聲明:本文來自于微信公眾號 第一財經商業數據中心（ID:CBNData），作者:第一財經商業數據中心，授權微新創想轉載發布。

自2023年以來，我國服裝消費雖然呈現恢復態勢，但是回暖速度遠弱于消費大盤。限額以上服裝鞋帽針紡類1-7月零售額同比2021年僅增長1.3%，而社零總額同比增長7.1%。

現階段，服裝行業上下游各企業均面臨著企業效益下降、消費者需求波動等一系列因素帶來的挑戰，加快供應鏈數字化從而提升企業平穩運營能力已成為行業共識。第一新聲數據顯示，超7成傳統服裝企業正通過新技術賦能企業數字化轉型。

就在這種趨勢下，今年爆火的AIGC技術對供應鏈數字化進一步催化，從生成設計圖到賦能生產制造，AIGC以不可阻擋的勢頭滲透到供應鏈環節中。然而，對于已經經歷多輪AI技術洗禮的供應鏈，本次AI技術能否引起行業變革?隨著技術發展，供應鏈服務商們又呈現怎樣的競爭格局?CBNData通過整理數據與觀點嘗試對此進行解答。

定制化需求高漲

服裝企業挑戰愈發嚴峻

我國是服裝消費大國，消費者對服裝的大量消費需求使得服裝行業擁有龐大的市場規模。近幾年來，服裝、鞋帽、針紡織品類每年社消零售額始終超萬億元并且零售額僅次于汽車、石油及制品和糧油食品三個品類。此外，隨著渠道端的變化與消費方式的轉變，服裝鞋帽針紡織品也成為最熱門的線上消費品類。商務部大數據顯示，服裝鞋帽針紡織品在2020-2022年在全國網絡零售額占比都超過20%，始終保持在占比最高的消費品類的位置。

然而，在龐大的消費規模下，整個服裝市場已進入存量競爭階段，尤其自疫情以來，由于外部多種不確定因素的疊加，競爭尤為激烈。根據國家統計局數據，2019年服裝鞋帽針紡織品零售額同比增速僅有2.9%，并且自2020年以來，服裝鞋帽針紡織品成為受到疫情波及最嚴重的品類并且恢復遠不及預期。

除此之外，疫情結束后，受需求端不景氣的影響，服裝企業運行承壓，盈利難度大、庫存積壓等一系列亟待解決的問題變得愈發突出。國家統計局數據顯示，今年每月行業規模以上企業虧損面在30%左右，每月虧損企業占比均高于去年同月。經營利潤率方面，2023年規模以上企業的每月經營利潤率都低于去年同期，并且2月-5月營業利潤率不足4%。

庫存方面，絕大多數企業面臨存貨積壓、存貨周轉速度慢的情況。根據各公司公告，相較于2021年同期，除報喜鳥和比音勒芬外，其他企業今年二季度的庫存周轉天數均有不同程度地延長，其中森馬服飾更是增加了76.36天。

與此同時，消費終端需求趨勢多變，對產需協同程度提出了更高要求。隨著Z世代近年來登上消費舞臺，越來越成熟的消費者開始關注自身，大眾對于定制化服飾需求水漲船高。麥肯錫調研結果顯示，我國超5成Z世代消費者偏好個性化產品與定制服務。

在未來，獨特的產品和服務或成為Z世代消費者的主流，就需要服裝企業更高效地收集消費者需求、更敏捷地制造個性化產品，這無疑對品類多深度大、時尚更迭迅速的服裝市場加大了挑戰。

人工智能賦能細分環節

數據打通成供應鏈變革核心問題

面對重重關卡，如何利用使用技術力量實現服裝供應鏈迭代成為行業最迫切的需求。“不管是服裝行業，還是其他行業，確實要充分認識到發展數字化的迫切性”中國物流與采購聯合會副會長蔡進在2023服裝物流與供應鏈行業年會上致辭。

在我國，供應鏈數字化進程先后經歷了前端信息化、客戶數字化，現已來到廣義供應SaaS階段，如何打通系統，整合供應鏈資源，實現協同管理成為服裝企業需要討論的命題。“為保障產品在終端的競爭優勢，公司致力于供應鏈的資源整合，積極輸出管理、培育和扶持優質供應商，協同參與供應商的信息化建設、產品研發、面輔料采購、產品生產、質量管控、成本核價、供應商評價等各個環節，做到了全流程的把控”海瀾之家在2022年年報中提到。

