从AI 1.0到2.0，新零售的激荡10年

这期我们聊聊AI进产线。虽然是以服装行业为例子，但不影响，因为观点非常直给、易懂、尖锐。希望大家代入自己的行业。恰巧，我的两位合伙人，欣华和Tiffany都是跨越了AI 1.0到2.0的投资人，投资过依图、商汤、经历过AI四小龙年代的挣扎。

这次对话，我们请到了“番茄炒蛋之父”叶超莹，他是浙江壹禾服饰有限公司董事长、三届奥运会中国体育代表团礼服设计师，同时也是中国AIGC产业联盟秘书长。我们一起来复盘从AI 1.0到2.0，投资人和创业者踩过的那些坑，服装行业经历过行业的狂热与回调，以及在AI时代，什么样的企业，会成为中国的优衣库。

注：本文的AI 1.0是指专注于特定任务的感知智能，以图像识别技术为代表。AI 2.0是指能够完成复杂任务的认知智能，即以ChatGPT为代表的AIGC。

一、AI 1.0：狂热与回调

那时，每个创业者都相信，各行各业都能用技术重做一遍，唯独对产业少了一份敬畏。

2015年，那是资本助推之下的AI 1.0时代。作为“衣食住行”四大刚需高频场景之一的“衣”——服装行业，这个万亿美金级别的巨大市场，在拿着锤子找钉子的技术创业公司眼里，是兵家必争之地，各类型找场景的技术公司，都纷纷将目光投向了服装行业，加之同时期服装在电商渠道的渗透率快速提升、在营销端的数字化场景无比丰富，为以机器视觉技术为代表的AI1.0应用落地，提供了无限的幻想。

而同时期，经历了高速发展的工厂模式，在2015年之后，随着产能过剩、内需疲软，以及国际品牌产业链的逐渐转移，这种“乙方思维”开始行不通了，离终端需求太远、链条太长、信息反馈太慢、库存的压力扑面而来，乙方工厂也被逼得要转型，要向微笑曲线的两端转移，想要重视研发、更数字化、做品牌、靠近终端消费者。

在这一冷一热的氛围下，大家开始越发期待：

技术公司期待着，是否可以用AI贯穿草图、版型设计、虚拟试衣、3D量身、工艺识别等流程，数字化整个产业链？

企业期待着，AI能否克服服装行业供需信息不对称、库存积压、退货率高、资源严重浪费等痛点？

投资人期待着，中国的优衣库、迪卡侬在哪里？

管他呢，先干起来。

图片来源：CBNData

后来大家知道了，各种各样的AI货架、AI试衣间、AI上妆、AI订货层出不穷。结果是，大家都只挠到了产业的痒点，没有真正地解决产业的问题，这些在后来几乎全被证伪——大多是技术创业者假象出来的伪需求。

那真是一个大家相信人有多大胆，地有多大产的年代。以史为鉴，现在看来，整个服装的产业链巨长无比，从纤维厂到制衣厂到终端，涉及十几个角色，各环节之间的信息传递效率低，改造难度极大，以至于后来站在了产业互联网高峰的那一波企业，例如百布，链尚网、知衣等，都是在单个或几个产业链条上深耕，能打通全产业链的寥寥无几。

而且很多时候，尤其是在服装和零售这类利润率本来就不高的行业中，反而会因为一些技术的过度投入，把简单的问题复杂化，让成本居高不下。

我真见过数据科学家去培训工厂的案例，算上各种硬件成本、软件成本、培训费用、大数据工程师和CV科学家的工资，这些加起来，让本来毛利就不高的传统行业根本算不了经济账。

嗐，数字化了个寂寞。

图片来源网络

二、反思：从产业中来，到产业中去

既然AI无法让服装行业弯道超车，企业经营还是要回到内功，那么我们不禁要问：

中国的服装行业，是先做品牌，还是先做供应链呢？

是要先去补优衣库、迪卡侬的功课，还是要接着硬啃这一波AI，实现弯道超车？

这次和叶总的对谈，给了我们一份从产业视角出发的答案。

1. 差异破局：与其更好，不如不同

“我们看到优衣库的供应链能力强大无比，一款衣服可以做50万件，新的入局者很难做到比他们更具有竞争力”。所以，与其更好，不如不同。

如何不同？“做大公司一碰就失败的项目”是一个突破点，比如聚焦内衣的蕉内，就通过聚焦内衣和主打科技面料营造品牌心智，也能打出一个细分市场。

所谓“量治百病”，即通过对产品进行差异化定位精准地切中细分市场，快速起量，再回过头来投入供应链，这是产业人更关注的点。

毕竟，“量治百病”。

2. 找到根源：AI试衣是伪需求

外行思考的是AI试衣、AI货架，内行则会从库存和退货率思考问题。

直播电商的平均退货率为30%~50%，一件衣服只要吊牌没拆，7天内就能无理由退货。高退货率又加剧了高库存，我们往深一步想，为什么会有这么高的退货率？

其实，不管是买家秀和卖家秀的不符，还是平台价格导向的冲动消费，本质上都是宣传和实物的巨大割裂，货不对版。

那么货不对版的问题，是不是可以反过头来从供应链解决？

叶总给了我们一个例子：“首先衣服做起来一定要合体，后背是贴身的。女性有点发福是正常的，我们保证她腰围线的维度不变，把胸围放大，那腰线自然就出来了，看上去人的线条就很美”。这就是从产品端去解决问题。

