bet356在线官方网站 
出品|作者：虎秀科技集团 |编辑：陈一凡 |苗正清爆头|视觉中国《AI原生100》是虎秀科技集团推出的AI原生创新栏目。这是本系列的第 41 篇文章。一家中国初创公司正在证明，人工智能可以填补前几代数字技术在更传统的服装制造行业中未完成的业务。在东莞长安市的一家地毯工厂里，当前的现实与数字化的理想发生了一些令人不安的冲突。七八名工人爬上楼梯，手持机枪，在地毯上划线。工厂内的一个简易棚子就是设计师的工作室，里面铺着手绘地毯。当我从工厂另一边的一个房间出来时，我看到了一台5米高的自动冲床原型机。尝试以面向您前面的地毯的方式携带电缆。当人们到达时，工人们打开原型并给出 awk选区示威。这台机器的效率比手工劳动低得多，他的老板无意在他的生产线上使用它。这是胡修在他曾经参观过的一家地毯生产厂看到的照片。这台昂贵的五米高机器集中体现了服装行业数字化转型最后阶段的困境。重塑服装行业听起来并不那么性感，而且听起来也不是很时尚。这是一个古老的行业，是通过无数的作坊、碎片化的数据和个人经验建立起来的。然而，周东和他的团队在这个问题上研究了几年，并取得了数亿元的估值。它拥有服装行业最大的数据库，是日本唯一可以在国家服装行业注册为大型垂直模型的数据库。客户包括申洲国际、即发集团、酷特智能、迪尚集团等中国制造隐形冠军。矢量螺旋解决从棉花等一线原料到面料厂、服装厂和品牌商整个服装产业链的沟通问题。更准确地说，它解决的是信息获取，将人工智能变成真正的生产力，而不是生产工具。这很多3D服装厂商都尝试过。第一个进入3D服装行业的公司是韩国CLO。然而，3D和AI之间存在本质区别。最大的差异之一是成本。 3D技术通过物理设备扫描3D空间，对其进行建模和渲染，最终恢复真实的物理属性。重建的准确性和可靠性无法与早期人工智能相比，但问题是成本极高。购买该3D建模软件的工厂和品牌必须将软件匹配到相应的岗位，如建模师、渲染师等。此外，3D 不具有创造性或普遍性。它的功能是恢复和风格化织物-based 设计。目前，一些服装3D技术解决方案提供商也提出进入AI时代，但这意味着他们必须经历与Vector Spiral相同的数据积累、掌握算法和模型训练的过程。因为3D数据及其底层技术架构与生成式AI完全不同。会前，他刚刚结束与投资者的会面。 Vector Helix之前的投资者几乎都是具有产业基金或国内资产背景的机构。周东不是典型的书呆子商人。他有媒体背景，家族在潮汕拥有一家服务公司。他和联合创始人邢方洲最初做服装厂的生意也很传统，为网红KOL提供灵活的服装定制。虽然这个生意很赚钱，但是并没有留下多少想象的空间。矢量螺旋团队建设 但有时这些不那么“性感”的故事可能会失败发挥魅力，脚踏实地，让您的业务真正增值。对于周东和邢方洲的青岛矢量螺旋来说最重要的是，2021年原海信人工智能商业研究院院长马英辉的加盟将为这家传统数字公司注入真正的科技基因。当时GPT的概念已被提出，但尚未引发全世界的热情。马英辉带来的不仅是技术，更是视角的改变。面料制造商谈论重量和材料，加工厂关注布线和工艺，品牌谈论色调和风格。语言系统的这种碎片化产生了巨大的沟通成本以及供需之间的不匹配。创业的初衷是在服装领域寻找新的技术变量，解决传统行业的结构性和生产力问题，而这个名为“GPT”的AI似乎前途无量，因此 Shuto 和他的同事决定尝试一下。事实上，事实证明，服装行业可以跳过漫长的SaaS采用阶段，直接跳入AI时代。训练人工智能需要数据，而数据是服装行业最稀缺的资源。在一个严重依赖非标准体验的行业中，真正实现数字化的公司不到1%（如李宁、安踏和神舟国际）。