亚马逊云科技AI技术助力禾观科技实现服装出海降本增效

关键字: [symposium, AIGC, Ai赋能服装行业, 生成式Ai模型, 商品设计优化, 智能商品拍摄, 个性化商品推荐]

本文字数: 2000, 阅读完需: 10 分钟

导读

在这次演讲中,曹海潮先生分享了禾观科技如何利用AI技术赋能服装行业,实现降本增效。他介绍了服装上新的整个流程,以及在每个环节中应用AI技术的具体做法,包括利用多模态大模型进行趋势分析、自研AI设计模型生成服装线稿图、AI商拍模型实现无限量模特扩充等。通过AI赋能,禾观科技提高了设计师工作效率30%,缩短了上新时间,并每年节省约2000万元成本。他还分享了禾观科技自研的AIGC服务系统架构,以及在AI应用过程中的一些经验总结,如将AI模型集成到工具中、建立风控和兜底机制、采用Kubernetes集群管理等。

演讲精华

以下是小编为您整理的本次演讲的精华，共1700字，阅读时间大约是8分钟。

下午好,我是禾观科技AIGC的产品负责人曹海潮。我将详细阐述禾观科技如何借助人工智能(AI)技术赋能服装行业,实现降本增效的目标。

禾观科技是一家2018年在杭州成立的跨境快时尚品牌公司。凭借国内供应链的出海优势,以及公司独特的商品模式,我们赢得了东南亚18至24岁年轻消费群体的青睐。通过整合国内供应链资源,我们为消费者提供高性价比的优质女性服装,迅速占领了东南亚市场。

在服装行业,上新流程链路较长,包括以下几个环节:首先,买手需要基于数据分析流行趋势,包括热销服装的颜色、花纹、面料等,并制定相应的商品企划。其次,设计师根据企划报告进行具体设计,确定热销服装的花纹、工艺、领型、剪裁等细节。接着,设计师继续跟进样衣研发,最终产生工艺单和布料材质清单。在工厂生产完成后,公司需要预约模特实拍,新款服装才能在应用程序上架销售。

这一上新流程周期较长,前两个环节即买手和设计师的工作就会占用大量时间。如果一个月需要上线上千款新品,买手和设计师的工作时间就会成为制约因素,影响供应链上下游的协同配合。另一个问题是成本较高,比如预约外部模特的等待期和费用都相当可观。总的来说,现有上新流程的周期过长,成本过高。

针对服装行业的这一痛点,判断一项AI技术是否能够为业务赋能,需要考虑两个准则:首先是该AI技术能够带来的商业价值,其次是AI技术的技术可行性是否能够解决业务问题。只有当AI技术的可行性和商业价值两者交集越大时,我们才能应用于更多场景,从而获得更大的AI赋能收益,提高效率或降低成本的程度也就越高。

基于这两个准则,在AI赋能之前,禾观科技做了以下三方面准备工作:首先,我们需要挖掘AI能够产生的商业价值,做出整体规划,并进行相应的组织调整和协同,从而迈出AI赋能业务的第一步。任何事情开头都是最困难的,这一步是最重要的。其次,在布局好并挖掘出价值后,我们开始梳理AI所驱动的业务流程,探索AI应用的切入口。进入切入口后,我们才能去做具体的AI解决方案,以及技术路线的预研。同时,我们也与亚马逊云科技(亚马逊云科技)进行了业务共创,利用亚马逊云科技的计算集群为我们的线上服务提供支持。最后,在找到最小切入口后,我们需要评估具体的AI解决方案,调研和预研可行的技术路线。在把技术路线都走通后,最重要的一点就是要量化出提效的指标。无论AI赋能后的结果如何,我们都需要知道带来的价值有多大,到底提高了多少效率,降低了多少成本。这个指标可能是我们高层最关注的,所以我们一定要拿到这个KPI。

目前,禾观科技在服装行业面临以下几点挑战:第一,服装品牌从趋势分析到设计选款的时间较长,这就会影响供应链上下游的协同配合。因为现有流程会涉及买手、设计师、工厂,再到最终的业务实拍上新,流程较长,每一步都需要人工积累时间。如果前两个环节买手和设计师的时间花费过多,那就会压缩工厂生产和上新的时间,从而产生协同压力。第二,我们的产品标签整个链路还未打通。由于买手、设计师到最终业务对同一商品的属性可能有不同见解,因此当消费者在应用程序上搜索他喜欢的款式时,推荐的商品可能并不准确,影响点击率和最终转化率。第三,上新的时效要求越来越高。以荷官为例,今年上半年我们就要求每月能够上新4000多款新品。如果还按照原有的上新方式,那就存在一个问题,我们就需要大量买手、设计师,以及预约更多外部模特,才能完成每月上新数千款新品的目标。通过这种堆人力的方式解决显然是不具备可持续性的,不仅成本较高,而且也存在很大风险。比如预约外部模特就很难,如果某个月没有外模档期,那整个上新流程就会受阻。

