（报告出品方：德邦证券）

生成式AI迎来技术突破，或催化服装定制需求爆发

年11月，美国人工智能研究实验室OpenAI推出了基于GPT.5的人工智能聊天机器人ChatGPT，使用了Transformer神经网络架构，通过训练在大型文本语料库上学习到的语言模式来生成自然语言文本，它能够通过上下文进行聊天，完成撰写文章、编写代码等任务。

截至2年1月，ChatGPT已达到1亿月活跃用户，成为历史上增长最快的消费者应用程序。2年月，OpenAI又推出了最新的多模态大型语言模型GPT4.0，相比GPT.5，它更具创造性和准确性，支持图像输入，表现出人类水平的专业和学术基准。随着生成式AI实现技术突破，人工智能或将重塑时尚行业，服装定制有望迎来爆发机遇。

设计端：突破创造力界限，人人都可成为设计师

人工智能融合服装设计，AI成为设计师的重要工具。人们一直在积极探索人工智能技术在服装设计行业中的应用，早在年深兰科技推出的服饰辅助设计系统DeepVogue就曾在中国国际服装设计创新大赛获得亚军。DeepVogue应用了GAN、VAE和结伴学习等技术，通过学习已有的走秀图来生成大量新的服装设计图，也可以将将指定的风格元素迁移到服装上。此外AI能够极大提升了大数据处理效率和图像识别技术，辅助进行时尚趋势预测与决策支持。成立于18年的知衣科技就以人工智能技术为驱动，基于分布式数据采集技术，为服装企业和设计师提供流行趋势预测、设计赋能、款式智能推荐等核心功能。

AI制图工具将自然语言生成图像，赋能服装设计助力灵感实现。

随着人工智能的发展驶入快车道，DALL-E2、StableDiffusion、Midjourney等AI图像生成工具愈发成熟，能够将输入的自然语言生成相对应的原创图片，或将用户输入的草图或者简单线条转化为复杂的具有艺术感的图像，并支持在已有的图片上做进一步修改表达。

以Midjourney为例，我们对其图像生成功能进行测试，当我们输入“身穿优雅经典款式的女士西服的模特，香奈儿风格，浅蓝和白色配色，标准款式，棉质，蕾丝，奢侈”的文本表述时，Midjourney生成下方左边四张图片，基本能对应指定关键词的特征助力设计落地；当我们输入“拖尾晚礼服裙，云朵主题，赛博朋克风格，全身，奢侈”的文本表述时，Midjourney生成下方右边四张图片，能将模糊且概念性的关键词可视化，为设计师提供灵感。

AIGC设计应用加速落地，CALA降低服装设计门槛。

AIGC的应用某种程度上降低了设计的门槛，每个人都可以应用AI工具绘制出自己的创意。以第一个接入OpenAI的DALL-E2API服务的应用CALA为例，它为大型知名零售商、中型时装公司和独立设计师提供了一个一站式服装服务平台，可以将设计师的创意快速转化为设计草图、原型和产品，并提供设计、生产、定价和融资等全链条服务。

CALA中服装设计功能的主要使用步骤如下：首先选择相应的服装类型，输入两个文本提示修改样式，第一个描述了基于形容词和材料的设计，而另一个描述了所需的装饰和特征。随即CALA就能够生成仿真照片和平面草图两种模式的设计图，并输出多种结果以供选择。设计师可以选择合适的结果进行进一步的AI再生成，也可以在生成的设计上做修改。尽管生成图相比服装设计图仍有较大的差距，但显著降低了新设计师的进入门槛，并为资深设计师提供海量创意提升工作效率。

编辑搜图生产端：智能制造助力提质增效，机器人产业化有望加速

政策鼓励传统纺服产业数字化转型，智能制造大势所趋。《纺织行业“十四五”发展纲要》指出，“十四五”期间要继续推进新一代信息技术与纺织工业的深度融合，加快行业数字化转型。根据中国工程院提出的纺织智能制造标准，聚焦智能制造新模式、智能纺织装备及共性技术和标准、智能纺织材料三大领域，攻克智能赋能技术、纺织智能服务、纺织智能工厂、纺织智能装备、工业互联网等关键技术，进而落实智能制造在纺织行业专业领域的8大应用。

