蕭簫 衡宇 發(fā)自 凹非寺量子位 | 公眾號(hào) QbitAI

家人們誰(shuí)懂啊，刷屏的《哈利·波特》AI時(shí)裝秀，看幾次都不夠！

這些時(shí)裝造型火遍全網(wǎng)，視頻播放量破千萬(wàn)，還只是技術(shù)給時(shí)尚圈帶來(lái)的一點(diǎn)小小震撼。

【資料圖】

現(xiàn)在，用AI輔助設(shè)計(jì)服裝、食品包裝、裝修等，已經(jīng)成為一些設(shè)計(jì)師乃至網(wǎng)店老板的“基操”，相關(guān)話題也是隔三差五沖上熱搜。

但即便如此，它在設(shè)計(jì)行業(yè)的應(yīng)用方式，大多都還停留在概念創(chuàng)作階段。

無(wú)論是提供設(shè)計(jì)靈感、還是將文字描述轉(zhuǎn)成設(shè)計(jì)稿，這類工具都只能“設(shè)計(jì)個(gè)樣子”，距離打造從風(fēng)格、材料到工藝等細(xì)節(jié)上有賣點(diǎn)的“流行商品”，還有相當(dāng)一段距離。

換言之，AI設(shè)計(jì)要想落地應(yīng)用，絕非僅僅依靠它的繪畫(huà)技巧就能實(shí)現(xiàn)。

好消息是，現(xiàn)在終于有人做了套工具，從出圖、出款到出貨，把商品設(shè)計(jì)全流程跑通了——

無(wú)論是商品的設(shè)計(jì)概念圖、還是打造商品所需的材料清單，全都支持一鍵生成，甚至還能基于大數(shù)據(jù)，預(yù)測(cè)商品成為爆款的可能性。

搞定這事兒的不是別人，正是天貓新品創(chuàng)新中心（TMIC）。

他們最新推出的名為“AI概念工坊”的生成概念款解決方案，直接幫助店家縮短了將近6個(gè)月的設(shè)計(jì)周期。

所以這究竟是一款怎樣的工具，背后又究竟有著怎樣的邏輯？

相比其他的AI設(shè)計(jì)工具，它的差異和優(yōu)勢(shì)究竟體現(xiàn)在哪里？

網(wǎng)店老板，雇個(gè)AI不？

一件商品銷量如何，大概率從設(shè)計(jì)之初就決定了一大半。

所以“設(shè)計(jì)”這個(gè)階段的重要性一再提升，成為兵家必爭(zhēng)之地。對(duì)商家來(lái)說(shuō)，大量的精力和時(shí)間都被吸附在這個(gè)步驟。且往往舉棋難定。

要設(shè)計(jì)一件商品，從靈感迸發(fā)，到落到紙筆處，再到變成實(shí)體商品，常出現(xiàn)再三修改、反復(fù)琢磨的局面。

畢竟時(shí)尚風(fēng)格的流行、目標(biāo)群體的喜好，都不容易被精準(zhǔn)把握。

再者說(shuō)，線稿的完成并不代表新產(chǎn)品外形的最終拍板，因?yàn)楣に?、輔料匹配等，同樣起著不可忽視的作用。為了達(dá)到最理想的效果，多次打版是設(shè)計(jì)者們的家常便飯。

反復(fù)打版這道坎，既消耗時(shí)間，又增加成本，更對(duì)設(shè)計(jì)者是一種挫磨。

拿一款國(guó)際化服飾品牌秋冬季的新品為例，調(diào)研統(tǒng)計(jì)數(shù)據(jù)顯示，新品研發(fā)通常至少提前2年，其中，市場(chǎng)調(diào)研、設(shè)計(jì)打版、內(nèi)部訂款一整套流程下來(lái)，順利的話也要8-12個(gè)月。

長(zhǎng)期下來(lái)，讓設(shè)計(jì)提效，減少打樣時(shí)間和成本，提升內(nèi)部溝通效率，成為了商家們頭疼的難題。

TMIC提出的“AI概念工坊”，就是為商品款式設(shè)計(jì)提供解決方案。

最主要功能是結(jié)合AI能力，幫助商家從概念描述到商品概念稿的快速產(chǎn)出，并同時(shí)通過(guò)市場(chǎng)調(diào)研，鎖定消費(fèi)者偏好，對(duì)最終該對(duì)什么產(chǎn)品投入大貨生產(chǎn)進(jìn)行抉擇。

簡(jiǎn)單點(diǎn)說(shuō)，就是現(xiàn)在不用一大幫設(shè)計(jì)師，商家找AI概念工坊幫忙，秒出圖片、交互完善，從概念稿到市場(chǎng)調(diào)研再到選定可打版款，短周期內(nèi)就能搞定商品設(shè)計(jì)——從原本的8-12個(gè)月，縮短到3-6個(gè)月。

