所有人都在谈论人工智能 时尚产业也在向它敞开怀抱

　　来源：<a class="wt_article_link" onmouseover="WeiboCard.show(5182171545,"tech",this)" href="?zw=tech" target="_blank">界面新闻</a> 周卓然

　　在时尚领域，技术出身的黄鼎隆可能还是个新人。

　　2014年，在深圳创立了人工智能公司码隆科技后，黄鼎隆的事业才开始和时尚公司发生交集。以深度学习和计算机视觉技术创新为主业的码隆科技，其主要的业务是商品 识别，简单来说，就是让计算机像人一样看懂商品、看懂图片。路人穿的漂亮裙子、杂志上的不知名配饰、一张老照片里的旧物......过去，人们苦于偶然邂 逅的心仪物品无从寻找，但这些问题如今都可以迎刃而解。由于电商的普及，这项技术也有了更实在的应用场景――当你拿出手机对着图片扫一扫，没准就能立刻在 网站上买到。

　　创业前的黄鼎隆是TripAdvisor的全球 产品副总裁，早先从清华大学拿到人机交互博士学位后，他在Google、微软、腾讯等科技企业供职，期间认识了同样做技术开发的Matt Scott。他们曾一起开发了微软Bing词典，数年后，两人成为了合伙人，各取自己名字中的一个字命名了新公司“码隆”。一个月前，码隆科技成为软银在 中国投资的第一家AI公司，B轮融资金额为2.2亿元。

　　毫无疑问，码隆赶上了AI成为热词的一年。2017年被称为人工智能的元年，在这几天举行的乌镇互联网大会上，它依然是无可争议的讨论核心。由此，所有行业似乎都在努力和这个概念扯上点关系，即使有的在商业模式和产品生产上都还相对传统，比如时尚。

　　在AI的世界里，时尚产业也是初来乍到。事实上，它恐怕从未像今天这样对高速推进的技术革新抱以如此复杂的情绪。2016年，大都会博物馆举办的“时尚界奥 斯卡”Met Gala将“科技与时尚”定为年度主题，但玩的却还只是反光面料和LED裙子。短短一年过去，科技与时尚之间的弱纽带关系就发展为了探讨人工智能对时尚产 业链的影响，足以可见在互联网时代，许多产业都处于被动革命的状态，难免令人心生紧张。

　　“科技”进而成了产业焦虑的焦点。此前据Business of Fashion报道，The Future Laboratory的编辑总监Tim Noakes认为：“目前时尚产业最令人头疼的问题就是要从落后的商业模式到追赶人工智能。”因为到2020年，机器学习的市场规模就将达到300亿英 镑，但时尚对此的运用速度实在太慢，更何况许多组织连数字化基础设施都还没搭建好。

　　这是欧美的现状，而在中国，情况也很类似。不过，眼下中国企业对AI的热情很高，市场因此不断催促着技术人才和资本开始向垂直领域寻找机会。但可以预见的是，碍于技术自身的局限和市场的复杂性，这个融合的过程并不会太轻松。


AI能帮助时尚产业做什么

　　正如大多数人了解的那样，广义的AI拥有着极其宏大的理论边界。目前，资本市场和科技行业讨论的热点都还集中在交通、医疗、安防、金融、能源、个人助理等方面。在其中，AI在时尚领域的适配显得非常偏门儿。

　　AI到底能帮助时尚做什么？时至今日，机器人设计师等科幻式的答案都不太靠谱。眼下，AI在时尚上的应用还是更多停留在促进消费上，而优化供应链和增强消费体验是最主流的两个方向。

　　2016年，码隆科技所推出的商品识别产品ProductAI已经可以通过建立算法模型和搭建数据标注系统，在多场景下识别超过20000种物体分类，无论是一块 布还是一件成衣，AI的专业度和精准度都比人类要高。目前，它在时尚领域主要应用在三个方面：服装属性识别、智能搜索同款与趋势预测分析。比如当你上传一 张时装图片后，计算机能迅速给出图中出现的物品标签：平底凉鞋、白色衣服、长发等，还能分析各种物品的颜色和适用场合。

　　科技促进了时尚产业向数字化转型，ProductAI也为码隆科技带来了时装产业2B和2C端的客户，如面料交易平台优料宝和指导用户穿衣搭配的APP穿衣助手等，这意味着该项技术可以同时作用于时尚供应链的前端和终端。

