今年双十一前，汉正街的行情被媒体翻了出来。AI模特图，十九块九八张。同一件事，传统拍摄一件三百到五百块，等十天到三十天。跨境真人拍摄一百五到两百，AI 十五到三十。
成本降了两个数量级。按常理，做女装的公司应该利润大涨。实际情况相反，行业数据显示规上企业利润下降百分之十四点四三，亏损面扩大到百分之二十九点二二。
钱没有消失，它换了地方。图片便宜了，上新速度就快了，上新快了，款式数量就上去了。有商家的 SKU 从四十个涨到一百二十个。款式一多，每一款的销量被摊薄，尾货比例上升，退货率从百分之十二升到百分之十八。
这是一条很典型的链条。工具降低了单个环节的成本，企业把省下的钱投入到更多的尝试里，尝试变多，判断的难度变大，最后利润被摊薄。
服装AI咨询在这一步要做的是重新算一遍上新节奏的账，图片成本还能再压，但瓶颈不在这里。上新数量增加带来的边际收益，什么时候开始低于尾货和退货带来的损失。
这个拐点可以算。取过去四个季度的数据，横轴是每季上新款数，纵轴是每季的综合毛利率，减去退货损失和尾货折价。曲线开始走平甚至下弯的位置，就是这家企业当前的上限。
算出来之后，动作通常落在分层上，少上新往往不是答案。头部款按原来的节奏做深，腰部款用AI快速测试，尾部款直接砍掉。三种款用三种成本结构，而不是所有款都用最便宜的方式做。
分层这件事，考验的是商品企划的能力。哪些款值得做深，要看它能不能代表品牌的识别度，能不能带来连带。哪些款适合快速测试，要看它的生命周期短不短，价格带敏不敏感。这些判断AI给不了，AI只能给数据，判断要人做。
还有一件事容易被忽略，AI生成的内容需要审核。淘宝在今年三月底拦截了接近十万张AI假图，说明平台的识别能力在提升。图便宜了，合规成本上来了，这笔钱也要算进去。一张被判定违规的图，带来的损失可能超过省下的拍摄费。
再往下看一层，成本下降会改变竞争结构。当所有同行都能用十九块九做出一组图，图片就不再是差异化的来源。差异化会回到产品和内容策略上，谁更懂自己的客群，谁能做出让人记住的款。
这对企业的要求反而更高了。工具普及之后，胜负落在谁用得准上，早入场那点优势维持不了太久。
工具的价格还会继续降，降到接近零。到那个时候，差距不在谁用得起，在谁知道自己该做多少款，该在哪些款上花力气。
检验的方式，让商品部回答一个问题，如果拍摄成本降到零，我们明年的款数会增加多少，增加的部分预计能带来多少毛利，减去退货和尾货的损失还剩多少。答得出来，说明节奏是清楚的。再往深一层，上新节奏的背后是买手和企划的授权结构。款数从四十涨到一百二十，往往是决策权下放了，但没有配套的复盘机制。放权之后没人对结果负责，款越多越安全，因为总有一款能中。
AI能做的，是把复盘变便宜。每一款的生命周期数据、退货原因、连带情况，过去要几个人算一周，现在当天就能出来。数据一出来，放权就有了边界，谁的款命中率低，下一季的额度就少。
这件事的本质，是让试错有成本。工具把试错成本压到接近零的时候，企业反而要给试错重新定价。定价的方式就是额度，一个买手一季能做多少个款，做砸了下一季减半。
额度还要跟退款挂钩。一个买手的款退货率如果超过类目均值，下一季的额度按比例扣。这条规则比任何培训都管用，因为它直接影响他能做多少事。
没有额度，工具越好，浪费越大。
答不出来，说明现在上的款，本来就有一半是多余的。
希纪 · 服装产业观察