一夜之間，大家仿佛都清心寡欲了起來。

最近在群里分享點吃的用的，偶爾還有人捧場。如果是首飾衣服，先商業互吹一番“好看”，緊接著就是“去年買的衣服都穿過了嗎”“工作都沒了還買什么包”“別看了拼夕夕差一刀幫我砍一下”等的靈魂拷問……

擱半年之前，這么勤儉持家的場面都是不可能出現的。哪怕剛剛裸辭，女人們也敢刷信用卡買下新款裙子，美其名曰“換種姿態迎接新生活”。

2020年疫情后的的普通人，開始老老實實面對慘淡的生活，將消費欲望降到最低。穿衣AI——讓大家找到了一種不花錢就可以得到的快樂。

AI搭配師：逮不著耗子，當不了好貓

用AI給消費者搭配服飾鞋帽、口紅妝容等等，從2017年AI浪潮興起開始，就被安排進了技術大廠的開發周期表。

某貓上線了FashionAI，通過電商平臺上的潮人搭配方案，基于屬性、顏色、風格、細節等維度，可以為一款單品匹配到最適合的穿搭方式。官方說辭是，1秒鐘能為消費者提供與其相符的100套穿搭建議。

某狗也奮勇爭先，成立時尚科技研究院用戶只要將衣服放到Mirror+智能搭配產品前，系統就會通過推薦算法找到合適的服裝搭配。

一些女性群體為主的電商平臺，也都相繼成立過“搭配研究所”、搭配體驗平臺等等，利用平臺的大數據優勢訓練時尚分析模型。

一時之間，感覺整個電商服裝行業都AI了起來。

時尚產業根基更為成熟的歐美，自然更不會放過這個掘金的機會。

電商巨頭亞馬遜，就在CVPR 2020會議上推出了好幾款AI穿衣模型。比如Outfit-VITON，就可以將多件衣服搭配在一起，讓消費者看到上身效果。

如果用戶看上了款式卻沒有相中顏色，也可以直接查詢“相同款式的粉色連衣裙”，系統就會幫助其找出相應的商品。

谷歌與德國電商Zalando合作，基于TensorFlow打造一款時裝設計產品Project Muze，用戶告訴AI自己的性別、心情、興趣愛好和喜歡的藝術類型等信息，再在模特身上隨便涂鴉幾筆，Project Muse 就可以馬上設計一款時裝造型。

如果對方是一位熱愛古典音樂、心情有點兒迷茫，并在模特身上畫了三角形的女士，它就設計出了一條斗篷式的綠色連衣裙，外面還會覆蓋一層有憂郁氣質的棕色薄紗。

學術界的時尚嗅覺也出人意料，不少高校研究人員用論文證明，自己并不是“nerds”（書呆子）。

2019年，UT 奧斯汀、康奈爾大學、喬治亞理工和 Facebook AI 研究中心聯合發布了一款名為Fashon ++ 的模型，基于深度生成網絡，讓AI學習到時尚和不時尚兩種圖像，深度網絡就會生成出最適合的著裝方式。“一鍵改衣”，讓單品的時尚度瞬間up！

比如，模型會建議去掉袖子、將下擺塞進去等操作，讓整個look看起來更有型。用來幫助人們進行服裝設計與搭配指導，自然也不在話下。

疫情期間大量服裝企業的業績都出現了大幅度萎縮。奢侈品牌也沒能逃過，路易威登LV的母公司LVMH集團第一季度營收減少15%，擁有古馳Gucci、圣羅蘭YSL等品牌的開云集團營收減少15.4%，也紛紛放下身段試水電商、直播等新方式。

對于想要爭奪增量的品牌來說，讓生產、設計、銷售都能緊密貼合狹窄化的市場訴求，與此同時，不額外增加企業的成本，就成為必須面對的難題。

因此AI的出場，也就變得至關重要。

此前的一波“AI搭配”潮流，主流品牌的旗艦門店都進行過“數字化改造”，比如安裝了AI試衣鏡、智慧攝像頭等。

在這一基礎上，進一步完成算法升級，為門店打造精準的營銷策略，比如進店顧客的用戶畫像，哪些衣服試穿率高，哪些單品購買率高等等，這些原本資深銷售員才能夠“意會”的機密交給AI來完成，幫助緩慢恢復的線下門店負重前行。

接下來，就需要尋找新的利潤增長點。

擁有用戶時長優勢、更接地氣的社交媒體平臺，就成為各大市場品牌的爭奪陣地。

但事實證明，大火的短視頻+直播帶貨，并不一定意味著高曝光和帶貨。

核心原因是，時尚圖片、視頻等富媒體的呈現形式，想要將內容轉化為命中率和流量，需要精準的用戶推送和匹配。這就對平臺方的內容智能分析、智能識別時尚元素、精準匹配受眾，進而提升命中率，關聯到電商同款或相似 SKU，提出了較高的要求。

當然，上述這些AI附加值，不僅需要服裝企業本身就對數字化經營有一定的了解和鋪墊，搭建起了AI所能發揮的技術土壤，才能夠快速轉型，借助技術工具實現去庫存、提效率、增銷量的目的；還需要對各個渠道的AI能力、商業邏輯有必要的了解，才能避免經營層面的“AI通貨膨脹”。

正如某服裝品牌總裁在公開信中所說，“疫情不可避免地重創了服裝行業，但疫情也是一個放大鏡，檢驗我們過往的沉淀是否扎實。”不抗拒新技術，也不唯技術論，明辨AI的能力也注定在這個特殊的全球經濟節點上，成為各行各業的必備技能點。