从一块布到一条产业链，致景科技如何打造纺织AI新生态？- 大数跨境

建采绿碳

2024-11-05

导读：打通智能制造产业链，以数据驱动决策

致景科技成立于2013年12月，是领先的纺织产业互联网企业，旗下拥有“百布”“全布”“天工”“致景金条”“致景纺织智造园”“致景智慧仓物流园”等业务板块，致力于通过大数据、云计算、物联网、人工智能等新一代信息技术，全面打通纺织服装行业的信息流、物流和资金流，构建纺织服装纵向一体化的综合服务平台，助推行业全产业链数字化、智能化、集群化升级。

在最新一期的产业AI专访中，新质汇与致景科技副总裁管瑞峰深入探讨了公司在产业AI技术探索与实践中的创新成果，包括公司在智能制造和数据驱动决策方面的突破。

传统纺织行业供应链长、分散度高、交易效率低，存在订单拆解复杂、生产不确定性强、供应链基础设施较传统等难题，行业特性给上下游企业交易流通带来难题。致景科技从技术端入手，打通了原料采购、纱线、坯布、染整、成品布、制衣等生产和交易环节，为纺织企业提供生产、经营、管理、服务、交易的数智化解决方案。

2014年，致景科技旗下“百布”成品布交易服务平台上线，通过参数化和数据化面料属性，实现面料交易的自动化匹配，并通过“百布小站”连接批发商和中小服装工厂，实现交易闭环；2018年，致景科技推出“全布”平台，通过IoT设备对纺织设备实行边缘感知，结合工艺库、订单追踪等系统，实现上游坯布厂和下游成品布批发商的高效连接；2020年通过“飞梭智纺”工业互联网系统，为上游生产提供数字化服务，帮上游生产企业进行产能供需匹配。

打通了上中游的原材料生产制造、布匹流通之后，致景科技开始布局服装制造板块。在下游服装制造环节，致景旗下“天工”平台专注为服装企业提供一站式柔性供应链服务，通过云设计、云版房、云工厂构建服装制造全链条环节，推动“小单快反”模式，打通了从趋势研判到设计、采购、打版、生产，再到物流的全链条。

嘉宾简介

致景科技副总裁管瑞峰

负责致景科技数字化和智能化产品的开发应用工作，在加入致景科技之前，曾在百度、微软等知名企业任职。

要点速览

1. 对纺织行业而言，产业上游、下游企业有不同痛点，上游布品生产需要严格符合相应标准，AI技术多被用于质检、自动化等场景；下游则更多需要满足服装设计的创意型生成场景，AI技术多用于提升布料匹配、设计效率。

2. 在上游，致景科技开发了质检和巡检机器人，并通过IoT加AI的纺织机械产品为中小企业提供SaaS和数字化解决方案。

3. 在下游，致景科技推出了从设计到打版到交付的完整产品体系，借助AI技术优化整个服装设计生产流程，更加贴近柔性供应链生产及消费者需求。

4. 致景科技自2021年开始组建AI团队，公司基于行业通用的AI框架构建模型，并针对纺织产业的特殊需求进行了大量优化。

5. 致景科技与科研机构和政府保持紧密合作，通过学术交流获取前沿技术并优化产品。

6. AI完全有可能实现纺织产业链从需求到生产的反向重构，从感知下游服装需求到控制上游面料供应，AI技术可以重塑供应链中的每个环节。

7. 目前纺织行业的AI应用还处于早期，需要政策引导上游企业进行智能化转型，帮助工厂降本增效，迈向国际市场。

8. 产业互联网企业在应用AI时，应根据自身需求选择合适场景，尤其要理解AI的概率性特点。

纺织行业产业链较长，上中下游高度分散，订单小而复杂，生成式AI大模型技术如何与产业链需求相匹配？解决了链条内的哪些痛点？

管瑞峰：AI技术发展速度非常快，已在各行各业得到广泛应用。致景科技也积极关注大模型及生成式AI技术的发展与应用。我们目前主要在纺织行业的上游、下游两个部分进行投入。

在上游主要针对纺织生产领域，我们重点开发织检一体机器人、巡检机器人，应用视觉AI识别技术对布料生产质量进行监控。针对纺织机械行业，我们还开发了将织布机数字化的产品--“飞梭智纺”，结合了IoT和AI技术，为中小企业提供SaaS加IoT的数字化解决方案，有效调控产能。

致景科技赋能纺织厂落地的智能倍捻巡检机器人，24小时不间断巡检，断纱审出率达99%

全自动巡检极大提升了产品合格率，发现问题实时上报，直接解决了传统人工巡检布料瑕疵点漏检率高的痛点。在通过质量检测之后，每匹布都贴着印有二维码的质检报告，生产信息全链条可追溯。技术的不断升级使我们推出的AI质检产品可以覆盖织布的各个环节，包括前道和后道的质检。