在這背后，是TMIC已經(jīng)自研的一整套全鏈路解決方案，幾步就能搞定。

首先，輸入概念描述。

店家通過(guò)前期的市場(chǎng)流行性研究，鎖定概念，在文本框中輸入相關(guān)描述，可以是具體的款式、風(fēng)格、主色調(diào)等。

接著，AI根據(jù)輸入的相關(guān)描述，快速生成多個(gè)概念款。

由于基于淘系海量商品圖文數(shù)據(jù)，AI概念工坊在各個(gè)垂直行業(yè)核心模型容量業(yè)界領(lǐng)先支持產(chǎn)業(yè)級(jí)顆粒度的相關(guān)性控制和快速創(chuàng)意出圖。

拿服裝設(shè)計(jì)舉個(gè)具體的例子。

輸入街頭工裝風(fēng)、簡(jiǎn)約T恤等描述，可以在幾秒鐘內(nèi)得到如下圖片。

實(shí)際操作中，除了服裝行業(yè)，AI概念工坊對(duì)食品行業(yè)同樣適用。

例如將描述轉(zhuǎn)變?yōu)檩斎腩惸?、包裝類型（瓶裝、袋裝、盒裝…）、包裝大小、圖案、風(fēng)格等，就可以快速生產(chǎn)多種包裝圖：

最后，選擇去測(cè)款，也就是說(shuō)從具體方案而言，AI概念工坊并不局限在“提供概念（圖）”這一步。

展開(kāi)來(lái)講，是利用TMIC多年來(lái)沉淀的專業(yè)知識(shí)體系和既有能力，將AI生成的概念款結(jié)合測(cè)款能力，鎖定消費(fèi)者偏好，進(jìn)而進(jìn)入后期的設(shè)計(jì)和批量生產(chǎn)。

上述的全套流程，即將逐步落在天貓商家的實(shí)戰(zhàn)場(chǎng)景中。

為什么是TMIC？

不過(guò)，當(dāng)下有不少AI設(shè)計(jì)工具已經(jīng)頗為出圈。相比已經(jīng)過(guò)市場(chǎng)驗(yàn)證的工具而言，為何店家還要選擇TMIC平臺(tái)打造的AI概念工坊？

這一問(wèn)題，或許可以從技術(shù)優(yōu)勢(shì)和行業(yè)壁壘兩大方面來(lái)尋找答案。

一方面是AI技術(shù)優(yōu)勢(shì)。相比直接采用開(kāi)源Stable Diffusion模型或是商用版Midjourney，天貓TMIC不僅采用了自研模型，就連訓(xùn)練數(shù)據(jù)也來(lái)自于淘寶平臺(tái)自有圖文數(shù)據(jù)和知識(shí)體系。

模型上，TMIC團(tuán)隊(duì)通過(guò)結(jié)合多年沉淀的行業(yè)知識(shí)庫(kù)體系，從行業(yè)專業(yè)度出發(fā)訓(xùn)練和生成可控細(xì)節(jié)。在此基礎(chǔ)上，團(tuán)隊(duì)進(jìn)一步通過(guò)“打磨”優(yōu)化，增強(qiáng)了模型的專業(yè)可控性。

相比隨機(jī)出圖，自研概念生款可控性達(dá)到了產(chǎn)業(yè)級(jí)顆粒度，例如光是食品，就支持對(duì)風(fēng)格、配色、種類、包裝、規(guī)格等標(biāo)簽的定制，而這樣的細(xì)節(jié)足足有一千種，屬實(shí)把提示詞工程玩明白了。

進(jìn)一步地，這樣設(shè)計(jì)的模型能確保設(shè)計(jì)出來(lái)后直接打版甚至再加工，從而縮短設(shè)計(jì)流程。

不過(guò)，相比目前的市面上的AI設(shè)計(jì)工具，之所以AI概念工坊的效果脫穎而出，不僅僅是自研模型，更重要的是訓(xùn)練模型所用的數(shù)據(jù)。

事實(shí)上，數(shù)據(jù)對(duì)于文生圖擴(kuò)散模型的效果有著巨大影響力。

包括室內(nèi)設(shè)計(jì)等公司，目前基于AI設(shè)計(jì)的方式都是煉“私爐”，也就是基于自己積累的行業(yè)專用數(shù)據(jù)對(duì)開(kāi)源模型進(jìn)行訓(xùn)練，生成出來(lái)的效果更符合設(shè)計(jì)要求。

相比之下，非開(kāi)源商業(yè)AI工具雖然更容易上手，但同時(shí)上限和可控性也較低，很難用于生成特定領(lǐng)域、特定場(chǎng)景下的高清圖片。