　　在过去，面料采购是必须要实地进行的工作，采购人员亲手摸一摸、亲自看一看，才能确认其质感，但同时耗时长、对人工和经验的依赖度大。但如今，AI可以将曾经手触的感受转化为一条条形容词或名词，并尽可能地令线上交易的信息变得精准和全面。

　　在消费者端，诸如穿衣助手一样的公司也越来越多，美国做明星搜同款起家的网站Whowhatwear走的正是类似的路子。不用再依赖于业内人士的扒皮贴，消 费者可以自行查找到同款产品。这将大大加速消费决策的流程，同时也将给予电商平台极大的机会，阿里巴巴为了完善服务，就专门组建了研发图像识别的团队。


用户在美妆门店用美妆相机试妆


美妆相机X巴西Natura合作

　　如果说商品识别影响了服装，那么人脸识别则影响了美妆。美图旗下的美图秀秀、美妆相机、美图美妆等产品大多都依托了人像处理和机器学习技术，来实现AR试 妆、虚拟造型、肤质测试等功能，这帮助它获得了Benefit、Nars、Lancome等大量美妆品牌的合作。拍照APP进一步成为美妆品牌上新和营销 的试验场，该技术在海外也有广阔的落地空间。上个月，资生堂就宣布收购了美国AI公司Giaran，看重的也是其AR试妆卸妆、肤色诊断的技术研发能力， 以此来提高自己产品推介和营销定位上的精准度。

　　不过，AI和 时尚虽在努力融合，但整体的进展还是十分缓慢。受制于目前技术发展的局限，机器学习很大程度上太依赖于过往经验，在码隆科技的官网测试版 ProductAI中，我们依然能看到一些偏差，比如上传的这张Chloe新款其实是一条针织套装，但计算机认为它是一件礼服或婚纱；当你将同样的图片在 同款搜索中测试后，会发现计算机并不认得它来自于Chloe。造成该结果的原因不难想到――测试版ProductAI还没怎么学习过Chloe这个品牌。

　　然而哪怕是做到这一点，技术界也已经等待了二十多年。"时尚的确属于没有那么拥挤的赛道。”黄鼎隆对这一点深有体会，但无论是人脸识别还是商品识别，技术仍 然处于AI发展的初始阶段。“因此，创业者思考的问题其实都不应该是AI不AI，而是解决实际存在的问题。谷歌等搜索引擎解决了文本检索的问题，让文字知 识很容易被获取，但碍于图像技术的不成熟，藏在图像中的知识到今天依然未被有效地释放。”

　　而恰好，时尚的知识就藏在图像中。由于1990年代的AI概念没有什么应用机会，这个领域曾在当时计算机商业化的浪潮中被掩盖。直到近年来，搜索引擎、电 商、图像识别技术日趋成熟，AI才重归大众视野。在图像识别中，人脸识别又比商品识别成熟得更早，也已经在安防等领域做了大量成功的尝试。但不同于人脸， 商品识别的难度在于变化太多。举一个例子，如果想让计算机辨识到一件T恤，则需要教会它一些定义T恤的规则，比如衣服挂在衣架上、平铺和折叠起来时分别是 什么样子，但物品的状态实在太多元，这些规则很难被完全总结，机器学习面临挑战。

　　AI如今研究的深度学习，不再像之前那样人为地给计算机设定“规则”，而是让计算机通过大数据自己提取特征。互联网从“规则驱动”的时代进化为“数据驱动”， 也给了品牌方极大的转型压力。尤其是对于许多时尚公司来说，过去它们并没有保留数据的习惯，即使有，也是尘封已久的商业机密，但AI却是一个数据量越大、 智能化水平才越高的世界。


用码隆科技的ProductAI测试一张图，会得到如下标签


码隆科技曾推出过色彩分析和预测产品StyleAI

　　谁在嫁接AI和时尚

　　企业愿意向第三方技术服务公司开放多少数据，决定了AI在时尚领域的落地深度。事实上，这不仅挑战了行业的固有思维，也在挑战传统的商业伦理。在中国，2B市场的话语权过去更多掌握在IBM、微软等西方企业手里，随着近年来本土服务型企业的崛起，市场自身也在经历革新。

　　码隆科技也曾在2B和2C的决策上犹疑。它于2015年推出过一个名叫StyleAI的产品，可以分析用户上传的任意图片中的配色。同时，系统还会给出所有 相似配色的产品或时尚产品图片。起初，这个产品面向普通大众，但黄鼎隆随后就意识到，受制于用户增长的成本高、产品应用场景缺乏等问题，2C的 StyleAI难以在商业层面上变现。

