您当前的位置: 主页 > 504hk.com >
AI智能时代下人工智能将如何影响服装行业?又会对企业与消费者带

时间:2019-10-07 01:44 来源: 作者: admin 点击:

  原标题:AI智能时代下,人工智能将如何影响服装行业?又会对企业与消费者带来哪些影响?

  目前,人工智能技术已经对制造业、客户服务、金融、医疗保健和交通运输等各行业产生重要影响。人工智能、大数据、新材料、物联网和5G等已不是单纯的自然科学和技术手段,它们的综合运用和协同解决赋予了这个时代革命性的意义。在本次坐庄的分享讨论中,庄主与大家一同探讨人工智能对服装行业的影响。

  AI智能时代下,人工智能将如何影响服装行业?又会对企业与消费者带来哪些影响?

  1956 年,John McCarthy(1927~2011)在达特茅斯会议上提出了“人工智能 (artificial intelligence,AI)”一词。他将人工智能定义为:“制造智能机器的科学与工程。”通俗来说人工智能是模拟人类的思考方式、行为规划和学习能力等方面,其最终目的是能像人类一样感知周边环境并且做出反应。当前人工智能还处于仅能解决特定问题且往往扮演辅助角色的弱 AI 时代。

  人工智能是什么?微观层面:机器翻译、资讯分发和辅助驾驶,AI 应用让人类生活更美好;宏观层面:AI 能替代繁琐、重复人类工作,提升资源配置效率并减少生产损耗。

  1、起步时期:1956 年达特茅斯会议提出人工智能概念,计算机性能和数据量会制约 AI 发展。

  2、专家系统时期:“专家库+推理机”实现 AI 商用化,台式机性能提升终结专家系统。

  3、深度学习时期:2006 年 Hinton 论文开启当前深度学习时代。

  2、人工智能已是新风口,技术是核心驱动力。2018 年全球 AI 融资超 150亿美元,谷歌、亚马逊、苹果以及百度、腾讯等中美科技巨头纷纷布局。算法、算力和数据是 AI 发展的核心驱动力:深度学习算法使 AI 迈入数据驱动时代,互联网孕育海量的多维度数据,GPU 并行计算能力为“大数据+神经网络”提供算力。

  3、人工智能产业链分为基础层、技术层和应用层。基础层提供算力和“操作系统”开发框架;技术层解决具体类别问题。技术层:语音识别+自然语言交互+计算机视觉。

  应用层可以用来解决实践问题。目前 AI 产品普遍是人类辅助者,出现在不同的场景之中:

  语音场景,智能音箱流量入口属性使科技巨头群雄逐鹿,生态整合决定发展前景。安防场景,视频结构化、人脸比对助力警务管理,误报率、动态人脸监控仍是短板。

  医疗场景,应用于医学影像、辅助诊疗和语音电子病例,腾讯觅影已筛查 400 多例早期食道癌病例。

  自动驾驶场景,主流系统处于辅助驾驶级别,谷歌、特斯拉和百度领跑中美自动驾驶赛道,自动驾驶或是下一个重量级市场。

  总结来说,应用层:智能语音+安防+金融+医疗+自动驾驶。智能语音主要通过“语音识别+自然语言处理”作为媒介来调取后端应用,从而为用户提供服务。随着语音识别和自然语言处理技术的日趋成熟,人机互动方式将逐渐从文字转变为语音,智能语音或将成为人工智能时代的流量入口。因此,以 FAAG 和 BAT为代表的科技巨头均发力智能语音技术,推出了 Siri(苹果)、Assistant(谷歌)、Alexa(亚马逊)、Cortana(微软)、DuerOS(百度)、腾讯叮当(腾讯)等产品,以占据下一轮技术迭代的风口。主流智能语音已覆盖了日常信息查询、影音娱乐、个人助手、生活服务、智能家居控制等功能,实现人、物和服务的互通互联。

  “AI+安防”落地,智能安防的视频结构化、人脸比对功能助力警务管理;重复度高、数据标准化和数据处理量使金融成为人工智能落地场景;智能身份认证、智能征信风控和智能投顾理财是 AI+金融典型应用。