对于大多数中小企业，甚至服装厂来说，微信是唯一的数字化管理系统。 Vector Spiral由此开始了漫长的“肮脏工作”阶段。缺乏可用的结构化数据迫使团队采用最原始的方法。跟踪世界各地互联网上的公共图像和文本。我们从行业合作伙伴那里收集特定的集合，甚至去工厂在纸上拍摄设计照片，然后将其手动清理并转换为计算机可读的“配对数据”。这是一个完整的数据链，包括面料、设计gn想法、成品照片以及模特上半身的照片。对于典型的大模特来说，衣服只是像素的集合。然而，在矢量螺旋数据库中，服装是一条紧密相连的逻辑链。一张织物的显微照片对应于结构化设计稿，然后对应于工业成衣设计，最后对应于模特上半身的表现。这种“四合一”数据结构是前几代数字化转型失败的核心。当时的系统只能处理孤立的数字以及由于织物重量变化而引起的窗帘变化。我不明白需要详细行业分析的技术术语，例如差异。周东和他的同事所做的就是通过数百万对数据训练人工智能，使其学习业界常见的语音系统。这种“肮脏的工作”持续了几年。数据准备好后，他们选择了日本市场作为目标。验证其第一个应用程序产品功能的入口点。目前我们在日本拥有数百家客户。第一阶段PMF验证成功，我们开始进入中国市场。完成申请过程花了两个月的时间。大陆国际供应链。在周东的规划中，未来的人工智能应用服务引擎将是一个“中级技术平台”，一个能够磨练行业知识和工程经验、将非标准需求聚合成标准化技术模块的交付平台。服装行业可以超越SaaS，直接进入AI时代。虎秀：2021年我转型开始垂直领域玩AIOB。是因为业务发生了一些变化还是因为您注意到更大的型号出现了？ Shuto：两个方面都有。我们做的第一件事就是为市场上的所有KOL提供全面的服装定制服务。当时的起点w因此，从2019年到2020年，自媒体在公众号、抖音、哔哩哔哩等各种渠道快速发展。随着自媒体变现方式的改变，很多大公司开始涉足电商，更愿意打造个人知识产权和品牌文化，服饰成为了容易进入的品类。然而，当时市场上还没有一家服务商既能处理服装产业链，又能将各种IP的文化转化为服装设计，整合整个供应链来提供服务。我们从一开始就朝着这个方向发展。 2021年底，我和合伙人在思考这个市场规模是否足够大，可以持续下去。此外，我们仍然认为这项业务的吸引力还不够。我们创业之初的目标就是寻找服装领域新的技术变量，尝试解决传统服装领域的生产关系和结构性问题。行业。虎嗅：公司转型的契机是什么？ Shuto先生：真正的转型是在2021年底，我们请来了关键人物马英辉先生，他曾任青岛海信人工智能商业研究院院长，目前担任公司首席技术官。您一直对工业人工智能感兴趣。加入公司后，他给我们讲了GPT之类的东西，以及更多关于计算机视觉的想法。虎嗅：你如何判断这是行业的现实问题还是真正的问题？周东：纺织产业链很长，涉及的企业也很多。行业最大的问题是各方的语言和协议结构完全不同。这样做最明显的后果就是行业上、中、下游共识的沟通和效率极低，从而导致了行业最本质的矛盾。ustry：上下游两端、甚至多端的供需交易效率低下。虎秀：为什么这个问题在SaaS时代还没有得到解决？ Shuto：不是。我刚才讲了行业底层的一个固有矛盾，下面把这个矛盾抽象出来，造成这个问题有几个原因。首先，服装行业是所有实体行业中最穷的。我之前介绍的产业链是有多重联系的。在我看来，每个环节都是一个独立的行业。面料是一个产业，加工是一个产业，品牌是一个产业，零售也是一个产业。这就带来的第一个问题是，各公司的组织架构差异很大，没有互联网公司那样明确的分工。管理是管理，产品是产品，研发是研发。在服装领域，我们经常会看到这样一种情况：企业y A 公司负责规划工作，B 公司负责设计工作。