本文介绍Jolanta Bieńkowska（2024）发表于《Sustainable Development》的论文《The Effects of Artificial Intelligence on the Fashion Industry—Opportunities and Challenges for Sustainable Transformation》。
该研究旨在阐明当前人工智能（AI）在时尚产业中的应用情况和布局，并评估AI对推动时尚产业可持续发展的实际贡献。研究表明，目前AI对时尚产业的影响包括：以数据为中心的设计、基于大数据进行的预测分析，以及注重体验的服务模式。然而，由于部分企业将经济目标置于可持续发展目标之上，AI在促进时尚产业可持续转型方面的潜力远未得到充分发挥。因此，根据商业-环境模式制定有益的变革战略，并持续关注这一领域的进展，显得尤为重要。
研究背景
互联网和电子商务的兴起改变了消费者的购物习惯（SanMiguel和Sádaba，2020），同时，消费者逐渐要求更加个性化的购物体验（Guercin等人，2018）。为了根据客户喜好定制产品和服务，时尚公司加大了对 VR 与AR 技术的投入（Boardman等人，2020；Hajahmadi等人，2024）。在线上，时尚博主（The fashion influencers）拥有大批粉丝，并对时尚潮流趋势产生重大影响（Haenlein等人，2020）。时尚博主不仅是真实的人，也包含数字化身（计算机生成图像）（Jhawa等人，2023），它们担任著名服装设计师的服装模特，甚至“参与”时尚品牌组织的活动。其成功的背后，是AI为它们赋予了更真实的外表、动作，以及和社交媒体用户互动的能力（Yu 等人，2024）。AI在时尚产业中的应用已超越社交媒体和博主（influencer）范畴，在设计流程、趋势分析、个性化服务、推荐系统以及供应链优化等方面均发挥关键作用（Silvestri，2020）。
然而，时尚产业也面临着一系列环境和道德问题，包括过度消耗水资源，制造与运输过程中的碳排放、有毒物质的使用，以及生产过剩和过度消费（经济合作与发展组织[OECD]，2017）。同时，大多数时尚品牌对可持续发展的承诺水平相对较低，其声称的生产活动减排力度也十分有限（Pucker，2022），它们巧妙地实施一些并不能带来重大影响的行动，来树立起其在可持续发展方面的正面形象和良好声誉（Szabo和Webster，2021）。
在此背景下，AI具备支持时尚产业可持续发展目标的巨大潜力，包括拓展新材料研发方向、支持趋势分析、加深对消费者行为的理解、促进VR和AR技术的发展、广泛实现生产自动化、协助减少材料消耗、全面监控供应链、回收过程中的精准识别和分类等。此外，制造业、农业、能源和运输业等已经在可持续发展方面取得进展的行业，其经验也能为时尚行业提供借鉴。
实施上述方案需要AI学习大量数据来创建准确的模型，但可持续材料、生产流程和生态标签的相关数据可用性有限。此外，先进的AI系统实施成本高昂，限制了中小型公司的使用，使它们难以从中受益（Sustain，2022）。为降低成本，企业可以从小型AI试点项目开始，再逐步扩大规模以分散成本、降低风险；Marston等人（2011）认为，实施基于云的AI解决方案，可以显著减少软硬件所需的初始投资；Theben等人（2021）建议使用开源AI工具和平台；Vendrell-Herrero等人（2018）则提出可以与技术初创公司、高校或外部专家合作。
除了实施成本外，另一个重大障碍是道德和隐私问题。收集和使用用户数据需要遵守数据保护法规（欧盟委员会，2019）。同时，AI系统应对用户保持透明和可理解，并建立相应的决策问责机制。如果用于训练的数据存在偏见，那么AI系统可能会反映和强化该偏见（Manyik等人，2019）。解决这些问题的关键，在于深入了解相关风险，并根据成熟经验和法规采取规范行动（Blackman，2022）。
研究问题
该研究回顾了AI在时尚产业的应用领域和范围，阐明AI工具的使用目的和方法，并探讨其如何支持可持续发展，以及时尚公司是否有意投资尖端技术以支持可持续转型。据此，提出以下两个研究问题：
RQ1. AI目前在时尚产业中的哪些领域得到了应用？