  人工智能赋能医生,可以提升诊疗能力和工作效率,破局医疗服务痛点。人口老龄化加剧、慢性疾病增长使大众对医疗服务需求日益增加,而区域医疗资源分布不均,医生培养周期长,优质医疗服务供不应求等医疗服务痛点使其成为 AI 应用场景。自动驾驶依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让计算机在没有任何人类主动操作情况下,自动安全地操作机动车辆。

  中美对比:中国侧重技术层和应用层,美国侧重基础层;对比中美 AI 产业链布局,中国偏好技术相对成熟的应用层和技术层(如语音识别和计算机视觉),而美国对需要长周期、基础研究的芯片和技术平台的关注度明显超过中国。

  1、机器学习。机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机如何模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。我们公司目前的算法属于机器学习。

  2、深度学习。深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向,是机器学习的一种。深度学习是学习样本数据的内在规律和表示层次,在这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法,在语音和图像识别方面取得的效果,远远超过先前相关技术。

  3、算法,算力和数据是核心推动力。没有强大的算法,强大的算力(芯片)和大数据,人工智能也无从谈起。

  1、人工智能已嵌入多个生活场景,被寄望为下一轮技术革命:人工智能落地于多个场景,让人类生活变得更加美好。目前不少智能手机应用已经嵌入人工智能技术,如机器翻译、智能分发、图片美化、智能语音等,汽车也装载了辅助驾驶系统。机器翻译降低了不同文化间交流的门槛,智能分发实现了“千人千面”的资讯分发,智能语音让人机互动方式从键盘转变为语音,辅助驾驶让人类驾驶汽车变得更加轻松、容易。

  2、人工智能有望成为全球经济增长的新引擎,因此被视作是互联网之后的新一轮技术革命。人工智能促进经济增长的影响机制存在于以下方面:替代固定、繁琐和标准化工作,释放劳动力,既缓解人口老龄化时代劳动力短缺,也提升劳动生产率,如机器翻译替代部分翻译的工作,智能分发替代部分编辑的工作,智能语音替代部分客服助手工作,未来的自动驾驶将替代驾驶员工作。

  孙正义的“时间机器”理论: 所谓“时间机器”,就是指美国、日本、中国这些国家的IT行业发展阶段不同。在日本、中国这些国家的发展还不成熟时,先在比较发达的市场如美国开展业务,然后等时机成熟后再杀回日本,进军中国、印度,就仿佛坐上了时间机器,回到几年前的美国。与此同时他也有一套互联网思维,认为所有的传统行业都有必要用互联网重新做一遍。现在很多专家认为,AI技术如同当时的互联网大爆发,很多行业也可以利用AI来进行产业升级。未来机械化操作都可以交给人工智能。

  原本每个人在做的东西,如果可以让AI集中处理,很多工作就可以像流水线一样,也更高效。

  1、人工智能是什么?微观层面来说:机器翻译、资讯分发和辅助驾驶,AI 应用让人类生活更美好。宏观层面:AI 能替代繁琐、重复人类工作,提升资源配置效率并减少生产损耗。

  4、人工智能已是新风口,技术是核心驱动力。应用层解决实践问题。算法、算力和数据是核心推动力:

  (1)人工智能已嵌入多个生活场景,被寄望为下一轮技术革命。人工智能有望成为全球经济增长的新引擎,因此被视作是互联网之后的新一轮技术革命;

  (2)提升资源配置效率,如智能分发将资讯、广告等信息资源精准投放给需求用户;

  (3)减少社会生产中的损耗,如自动驾驶避免了疲劳驾驶、违反交通规则等所产生的交通事故。

  随着社会的发展进步,人们对于衣服的审美观念也在不断发生变化。从以前关注衣服的实用价值,转向到关注衣服的时尚化、个性化、品牌化等因素。服装业作为重要的传统行业,每年可解决千万就业人口。但是这个为国家和地方经济建设作出过突出的贡献行业,现今却面临着许多问题:

