为什么时尚服装行业需要程序员？

在中国，到了要重回高光的时刻。

曾经，谈起制造业、工厂，人们聊的是制造业外迁，人口红利的消退。现在，根据公开数据，1-8月中国制造业投资同比增长了15.7%。再往前看，2020年A股全年涨幅前10的个股中，8个来自制造业。

中国制造并没有衰落，相反，在疫情之后加速崛起。从2014-2018年，中国产业年复合增长率高达20%。

一位投身制造业数字化转型的行业人士曾期望，工厂不再被看做是夕阳产业，而是像一样代表着创新；也期望人们谈起制造业时讨论的不再是廉价劳动力，而是科技、数据和智能。

期望正一步步变成现实，新兴制造力量成为值得关注的现象。在前不久的ICCV（ICCV作为全球计算机视觉领域最 高级别的会议，会议的论文集几乎代表了计算机视觉领域最新的发展方向和水平。）的TPS赛道的比赛中，深耕制造领域的犀牛智造团队从150支队伍中拿下了全球第四名。

这样一支队伍名列前茅，显得有点「异类」。毕竟制造业和互联网的同台竞技并不常见。其他队伍大多来自于海内外顶 尖高校和学术科研机构，也有来自国内外头部AI和互联网公司的界团队，阵容强悍。犀牛智造在比赛中的表现，宣告着制造业和世界顶 尖技术的强关联。

ICCV公布DeeperAction视频识别挑战比赛结果，犀牛智造团队拿下Kinetics-TPS领域第四名。

阿里巴巴在2018成立新制造团队，8月在杭州建立智能制造产业园，正式开始新制造的探索。犀牛智造在2020年9月正式亮相后，以科技驱动、以销定产、柔性制造名噪一时。当时，阿里研究院副院长安筱鹏表示，「这个工厂和其他工厂的本质区别是，它不是为了解决100年前福特所探索的规模化生产，而是探索一个在需求高度碎片化、个性化的时代,未来工厂应该长什么样子。」

未来工厂应该长什么样？那些投身其中的工人该如何找到自己的位置？凯元的团队和他们研发的技术就是这些答案的一个缩影。我们跟他们聊了聊，试图从中窥见他们正在探索的制造业与时尚行业一种可能的未来。

01

时代，工厂

和工人是怎么进化的？

「这个TPS视频识别比赛跟我们已有的项目有比较强的相关性。」谈及参赛原因，凯元表示。这项比赛的内容其实就是他们工作的日常。

「服装技工的能力提升很大程度上依赖于手部动作，跟电竞的手速是一个道理。如何利用计算机视觉技术加快技工的成长速度、提升生产质量是个极有意义的课题」，犀牛工厂的高级产品专家张侃介绍。

犀牛智造的工程师们先输入大量成熟的、标准的有经验的裁缝工人的动作、经验沉淀到系统里，形成一套标准的动作评分体系。接着，通过视频分析的对比，现场会实时输出对于工人每一个手势、动作的规范程度的检测报告以及评分。「相当于在生产现场给工人配备了一名贴身教练，让他们工作更从容。」

犀牛智造高级生产专家刘艳有着强烈感受：服装生产线对于视觉识别的应用需求其实非常多，但在行业里一直没能得到广泛的运用，核心难点就在于动作识别算法的有效性。因为每个工序都有关键的操作动作，例如检验一件，关键动作会涉及到很多手指关节，包括手腕或上半身的胳膊的各种各样很细碎的动作。过去，算法想要理解这些非常困难。

「这个技术落地之后，它能够帮助一线员工做得又快又好，而且降低了检验环节的错漏导致的二次检验，以及管理人员的管理难度和成本。」刘艳说。

好处还有更多。过去，一个工人每天要靠肉眼检查几百件衣服的质量问题，过程枯燥又难免有疏漏，「现在变得像打游戏通关一样，视觉算法辅助检验，员工每检验一件衣服，就会及时获得标准动作分数，而且即便有了疏忽，系统也会及时纠正。我们真正实现了标准的过程控制，结果更有保 证。」

此外，在视觉识别算法的加持下，新员工可以更快的适应工作。比如，车缝的标准手势有22种左右，包括摆放裁片、如何取裁片、修剪缝制对位等等。对于初学者而言，上手是困难的。

