三亿体育服装行业存在着变革的机会，人工智能带来的技术趋势，蕴含的先进算法，释放的数据价值，是打通服装产业链的关键因素。‍‍

　　2015年，人工智能迅速发展，深度学习的火花引燃一系列技术变革。谷歌开源第二代人工智能系统TensorFlow，马斯克参与投资 10 亿美元建立了如今风光无两的OpenAI，中国在百度、科大讯飞等企业的带领下，为医学、教育、交通等领域赋予了“AI+”的更多可能。

　　浪潮来袭，郑泽宇决定放弃谷歌高级工程师的工作，回国成立才云科技，为金融、能源、医疗、服装等领域提供专业的AI解决方案。在此之前，他的人生轨迹像一条清晰漂亮的直线，保送北京大学计算机系，赴卡内基梅隆大学深造，学习人工智能，成为大厂技术专家……但正如郑泽宇眼中GPT更像技术量变到质变的产物，他的技术积累深植土壤，在新的方向展开枝桠，结出了果实。

　　“在服务这些行业的过程中，我们发现AI解决方案在其他行业很难形成壁垒，但在急缺技术支持的服装行业可能形成超大平台，甚至引导产业变革。”2018年，知衣科技成立，致力数据化趋势发现、爆款挖掘，打造智能化服装设计的供应链平台。

　　技术大牛碰撞时尚行业，也曾“水土不服”。但郑泽宇深知，时尚，特别是大众时尚的逻辑，不在于引领，而在于发现和适合。在知衣的努力下，“数字化”之于服装行业，不再是虚无飘渺的专业词汇，而是平均30%到50%的动销率提升。

　　“回头看，我很欣慰。在大厂，就算是顶级人才，也偏向做‘拧螺丝’的工作，我创造的价值和意义可能不如现在。服装行业还没有一个用人工智能改变行业的角色，这是我一生一遇的机会。”

　　章丰：很多人都认为，近期生成式AI和大语言模型的爆发让人类迎来了新的“iPhone时刻”，你怎么看？

　　郑泽宇：透过热潮看技术的变迁，会发现这是人工智能技术从量变到质变的节点之一。就像2016年AlphaGo在围棋比赛中战胜真人，主要的突破是图像识别和处理技术，这项技术在此前二三十年内都没有核心突破。

　　ChatGPT目前只具备较好的自然语言特征的提取能力，还达不到像人一样去“理解”，但已经远高于第一代人工智能。自然语言是人类文明传承和日常交流所使用的语言，当我们打开一本书，里面90%都是自然语言。突破这一环，是机器深度学习、统一知识的基础。就像人类之间语言互通了，才可以交流。

　　所以ChatGPT连接了自然语言处理，连接了图像、视频、音频等各类输入模型，能够提取背后相应的特征，任务完成度不错，确实是人工智能发展史上的重要突破，也会对产业带来变革和影响。

　　郑泽宇：知衣科技从创立起就把大数据、人工智能作为核心，如何将各种各样的人工智能技术应用到产业场景中，一直都是人工智能落地的核心问题。评判标准主要有两个，技术可行性和商业价值。我刚创业时尝试过很多场景，要么技术突破不大，要么商业价值不够。比如AI设计，2018年就出现了，但缺乏审美能力和交互方式，距离落地还比较远。

　　在此背景下，ChatGPT的出现让我挺兴奋，它不仅能作为设计工具，还能通过大量自然语言，带来图像交互。 用户与ChatGPT对话，很像设计总监与设计师沟通。 设计总监用参考图给设计师提供设计方向，就像用户给系统喂了图像，生成新的图片，再人工微调。 在这之前，电脑只能不断地推荐图片，再由人工判断质量和可用度，工作量太大了。

　　我们希望大量简化设计师的工作，数据收集、统计，款式推荐，重复性的劳动交给计算机去做，让人保持创造性的思维。结合ChatGPT，未来有可能改变行业服装设计师的工作方式。

　　章丰：李彦宏提到，人工智能时代IT技术的技术栈，可以分为芯片层、框架层、模型层、应用层，知衣科技将自己定位在哪个层面？

　　郑泽宇：也会涉及到。越往技术底层越考验基础实力，投入越大，所以大厂会更多在底层投入；越往上越轻，当下的运用价值越高，适合创业公司，它们更灵活，更了解应用场景。所以我们和底层企业是两个倒三角，业务会有交集，但侧重不同。

　　我赞同底层技术的重要性，但技术最终要落地应用，创造商业价值。所以我们会把60%的精力投入在应用层，30%用于优化提升模型，10%从0开始学习大模型。

　　郑泽宇：就像用电一样，按用量收费比较常见。业务越底层，就越偏向于通过用量收费，有点像服务器，要么一次性买断，要么按用量收费；贴近应用层，变现方式就更多元化，跟场景结合得更紧密。