  1、目前,我国国内生产型服装企业普遍面临:利润率持续降低;世界成衣订单交货期已缩短到15-45天之内;多品种、小批量的趋势日益明显;客户对产品质量及质量稳定性以及交货率要求越来越高;原材料成本及生产成本增高;原辅材料质量以及工艺水平和质量标准越来越高;随着配额的取消,全球化的竞争趋势越来越明显。劳工短缺,员工自我保护法律意识增强,工作时间缩短。资源紧张,用电限制。外单客户设置的非技术性壁垒,如人权保护等。多方面的变化和竞争使得大部分服装厂和服装零售业的利润空间被压缩。

  2、当今贸易全球化发展,全世界服装企业生产和供应都处在同一产业中竞争。对信息的收集、交流、反应和决策应对是否快速将成为企业竞争能力强弱的关键因素。在这信息化迅猛发展的时代,我国服装企业的信息化建设已成为企业的当务之急。

  3、随着社会的日益发展,在许多服装企业中仍然存在着企业管理制度流于形式,凭借经验、记忆进行生产管理,执行力度极差的现象。现代的企业管理,应该是数字化、规范化、标准化的管理模式,生产管理情况要使用数字及信息。

  4、在我国,服装行业是传统劳动密集型行业,生产管理仍沿用传统管理模式。从事服装行业的员工,普遍文化素质偏低,招聘难,培训员工也难。

  5、 生产计划与生产管理:目前服装企业对生产过程的管控还停留在对任务单与生产计划制订的粗放式管理阶段,还没有充分做到对每道工段、工序的细致化管理,只能超额备料或者经常发生紧急采购行为,造成库存增加或停工待料的现象。

  6、 库存问题:面辅料材料种类繁多,由于在生产过程造成大量的边、角废料退库,容易造成管理的混乱。频繁的出入库给库存记账带来很多困难。材料太早进仓,造成资金积压;材料太迟进仓,严重影响生产和交期。

  (1)服装工业化生产中,打样、裁剪、缝制、整烫、包装、仓储、物流等,这些传统的、需要大量工人的岗位,未来5年里,将逐步实现自动化、智能化的改造;

  (2)生产设备间的数据要全部打通并且连接起来,数据可以实时、在线)数据要转化成能够让人识别的、对决策有价值的信息;

  (4)将物理与虚拟的结合起来,对全部产能做一个总体的规划,并且有自动反应能力;

  (5)全部生产设备具有一定程度上的自主决策能力,在哪个节点用哪些工艺设备,在这一时刻缝纫机的速度、压角的力度都可以通过机器来决策。

  现在国家也明确了这些具有前景的方向,但是很多方向还需要靠市场和各方配合一起开发。

  现在各个银行在推ETC,这个也是在抢物联网的入口,物联网都是和AI结合在一起的。

  (1)生产设备都可以实现全部联网、智能化生产,每个工厂都能够“在线”接单,构建一个互联网智能协作生产平台。

  (2)工业互联网到来以后,未来三五年、未来十年乃至二十年,大量服装企业将解构成网状的组织,这里就诞生了虚拟组织:一家企业你的工厂不一定是你的工厂,设备也不一定是你的设备,当你有闲富的产能设备可以共享给同行们,你的运储能力也就可以在网络内共享,它是一个自驱动的网状模式。

  (1)曾经有一种购物模式被广发推广,尤其当年在ins上,服装公司按月订购模式,基于用户在网上填写的购衣偏好信息,每月寄送几件商品给用户供挑选购买,喜欢的留下,不喜欢的退回。这类服装公司有的是专注单品,如衬衣,运动装,也有的是注重整体搭配。这种模式到最后常常出现这样的情况:用户真正喜欢的款式,设计师却还没来得及做出来。所以这些公司最后的运营状况不是很好。

  (2)目前,领先的时尚公司大量的使用人工智能来辅助创意、设计和产品开发,例如,他们将使用算法来筛选大量数据,以预测消费者最喜欢哪种产品。亚马逊就开发了一种算法通过分析图像来设计衣服,复制流行的款式,并利用这些数据来进行新设计。