在下游领域服装设计环节，我们结合大模型技术和多年积累的面料数据，利用多维度的信息生成更适合实际落地的服装设计。推出了一套从服装设计打版到生产和最终交付的完整产品体系，覆盖了整个服装设计到生产的流程。

百布“对布机器人”

在服装生产环节，致景开发的“百布”成品布交易服务平台拥有品类齐全的面料参数数据库，通过“智能硬件+AI+大数据”技术，实现快速精准匹配面料。输入材质、款式等信息后，符合条件的布料、成本和厂家信息仅需几分钟就能检索出结果，助力服装生产厂商解决“找布难”的痛点。

您认为致景在纺织产业AI应用上的主要创新点在哪？

管瑞峰：从纺织产业链B2B市场整体来看，行业具有高度的分散性，各环节需求各不相同，形成了多样化的场景。这种特性为AI的应用提供了丰富的机会。比如，我们可以根据布料生产信息、产地、生产运输成本等进行数据分析与预测，帮助企业制定更为精准的生产计划，减少库存堆积。通过预测上游织布设备潜在故障，减少停机风险，提高整体生产效率，降低运营成本。

全布“飞梭智纺”智能实时监控监测织布设备状态

纺织行业从上游到下游可以被视为两个非常不同的阶段。从AI大模型的角度来看，其所面临的场景可以分为两类。一类是创意型场景，这种情况下结果较为主观，例如生成的内容是否好看往往依赖个人判断。另一类则是严苛场景，其中结果必须符合相对的行业标准。

例如，在上游环节中，质量检测等任务要求需要符合国际标准，瑕疵点的定义需与这些标准一致，因此对模型的要求较为严格，与生成式AI的特性与功能不符。然而，我们可以将生成式AI应用于瑕疵点的生成，通过AI生成相关瑕疵点来提升训练效果。

在下游环节，尤其是服装设计中，生成式AI能够发挥其创造能力。可以通过生成可落地的设计方案并显著提升生产效率。尽管当前许多通用模型已经能够很快生成一件服装设计，但结合到产业当中来看，仅凭生成的设计并无实际意义，这些设计必须可落地，能够转化为实际生产的打版，并计算相关成本。因此，为实现产业化和生产链条的整合，生成的服装需明确生产所用面料、生产地点及成本，这样才能进行合理定价，这个过程中就需要AI技术与产业数据相结合。

致景“天工”旗下Fashion Mind服装设计引擎，输入关键词几分钟内生成多款服装设计

致景如何构建AI技术团队？

管瑞峰：致景AI技术团队2021年开始搭建，涵盖了纺织行业上下游的各个环节。我们首先从技术负责人入手搭建体系。AI技术与纺织行业的结合涉及一整套完整的链条，包括数据收集、模型训练、后续应用及与硬件的结合。特别是在产业落地方面，例如在智能机器人上的应用，它必须与硬件相结合。此外，我们还进行了模型优化等工作。在链条的各个环节上，我们进行了完整的布局和全面的人才配置。

致景的模型算法搭建有哪些关键步骤？如何与政府机构、科研机构和技术厂商开展合作？

管瑞峰：在模型搭建过程中，我们并非从最底层开始重新开发，而是基于业界较为流行的AI算法和框架，以公开、广泛认可的底层框架进行构建。在此过程中，结合我们的行业特性，对模型的构建流程进行了多项优化。整体而言，我们的搭建方式是基于开源框架，在已有技术基础上进行拓展和完善，实现了模型的高效构建和优化应用。

从研发的角度来看，我们需要深入了解AI领域的最新动态，因此与政府特别是科研机构进行更频繁的交流非常重要。在交流过程中，我们能够获得前沿的学术思想和理念、论文，这能够帮助我们加速技术迭代。沿着这些思路进行探索，可能能够解决我们之前无法攻克的问题。因此，与科研机构的合作带来了很大的收益，尤其在技术指导和思维拓展方面。

纺织行业是一个市场竞争非常充分的行业，主要由中小企业构成。即便是纺织行业的大企业，放到其他行业来看也难称“大型”或“规模化”企业，整个行业相对分散。因此，政府机构组织的协助是引导企业实现智能化转型的关键。在某些纺织产业聚集区，对于推动企业采用AI技术，地方政府的作用尤为重要。企业从初始状态到数字化再到人工智能的演进过程中，纺织行业的企业规模偏小，适应新技术的能力有限，需要示范企业起到带头作用，展示智能化转型的成效。