　　调整了战略的StyleAI转而服务企业，很快，它们接到了中国纺织信息中心和国家纺织产品开发中心的合作邀约。中国纺织信息中心想要通过全面分析四大国际时装周秀场和全球品牌，建立一个适用于中国市场的应用色彩体系，从而指导本土流行趋势的规划和面料趋势的研究。

　　这款名为“AI Color Trend”的产品最后在FabricsChina微信服务号上线。“Gucci、Dior、Chanel和Burberry等引领时尚的知名品牌，每季 都喜欢选用哪些颜色？颜色如何搭配？相应的服装都对应哪些面料？”中国纺织信息中心如是回应布局AI的初衷，比如在2017年，它发现Kenzo和 Issey Miyake就都用到了草绿色，而过去这是色彩巨头彩通的工作。

　　不过，时尚产业中的大多数核心企业还在选择观望，虽然码隆科技已经有意在日本等海外布局，但对于传统企业来说，开放数据依然是收益和风险并存，家族企业和外 资企业都更为谨慎。黄鼎隆也坦言：“AI太容易让人产生浪漫的想法，市场也在对它进行炒作，但落地本身是比较难的。对我们来说，我们只能看有没有帮助客户 节约成本、增加收入，以及用什么工具去解决问题。”

　　当技术公 司和时尚品牌都不是天生的流量入口时，创业型公司要解决数据问题，“一方面可以寻求市场上一些数据型公司提供的服务，另一方面也有一些开放的数据集可以供 大家训练，但是本身拥有数据入口的公司肯定会更有优势。”美图影像实验室MTlab向界面表示，“因为这样获取成本相对较低，比如美图大概可以每天处理照 片2亿张，去年全年处理了680亿张，因此数据集和研究的领域匹配度会更高。”

　　数据嫁接了AI和时尚，但在两者之间建立信任却需要时间。如今，码隆的做法是将选择权交给客户，通过云端服务，企业愿意放多少的数据是自己的选择，有了好的 案例后，传统企业、跨国企业的意愿就会大一些。而正如资生堂、丝芙兰那样，入股AI公司也能一定程度上解决信任问题，但肯做出这种投资同时也不乏财力的企 业毕竟是少数。

　　事实上在这场交际舞中，技术驱动型的公司还是 表现得更为主动。今年9月，美国电商巨头亚马逊称研发出了一种新算法，可以通过分析大量图像并模仿其风格来设计时装。在弱AI时代，亚马逊已经开始信心满 满地宣布，这项技术或在不远的将来取代设计师工种，至少，是那些缺乏原创能力的抄款设计师。

　　提供这项技术支持的是亚马逊自有的Amazon Lab 126团队所做的GAN，也属于AI中的深度学习，由Google开发。通过研究Instagram、Facebook等社交媒体上的图片，GAN能预测 时尚潮流。这项技术对于近年来正在积极开发时尚资源的亚马逊来说非常关键。

　　AI也因此成为了时尚行业的新闯入者们实现弯道超车的砝码。例如美图市场副总裁陈汉泽所说：“在AI的大目标上，百度的口号是All in AI，腾讯是AI in All，微软有会写诗的，美图会做画画机器人，我们更想做使用场景和用户体验结合的AI方案，以提高效率和增加创新。所以，我们更希望的是在我们擅长的领域里，运用海量数据，能够拿到AI时代的门票。”



美图绘画机器人Andy效果

　　那个未来真的会来吗

　　如今非常强调自己AI研究能力的美图旗下拥有美图秀秀、美颜相机、美妆相机、潮自拍、美图手机等多款产品，以“让更多人变美”为口号，公司近年来也不断拉近 着和时尚产业的距离。除了为美妆品牌提供试妆服务，11月23日在美图V6手机的发布会上，美图也邀请了时尚红人和博主们来分享新手机的使用体验，希望更 精准地定位到爱美的女孩。

　　现场，美图还发布了一款AI绘画机 器人Andy，通过学习海量的插画素材，绘画机器人Andy可以为每个人像绘出两种风格、共30多种不同效果的画像。这个技能也被视作美图在AI研究上的 最新进展，其影像生成技术的核心是基于MTlab自主研发搭建的生成网络DrawNet，通过深度学习对海量插画类图像数据进行分析，学习不同的插画风 格，不断增强Andy的绘画能力。