　　人工智能包含了大量的开源技术，此前90%的产品都是基于开源算法微调，再结合场景。打个比方，汽车制造，听着门槛很高，实际上各个部件都有成熟的供应商，汽车厂商更像是资源整合商，当然不同厂商之间存在技术和能力的差异。

　　现在很多产业数字化的逻辑类似，但服装行业缺乏开源技术支撑，大量工作需要我们从0到1。比如人脸识别，人脸不会发生太大的形变，但衣服穿在身上、摆在桌上、挂在墙上，形态完全不同。所以知衣更像一个升级版整合商，在整合中不断地提升技术能力、调整布局，还涉及模型的优化和调整。

　　章丰：假设现在有一家公司借助GPT等技术做服装数字化，是否可以缩短前期产品打磨的时间？

　　郑泽宇：某种意义上会。如果你现在再去做一个Google，技术积累的时间肯定会大幅缩短，但Google在产品打磨的过程中积累的核心能力无法快速超越。同理，知衣覆盖了4000多家品牌，在高日活中积累了大量数据，包括公开运营数据和用户行为数据。

　　举个最简单的例子，如果要判断图片质量和效果，我们可以参考用户的点击行为，比如这一页20张图片中三亿体育，有5张被点过，它的质量好于剩下那15张。我们可以将每个页面中被点击量多的图片喂给模型，不断训练模型。但是ChatGPT无法完成这个部分，需要手动进行数据标注。

　　数据具有飞轮效应，数据更多，算法就会更好，吸引更多客户。如此循环，拥有先发优势的，更有可能成为头部玩家。借助GPT可能会缩短产品追赶时间，不会攻破头部玩家的护城河。

　　手持人工智能之锤，郑泽宇将设计选款作为入局服装行业的第一颗钉子。知衣科技为品牌挖掘和预测市场趋势，比如“下个月蓝色棉麻面料将成为潮流”、“裙装应占夏装上新的4成”、“定价区间在500-600更合理”（仅作举例），让品牌通过更“准确”的设计汇聚大量订单，撬动后端生产，也带动了供应链。

　　郑泽宇：我们提供两种服务。一种是SaaS软件，从世界各地电子商务、社交媒体、时尚网站里，知衣收集了数十亿的服装数据。知衣针对淘宝、抖音、ins等多个平台开发了细分化的数据智能SaaS产品，通过对服装单品智能分析，预测流行趋势和款式。品牌设计师通过我们的软件了解市场，进行服装项目的开发、从采集测量到设计、生产的管理以及工作协同。

　　举个例子，如果设计师想找到1000件有小雏菊元素的连衣裙作为参考，以前他们可能会去浏览品牌官网，去商场观察流行风向，去instagram翻时尚博主的穿搭推荐……知衣可以把这些数据聚集起来，设计同质化的概率也会降低。

　　二是供应链。我们在服务客户的过程中收到了大量需求，客户选中了喜欢的款式，但不知道去哪里生产。知衣直接提供样衣给他们，如果满意三亿体育，就可以找知衣下订单，他们只要专注前端流量和品牌形象。分工更加精细，品牌也可以收获更稳定、可靠的供应链能力。加之快时尚以及直播电商对整个行业的冲击，品牌的上新速度和组织方式都发生了变化。

　　郑泽宇：最核心的环节还是打通，任何一个单一环节的数字化都没有抓住本质。服装产业链太庞杂了，环节与环节之间的浪费是巨大的，包括成衣的库存、设计的有效利用率、面料的废料，中间环节的利用率很低。设计一端连接了消费，一端带动了生产，我们希望以趋势和设计为带动的核心点，把合适的设计给到合适的品牌，组织后端生产的供应链。

　　以设计环节为核心，上云后，全环节的数据，包括销售数据、生产数据、面料数据、实销数据都可以沉淀下来，才能形成所谓的产业大脑。

　　比如成衣，你下一千件，我也能按一万件的价格给你；面料商都得提前备料，我可以明确地告诉你，哪款面料备多少……无论库存还是产量，每个环节都可以具体计划、提前准备。通过技术以更经济的成本去应对市场竞争的方式，产业的运作效率会大幅度提升。

　　郑泽宇：所以单一环节的数字化，提升都是有限的，不能解决核心问题。如果打通全产业链，效率可能是成倍乃至数十倍的提升。

　　郑泽宇：最满意的是帮助服装设计师提升了工作效率。服装设计师是一个比较容易被外界误解和忽略的群体，表面看很艺术，其实发挥创意的时间非常少，工作重而杂，996是常态，收入也不高。

　　另一方面，服装品类款式趋势变化很快，不管是网红店、线下店，大品牌、小品牌，消费者觉得款式合适，就可能买单，这也是淘宝上服饰类百花齐放，3C数码品牌却没那么多的原因。