RQ2. AI在多大程度上被用于支持时尚产业的可持续性？
通过检索Scopus 数据库中2017年至2023年间的文献，结果显示有6949篇文档包含关键词“时尚”、637 篇论文包含关键词“时尚和可持续性”、179 篇包含关键词“时尚与人工智能”、5 篇包含关键词“时尚、人工智能和可持续性”。尽管关于时尚的研究很多，时尚领域也对可持续性和AI有一定研究兴趣，但只有少数研究整合了时尚、人工智能和可持续性议题，这些研究的共同目标在于验证AI技术在时尚可持续转型中的潜力。
研究材料与方法
数据收集
该研究遵循PRISMA 指南（Page等人，2021）与主题分析方法（Thomas和Harden，2008），进行系统性文献综述，数据来源于Scopus和Web of Science。主要检索关键词为“人工智能”和“时尚”。此外，检索结果被限定在与时尚行业相关的关键词编码范围内：“时尚产业”、“时尚”、“时尚设计”、“在线时尚”、“时尚风格”、“衣服”、“时装设计师”、“时尚零售”、“快时尚”、“可持续时尚”、“时尚供应链”、“时尚预测”、“时尚与服装业”、“服装个性化”、“时尚AI”、“服装设计”、“服装业”和“服装”。出版时间限定为2017 年 1 月至 2024 年 10 月。排除重复项，与研究问题不符以及无法获取全文的文献。
图 1.PRISMA 2020 流程图
数据分析
为回答研究问题，该研究采用 Braun和Clarke（2006）提出的“主题分析六步法”，探讨时尚产业中与AI相关的潜在主题，包括其对可持续性的支持（图 2）。
文本预处理（Asmussen and Møller 2019）包括：将文本划分为作为独立处理的单元，删除不必要的标点符号和特殊字符，将文本转换为小写，移除“and”、“the”、“is”等停用词，将单词还原为原始词性，移除无关文本（如页脚、标题或无相关主题信息的辅助文本）。
研究采用主题建模法，通过提取聚集成主题的单词和短语组生成初始主题和代码，最终得到了3个包含10个单词（代码）的聚类。
图 2.主题分析的六个步骤
由于“sustain”一词未出现在主题建模结果中（但其与第二个研究问题有实质性关系），因此使用共现关键词网络（VOSviewer）（Van Eck和Waltman，2010）重复生成初始代码，提取出聚类“sustainable”，该聚类与11个相关词语（代码）共现。
随后，对所有提取的代码进行验证，将短语分解为单词和概念，并删除不相关的词汇。将上述4个聚类分别赋予一个初始总主题。在使用分配的代码创建初始主题列表后，将其储存在MAXQDA词典中，并对其进行自动编码。完成编码后，对结果进行审阅和评估，确保其与研究问题保持一致，并审查文章语料库中的研究领域，最终确定主题/代码名称。
前一阶段的结果可以定义与命名主题，从而为研究问题提供简短、综合性的答案（图 3）。主题分析旨在将所有文本内容提炼为最重要的含义和关键主题。确定的主题揭示了当前AI在时尚产业中的主要影响（RQ1）：数据驱动设计、大数据预测和以体验为中心的服务。最后一个主题回应了RQ2，即可持续发展需要创新。
图3. 代码按主题分组，并分配给研究问题
结果分析
1.数据驱动设计
赋能设计创作：在3D服装设计中，AI可以结合交互式遗传算法，自动生成、优化和改进设计方案；基于StyleMe等深度学习工具，AI可根据设计师的独特风格偏好，快速生成高品质服装草图；AI-MICCS等协同创作系统系统能够帮助设计师有效管理灵感，创作符合其预期的独特原创设计。
优化设计工作流程：Science4Fashion等AI系统能收集和分析来自社交媒体、电商平台和时装秀的数据，为设计师提供定制化解决方案；时尚属性检测用于风格聚类（FANCY）这类深度学习平台，通过结合量化标准与专业见解，简化并高效完成分析任务；StylishGAN 等工具能够基于真实模特创作时装插画，增强设计细节并降低制作成本；HAIGEN（人机协同生成）系统通过自动搜索灵感、绘制草图绘制和着色，提升时装设计水平，该系统还结合了云和本地技术，以保护设计师的数据隐私。
拓展产品功能：AI能够确保儿童服装符合安全标准，并提升舒适度和功能性；AI驱动的智能服装有助于健康监测和性能提升，而AI驱动的纳米材料进步能够优化织物性能。