AI为传统制造业带来重大变革，助力服装制造行业提质增效。

人工智能在工业领域的应用非常广泛，在服装制造业中可应用于产线设备、质量检测等多个环节。例如AI引入服装质检领域，既能在监测面料和成衣的色差、疵点识别、尺寸大小等方面有更高的准确率，也能弥补招工不足问题，更能利用累积数据改造生产工艺。年深圳创新奇智公司应用视觉识别、D视觉引导和机器学习等技术，构建智能质检解决方案，实践于香港怡东集团的印花质检、成衣质检等业务场景中，助其提升运营效率、降低运营成本。

而在智能缝制设备中，计算机等设备可以模拟人类视觉，并分析处理获得的相关视觉信息，从而控制缝制设备的运动。年美国Softwear公司研发出附带视觉功能的自动缝纫机器人SewBot，即能检测织物变形并自动调整，也能执行裁剪、缝纫、添加袖子等多项任务。年国内台州市箭马缝纫机公司也推出了JM-S视觉识别自动送扣缝纫机，使得缝制时纽扣可以完全按照设定的方向有序排列并缝制。

ChatGPT或可用于语音控制机器人工作，机器人产业化有望加速落地。

2年2月微软团队发布了一篇有关ChatGPT在机器人领域的应用的论文，描述了一系列可用于指导语言模型解决机器人任务的设计原则，通过工程师的设计原则，无需任何微调，ChatGPT可以为机器人场景生成代码，从而实现用语音控制机械臂、无人机、家庭机器人等机器人，以实现多样化的任务。随着ChatGPT等生成式AI的快速迭代，自然的人机交互成为可能，工程师有望不再单纯依赖系统代码控制和纠正机器人行为，从而推动机器人产业化加速落地，为工业生产带来变革契机。

用户端：AR/VR基于AI迭代优化，虚拟试衣有助提升定制体验

作为服饰选购的辅助手段，增强现实（AR）与虚拟现实（VR）技术早已应用于虚拟试衣，致力于为消费者提升购物体验，国内电商如淘宝、京东都曾探索虚拟试衣服务，但用户普及度并不高，主要原因在于试穿效果并不逼真，虚拟形象并不能贴近用户的真实身材，也很难展现衣物的细节和材质特性。

谷歌TryOnDiffusion模型效果优秀，生成式AI提升虚拟试衣体验。

2年6月14日，谷歌发布了TryOnDiffusion虚拟试衣AI模型，展现了生成式AI与电商服装融合，为用户提供不同肤色、不同体型、不同发型的多套模特示意图。谷歌的新技术将其全球购物信息数据库（ShoppingGraph）与一种扩散模型（Diffusion）相结合。

谷歌使用成对的图像进行训练，每个图像都包括一个人以两种不同姿势穿着衣服，如侧身和正面穿着衬衫，从而AI模型学会了侧身姿势的衬衫形状与面朝前姿势的图相匹配，反之亦然，直到它可以从各个角度生成该人穿着衬衫的逼真图像。为了追求更好的效果，谷歌使用数百万对不同服装和人物的随机图像对重复此过程，最终呈现效果既保留了衣服的细节效果，也适配了新模特的身材和姿势。

虚拟试衣功能应用落地助于满足用户个性化需求，提升服装定制用户体验。

得益于高质量的海量数据训练以及扩散模型，谷歌TryOnDiffusion功能可生成高质量的试衣图像，让消费者逼真地感受商品的效果。根据谷歌研究表明，TryOnDiffusion在92.72%的情况下比其他三种模型（TryonGAN、SDAFN、HRVITON）表现更好。目前，该功能已经在Anthropologie,LOFT,HM等电商网站上线。另外，借助机器学习和新的视觉匹配算法，用户可以进行微调定制，使用颜色、风格和图案等输入进行优化。试衣是服装定制的重要一环，随着AR/VR基于AI不断迭代优化，虚拟试衣场景更加普及，用户有望真正实现足不出户就能定制到满意的衣服。

总结：

设计端：DALL-E2、Midjourney等AI图像生成工具愈发成熟，能够将输入的自然语言生成相对应的原创图片。美国一站式服装服务平台CALA已接入OpenAI的DALL-E2，AI助力设计师实现灵感，人人都可成为设计师。

生产端：政策鼓励传统纺服产业数字化转型，AI赋能智能制造提质增效。ChatGPT或可用于语音控制机器人工作，机器人产业化有望加速落地。

用户端：2年6月，谷歌发布了TryOnDiffusion虚拟试衣AI模型，AR/VR基于AI迭代优化，虚拟试衣场景更加普及将有效提升服装定制用户体验。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）

本报告共计：5页。受篇幅限制,仅列举部分内容。

精选报告来源公众：幻影智库

转载请注明:http://www.aideyishus.com/lktp/6566.html