十月十三日，《瞭望》新闻周刊发了一篇关于纺织服装产业互联网的报道。里面有一组数，值得做服装的人抄下来。
传统设计流程包括查趋势、画线稿、出纸样、做样衣、拍照片。一位设计师一天最多开两款。一件衣服在赚钱之前，打样与拍摄成本接近四千元。从开款到上新接近半个月。
同一篇报道里还有另一组数。数字打版与部件库上线以后，版师出图从一天两版提速到最快两小时一版。
两个数放在一起，AI 在研发端的作用就清楚了。它压下来的是开款的成本和节奏，灵感那部分它碰不到。
判断在这里。AI 进研发，第一笔账要算在开款成本上，不要算在创意上。创意这件事算不清，开款成本算得清。
四千元一款，一年开一千款，就是四百万。这笔钱在报表上分散在开发费、样品费、拍摄费里，多数企业没有单独归集过。没归集，就不知道 AI 到底省了多少。
开款成本里有三块。第一块是样衣，一件样衣的面料、辅料、人工，几百到上千。第二块是拍摄，模特、场地、修图，一套图几千。第三块是反复修改，一款改五版，成本乘五。AI 能压的是第一块和第三块，虚拟样衣替代实物样衣，AI 改款替代反复打样。第二块也能压，用 AI 生成模特图替代实拍。
节奏这件事更值钱。半个月开一款，一年只能开二十四轮。压缩到十天，一年能开三十六轮。多出来的十二轮，就是多出来的试错机会。服装这门生意，卖得好的款通常只占两成，剩下八成是试错成本。试错次数多，命中率才有机会提高。
做错的样子有两种。一种是买了 AI 工具，交给设计部自己摸索，一年过去，开款数量没变，成本没降，工具闲置。另一种是把 AI 当裁员工具，开款成本降了，设计师砍了一半，第二年款式的命中率掉下来，卖不动的款变多。
分界线在考核。设计部的考核如果还是款数，AI 只会让款数更多，不会让命中率更高。考核改成命中率，也就是首单售罄率和返单率，AI 才有意义。
可以带走的是一张 AI 进研发的三笔账。
第一笔，开款成本。把过去一年的样衣费、拍摄费、修改费单独归集，算出单款成本。上线 AI 三个月后再算一次，两个数对比，省了多少一目了然。
第二笔，版师产能。一个版师一天出几个版，AI 上线以后出几个。产能提升的部分，要么用来多做款，要么用来做更复杂的版，两个方向都可以，但要选一个。
第三笔，上新节奏。从开款到上新的天数，上线前后的对比。天数缩短带来的收入增量，通常比成本节省大得多，这一笔最容易被漏算。
三笔账算完，AI 该投多少钱就有依据了。
还有一件组织上的事。AI 进研发，最容易被卡住的环节是版师和设计师之间的协作。设计师用 AI 出图很快，版师按图出样衣很慢，快的等慢的，整体节奏没变。解法是把版师的工具也升级，让版师在虚拟环境里改版，这一步不做，前端再快也白搭。
希纪在给服装企业做增长诊断时，见过一家公司上了 AI 设计工具，开款数量翻了一倍，销售额没动。查下去发现，多开的款没有经过商品企划的筛选，全部进了开发流程，开发费用涨了，命中率没变。AI 提升的是产能，不是判断力。判断力要靠企划和复盘。
四千元一款这个数，对多数企业是个起点。把它算清楚，AI 的投入产出才算得清楚。算不清楚就投，投完也说不清值不值。
那篇报道里还有一段值得看。这家平台从二〇二一年到二〇二三年投入大量人力做服装要素标注，领子、袖子、面料、工艺逐项标注，用这批数据训练自己的模型。这件事说明 AI 在服装行业卡在数据这一环，算法早就不是稀缺资源。通用模型能生成一张好看的图，生成不了能下单的款，因为它不知道这块面料能不能买到、这道工艺能不能做、这个版型上身是什么效果。谁把行业的隐性知识变成了结构化的数据，谁的 AI 才有用。
希纪 · 服装产业观察