提升消费者体验：Style.Me、De' Malongsy等AI解决方案充当私人造型师，协助客户选择尺码和风格合适的服装，优化购买流程。
挑战与局限：目前仍需要进一步开发和训练，以提高AI生成设计的准确性；将AI融入传统制造流程，成本高，难度大，限制了小型公司的应用；此外，缺乏客观方法评估 AI 生成设计的质量，以及对AI 生成设计过程及其输出结果的持续监督需求，都限制了其潜在效能。
2.大数据预测
需求预测与财务优化：基于模糊语言建模等技术的AI模型能够利用大数据，通过分析消费者偏好（如色彩趋势）和历史数据来预测特定特征，从而降低供应链成本、避免缺货，并减少商品滞销造成的财务损失；AI算法还能通过分析来自社交媒体和电商平台的数据，精准预测服装价格。
趋势预测：经过特定训练的AI模型能够识别时尚图像，并对织物纹理和设计细节等属性进行分类，从而有效预测趋势；此外，AI技术支持基于实时时尚系统 （RTFS） 的新供应链框架，使消费者积极参与购买、共同设计、个性化定制和计划性生产。然而，一些顶级品牌侧重于提高供应链效率而非进行需求预测，更多地依赖营销策略吸引客户，并通过数据挖掘分类器来预测活动成功率。
柔性生产：云工厂利用AI和大数据分配订单，并基于客户-制造商（C2M）模式构建灵活的供应链（如亚马逊的自动化服装工厂）。
3.体验式服务
搜索与个性化：AI通过基于图像和属性标签的多模态环境，提高时尚图像搜索精度，并与身体扫描技术结合，使产品能够更精确地根据个人客户的偏好量身定制。AI驱动的时尚零售业通过个性化推荐、增强搜索功能和改善跨平台的客户参与度来提升购物体验。
虚拟互动与服务：聊天机器人作为虚拟购物助手，满足多样的人机交互需求，提升购物乐趣和便利性。同时，其有效性和用户接受度很大程度上取决于语言表达和对话流程。
线上线下整合：AI和物联网技术（它们支持时尚咨询等应用）被用于实体数字化（phygital）方法，从而将现实与数字手段相结合，以建立客户关系。消费者认为AI工具既实用又具颠覆性，使他们产生了对产业结构变革的担忧。
关键要素：聊天机器人的有效性取决于清晰的沟通、合理的句子结构与连贯的对话。虚拟助手则凭借其社交智能、类人特征和相关的专业知识来吸引用户。
4.可持续性创新
减排与废物管理：开云集团（The Kering Group）通过投资AI预测销售情况和管理库存，以优化生产水平，减少生产过剩和库存。此外，AI还能预测退货情况，从而快速将退回的产品转移至合适的销售渠道。在与工业 4.0 接轨的过程中，机器人技术、光谱成像和AI可用于提高时尚行业废物管理的精度和效率；此外，AI、RFID 标签、大数据分析和预测工具等可以最大限度地减少整个供应链的碳排放。
赋能消费者：SHADE 等应用程序能够提供有关可持续产品的详细信息，从而帮助消费者选择对环境更友好的产品。
伦理与挑战： AI面临的道德挑战包括算法偏见、数据隐私和环境影响等，以及时尚产业的AI应用是否符合企业社会责任（CSR）目标。有人质疑在线造型订阅和数字影响者等标准AI解决方案对消费者行为和可持续性的影响；此外，还需考虑AI辅助和设计师创作独立性之间的平衡。研究表明，高收入公司对时尚可持续性的重视程度较低，它们更倾向于利用AI来增加收入，而非推动可持续发展，承担社会责任。因此，决策和供应链管理系统除了考虑运营和财务效益外，还应当将可持续性纳入考量，结合商业和环境视角的模型有助于制定有利的策略。
讨论与贡献
AI、物联网、区块链、大数据分析、VR和AR等可持续时尚技术，在改善产品设计、物流、生命周期管理、减少生产过剩和浪费方面潜力显著。例如，工业4.0模型和数字孪生工具能够实现资源最优管理和减排，通过分析预测消费者行为，引导消费者理性购买。然而，这些技术的全部潜力仍处于探索阶段，需要进一步研究和系统性行动，才能对产业实践产生显著影响。
分析研究发现，作者在评估AI在时尚产业可持续发展中的潜力时频繁使用虚拟语气（如“可以”、“给予可能性”），表明虽然认识到技术的潜力，但缺乏足够的论据证实其实际效用。在企业层面，AI技术主要被用于提高商业盈利能力和管理效率，以及保障消费者满意度，而可持续发展目标往往被置于时尚公司战略的最低级别。