AI在纺织行业，特别是上游的应用，将得到更大的推动。例如在湖北，当地政府大力支持纺织工厂的发展，鼓励通过智能化方式提高产品质量，减少对人力的依赖。在这样的背景下，我们的边织边检、织检一体的机器人可以更快应用于工厂。通过这种三方合作，工厂可以切实体验到智能化带来的效果，而不是因为对新技术缺乏信任或畏难情绪而放弃尝试。在地方政府的认可和协助下，AI在纺织行业的落地更加扎实，并且推进速度更快。

尤其是在当前与海外竞争激烈的背景下，智能化手段相较于传统的人力操作，能够更有效地增强竞争优势。当前，大部分地方政府对纺织行业的支持仍主要集中在信息化阶段或传统设备的更换和升级上，但在政策中明确要求利用智能化或AI技术提升竞争力的情况仍较为少见。因此，政府可以在这一领域发挥牵引作用，并明确AI如何与其产业及业务结合，引导AI在产业中的落地，将对企业主提升对AI的认知和应用起到极大推动作用。

您认为产业互联网企业进行AI转型的需求迫切吗？是否会有“不转型，就淘汰”的紧迫感？

管瑞峰：致景科技作为科技型企业，主要通过数字化和智能化提升供应链及相关节点的效率，帮助企业降本增效。主要节点包括上下游布料生产商、服装厂等，随着人工智能大模型的出现，我们的战略也从原来的数字化转变为后来的智能化和集群化。智能化作为公司战略的方向被明确提出。

同时，我们希望为上下游工厂提供的智能化服务，能推动其在不同环节上的转型。有些上游参与者如纺纱、织布、印染等工厂对转型的需求较为迫切，但绝大多数工厂尚未完全意识到这一点。因此，我们更希望政府能够对人工智能落地给予更多引导，同步提升产业链上下游参与者的紧迫感。

目前，2C行业尤其是服装行业，确实更能感受到转型的紧迫感。由于生成式AI与设计的结合较早，这一领域的讨论和应用也相对较多。因此，设计师更迫切希望利用这些AI技术提高效率。

整体来看，从科技赋能公司到产业链参与者再到消费者之间形成了一个传导链。越往上游，企业的迫切性和敏感度就越低。我们所做的也正是向产业链上游延伸，比如“飞梭智纺”系统，去赋能这些相对传统的企业。

当前产业互联网公司对AI的应用通常还是解决业务流程内的某个单一环节上的问题。您认为5到10年内，AI是否有可能整体重塑业务流程？

管瑞峰：完全有可能。整个产业链本身就是一个传导过程，就像刚刚提到的紧迫感的传导，业务流程的传递也是类似的。

以纺织服装产业链为例，重塑的过程可以从最下游开始逐步向整个产业链延伸升级。在下游环节，通过AI生成快速成衣，将生成的设计与用户偏好、面料产地、运输、报价、制作周期等数据迅速结合，这不仅改变了原有的设计流程，也重新定义了供需关系。下游需要的成品可以更加贴近消费者需求，直接将业务逻辑从“由产到销”颠覆成了“由销到产”。

下游需求端的“智能大脑”，可以更好地指导上游的生产发展。供需关系的起点也因此不再依赖于缓慢的电话、微信等人为移动端传递，而是通过智能化平台的方式，由下游的“智能大脑”进行决策。

同样，在面料生产过程中，AI也可以对上游整个生产链条进行调整。当AI数据指令传导至上游，它会影响到纺织产业链中的标准化环节。传统的纺纱、织布、印染等生产过程的标准大多由人为制定和检测，未来通过AI，这些环节将实现智能化管理。AI可以决定纺纱、织布的质量标准，并在生产过程中进行实时控制。整体生产中的每一个环节，我们都可以实现监测、预警、调控。

对其他布局产业AI的产业互联网企业有何建议？

管瑞峰：应用AI产品应从自身实际需求出发。AI本质上还是一种概率性应用，生成的结果具有一定的概率特征。换句话说，AI产出的的结果是大概率的某种情况，存在不确定性。

应用AI技术的企业，必须明确理解AI的特点。AI不是数字化或信息化的延续。在数字化时代，1加1等于2，只要部署好，就一定能得到预期的结果。而在AI的应用中，必须明确哪些场景可以有效使用AI，并进行清晰的界定。例如，对于非常严苛的场景，1加1必须等于2，若不符合，整个产品可能就无法使用。这种关键性场景并不适合AI应用。

以质量检测为例，如果人工检测的准确率为70%或80%，那么通过AI技术提升到90%的场景，这种则非常适合。AI可以部分或全部替代人工功能，但无法达到数字化那种严苛的精确结果。因此，企业主需要对AI大模型有更深入的认识。在应用过程中，需寻找适合场景，并通过AI技术实现替代和提升。

END

作者丨张宸

编辑 | 张宸