浙江嘉溢制衣的设计部有一组对比数，过去一位设计师一天最多出三到四款，从设计稿到上身效果要两天，包括打版、建模几道工序。用上大模型之后，出一张上身图三秒。这组数来自中国联通元景大模型的服装行业方案，2025年6月由人民邮电报报道。
同一套方案里还有一组数，AI数字版房把从灵感到成品的周期压缩，制版环节的周期缩短80%。虹软科技的商拍平台给出的数是每张图节约90%的成本，2024年5月正式运行，服务的是中小商家，原本一年在商拍上要花几万到几十万。
这组数支撑一个判断，设计环节的产能瓶颈已经被打穿了，接下来卡住的是判断。出图不再是难事，从一百张图里选出能卖的那三张，才是新的分水岭。
多数人看到三秒出图，第一反应是裁设计师，因为一个人的产能等于过去几十个人。这个反应会算错账。图变多之后，选款的判断成本上升，改款的轮次增加，能判断的人反而更贵。
做错的样子已经在发生。一家女装公司2025年把设计团队从二十人裁到八人，产能没掉，秋季上新的款数翻了一倍。当季售罄率从62%掉到41%，滞销款的处理成本吃掉了省下的人工。它省了工资，赔了货。
设计师的考核要从张数改到选中率。一个设计师一年提多少款、上架多少款、其中多少款进了销售前30%，这三个数决定他的价值。产出量作为考核指标，在AI时代等于鼓励制造噪音。
驻场的人放在商品与设计的中间，交付一张表，按设计师、按品类、按价格带拆开的选中率。表做出来之后，团队自己就会调整行为，不需要额外的动员会。
有一层机制要提前想清楚。选中率高的设计师会拿到更多资源，助理与工具配给他，低的设计师会被要求转岗或离开。这个过程会有阻力，阻力来自资历与情面，处理不好会用一年时间。
产能被打穿之后，上游那一头会被顶住。打样次数上去，小批量的样衣与面料需求跟着上去，这一头没准备好，出图越快越堵。
AI出图还有一个隐性成本，同质化。同一个模型、同一批提示词，出来的东西趋同，客户看多了会疲劳。差异化回到品牌自己的素材积累与版型积累上，这部分AI替不了。
设计师的角色在变。过去比谁画得好，现在比谁判断得准。培养一个能判断的人要五到八年，这段时间的投入省不得，省了就会出现没人敢定款的局面。
有一笔账要算，改款成本。图便宜了，改款次数变多，每改一次都要重新打样，打样成本一分没降。把改款轮次写进考核，比考出图数量有用。
有人的地方就有偏好。设计负责人如果自己是从版型出身，他会偏爱结构复杂的款；从商品出身，他会偏爱好卖的款。这两种偏好在AI时代会被放大，因为出图成本几乎为零，偏好能立刻变成一百张图。
三个问题可以问设计负责人。第一，上新的款里有多少是AI辅助出的，其中选中率与人工出的差多少。第二，从出图到定款的决策链有几个人，平均几天。第三，去年卖得最好的十款，是谁判断出来的，那个人现在还在不在。
有人担心出图快会让人变懒。现实相反，判断的密度变高了，一天要看八十张图，选错一次的成本比过去更高，团队需要的是一个筛图的规矩。
反方观点站得住。高频上新、快反节奏的品类，款数本身就是竞争力，多出款能提高撞上爆款的概率，这时候不该压款数。它成立的条件是单款开发成本足够低、试错成本可控。
边界写清楚。基础款、标准品类的公司，AI出图带来的收益有限，因为它的竞争力在品质稳定与成本控制，款数不是关键。反过来，款式驱动、季节性强、上新频繁的品类，这件事必须现在就做。
希纪在给服装企业做增长诊断时，见过一份设计部的月度报告，二十页都是产出数量，一页没提选中率。把那一页补上，很多争论会自己消失。
希纪 · 服装产业观察