以积极推动时尚产业可持续发展的开云集团为例，其转型重点始于“2017-2025 roadmap”（https://www.kering.com/en/sustainability/crafting-tomorrow-s-luxury/2017-2025-roadmap/），以及用于量化其活动对环境影响的工具“环境损益”（'The Environmental Profit & Loss'）。在供应链的每个阶段，这些举措都已付诸实践，涵盖减少消耗、保障员工权益、促进创新和推行有效的解决方案。然而，开云集团在引入新管理工具时，既要克服组织内部的壁垒，也要协调利益相关者的不同诉求。尽管如此，开云集团仍是全球转型中值得效仿的领导者。
关于第二个研究问题的结论是：AI技术虽然在支持时尚产业可持续发展方面潜力巨大，但远未得到充分利用。此外，每种解决方案都存在优缺点，例如，基于AI实现供应链数字化的RTFS模型：它能够无缝生产和交付“量身定制”产品，但其数据中心的高碳排放和冷却水消耗仍会留下“数字足迹”。新的解决方案引发了一系列悖论，并由于其内在矛盾被反复讨论。例如，使用哪种材料制造产品对环境的危害更大：是需要化学鞣制的天然皮革还是人造石油基皮革；是种植过程中使用了杀虫剂的工业棉花或是聚酯纤维？
另一个争论焦点是AI技术对“设计师”创造力空间的限制，同时，服装应该是个性的表达，但AI设计或推荐的现成款式也可能限制消费者的创造力和自主权。基于此，可以通过有针对性的教育和设计师培训，为他们提供知识和工具，来创造集成环保和AI的设计，从而促进符合可持续发展目标的创新。此外，使用AI的风险还包括：AI基于外部数据生成内容可能引发的知识产权和创作权侵权；以及AI辅助工作中产生的，需要通过人类专业知识才能识别的错误。
总的来看，时尚产业中AI应用的主要领域已经发生了变化：2007 年至 2018 年间，AI在时尚供应链中的应用重点在于生产和分销（集中于B2B关系，而非B2C）。该研究表明，用于提升设计流程的AI工具取得了基础性发展，但仍基于B2B关系。此外，AI能够帮助品牌赢得客户的兴趣、钦佩和忠诚度，并赋予消费者权利，帮助消费者做出符合个人和环境价值观的选择，使其成为时尚市场可持续发展的驱动力。
关于AI在时尚产业可持续发展中的应用范围，该综述显示，目前很少有研究解决这一问题，这可能反映出研究人员和时尚公司对该问题的兴趣不高。
研究局限性
该研究涉及的问题范围广泛，难以开展一手研究。此外，因为时尚产业的普遍不透明性，获取来自公司的直接数据受限（在《时尚透明度指数2023》的250个品牌中，只有82个品牌披露了至少70%的有关人权和环境保护的政策与做法、对其活动的影响以及供应链信息）。尽管存在以上限制，该研究仍力求通过修正既往研究结果并明确新的研究方向，提供新的知识。
启示
未来研究需要更深入地探讨以下方面：
AI在设计中的应用程度：评估AI技术在辅助设计过程中的应用，及其提高工作效率的程度（节省时间、减少材料浪费或提升设计吸引力）；并进一步分析AI限制或激发创造力的具体程度。
时尚智能制造模型案例研究：描述实时时尚系统（RTFS）或云制造模型中时尚生产的实际案例，也有助于产生新知识。这类基于云计算的智能商业模式，使客户能够根据自身需求使用云服务，或选择性订购之前无法获得的服务，如产品设计、制造、测试等。
可持续影响与消费者行为：探索利用AI减少时尚产业碳排放和优化废物管理的机会和影响。在消费者行为研究中，应分析哪些AI辅助工具被用于影响消费者，并评估其效果，以及它们是否包含“旨在推动人们对可持续性的态度与行为转变”的工具。
将人工智能应用于时尚产业是一个极具吸引力且与时俱进的议题。相关研究揭示了企业的技术转型及其对设计师和消费者的行为与决策的影响。AI为行业增长开辟了新机遇，并推动时尚产业向可持续发展迈进。然而，AI的这种可持续发展潜力尚未得到广泛应用，因此也鲜有研究。鉴于此，有必要进一步探究AI技术在推动时尚产业转型中的潜力与实际成效。
原文链接
https://onlinelibrary.wiley.com/doi/full/10.1002/sd.3312?saml_referrer
本平台将持续导读前沿文献，欢迎关注。
文案 | 何懿芳 欧阳云玉
图文编辑 | 何懿芳 欧阳云玉
欢迎关注/分享/点赞/在看