  (3)美国谷歌公司与德国Zalando公司进行合作开发了一款AI人工智能时装辅助设计师产品,名为Project Muze,该产品基于谷歌Tensor Flow系统,运用AI人工智能与时装消费大数据,把复杂的时装消费者心理变得简单有迹可寻。

  现在需要AI人工智能时装辅助设计师的消费者,只需填写出性别、年龄、职业、生活习惯、兴趣爱好、着装场景风格、或者上传几张你喜欢的穿着图片信息,就能为您设计出您喜欢的时尚服装造型。目前在设计款式、设计颜色、时尚服装流行趋势元素不断与各种时尚网站大数据同步。

  (1)目前图像识别广泛用于增强用户网购体验。如果消费者在某本杂志上看到一件自己钟爱的衣服,你就可以用手机拍下这件衣服的相片,然后通过这款APP在网上找到相同或者相似的衣服。或者专门通过颜色来寻找和匹配鞋子和服装。

  (2)在供应链体系中,使用图像识别,可以在海量的供应商、店面、种类繁多的SKU中,获得有效数据,降低运营成本。通过简单拍照并上传云端,自动解析商品信息并提供包括分销率、缺货率以及货架份额等关键KPI,实现数字化。

  (1) 优化线上线下购物体验, 当购物者站在这虚拟试衣镜前时,装置将自动显示试穿新衣以后的三维图像。

  但是未来,会出现更强大的芯片、强大的处理能力和大的数据,可能不需要概率论做为基础了,而是需要因果关系或者逻辑关系来做推理。

  (1)人的数字化需要海量的数字信息。创建人的3D模型,然后在几百万个人的数据库中去匹配这个人具体的肩宽、腰围、臀围等信息,误差在1.5公分,而一般服装的尺码精度是3到4公分一个尺码。

  (2)衣服的数字化、陈列的数字化和行为的数字化。陈列的数字化:100件衣服和100条裤子能产生10000种搭配,上衣是扎在裤子里,还是放在裤子外;褶皱感、蓬松感、垂坠感怎么较好地体现,都是需要考虑的点。行为的数字化:用户在浏览、调训、试穿、购买等一系列于衣服发生的行为,将会通过数字化的形式被记录下来。

  (3)服务机器人:商店机器人的用途,主要是迎宾接待,给旅客导购做产品推荐,可以根据用户咨询的内容进行合适的推荐,相对于一般的导购员,它还能够进行广告播放宣传最新推出的产品。引入人工智能、自主运动规划技术,可以为顾客提供个性化购物服务,为品牌商家开展高效精准营销,还能为零售平台运营者打通线上线下一体化营销数据管理。

  可穿戴设备即直接穿在身上,或是整合到用户的衣服或配件的一种便携式设备。可穿戴设备不仅仅是一种硬件设备,更是通过软件支持以及数据交互、云端交互来实现强大的功能,可穿戴设备将会对我们的生活、感知带来很大的转变。可穿戴设备多以具备部分计算功能、可连接手机及各类终端的便携式配件形式存在,主流的产品形态包括以手腕为支撑的Watch类(包括手表和腕带等产品),以脚为支撑的Shoes类(包括鞋、袜子或者将来的其他腿上佩戴产品),以头部为支撑的Glass类(包括眼镜、头盔、头带等),以及智能服装、书包、拐杖、配饰等各类非主流产品形态。

  精准营销和分析用户画像。在商业零售领域,来客商业智能分析系统助力运营者数字化线下数据、打通线上线下数据、协助商业决策,最终完成智能运营的升级。通过人脸自动关联实现“进店即会员”,将一个人的时空轨迹、消费行为、兴趣关注进行数字化,并为其建立个人档案,实现人货关联,建立更全面、更精细的线下门店用户画像,获取包括年龄、性别、消费习惯、品牌忠诚度、购物时间和频次等信息,帮助运营者实现精准营销和会员管理。

  同时,格灵深瞳通过该系统提供了商业智能搜索引擎,品牌商可通过搜索引擎主动了解自家或者竞争品牌的消费者画像,从而制定更具有差异化的竞争策略。尤其对于连锁门店来讲,通过商业智能分析系统打破了单个门店的信息孤岛,实现全线门店甚至整个城市的用户信息关联。