这就是组织架构的差异。第二点是业务。这个行业缺乏流程，存在很多与共识相悖的方面。服装行业具有金字塔结构。提到服装行业，大家自然会想到安踏、李宁这样的知名品牌。说到加工厂，您会想到信州国际吗？或许。但要知道，这些企业占中国纺织行业的比例还不到1%，其余99%的纺织企业都是工厂、中小型企业。中国共有17万家服装上市公司，但无论品牌还是生产类别，拥有完整组织架构和数字化基础设施的企业屈指可数。大多数服装公司唯一的数字系统是微信。虎秀：SaaS解决不了根本问题，但AI能解决吗？或者wAI将让服装行业超越SaaS进入AI时代？修图：我想是的。现在我们可以肯定地说，如果我们在服装行业实施人工智能，我们将在某种程度上直接跳过“数字化/计算机化”。然而，最本质的区别在于SaaS时代和AI时代要解决的挑战完全不同。前者的本质是将企业的线下业务流程转化为线上SOP，但前提是企业必须拥有完整的线下业务流程和SOP。但遗憾的是，传统服装行业是受情感驱动的。他们的流程混乱，标准不一致，而且很难合作。前几代SaaS的失败从来都不是工具是否好用。相反，它是因为没有认识到，就服装行业而言，人和组织是这个行业中最重要的异常变量。尘土飞扬。如果不先解决这个问题，再好的工具也是没有用的。 AI时代的起点与SaaS完全不同。从根本上来说，我不想成为一个帮助企业将线下流程转换为线上SOP的标准化工具，我想帮助他们用AI的新生产力重建新的业务流程，让内部员工使用AI来增加收入或完成他们以前无法完成的任务。对于他们来说，这意味着新的生产力和完全不同的业务视角。虎嗅：这种人工智能驱动的生产力如何应用到企业中？例如？ Shuto：就以这套衣服为例吧。布料店只卖布料。一旦他们找到顾客，他们就会走到门口，向他们展示布料，告诉他们它有多好，并给他们一张色卡，告诉他们可以制作什么颜色。他们用这种方法来推销他们的产品。在这个过程中，信息总量能够向下传递的能力是非常有限的。使用AI之后，AI首先会针对这种面料生成适合不同类别服装的款式设计。下一步，您将能够基于此结构设计一套完整的规划方案，并生成模型照片。面料零售商可以使用人工智能创建的新信息与客户进行沟通。这里最大的变化就是客户接收到的信息量完全不同了。一旦这种面料最终制成服装并与模特进行匹配，客户可以直接看到面料的效果，从而有可能为面料制造商带来新的利润。从头开始创建纺织行业专用数据 胡修：有很多不标准的数据。数据工程如何解决？周东：纺织行业的数据存储在人的大脑中，而不是数据库中。也没有任何东西可以连接到信息系统。这是一个数据沙漠。三、f从客观相对的角度来看，这个行业的劳动力素质普遍较低，这自然会带来两个后果。学习动力很少，而且使用新工具的成本比其他行业高得多。因此，在使用人工智能时，这三个问题是无法避免的。从做AI的第一天起，你就得思考如何解决它们。我们分几个阶段来研究数据从哪里来，用什么行业知识来处理数据，以及如何解决高质量配对数据不足的问题。我们对公开的信息来源进行合理审查，并有针对性地向行业合作伙伴收集信息。有很多工厂收集纸服装订单并进行系统加工。我们拥有多年积累的独特行业知识库，用于标注和关联重建。如果缺乏高质量的同行数据，可以内部获取或者通过数据补充合成。目前，原始图像数据总量已超过2亿条。虎嗅：启动数据项目之后做了哪些工作？周东：拿到数据后，我们接下来要做的就是专门针对服装行业训练一个模型。我们是世界上第一家为服装行业生产多种特殊款式的公司。例如，我们在 2023 年训练了自己的多视图模型，让 AI 从服装的各个角度生成模型上半身的视图。当时，一般大型模型都可以实现这一点，但大多数只能显示前视图。