　　“大家往往会误解，只有Alpha Go和无人车这些很前沿很未来的产品才是人工智能，但其实它已经应用在我们的生活中，当你拍下一张照片，那一张照片已经根据你的性别、年龄自动进行了调整，这就是一种人工智能。”这是MTlab对AI的理解。

　　MTlab 由美图在2010年成立，据介绍，团队从2010年开始尝试机器学习方面的研究，包括svm、级联分类器和神经网络等技术，2012年又加入了深度学习， 希望借此保持其技术竞争力。不过，这个听起来很Geek的部门并不算是纯研究型的枯燥实验室，由于要对接用户需求，实验室的研究员同时被要求“要对美有 sense”。在管理上，专业彩妆师也会加入产品团队，负责给出审美趋势、流行妆容等专业意见。

　　磨皮、美白、瘦脸，虽然修图的权力掌握在用户手里，但通过制定算法，科技公司在迎合主流审美的同时，也瓦解着时尚传统的权力体系。在过去，精英媒体、顶尖品 牌把控着流行的方向，但就如码隆科技如今也有了一些时尚杂志类的客户，通过激活这些杂志保存的图片数据，杂志可以更容易发现蕾丝元素曾在哪年哪月流行，并 探寻到其中的规律，好提前为引导潮流做准备。

　　黄鼎隆想起一个 故事，来自于电影《穿Prada的恶魔》里的片段：当安妮海瑟薇饰演的实习生Andy完全认不出一件来自于Calvin Klein的衣服时，女魔头用连珠炮似的品牌故事去嘲讽了她的无知，“时尚行业革新的缓慢可能是图像知识还不开放不平等的结果，为什么金融业比较容易被技 术驱动？因为它以数据为基础，原本就是电脑可理解的。”而这兴许就是时装界格外崇尚精英主义文化的缘由。

　　AI正在改写时尚产业的供需关系。传统精英的权力一部分流向用户手中，而另一部分则转移到了握有数据或拥有数据处理能力的科技公司手中。当然，单从数据本身来 讲，它本不存在审美上的偏好，更为冷静而客观。例如，美图在海外拥有超过5亿用户，陈汉泽认为，这意味着“美图可以理解中国人的美，也可以理解其他国家的 美。”这超越了种族和肤色，通过数据，时尚产业能够在个性化和定制化的路上走得更深，“美图一直强调的点是，人有千式千样，美也有千式千样，我们希望能够 按照用户自己的方式去做算法和推荐。”


　　不过随着概念升温，已有不少人开始质疑AI是否成为了一种噱头。“市场鱼龙混杂，一些产品只是普通算法，却也说自己是AI。”一位业内人士称。可惜面对这种指控，已经极少有人还在追究AI的确切定义了。

　　著有科幻小说《三体》的作家刘慈欣曾在《AI时代的曙光》一文中梳理过AI概念的发展，发现很难给出一个通用定义。如果说自动化是AI概念的起源，那么随着 技术的发展，在Alpha Zero打败Alpha Go之后，如今科学所追求的智能化则更倾向于一种“类人”状态。简而言之，算法固然是基础，但如果代码还能清楚地解析机器的每一步行动，那么这就并不算是 真正的AI。真正的AI多少带有些“黑箱”的特点，即我们并不知道机器在想什么，也不知道它们会怎样行动。

　　这也成为了科技和人文博弈的焦点，人们在观点上也存在分歧，一部分技术研究者和学者均认为还不必为这件事担忧，甚至极有可能，人类永远看不到机器超越我们的 那一天。而即使被夺走饭碗，我们也还可以保有某种设想，刘慈欣曾写道：“通行的美好说法是，人们在常规工作中被AI取代后，可以去从事创造性的工作。问题 是创造性的工作不是人人可以从事的，也不需要那么多的人，如果社会分配制度不改变，一个全部由科学家和艺术家构成的人类世界几乎是一场噩梦。”

　　陈汉泽觉得，AI还是无法代替人的部分――那些人的选择和审美的标准，以及我们还是需要大师。黄鼎隆也赞同这一点，他认为，AI的角色不是替代，而是增强。 而技术的革新一直如此，就像汽车增强了人行动的能力，但并没有夺走人行走的权利。“这件事和围棋比赛并不一样，因为时尚和文化不是博弈性质的东西，它的规 则界限并不清晰，也不会有胜负的判断。何况这一切才刚刚开始，在所有行业，AI的应用都还非常浅显。”

　　担心AI颠覆创意型行业还为时尚早。