  未来的社会是万物互联的智能社会,万物互联的智能社会最核心的是数据,需要抓住数据,沿着数据的链路去发掘和布局!从数据获取的供能、传感器,数据传输的光电、射频,数据计算的AI算力提升,到数据呈现交互的激光器、脑机接口等,都存在投资机会。

  AI能力从感知到分析到决策,传统视频监控行业只负责感知,即,前端摄像头拍摄画面后,进行人工查看。随着AI逐步使用,可以进行实时结构化处理和分析。

  在服务方式上,服装服饰领域的企业更加关注个性化,结合共享经济。服装定制领域布局企业较多。相比传统制衣,互联网定制主要有两点突出优势,一是可以有效的避免库存积压。二是可以满足用户差异化、个性化需求。

  随着社会的发展进步,人们的对于衣服的审美观念也在不断发生变化。从以前关注衣服的实用价值,转向到关注衣服的时尚化、个性化、品牌化等因素。服装业作为重要的传统行业,每年可解决千万就业人口。但是这个为国家和地方经济建设作出过突出的贡献行业,现今却面临着许多问题。

  服装工业化生产中,打样、裁剪、缝制、整烫、包装、仓储、物流等,这些传统需要大量工人的岗位,未来5年里,将逐步实现自动化、智能化的改造。

  2.1.2.1 生产设备都可以实现全部联网、智能化生产,每个工厂都能够“在线”接单,构建一个互联网智能协作生产平台。

  2.1.2.2 工业互联网到了以后,未来三五年、未来十年乃至二十年,大量服装企业将解构成网状的组织,也就诞生了虚拟组织,一家企业你的工厂不一定是你的工厂,设备也不一定是你的设备,当你有闲富的产能设备可以共享给同行们,你的运储能力都可以在网络内共享,它是一个自驱动的网状模式。

  现在需要AI人工智能时装辅助设计师的消费者,只需填写出性别、年龄、职业、生活习惯、兴趣爱好、着装场景风格、或者上传几张你喜欢的穿着图片信息,就能为您设计出您喜欢的时尚服装造型。目前在设计款式、设计颜色、时尚服装流行趋势元素不断与各种时尚网站大数据同步。

  在供应链体系中,使用图像识别,可以在海量的供应商、店面、种类繁多的SKU中,获得有效数据,实现降低运营成本。通过简单拍照并上传云端,自动解析商品信息并提供包括分销率、缺货率以及货架份额等关键KPI,实现数字化。

  商店机器人的用途,主要是迎宾接待,给旅客导购做产品的推荐,可以根据用户咨询的内容进行合适的推荐,相对于一般的导购员,它还能够进行广告播放宣传最新推出的产品。引入人工智能、自主运动规划技术,可以为顾客提供个性化购物服务,为品牌商家开展高效精准营销,还能为零售平台运营者打通线上线下一体化营销数据管理。

  可穿戴设备即直接穿在身上,或是整合到用户的衣服或配件的一种便携式设备。可穿戴设备不仅仅是一种硬件设备,更是通过软件支持以及数据交互、云端交互来实现强大的功能,可穿戴设备将会对我们的生活、感知带来很大的转变。

  AI能力从感知到分析到决策,传统视频监控行业只负责感知,即,前端摄像头拍摄画面后,进行人工查看。随着AI逐步使用,可以进行实时结构化处理和分析。

  在服务方式上,服装服饰领域的企业更加关注个性化,结合共享经济。服装定制领域布局企业较多。相比传统制衣,互联网定制主要有两点突出优势,一是可以有效的避免库存积压。二是可以满足用户差异化、个性化需求。

  感谢大家的积极参与,在讨论过程中,大家提出的很多观点都值得深入探讨。以下是我根据大家的讨论整理总结所得:

  1、人工智能是什么?微观层面来说:机器翻译、资讯分发和辅助驾驶,AI 应用让人类生活更美好。宏观层面:AI 能替代繁琐、重复人类工作,提升资源配置效率并减少生产损耗。