服装行业的实际需求需要360度多视角显示，取决于副作用和副作用。更困难的是保持每个视角之间的一致性。否则，就会失去可用性。在内部，我们把这部分工作定义为“工业模型工程”，其中包括数据工程和工业模型工程。模型工程。第二个预计将在 2022 年底至 2023 年之间推出，即在 LLM 和 VLM 的几款热门大型模型推出之后。我们将这种基于通用模型的“连续预训练架构和自动评估系统”称为“连续预训练架构和自动评估系统”。我们非常清楚，我们没有资金建造大型基础模型。我们专注于相对较小的工业模型。然而，大型模型普遍涌现，迭代速度非常快，所以我们必须利用它们的能力。虎秀：那么我们如何防止未来大型模型这样做呢？如果有一天大型模型变得越来越高效并且它们生成的图像变得越来越准确怎么办？周东：大模型不断重复，作品越来越美，但“修正越来越多”的问题却无法解决。例如，在生成服装款式和模特照片时，面料纹理可能会丢失t和工艺细节可能不正确，这对最终客户来说是无法接受的 B.产品已被修改，不能再使用。相同。虎秀：有没有哪个节点可以明显感觉到模型效果突然提升了？周东：第一阶段是2024年。因为，借助之前流行的开源大规模模型，我们结合领域算法和数据工程，构建了服装行业独特的大规模垂直模型。从那时起就很明显，结合我们的行业模型，我们的整体AI能力处于更高的水平。今年是第二阶段。我们将模型迁移到 VLM 和多模式空间，因为有更多具有更好固有性能的开源模型，并且它们的开发速度更快。事实上，我们有成熟的技术架构和自己的基准评估体系，所以这个问题对我们来说并不复杂。作为更好的开源，la大规模模型上市后，您可以尽快做出决定并采取行动，将您的 AI 能力提升到一个新的水平。首先在日本市场找到MVP，然后进入中国市场。虎嗅：商业模式是如何设计的？因为我本来想到的是工业互联网，我想当时的计费模式和现在是不是不太一样。 Shuto：我们从一开始就计划了三个业务阶段。在第一阶段，最初构建SaaS有两个客观原因。首先，我们当时的综合技术还不够强大，无法直接创建符合我们愿景的人工智能代理或产品。其次，我们觉得首先需要有一个MVP，预先验证PMF，看看市场，找到切入点和方法，从行业的真实客户那里获得使用和技术知识的反馈。所以我们建立了 SaaS 并决定进入哪个市场。虎秀：你想进入什么市场？蜀东：日本内塞市场。与欧美和中国市场相比，日本市场的竞争并不激烈。其次，日本服装企业标准化程度高，数据质量相对较高。第三，我们分析了日本当时的国策，明确表示日本不想错过这波AI浪潮。我感觉到了。虽然无法赶上中国和美国，但当时日本政府对日本企业实施了多项补贴政策。我们知道一家在日本销售服装的日本贸易公司，我们选择他们作为我们的直接代理商。因此，我们拥有出色的人工智能产品，并且正在进入市场空白。我们还找到了一家拥有我们信任和支持的服装资源的日本公司来帮助我们销售。天时、地利、人和都对了。目前，大多数您能说出的日本主要服装公司都是我们的客户。某重要客户中心代表tail品牌来到我公司。他们考察了全球数十家AI公司，最终选择了我们公司。日本电视台矢量螺旋虎秀报道：一旦在日本市场验证成功，接下来你们会做什么？周东：其实我们同时推出了第二个市场，就是中国市场。首先，识别制造业的进入，确定两个趋势作为进入方向。第一个是“二代接班浪潮”，第二个是“供应链异化浪潮”。对于我们公司来说，对于国内市场客户来说更可贵的是，国内业务场景和需求标准更加复杂，国内产业链更加完整，因此上下游客户不断提出各种新的严格要求。我们针对中国市场的策略是“追求复杂性和深度，而不是数量”。我可以自信地说，我们公司y的市场占有率在国内一定规模以上服装生产集团客户中绝对是第一。