在供應鏈數字化轉型的過程中，人工智能技術的發展也起到一定驅動的作用。如今，機器學習、決策支持系統、專家系統等相應的人工智能分支技術已借轉型之機深入供應鏈的細分環節，并且隨著人工智能技術幾經迭代也為服裝供應鏈的“優化”提供了更優解。據億邦動力報道，此前的服裝AI均基于一種通過兩個神經網絡相互博弈的方式進行學習的生成模型——生成對抗網絡（GAN），但是該模型具有可控性較差、多停留在理論層面等特點。如今AIGC的落地，其背后的Diffusion模型的優勢凸顯——只需要訓練生成模型就可以實現更好的訓練穩定性。參與全國首批數字時尚領域國家標準制定企業凌迪科技的首席科學家王華民對億邦動力表示，“Diffusion比GAN更容易訓練，同時將可控性整體上了一個臺階，訓練效果也有了很大提升。”

然而，人工智能技術也僅僅對服裝供應鏈的細分環節進行了改造，例如今年爆火的GPT就是主要在企劃、設計和零售環節有賦能企業提速的作用。在企劃環節，利用數據進行規律性、針對性預測，提高服裝設計爆款率;在設計環節，利用圖像生成工具輔助效果預判，助力設計落地;在零售環節，利用文案生成工具和智能導購提高運營效率與用戶體驗。

對于多品類的服裝供應鏈整體來說，實現在流程上各環節智能化協同仍有很多問題需要解決。凌迪科技合伙人陳夢婕在播客《擴博智聊》中提到“在服裝的鏈路上，當前AI在每一個細分環節可能都有發揮作用的空間，但是如何把整個鏈路串起來，這件事情還是非常有挑戰的”。

要引起整個供應鏈變革，什么是當前的瓶頸?多家服務商認為數據打通是當前最為核心的問題。服裝供應鏈條冗長，參與者眾多，數據往往分散在的企劃、設計、生產和流轉等眾多過程中的細碎分解環節里，并且由于參與者以管理方式較為落后的中小企業為主，受到不同動力和能力的影響，數據也很難從中小企業中獲得。在接受億邦動力采訪時，2021年杭州市準獨角獸企業知衣科技創始人兼CEO鄭澤宇認為，服裝行業的數據極度分散，掌握在不同參與者手上，幾乎不共享也不傳遞。陳夢婕在《擴博智聊》中也同樣表示，現在細分環節數據的結構化程度非常低，如果在淘寶收集布料、輔料、工藝等關鍵標注的話，會發現這些數據并非原始的、真實數據。

賽馬階段競爭激烈

擁有數據先發優勢的企業

更有可能成為頭部玩家

近期服裝產業鏈智能化的相關動作頻頻出現，服務商開啟新一輪在人工智能領域的角力，希望借此次機會引導產業變革。西湖心辰與知衣科技聯合推出了一款面向服裝設計行業的AI大模型“Fashion Diffusion”;凌迪科技發布Style3D AI產業模型;深圖智能科技發布服裝行業垂直領域專精大模型“匠衣深造”。

在目前服裝供應鏈中，各環節均有使用人工智能賦能的服務商，其中既有像致景科技、妙優科技、凌迪科技等服務商主要在某一服務環節深耕，還有得體科技、知衣科技、酷特智能等企業提供一站式柔性供應鏈管理服務平臺，利用數字化協作，從設計、打版、采購、生產、交付等一系列環節賦能，從而提高供應鏈整體運行效率。

那么，在眾多服裝供應鏈AI服務商中，是否有領導者企業產生?這個答案恐怕是否定的。“服裝行業還沒有一個用人工智能改變行業的角色”鄭澤宇對數字經濟發布說到。作為傳統制造業，服裝行業信息化與數字化水平較低，有大量的工作需要服務商們從0到1開始做起，這無疑是個非常艱辛的過程。

不過值得一提的是，擁有數據先發優勢的企業更有可能成為行業龍頭。眾所周知，算力、算法、數據是人工智能三大要素。算力方面，雖然國內尚處于GPU受限的情況，但是服務商多在應用與模型上發力，算力并非服務商爭搶的核心資源;算法方面，90%人工智能算法屬于開源項目，復制成本低，對于服務商來說，算法很難成為自身壁壘;數據方面，數據的飛輪效應顯著，高效準確地獲取數據可以訓練更專業的模型，從而可以吸引更多的客戶資源。此外，數據競爭存在先發優勢，占據特定的應用場景，更早地獲取數據的服務商才能構建牢固的“護城河”。

永遠變化的消費者需求仍會倒逼上游產業鏈，臺前的效率戰與規模戰仍在繼續。如何幫助服裝企業解決臺后的產能問題?利用AI技術串聯各環節似乎是供應鏈服務商們提供給服裝企業的未來解決方案。隨著這個解決方案真正落地時，數據在各環節中實現流轉，人人穿“高定”的時代應該也就到來了。