“接地气”的人工智能，纺织行业数字化转型前沿技术与AI赋能范式

2025年3月12日，intertextile春夏展国际纺织产业数字化应用趋势论坛圆满落幕。在人工智能席卷各行各业的背景下，本次论坛以“数字化赋能纺织产业创新应用”为主题，邀请到纺织数字化权威专家东华大学纺织学院钟跃崎教授，聚焦数字化纺织服装技术前沿，与现场观众一起探讨人工智能给行业带来的变革与挑战。

纺织行业作为“衣食住行”之首，经历了漫长的发展历程。自上世纪90年代，中国成为全球最大纺织品生产国和出口国以来，纺织业逐步向高端化、智能化、绿色化发展，追求高附加值、高技术含量，广泛应用新材料、新技术，推动可持续发展。当下，人工智能发展如火如荼，给各行各业带来彻底的革新，对于纺织行业来说，究竟要如何推动AI嵌入各环节生产、设计、营销，为全行业带来彻底的升级?

以下为钟跃崎教授的主题分享摘要，也许会给你答案。

AI技术应用推动纺织业全链路数字化转型

在钟跃崎教授看来，“这两年，特别是今年，人工智能的发展真正进入到寒武纪大爆发的状态，也已经基本上形成了一个新质生产力。其中在纺织服装领域出彩的应用包含两大块，一部分是 AIGC生成的内容。另一部分是协助营销推广的部分。”

宏观来看，纺织服装行业通常可以拆分为生产线的管理运营、面料服装的设计以及营销推广三部分，也就是设计、生产及销售三个环节，人工智能对各环节有着不同的影响。比较容易理解的是生产过程的数智化应用与转型。

钟跃崎教授分享道：“在生产过程中，与生产工艺挂钩数据需要连接到产品的质量控制中，比如通过收集传感器采集来的数据，形成多维变量的波动，可以用适当的神经网络模型去预测生产工艺的质量。要做到这一点，企业需要有数据的归纳能力，才能实现生产工艺上的把握和提升。”

设计及营销的部分也是目前纺织行业数字化发展的重点，尤其是AIGC的出现，成为自主设计的智能代理，通过主动理解产品设计的需求，生成相应的创意方案，并且能够自主迭代优化，与其他系统协作形成闭环。无论是自然语言、图像、公式还是表格等多模态数据，大模型都能够将其分解为具体的设计需求，改抽象为具象，在此基础上用AI生成多样化的设计方案，覆盖不同风格、元素，赋能生产流程，形成多模态的创意表达与设计能力。

钟跃崎教授向现场观众分享了一个案例：“我们之前做过的一个非遗项目的研发，为了深入理解传统纹样设计的精髓，更好地完成传统文化要素的二创，AIGC通过模型去学习传统纹样里的色彩空间、纹理空间、构型空间等，这几个空间的搭配就可以使得纹样设计更加高效。”

从图案、成衣到服装的展示、效果呈现，人工智能可以覆盖纺织行业全流程，甚至带来革命性的影响。

　AIGC在服装设计中的潜力与应用

       1、图案、面料设计更高效

利用AIGC，设计师可以快速迭代和优化产品设计。传统图案的生成需要靠设计师一次又一次的看板、看样，在各种展会中积累个人审美再进行图案的设计，现在，数据的“导入”更加高效，只要说明需求，人工智能就能迅速生成成千上百个精细的图案样式，覆盖各种不同的风格，生成一个色彩与图案全面的设计“说明书”。

视觉层面也能实现面料的差异化设计，无论是粗纺还是精纺、羊绒还是羊毛面料，虚拟设计也能在视觉上展现出不同面料之间的质地差异。以面料的悬垂性为例，钟跃崎教授认为：“我们看面料时常说的‘一抓二捏三摸四看’，其实是拉伸、弯曲、剪切这三个基本力学量及其耦合的结果，其视觉效果对应着面料的悬垂特性。悬垂的瓣形、屈曲波、翘角，都决定了面料的物理特性，从这个角度而言，人工智能就可以通过视觉去推理触觉。”与虚拟试衣技术相结合，未来是可以做到向深度神经网络输入一个悬垂形态，生成该面料对应衣服的仿真效果。

2、数字孪生新变革，物理建模助力厂商降本增效

对于纺织服装行业的厂商来说，服装的设计和生产不仅仅是视觉层面的新颖、面料材质的体现，还需要考虑产品在用户身上的效果与反馈，即二维虚拟试衣技术及相关的服装穿搭。

二维虚拟试衣的本质是一个基于图像的重绘任务，有望实现海量试衣，及时反馈消费者对服装的反应。该技术利用用户画像和姿态解析，在虚拟环境中实现实时更换样衣、尺码以及设计细节，如花纹和logo等。同时，目前技术已能处理复杂穿搭和号型预测，为产品设计和销售提供帮助。这项技术对于面料厂商也具有重要价值，能够展示面料对应的成衣效果。

服装穿搭诊断旨在从颜色，纹理，风格不同方面对套装中的成对单品进行分析，从而指出套装中存在的搭配问题的单品。通过替换不搭配的单品可以在尽可能保证原有单品的情况下将原来不搭配的套装修改为搭配套装。数字孪生技术则可以通过单张照片实现三维重建，应用于面料设计和产品设计。

虚拟层面展现成衣，再根据相关诊断算法调整搭配，通过三维重建场景实际模拟服装展示，厂商在最短的时间内中获得最大化的效果，同时也能节省寻找模特、制作试衣效果等环节的成本，实现从草图到实物展示的无缝生成。

　　3、服装设计师应该如何应对技术的“取代”?