其中，決定模型質(zhì)量的數(shù)據(jù)“因素”又有兩點(diǎn)：數(shù)據(jù)質(zhì)量和數(shù)據(jù)量，而這恰好是TMIC的優(yōu)勢(shì)。

數(shù)據(jù)質(zhì)量上，TMIC背靠淘系海量商品圖文數(shù)據(jù)，爆款商品的數(shù)據(jù)更是精細(xì)到標(biāo)簽級(jí)，而這些標(biāo)簽是基于上億件商品要素、由品牌和專家合作篩選建立的，不僅要符合產(chǎn)品設(shè)計(jì)流程，而且還得和用戶需求形成映射關(guān)系。

數(shù)據(jù)量上，TMIC僅僅在服飾領(lǐng)域就擁有超過(guò)10億+的商品圖-文樣本。不僅如此，知識(shí)點(diǎn)語(yǔ)料也超過(guò)百萬(wàn)，無(wú)需擔(dān)心訓(xùn)練出來(lái)的模型整出“沒(méi)有時(shí)尚品味”的設(shè)計(jì)稿。

但無(wú)論是算法還是數(shù)據(jù)，訓(xùn)練得到的模型都還只是擁有創(chuàng)意設(shè)計(jì)潛力的“新人”，距離成為“資深行業(yè)設(shè)計(jì)師”還差了幾十年經(jīng)驗(yàn)。

因此，最終能將這些圖文數(shù)據(jù)整合起來(lái)、預(yù)測(cè)潛在爆款商品的，還得依靠大量的行內(nèi)經(jīng)驗(yàn)、數(shù)據(jù)統(tǒng)計(jì)，并最終歸納為某種方法論。

另一方面，恰好在行業(yè)中，TMIC也積累了大量用戶數(shù)據(jù)研究和消費(fèi)行業(yè)品類調(diào)查經(jīng)驗(yàn)，讓商品爆款設(shè)計(jì)從概念描述、甚至賽道選擇上就已經(jīng)具有先發(fā)優(yōu)勢(shì)。

作為阿里的大數(shù)據(jù)分析自主調(diào)研平臺(tái)，TMIC如今已經(jīng)基于大數(shù)據(jù)等算法推出了創(chuàng)新工廠、黑馬工廠、TLAB產(chǎn)業(yè)創(chuàng)新實(shí)驗(yàn)室和AICI爆款公式等平臺(tái)業(yè)務(wù)。

其中，創(chuàng)新工廠和黑馬工廠能助力商家更好地洞察市場(chǎng)趨勢(shì)，TLAB則負(fù)責(zé)從材料上加速研發(fā)流程。

最核心的是今年推出的AICI爆款公式——其中A（algorithm）I（intelligence）C（create）I（ideas）分別代表算法、智能、創(chuàng)造和想法。

將這些因素結(jié)合起來(lái)，相當(dāng)于直接給廠商提供了一個(gè)更容易生成爆款產(chǎn)品的“萬(wàn)能預(yù)測(cè)公式”。

這一公式共包含4大功能，分別是類目潛力判斷、決策因子排序、品牌診斷與新品畫(huà)像推薦。

這些功能背后的核心，則是基于多模態(tài)深度學(xué)習(xí)網(wǎng)絡(luò)和超大規(guī)模決策歸因模型，提煉出大量TMIC調(diào)研數(shù)據(jù)的“核心邏輯”。

至于提煉的數(shù)據(jù)源，則是基于市場(chǎng)十億以上商品要素和用戶行為洞察的數(shù)據(jù)統(tǒng)計(jì)，而非人為決策上判斷商品爆火的概率。這樣一來(lái)，在降低損失成本的同時(shí)，也能提升研發(fā)出受歡迎產(chǎn)品的幾率。

簡(jiǎn)單來(lái)說(shuō)，就是用AI的歸納能力，基于行業(yè)特有數(shù)據(jù)去更為全面地預(yù)測(cè)人的喜好，而非單一的“拍腦袋決策”。

這也正是TMIC作為消費(fèi)產(chǎn)業(yè)的頭部調(diào)研機(jī)構(gòu)的核心競(jìng)爭(zhēng)力。

在這波生成式AI變革中，各行各業(yè)都在尋找大模型應(yīng)用落地的方式，但最終的核心還是要回歸到產(chǎn)業(yè)用戶需求上。

AI概念工坊，正是像TMIC這樣擁有數(shù)據(jù)優(yōu)勢(shì)的平臺(tái)，應(yīng)對(duì)這波生成式AI浪潮率先做出的嘗試。

歡迎關(guān)注TMIC官方公眾號(hào)，獲取更多行業(yè)新品資訊和前沿工具能力：

關(guān)鍵詞：