为什么说AI试衣是一个伪需求，就是因为它还是从前端、从营销端解决体验的问题，而没从后端、从产品供应链端根治高退货率高库存的问题。

图片来源网络

伪需求，害死了多少创业公司啊！

举个反面案例：“有一些公司用3D扫描全身，一扫就扫出2800个数据。你说做服装用得到2800个数据吗？顶多有12个到15个关键数据就不错了。而且同样的数据，不同的公司、不同的版式、不同的工艺师，做出来的服装又完全不一样”……

数字化了一个寂寞。

3. 放大优势：用柔性制造提供个性化体验。

任何万亿级别的生意，不谈到基础设施就是耍流氓。服装行业正是依托于中国在过去三四十年积累下来的强大基础设施才能做起来的。

其实所谓的以销定产、柔性生产并不需要多少AI，也不需要多复杂的技术。只要从原本的工序上进行一些优化。

叶总举例说：“原本做一套西服，两百多道工序，要八十几个人做”。而通过流程的拆散和再造，“现在3～5人就能完成一件成衣”，这样就能做到量体定制，先付款再生产，这并不需要多少AI，只是过往的工厂模式太好做了，大家没意愿去改变。

很多没做过实体的朋友不知道，后端只需要变一点，前端就能有巨大的突破。

进行了组织和工序的调整之后，一旦后端变了，可以支持按需生产，前端自然会产生更多创新的营销打法，更多有个性的品牌就会冒出来。

这种良性的前后端闭环，并不是现在大家看到的，负责卖的不考虑退货率，负责生产的不考虑怎么卖。未来新的消费模式，必然需要新的生产力、新的组织形式。

那么，新的生产力、新的组织形式，是什么呢？

三、AI 2.0：未来已来？

很快我们来到2024年。回顾10年前，那时我是AI+新零售的从业者，欣华和Tiffany是AI 1.0的投资人，回想那时，我们也常怀疑自己，是不是认知浅薄了？真的需要那么多技术、真的需要那么多互联、真的需要那么多AI吗？

现在想想，在那激荡的几年中，无数技术创业者拿着AI的锤子找零售的钉子，那些张口闭口就是各行各业能够再做一遍的时代，那泾渭分明的传统零售和新零售之别的说辞，俱往矣！无非是移动互联网和AIGC交替的一个混沌序章而已！

如果说互联网是抹平了信息不对称，把信息变成了生产力，那么AIGC在本质上是抹平了各行各业知识的不对称，把知识变成了生产力。

所谓的知识，即模型，模型需要数据，而最值钱的数据，是工业数据——那些在一线未被数字化的经验。

1. 去找到那些产线上未被数字化的经验

比如最近被大家寄予厚望的人形机器人，都希望它能改变制造业。而一旦用在产线上，你会发现它还不如人工便宜和顺手。

做薄衬衫和呢子大衣的工序和程序是不同的，假设不计算硬件成本，光一个软件调校成本就比生产线上的人工高，一个熟练工简单培训就能完成，且一个月工资只要几千块。

熟练工的价值，并不是在和机器人比产量上，而是在关键工艺上的“手巧”，这个其实是Know-how，把它提炼出来靠的并不是千万亿的参数，而是最一线的经验。

我们谈到了一个管理学上的例子：一个饮料生产流水线，生产1000盒出来，有3到4盒是空的。老板请了一个专家团队研究了一星期，说要花1000万改造这个流水线。后来生产线上的工人说，这个没这么复杂，放一个风扇在那，风一吹空盒就飞走了，几百块就解决了这个问题。

现场有神明。

2. 做那个既懂做品牌，又懂供应链的人

我们看到大部分新锐的品牌，总是一波一波地上热搜，一波一波地没掉，究其原因，是在上一个时代大分工的背景下，营销是营销，生产是生产，我们按照工业标准培养的人才，在下一个AI时代是不适配的。

生产力决定生产关系。而AI 2.0正是这样一个契机，让我们可以重新对组织做出调整。

我们的社区里就有服装创业者，他们早就在电商平台通过投放来测爆款、收集订单，再利用AI对爆款图案进行大量生成，最后再改造生产过程中的丝印、编码、打包等工作，完成了最基础的柔性生产，同样一个月能有几百万的GMV。

这也是我们反复希望传达的观点，AI 2.0时代的产品，AI含量不一定要那么高，而是要思考将其放在哪些关键的工序，让AI成为不可替代的一环，能做到这里就已经足够颠覆了。

一通百通。

四、AI进产线，正当时

回望2015，我们作为创业者、投资人分别参与其中，不胜唏嘘。当我们看到如今AI 2.0的火热，心中既兴奋又不安。

很感谢这次畅聊，让大家对于未来更加笃定。叶总给我们带来一个完全不同的角度，从产业视角聊AI，我想是很多技术创业者很少听到的声音，我们希望未来为大家带来更多这样的一线反馈。

本文来自微信公众号：JustSayAI（ID：justsayaiorg），作者：JustSayAI Team