一夜之间，大家仿佛都清心寡欲了起来。

最近在群里分享点吃的用的，偶尔还有人捧场。如果是首饰衣服，先商业互吹一番“好看”，紧接着就是“去年买的衣服都穿过了吗”“工作都没了还买什么包”“别看了拼夕夕差一刀帮我砍一下”等的灵魂拷问……

搁半年之前，这么勤俭持家的场面都是不可能出现的。哪怕刚刚裸辞，女人们也敢刷信用卡买下新款裙子，美其名曰“换种姿态迎接新生活”。

2020年疫情后的的普通人，开始老老实实面对惨淡的生活，将消费欲望降到最低。穿衣AI——让大家找到了一种不花钱就可以得到的快乐。

AI搭配师：逮不着耗子，当不了好猫

用AI给消费者搭配服饰鞋帽、口红妆容等等，从2017年AI浪潮兴起开始，就被安排进了技术大厂的开发周期表。

某猫上线了FashionAI，通过电商平台上的潮人搭配方案，基于属性、颜色、风格、细节等维度，可以为一款单品匹配到最适合的穿搭方式。官方说辞是，1秒钟能为消费者提供与其相符的100套穿搭建议。

某狗也奋勇争先，成立时尚科技研究院用户只要将衣服放到Mirror+智能搭配产品前，系统就会通过推荐算法找到合适的服装搭配。

一些女性群体为主的电商平台，也都相继成立过“搭配研究所”、搭配体验平台等等，利用平台的大数据优势训练时尚分析模型。

一时之间，感觉整个电商服装行业都AI了起来。

时尚产业根基更为成熟的欧美，自然更不会放过这个掘金的机会。

电商巨头亚马逊，就在CVPR 2020会议上推出了好几款AI穿衣模型。比如Outfit-VITON，就可以将多件衣服搭配在一起，让消费者看到上身效果。

如果用户看上了款式却没有相中颜色，也可以直接查询“相同款式的粉色连衣裙”，系统就会帮助其找出相应的商品。

谷歌与德国电商Zalando合作，基于TensorFlow打造一款时装设计产品Project Muze，用户告诉AI自己的性别、心情、兴趣爱好和喜欢的艺术类型等信息，再在模特身上随便涂鸦几笔，Project Muse 就可以马上设计一款时装造型。

如果对方是一位热爱古典音乐、心情有点儿迷茫，并在模特身上画了三角形的女士，它就设计出了一条斗篷式的绿色连衣裙，外面还会覆盖一层有忧郁气质的棕色薄纱。

学术界的时尚嗅觉也出人意料，不少高校研究人员用论文证明，自己并不是“nerds”（书呆子）。

2019年，UT 奥斯汀、康奈尔大学、乔治亚理工和 Facebook AI 研究中心联合发布了一款名为Fashon ++ 的模型，基于深度生成网络，让AI学习到时尚和不时尚两种图像，深度网络就会生成出最适合的着装方式。“一键改衣”，让单品的时尚度瞬间up！

比如，模型会建议去掉袖子、将下摆塞进去等操作，让整个look看起来更有型。用来帮助人们进行服装设计与搭配指导，自然也不在话下。

疫情期间大量服装企业的业绩都出现了大幅度萎缩。奢侈品牌也没能逃过，路易威登LV的母公司LVMH集团第一季度营收减少15%，拥有古驰Gucci、圣罗兰YSL等品牌的开云集团营收减少15.4%，也纷纷放下身段试水电商、直播等新方式。

对于想要争夺增量的品牌来说，让生产、设计、销售都能紧密贴合狭窄化的市场诉求，与此同时，不额外增加企业的成本，就成为必须面对的难题。

因此AI的出场，也就变得至关重要。

此前的一波“AI搭配”潮流，主流品牌的旗舰门店都进行过“数字化改造”，比如安装了AI试衣镜、智慧摄像头等。

在这一基础上，进一步完成算法升级，为门店打造精准的营销策略，比如进店顾客的用户画像，哪些衣服试穿率高，哪些单品购买率高等等，这些原本资深销售员才能够“意会”的机密交给AI来完成，帮助缓慢恢复的线下门店负重前行。

接下来，就需要寻找新的利润增长点。

拥有用户时长优势、更接地气的社交媒体平台，就成为各大市场品牌的争夺阵地。

但事实证明，大火的短视频+直播带货，并不一定意味着高曝光和带货。

核心原因是，时尚图片、视频等富媒体的呈现形式，想要将内容转化为命中率和流量，需要精准的用户推送和匹配。这就对平台方的内容智能分析、智能识别时尚元素、精准匹配受众，进而提升命中率，关联到电商同款或相似 SKU，提出了较高的要求。

当然，上述这些AI附加值，不仅需要服装企业本身就对数字化经营有一定的了解和铺垫，搭建起了AI所能发挥的技术土壤，才能够快速转型，借助技术工具实现去库存、提效率、增销量的目的；还需要对各个渠道的AI能力、商业逻辑有必要的了解，才能避免经营层面的“AI通货膨胀”。

正如某服装品牌总裁在公开信中所说，“疫情不可避免地重创了服装行业，但疫情也是一个放大镜，检验我们过往的沉淀是否扎实。”不抗拒新技术，也不唯技术论，明辨AI的能力也注定在这个特殊的全球经济节点上，成为各行各业的必备技能点。