十月二十八号，新华网和证券日报同日刊出纺织服装业 AI 应用的报道，里面有几组企业自己披露的数据。
安踏把 AI 能力做成了一个设计大模型，名字叫「灵龙」，用集团积累的上千万组鞋服数据和百亿参数的大模型底座训练，做了鞋服领域的针对性优化，功能包括文生图、线稿生图、鞋服设计、图案创意设计和爆款快速拓展。
落到具体项目上，斐乐的一双网球鞋，传统设计周期三个月左右，在 AI 参与多个环节并与设计师协作之后，从项目启动到最终定款缩短到不到四十天。安踏同时披露，AI 辅助设计的商品，销售转化率提升两成。
同一篇报道里还有一个细节。一位服装设计师说，过去修改一款中式外套的版式，要先用图片软件手动抠图调色，再与打版师反复沟通，从有灵感到打样前后要七天。现在在 AI 工具里输入几个关键词，片刻之间能生成几十款样式。
三个月的活干到四十天，七天的活干到几分钟。这两个变化放在一起，设计部的工作内容变了，可大多数公司的设计部考核表，还是三年前那张。
判断在这里。设计周期缩短之后，设计部最稀缺的资源从「做得出」变成「选得对」。考核如果还按出款数量算，团队会用 AI 生成几百款，然后交给商品部去挑，压力只是从设计部挪到了商品部。
做错的样子见过几种。一种是把 AI 当出图工具，设计部每月出款数量翻三倍，款款平庸，上新之后售罄率掉下来，一年后公司发现钱花在了拍摄和样衣上。第二种是把 AI 省下来的时间用来接更多项目，设计师的人均负荷升了三成，半年后核心设计师走了两个。第三种是老板一个人用 AI，中层不用，理由是不会，一年后组织能力没变，只有老板的 PPT 变好看了。
可以带走的是一张设计部三张表。
第一张，开发周期表。从概念到定款的天数，按品类分开记，一个季度更新一次。这张表的作用是看 AI 到底省在哪一段，如果省在出图这一段，而打样这一段没变，整体周期不会短多少。
第二张，款效率表。每个款从上市到季末的售罄率、折扣率、毛利率，三个数排在一张表上。设计部对这张表负责，才会有人认真挑选，而不是拼命出款。
第三张，首单命中率。首单卖完的比例，这个数最能反映设计判断的准确度。AI 能把出款速度提上来，命中率还是要靠人对市场的理解。
招人的标准也要跟着改。过去招设计师看手绘和款式感，现在还要看两件事，会不会用提示词把想法说清楚，能不能从几十个方案里挑出能卖的那一个。这两件事的前一件三个月能学会，后一件要五年。
三张表里，第一张是过程，第二张是结果，第三张是判断力。三张一起看，才知道 AI 进来之后，设计部是真的变强了，还是只是变快了。
商品部这边的动作是改挑款的方式。过去挑款靠经验，一个人看一百个款，挑出十个。现在 AI 给出三百个款，靠人看不过来。可行的做法是先设三条硬标准，价格带、品类占比、目标人群，把三百个款筛到六十个，再用小批量试单验证。硬标准写在纸上，比开会讨论有效。
还有一件事要一起改。设计师的奖金如果按款数算，AI 会把款数推到天上去。改成按款效率算，设计师会主动减少平庸款，把时间放在少数几个款上。这个改动不需要花钱，只需要改考核表。
希纪在给服装企业做 AI 经营改革时，第一步是把三个部门的考核表拿出来看一遍，选工具往后放。设计部、商品部、销售部的考核如果互相打架，AI 进来只会让打架更快。
安踏这组数据里最值得记的是那句转化率提升两成，四十天排在后面。周期缩短是效率，转化提升才是钱。效率可以靠买工具，转化要靠人改判断。
希纪 · 服装产业观察