  4、人工智能已是新风口,技术是核心驱动力。应用层解决实践问题。算法、算力和数据是核心推动力。

  (1)人工智能已嵌入多个生活场景,被寄望为下一轮技术革命。人工智能有望成为全球经济增长的新引擎,因此被视作是互联网之后的新一轮技术革命;

  (2)提升资源配置效率,如智能分发将资讯、广告等信息资源精准投放给需求用户;

  (3)减少社会生产中的损耗,如自动驾驶避免了疲劳驾驶、违反交通规则等所产生的交通事故。

  随着社会的发展进步,人们的对于衣服的审美观念也在不断发生变化。从以前关注衣服的实用价值,转向到关注衣服的时尚化、个性化、品牌化等因素。服装业作为重要的传统行业,每年可解决千万就业人口。但是这个为国家和地方经济建设作出过突出的贡献行业,现今却面临着许多问题。

  服装工业化生产中,打样、裁剪、缝制、整烫、包装、仓储、物流等,这些传统需要大量工人的岗位,未来5年里,将逐步实现自动化、智能化的改造。

  2.1.2.1 生产设备都可以实现全部联网、智能化生产,每个工厂都能够“在线”接单,构建一个互联网智能协作生产平台。

  2.1.2.2 工业互联网到了以后,未来三五年、未来十年乃至二十年,大量服装企业将解构成网状的组织,也就诞生了虚拟组织,一家企业你的工厂不一定是你的工厂,设备也不一定是你的设备,当你有闲富的产能设备可以共享给同行们,你的运储能力都可以在网络内共享,它是一个自驱动的网状模式。

  现在需要AI人工智能时装辅助设计师的消费者,只需填写出性别、年龄、职业、生活习惯、兴趣爱好、着装场景风格、或者上传几张你喜欢的穿着图片信息,就能为您设计出您喜欢的时尚服装造型。目前在设计款式、设计颜色、时尚服装流行趋势元素不断与各种时尚网站大数据同步。

  在供应链体系中,使用图像识别,可以在海量的供应商、店面、种类繁多的SKU中,获得有效数据,实现降低运营成本。通过简单拍照并上传云端,自动解析商品信息并提供包括分销率、缺货率以及货架份额等关键KPI,实现数字化。

  商店机器人的用途,主要是迎宾接待,给旅客导购做产品的推荐,可以根据用户咨询的内容进行合适的推荐,相对于一般的导购员,它还能够进行广告播放宣传最新推出的产品。引入人工智能、自主运动规划技术,可以为顾客提供个性化购物服务,为品牌商家开展高效精准营销,还能为零售平台运营者打通线上线下一体化营销数据管理。

  可穿戴设备即直接穿在身上,或是整合到用户的衣服或配件的一种便携式设备。可穿戴设备不仅仅是一种硬件设备,更是通过软件支持以及数据交互、云端交互来实现强大的功能,可穿戴设备将会对我们的生活、感知带来很大的转变。

  AI能力从感知到分析到决策,传统视频监控行业只负责感知,即,前端摄像头拍摄画面后,进行人工查看。随着AI逐步使用,可以进行实时结构化处理和分析。

  在服务方式上,服装服饰领域的企业更加关注个性化,结合共享经济。服装定制领域布局企业较多。相比传统制衣,互联网定制主要有两点突出优势,一是可以有效的避免库存积压。二是可以满足用户差异化、个性化需求。

  大家好,我是3群的副群主Karla,服装设计与工程专业。对服装版型、面料、工艺很感兴趣。喜欢艺术、音乐、时尚,一切美好的事物!

  热爱时尚、设计、生活方式领域,由服装设计转做买手,目前从事服装买手工作。菜单大全_菜谱大全_做法怎么吃_吃什么2019-10-03

推荐文章
热门文章
创富心水论坛| 管家婆| 香港马会特供资料站| 与本港台同步开奖揽珠结果| 香港最快开奖现场直播开奖记录| 香港马会开奖结果记录 资料| 神算之家特码专家| 心术致胜法的重点| 香港九龙高手坛| 一肖中特免费公开资料|