面对这些挑战,我们对服装上新的整个流程都进行了AI赋能。可以看到,我们左边是真人模特,右边是通过换脸技术生成的欧美AI模特。这个AI模特符合我们的业务要求,它看起来美丽、自然、真实,满足了上新的最低要求。

接下来,我详细阐述一下我们是如何具体利用AI来赋能整个上新链路的:首先,在买手做趋势分析报告时,工作量通常很大,需要阅读大量报告并产生结构化数据。我们使用多模态大模型进行趋势分析和理解,生成所需的结构化数据,比如热销服装的风格、设计要点等。拿到这些数据后,我们再利用自研的AI设计模型,根据第一步得到的热销风格和设计要点,为设计师生成热销服装的线稿图。根据我们公司的数据估计,AI赋能后可以至少提高设计师30%的工作效率,这是一个实际的数值。

之后,在工厂生产出样衣后,我们利用AI商拍模型,在全职素人模特的基础上进行无限量的模特扩充。这样就可以大幅度降低上拍的成本,同时也能提高上新的时效。之所以强调使用全职素人模特,是因为这样就可以摆脱对外模特的约束。我们自研的AI商拍模型,具备对素人模特进行换脸、换头、全身替换或场景定制的能力。有了这些能力,我们就可以将之前预约外模特上新需15天的时间降低到仅需3天,同时每年可节省约2000万的成本。

最后,基于AI上拍系统产生的海量模特和场景数据,我们利用千人千面的个性化商品图像和推荐策略,提升了上架商品的点击率,并帮助我们快速扩展新兴市场。

我们的AIGC服务系统架构是基于亚马逊云科技的基础设施构建的,并深度集成了亚马逊弹性计算云(Amazon ECS)和亚马逊人工智能服务(Amazon AI services)等云服务。其中包括模型训练平台、基于任务驱动的弹性推理机制等,以打通CDMaker自动化训练任务,降低业务成本,提高业务灵活性。我们还基于Kubernetes定制了KubernetesOS系统,对Kubernetes进行集群化管理,并做了节点微服务拆分,提高服务稳定性和推理效率。

在AIGC技术在荷官落地的过程中,我们总结了以下几点经验:第一,无论是微调还是从头训练AI模型,都要更好地服务于我们的业务需求。通过调研和了解业务使用习惯,我们会将开发的AI模型通过插件的方式集成到业务常用的工具中,比如Photoshop等。这样一来,我们不仅提高了效率,也没有改变使用者的操作习惯。除此之外,我们还建立了反馈机制,如果业务使用新增功能效果满意,我们就记录这个生成结果;如果不满意,我们就将其作为错误案例,并基于这些错误案例定期迭代模型,形成正向循环,不断提高业务工作效率。

第二,现有模型还存在一些问题或瑕疵,所以我们需要一些风控和兜底措施。比如我们自研的AI上拍系统生成结果可能会涉及不当内容或换成敏感人物头像,这就需要风控来屏蔽这些敏感内容。另外,生成人物图像时,手脚部位可能会出现畸形,这就需要人工修复或训练手脚修复模型进行后处理保障。

第三,由于我们的推理服务主要基于Kubernetes构建,为了提升服务的稳定性和鲁棒性,我们基于Kubernetes定制了KubernetesOS系统。该系统包括对Kubernetes进行集群化管理,并且为提高效率降低成本,我们做了节点微服务拆分,即每个节点只做一件事,比如只做采样或只做推理,避免重复加载模型,从而提高推理效率,降低推理时间。

以上就是我们在AI赋能服装行业的应用和思考,以及在AIGC赋能过程中的一些经验和总结。如果大家对这方面有兴趣,也欢迎线下进一步交流。

总结

亚马逊云科技AI赋能服装行业,实现降本增效的探索之路。禾观科技通过自研AI模型,赋能服装上新全流程,从趋势分析、设计、商拍到个性化推荐,大幅提升效率,降低成本。核心在于:

1. 利用多模态大模型分析趋势,生成设计线稿,提高设计师效率30%。
2. 基于素人模特,通过AI换脸换身换场景,实现无限量商拍,缩短上新时效,年省2000万成本。
3. 生成海量个性化商品图,提升点击率,助力新兴市场扩展。

借助亚马逊云科技基础设施,构建高效AIGC服务系统,实现模型自动训练、弹性推理,并通过插件集成、风控兜底等措施,持续优化模型效果。禾观科技的实践彰显了AI赋能传统行业的巨大潜力,为行业数字化转型指明方向。

亚马逊云科技（Amazon Web Services）是全球云计算的开创者和引领者。提供200多类广泛而深入的云服务，服务全球245个国家和地区的数百万客户。亚马逊云科技致力于成为企业构建和应用生成式AI的首选，通过生成式AI技术栈，提供用于模型训练和推理的基础设施服务、构建生成式AI应用的大模型等工具、以及开箱即用的生成式AI应用。深耕本地、链接全球 – 在中国，亚马逊云科技通过安全、稳定、可信赖的云服务，助力中国企业加速数字化转型和创新，并深度参与全球化市场。