在AIGC为纺织服装设计领域带来革命性的影响的背景下，论坛现场有许多从业人员也提出了对“被技术取代”的担忧。对于此，钟跃崎教授认为，目前看来，人工智能在纺织行业的应用里，“设计”是主要的应用环节，AI在包括图像分类、视觉推理和英语理解在内的多个基准测试中确实已经超过了人类的表现。然而尽管在某些任务上胜过人类，在更复杂或者更精细的任务方面，AI仍然落后于人类。人工智能仍然需要人为训练、用数据推理，可以说人工智能是“训练”它的人的代理。

从另一个角度来看，人工智能的应用是否意味着纺织行业“设计”的门槛降低，人人都会成为设计师了呢?事实是，不同的人对于技术、工具的使用也会有不同的理解。钟跃崎教授表示，对于已经深耕行业多年的设计师来说，要学会“拥抱技术，用魔法打败魔法”。设计师在一次次实践中获取到的经验，形成的独一无二的设计稿、设计语言、设计灵感的上下文等，都可以选取最适配的大模型去微调，将模型训练为个人专属的助理，这样会产生1+1>2的效果。

技术的发展是一个大趋势，有专业的知识在这样的情况下是优势而非劣势，不同的人对于技术的理解、应用、表达都是不一样的，不管是对客户的理解更透彻、色彩体系更完善还是服装风格款式更特别。“对于设计的表达是只可意会不可言传，人工智能并不能完全取代人的想象力和创造力，它能做到像收音机一样，调到跟你一样的频率，同频共振，人类需要学会如何跟技术进行有效的沟通。”钟跃崎教授强调道。

人工智能助推实现更全面的定制化营销推广

       1、二维虚拟试衣技术

前面提到，从纺织行业厂商的角度来说，二维虚拟试衣技术有利于展示成衣，实际模拟顾客的穿衣效果，另一个角度来说，这种“模拟”本身是绝佳营销推广手段，让顾客根据自己的情况实际将“成衣上身”，帮助顾客迅速做出购买决策，实现定制化的营销推广。

服装的购买是“冲动型消费”，需要让消费者大量地尝试，二维试衣就提供了海量试衣的可能性。“发展到现在，服装单品直接转换成试衣展示的效果，可以直接把‘买家秀’展示出来，助推顾客做出购买决策，甚至对于虚拟服装，也可以通过这种方式，等到有了具体的订单后在去生产，这对于卖家来说是一个利器。”钟跃崎教授补充道。

目前还有一个研究热点是个人号型的预测。服装的退货除了产品本身品质问题以外，还有一个大小合适的问题，所以号型的预测在二维虚拟试衣也已经成为了一个研究的热点。

　2、全流程面料企划创新

传统面料企划主要关注如何展示和销售面料，需要进行客户分析和预测定位，而AIGC技术通过仿真小样帮助设计师准备合适的商品。从“推荐面料”发展到“帮设计师准备合适的产品”。此外，面料企划也能通过人工智能实现，利用大模型的多模态能力，输入色彩和文字空间的描述，即可通过迭代优化满足用户需求。钟跃崎教授强调：“如果想要走高端的产品定制化路线，人工智能是绝佳的选择。不同面料、不同图案、不同场景的转化能够为用户提供成千上万种可能性，虽然还未能达到触感的实现，但视觉效果已经包罗万象，生成速度也比三维设计生成更快。”

提高AI应用效果的挑战及未来发展趋势预测人工智能推动纺织服装行业数字化应用，需要强调数据质量、模型可靠性以及结果的可控性。同时，域外泛化和复杂工序的回归与推理也是应用的关键。其中对于私有知识或者领域知识的部署，是今后每个企业级用户需要格外关注的重点。钟跃崎教授分享了他的经验：“企业需要学会相应的技术，第一道坎就是数据质量要高、模型要可靠，第二道坎就是结果的可控性。再有一个就是域外泛化，同一个工艺、同一套设计上形成的模型要实现可持续的应用，避免在下一个任务时候从头再去训练。”除了人工智能技术本身，二维虚拟及三维建模之间的“隔阂”也亟待打通，二者结合能达到逼真的虚拟现实效果以及多模态的表现。

未来，纺织行业数智化必然是大趋势，从产品线本身设备的升级、统筹运营，到设计层面智能“助理”上线，增强现实与设计相融合，再到整体营销宣传的销售企划制定，大模型的嵌入以及多模态的体现，人工智能的应用仍然需要面对“一线”具体需求，在“数智化”过程中以用户、消费者的需求为导向，做“接地气”的高科技。钟跃崎教授补充道：“以前我们是先有面料才有服装，现在可以先有预期效果，再反推纤维、纱线、面料等。当然，有了大模型的加持，二维和三维的打通，增强现实以及多模态的设计工具，最重要仍然是面向一线，要‘接地气’，对纺织服装行业才是有意义的。”