　　款式大爆发之下，多数设计师对趋势的捕捉是不足的，比如市场什么款好卖三亿体育、最新的趋势是什么样，设计师非常需要这些信息。我们就可以借助数字化工具辅助，提升效率。

　　最希望达成的是对知识产权的保护。我们已经投资了一家做知识产权保护的公司，服装的知识产权保护很难，但没有知识产权的保护，无法真正地鼓励创意。现在的行业氛围对原创打击很大，一个好的idea出来后，很快会被抄袭，不乏一些快时尚品牌，最后比拼的是供应链的能力。

　　郑泽宇：实际上，这个问题是根深蒂固的，数字技术反而一定程度地缓解了版权问题。设计师能参考的范围扩大了，抄袭的情况可能会下降。版权保护更方便了，溯源维权的主体也就清晰了。服装维权周期很短，你打完官司以后，对方已经变现走人，也没有意义。那么技术可以更快地发现判断抄袭行为。

　　知衣布局知识产权已经有大半年的时间，目前打通了公证处的区块链体系，跟互联网法院也有合作，已经积累了一些原始案件。现在法院侵权判定、编写文书，也是全流程自动。如果单个案件走传统法律途径，成本太高了。

　　章丰：杭州的第一例互联网法院审理的案件，就是通过区块链存证的。这和国家培育数据市场的工作机制高度吻合。

　　郑泽宇：所以知衣现在是三条腿走路。结合当下的行业环境，赋能设计师的工作；通过AIGC的方式降低原创门槛，引导更多原创；结合区块链，保护品牌知识产权。

　　章丰：作为技术专家切入服装行业，你如何完成对产业的理解？毕竟从服装的角度，你原本只能算是个消费者。

　　第一阶段，进入行业、摸到门路。我们的起点是通过为服装品牌商提供外包服务，关注、接触到服装产业。进入这个产业之后，当你真的对一个行业有了大概的了解，且人家愿意掏真金白银定制项目，就证明市场需求是存在的。单家客户的资源未必是行业的通行证，要找到行业的公共痛点。一个客户给了你一个idea，你要去验证可行性。所以第二阶段大量调研、找准痛点，对于一家产品公司是非常关键的。

　　当时我们花了大量精力在调研上，厚着脸皮坐在设计师旁边工作一个月，主动去发现他们的需求，然后进行梳理，围绕需求不断相互迭代，完成了我们对这个产业的基础了解。收费是这个阶段很重要的节点，当你做专业软件的时候，能收费并形成规模，证明客户确实有需求。随之业务的问题都来了，需求也都来了。

　　第三阶段，产业积累形成一定影响力，就有机会和产业里的专家、品牌方、服务商展开更深入的探讨。这时候我们不仅仅满足基础需求，还可以看到产业更长远的布局和方向。

　　我对产业的理解主要经历了这三个阶段，不断深化，而这些理解也构成了我们的壁垒。

　　章丰：到第三个阶段，产品在行业形成一定规模后，你积累了大量的行业数据。在某些局部，数字化服务商是能够提供超越传统的行业洞见。

　　郑泽宇：确实。前几年我们去和产业里的客户聊的时候，经常会有一种恍然大悟的感觉，“原来是这样子的”。后面慢慢我会发现，品牌老板、行业专家，他们隔三差五会来问我们三亿体育，“最近有什么新东西”。甚至有些老板每年固定给我打电话，问我们有什么新想法，要不要来尝试一下。所以这是一个从吸取行业经验到向行业输出的过程。

　　郑泽宇：我们的创始团队本身是技术和产业的“混血儿”，四个合伙人，两个是行业出身，两个是技术出身。这种组合也会让我们离行业的真实需求更近一点，走得更快一点。

　　我觉得所谓的高知创业，并不一定代表着你的知识积累有很大的价值，但你的学习能力是毋庸置疑的。从技术到产业这条路径，只要愿意学，它是可以习得的。但反过来你从产业去学技术，门槛是很高的。所以技术人员深入产业里创业，学习能力强、对技术的掌控度高是两大优势。

　　章丰：如果没有离开谷歌，你或许正在研究最新的大模型，参与能够影响世界的iPhone时刻。回头看，怎么评估当时的创业选择？

　　郑泽宇：我还是很欣慰的。在我看来，通过人工智能助力服装产业的转型升级，比在大厂解决某个环节的技术问题，能创造的价值和意义更高，这是我一生一遇的机会。

　　随着创业者认识的世界不断变化，思考问题的深度、梦想和目标很容易发生改变，每隔一段时间我都会回顾反思三亿体育。但目前我可以说，知衣一直在围绕自己的“初心”做事，我们一直希望通过设计引导和改造整个产业，希望知衣的未来能够促进整个行业的未来。