「很多人要经过3年、5年甚至8年的积累，才能成为一个优秀、成熟的检验工人或者操作工人。而现在，很多刚毕业的、没有接触过这一行业的人，通过视觉系统的纠错、辅助，经过几个月的培训就可以上岗。」一个工人的成长过程中，一直有「算法」这个教练相伴。当他掌握了当下的难度之后，系统就会给他「进阶」。

「这样，工人学习新技能的效率也会提升，视觉技术的加持能够让工人快速地学会一些新技能。」

一位服装制造业同行感慨，「犀牛给我带来最 大的启发是把劳动力密集型的服装企业，变成了科技与数据驱动的产业，用人力效率的提升来抵抗东南亚更低的劳动成本。」

通过在科技上的投入，犀牛智造解决的不止是商业效率的问题，更重要的也是人的问题。让工人能够获得技能成长，获得尊严、体面与更加正向的激励。人工智能和人类实现了和谐的共振。

02

技术普惠，助推更多

的Zara和Shein

这些细节的提升带来的影响也是显而易见的。对于中小商家来说，更加重要。

年轻人的需求多元化且迅速变化，订单趋于碎片化的趋势下，品牌想要从激烈的竞争中冒头，上新速度和质量、价格等因素异常重要。

以快时尚行业、打版、生产、上架的周期来看，行业鼻祖ZARA创造了14天的记录。而SHEIN背后的数百家中国工厂随时待命，将打样到生产的流程压缩到7天。1个月的上新数量，就抵得上ZARA全年的上新数，而且价格更便宜。

而凭借算法等技术加持、更高水平的工人，犀牛智造工厂的运转效率可达行业平均水平的4倍，比快时尚鼻祖ZARA同样要快7天。

犀牛智造官方宣传说，可以实现100件起订，最快7天交付成品。传统的制造工厂，一般1000件起订，不同的起订额度对应着不同的产品单价，不够灵活。往往只有大品牌才有资金自建，具备小单快反的实力。虽然行业里有一些小工厂也能实现小单快反，但这依旧是少数，服务的对象有限。

犀牛智造对于商家的价值是，它让所有的小商家都拥有了「数据测款、小单快反」的能力，拥有与大品牌相匹敌的供应链。这样，即便是一个初出茅庐的小品牌，也可以实现像Zara、Shein那样的上新速度。

以FANO为例，和犀牛智造合作之后，解决了周上新的成本、交货周期和品质的问题。数据显示，牛仔品类成交额整体提升了5倍，消费者退货退款率显著下降。

做到这些并不容易。「到目前为止，我认为我们的所有的产品经理包括算法同学应该是在互联网行业或者说是在科技行业里面最懂服装制造的。」高级产品专家张侃是转岗到的犀牛智造，之前在阿里的电商、支付宝等事业部工作。他的很多同事也是如此，互联网出身的他们现在对于布料、裁缝等纺织业元素变得再熟悉不过。

刚到犀牛的时候，张侃发现一线工人和互联网业务的同学之间是有隔阂的，双方很难理解对方的思维。于是，团队里诞生了轮岗制度，无论是算法工程师还是产品经理、设计师，都必须到生产一线轮岗，「我们和工人在一起吃，一起聊，一起生产，然后再回来去想怎么用数字化的手段，用AI的手段，用视觉算法去解决工人的关切。如果我们不亲身到生产一线，是没有办法提出那些算法功能的。」

算法工程师桃萼从清华大学毕业来到犀牛之后，同样经历了这一过程。她发现在印花生产环节，设计师需要花费大量时间手动去修图、抠图、勾边、放大等改善图片质量的工作上，还需要根据不同颜色对印花进行分层，绘制陷印，同时针对面料高温缩率调整打底层大小。有的时候一旦文件较大，还容易卡住，设计师苦不堪言。「我就想能不能用相关的图像算法帮他们自动化实现这类过程？」后来桃萼实现了「印花助手」产品的算法方案，达到了一键输入、一键输出想要的效果，大幅提升了印花生产的的效率。

犀牛智造CEO伍学刚曾分析，近几年中国服装制造业向东南亚转移，背后是价格、交期等问题导致的综合竞争力下降。「但大品牌看重的不仅是成本，快速、短交期生产是非常有竞争力的要素。」如果品牌在越南下单要提前3-5个月，但在中国只需要按照未来2-4周的销量计划进行滚动生产，将极大提升中国制造竞争力。

在大背景下，纺织业需要更多的「犀牛」；同样，时尚业也需要更多的程序员