本,一个产品需在十几个电商平台轮流上新,武彬观察到,百人电商团队中负责做页面的往往就占到三四十人。

人工智能概念的风口期,行业内一度兴起的解决方案叫做美工机器人,上传素材包到系统后台,AI 自动完成详情页排版、切割、上架和分发,能将上新耗时从几小时压缩到 3 分钟。赛道最火热时,这里除了迎来阿里“鲁班”、京东“莎士比亚”等巨头,也跑出了一些创业公司。

美工机器人成为服装企业的标配,但在武彬看来,它只能解决浮在海面上最小的一部分问题,真正对行业构成最大挑战的系统困境其实隐藏在海面之下。这座冰山叫做数据孤岛。

传统服装品牌的生产销售流程是这样的:企划确定生产方向给到设计师,设计师设计手稿并确定打版原材料,与生产部门几次沟通之后确定最终 SKU,最后再交给营销部门进行市场推广。最终 C 端客户的购买行为则发生在线上或线下店铺里,由客服和销售来推动。

一件衣服从构想到售出要经手5-6个团队,却留不下任何结构化数据,在智能化生产的今天,这点不可思议。

为什么会发生这种情况?“服装生产高度依赖于图片,”武彬向《创造一下》解释道,“流程中间流转的素材,包括手稿、线稿、灵感、板房到 CAD、直至最终售卖的 SKU,基本是一张一张的图片。”

而图片就意味着主观、感性、非标准化。你可以用“256G、白色、iPhone 12 Pro Max”这样的标准参数来定义你的手机,却很难用简单几个维度来形容你的外套,这点从淘宝上冗长拗口的宝贝名称就能看出。

更何况认知体系、知识体系存在差异。比如服装的颜色属性,就有计算机的颜色空间(RGB)、潘通色卡、服装营销色彩等不同知识体系。服装版型知识更浩如烟海,设计师会在精心区分平驳领、戗驳领、青果领等等十几种领型的细微差异,但这些划分很难被消费者理解——看起来都是西装领。

种种问题投射到一起,就造成了数据的缺失与割裂,AI 即便想要介入赋能行业,也缺乏生长的土壤。

2、极睿科技:新一代美工机器人诞生的背后

带着变革行业的决心,一毕业,武彬就创立了极睿科技,核心成员在人工智能领域的杰出学术背景和实践让他们迅速吸引到资本的关注,并成功获得来自金沙江创投、MFund魔量资本、红杉资本中国的融资。

想要让 AI 在时尚行业生根发芽,就要想办法让数据流转起来,当务之急就是降低人与人、部门与部门之间的协作阻力。而要实现这一点,信息就不能频繁在不同载体中来回切换,它需要一套统一的语言系统。

极睿开始尝试打造服装行业“巴别塔”。

它的策略是建立一套包含几十个维度、近千标签的“词库”。机器视觉技术加持下,系统能识别出衣服的风格、品类、版型、元素、颜色、材质、领口等数据,随后从“词库”中选出匹配的属性,自动打标。多重标签迭加,就构成一套标准化、客观化的描述。

Auto-tagging 的能力需要建立在强大的机器视觉能力之上,在一些人看来,近年来诸如谷歌 AutoML 等通用引擎诞生拉低了算法的门槛,也弱化了识别技术的护城河效应,但武彬看来,服装识别的复杂程度远超想象。

柔性化是服装区别于人脸识别、自动驾驶的特征之一。人脸有 100—200 个关键点,自动驾驶标注的对象虽然多,但基本上没有太大的形变,但服装不一样,一件白色碎花连衣裙,平铺、挂起来和穿在模特身上是完全不同的形状;模特拍照 pose 可能遮挡住领口、裙摆等关键细节;强光拍摄下纹理信息容易丢失,而暗光、阴影可能会影响对颜色的判断,这些细小变量迭加,会让一件衣服呈现无数的效果,种种因素,使得 AI 识别难度陡增。

此外,零售是动态化的行业,每个品牌每季度更新成百上千 SKU 是常态,新的属性日新月异,包括千奇百怪的颜色、新奇的设计廓形,AI 能力和知识体系也要源源不断更新。

虽然很难,但武彬认定这件事必须要做,“我们始终认为在服装领域,自动化打标的能力是最最重要的能力,具备了这个能力,才存在建立底层数字化的可能性。“

算法进化需要海量训练和持续高频的迭代,这个过程没有捷径可走,公司成立前两年,几乎一心扑在算法研究上,建立团队做数据标注清洗,并联合北京服装学院制定标准。好在结果还不错,基于团队自研深度学习网络 ApparelNet 的 AI 引擎,在服饰商品识别与属性标签识别中准确率分别达到 99.53% 与 97.89%。

3、万亿市场中的“小”玩家

后来产品化的顺利推进也印证了武彬对于行业痛点的判断。

2018 年,极睿将识别能力打包成了 AIFashion 开放平台,之后先是向下游电商场景延伸,推出了服饰电商一站式智能平台 ECPro 易尚货,目前产品打磨已相对成熟,是业界唯一可以实现利用人工智能自动回填商品属性的,效率的提升有着与竞品巨大的优势。面向上游服装企业,提供数据中台 PIM,为工作流中的数据做自动化建档,针对各个环节的痛点,建立线上管理平台。据极睿介绍,目前 AI Fashion 的年营收已稳定在千万级别,ECPro 易尚货则在大几百万。

不过,极睿并没有把自己局限在对单点赋能上,它所构想的更像是成为一个服装行业的底层操作系统,用数据消弭主观因素导致的分歧,让千店万厂都在上面流畅地跑起来。

“就纯 AI + 时尚这个领域,玩家其实还是比较少的,整个行业的竞争还不是特别激烈”,武彬对《创造一下》表示。究其原因,服装识别的技术门槛首先就帮市场筛选掉了一批玩家,而另外一些把 AI 视作“万金油”的企业,可能还没摸透市场,就已烟消云散,成为风口中的泡沫。

同时,在这个中小企业占据主导的市场里,大象也难有起舞空间,京东阿里受制于自身 B2C 平台的属性,无法成为公立的第三方,对上游赋能的能力相对较弱。

在 AI 产业几经大浪淘沙的今天,时尚是为数不多仍留有巨大想象力的市场。衣食住行,民生四大领域,服装占据 2.8 万亿的市场规模,容得下足够多的想象与“野心”。

在这里,产业升级还有很长的路要走,好在数据化的能力已扎根,只待 AI 释放潜能。