虎秀：你是什么时候在国内找到第一个推荐客户的？蜀东：神舟国际。他们花了大约两个月的时间才认识并注册我们。虎秀：你是直接跟老板还是销售部门谈？ Shuto：大多数情况下，你会直接与你的老板或有权做决定的负责人交谈。虎秀：申洲国际已经是服装行业数字化程度很高的公司。为什么要购买他们的人工智能服务？周东：其实数字化已经非常彻底了。服装行业除了3D软件之外，还有CAD打版软件、印刷分色软件，还有其他软件系统……虽然神舟的数字化系统非常丰富和完善，但内部数据流通和结果直接传递的问题仍然没有解决。我们尝试的第一件事帮助他们的是在不丢失现有数据系统的情况下解锁分散数据资产的重用和可用性。二是帮助他们逐步成为AI智能体。例如，可以利用面料、材料和工艺的积累能力，直接生成并向品牌交付一套规划方案，直接提高服务生产力。从中端技术到数字化工作：第一阶段的商业模式还是SaaS吗？商业模式的第二阶段和第三阶段会发生什么类型的迭代？周东：2025年会打造一个新产品，我们称之为“中级技术平台”。当客户对标准化不满意，有个性化需求时，可以利用中间技术平台，将所有非标准需求在技术层面转化为标准化组件，从而更快地交付和履行。另一方面，也可以开放中级技术平台致客户。如果您的客户有自己的IT团队和生产研究团队，您可以自己创建一个。我们目前正在展示我们商业产品的第三阶段，我们将其称为“数字作品”。无论是SaaS还是企业级代理，最终使用工具的都是客户的员工。这并不意味着我上面提到的诅咒已经完全解除了。它仍然是人工智能的贡献者，决策者本身通常对人工智能好处的真正价值没有直接经验。我们要解决的核心问题是：第一种情况下，AI与人类协作，而人既然是关键变量，那么我们是否可以反其道而行之，让AI主动完成工作，让人类与AI协作呢？决策者评价“它”的方式与评价“人”的方式完全相同。这背后的逻辑是，上一代工具产品主导了每个ToB公司的IT预算任何; IT预算可能只占总预算的3%或5%。但我们想改变我们的方法。我们提供数字化劳动力，我们想要获取的是企业的人力资源预算。我改变了自己的看法，开辟了一条更大的道路。我关注的不是一家全球服装公司的IT预算，而是一家全球服装公司的人力资源预算。虎嗅：您最初以什么身份成为数字化员工？周东：在服装产业版图上，会有不同的数字化员工来解决不同环节的问题。这些必要的知识来自于我们在从事SaaS和大型客户项目过程中不断积累的知识。然后我们将不同数字员工中的这些知识进行抽象，以解决不同行业的问题。例如，我们的第一位数字员工被称为“电子商务内容专家”。虎嗅：当初为什么选择“电商内容专家”这个数字化员工岗位？Shuto：这是最接近金钱的东西。虎嗅：现在披露一下盈利情况是否合适？树东：第一年营销仅半年，利润就增加了数百万元左右。此后，每年增长两倍。虎嗅：三重增长目标的基础是什么？是因为他们计划明年推出该技术平台吗？树栋：主要基于三个方面。首先，随着我们的技术和产品能力不断增长，我们自然会获得更多客户的认可。二是区域扩张。除了日本和中国之外，我们已经开始拓展美国、法国、德国等欧洲市场，同时也在推进海外市场的拓展。三是新项目业态增多。目前，回报的绝对值并不是最重要的。更需要关注的是年增长率是否稳定增长。本文来自虎秀，原文链接：https://www.huxiu.com/article/4827386.html?f=wyxwapp
特别提示：以上内容（包括图片、视频，如有）由自媒体平台“网易号”用户上传并发布。本平台仅提供信息存储服务。
注：以上内容（包括图片和视频，如有）由网易号用户上传并发布，网易号是一个提供独特存储服务mind的社交媒体平台。