以前，一位繡工一針一線繡一件T恤要一天上下，稍微復(fù)雜的服裝在構(gòu)圖、選線、選色等階段要花好幾天時間。

現(xiàn)在，機(jī)器人裁縫Sewbot只需22秒就可以做出一件Adidast恤。Sewbot一天可生產(chǎn)80萬件t恤。

Sewbot可以利用相機(jī)鏡頭和針線的組合，準(zhǔn)確定位布料的位置，完成從取面料到成品的整個過程的自動化，效率是人類的好幾倍。

AI繡工是不是突然出現(xiàn)了？事實上，當(dāng)人們不注意它時，它被紡織行業(yè)編織成工廠和服裝的經(jīng)緯度。AI已經(jīng)走出實驗場，在紡織行業(yè)這樣的傳統(tǒng)制造業(yè)也取得了巨大的成就。追溯到紡織的歷史已經(jīng)有40年了。

其實人工智能和紡織的融合有點像這門手藝的本質(zhì)，是一個緩慢而漫長的過程。但是AI在這條路上越走越快，已經(jīng)到了一步一步開花的地步。

產(chǎn)業(yè)和需求迫使轉(zhuǎn)型

為什么紡織行業(yè)需要進(jìn)行數(shù)智化轉(zhuǎn)型？

一方面，傳統(tǒng)產(chǎn)業(yè)在環(huán)保高壓、勞動力升級后呼吁轉(zhuǎn)型。

歷史上，以勞動密集型為主的紡織行業(yè)面臨著高污染、高能耗、低附加值的困境。隨著人口紅利的消散，原材料價格上漲，利潤越來越少，大部分工廠都轉(zhuǎn)向了越南、印度等東南亞中國。中國紡織業(yè)迎來了產(chǎn)業(yè)升級和轉(zhuǎn)型。

根據(jù)《紡織行業(yè)提質(zhì)升級實施方案(2023-2025年)》，到2025年，超過70%的紡織企業(yè)基本實現(xiàn)了數(shù)字化網(wǎng)絡(luò)化。在降碳、減污、擴(kuò)綠、增長的目標(biāo)下，將數(shù)字化轉(zhuǎn)型為紡織行業(yè)綠色生存的必然道路。

另外，需求方的現(xiàn)代客戶，也在呼喚更加時尚的紡織工藝，千篇一律的設(shè)計已不能滿足個性化的需要。

新一代客戶追求個性化、快速時尚、可持續(xù)消費。在產(chǎn)業(yè)升級過程中，傳統(tǒng)的大批量、長期的生產(chǎn)模式呼吁品牌化、智能化、品牌化轉(zhuǎn)型。

從質(zhì)檢到銷售，再到創(chuàng)意設(shè)計，AI悄悄接手了紡織工藝，在40年的探索和進(jìn)化中找到了自己的錦繡山河。

點帶面，步步生花

技術(shù)賦能傳統(tǒng)工藝，不是一蹴而就的，而是一個循序漸進(jìn)的過程。

全球紡織企業(yè)早在20世紀(jì)80年代就開始采用專家系統(tǒng)來提高機(jī)械設(shè)計和生產(chǎn)流程。Datacolor于1970年在瑞士成立，率先在孟加拉國紡織行業(yè)應(yīng)用AI技術(shù)，用于色彩匹配和質(zhì)量控制。這個時期的AI紡織就像剛才有了眼睛。Datacolor與人眼故障列表和成品的區(qū)別相比，不會疲勞，眼睛澀澀，提高了效率，提高了精度。

到了2017年，機(jī)器學(xué)習(xí)階段，AI賦予的眼睛變得更加明亮。機(jī)器視覺AI質(zhì)量檢驗與工業(yè)流水線的結(jié)合提高了缺陷識別的準(zhǔn)確性，對算法的魯棒性要求很高，可以通過計算機(jī)根據(jù)編程結(jié)果掃描元素。

如果說前一時期的缺陷識別還處于識字認(rèn)知階段，那么這一時期的識別就像一雙慧眼，可以在成千上萬的珍珠中找到漏網(wǎng)的沙粒。

Cognex ViDi采用深度學(xué)習(xí)算法檢測織物圖案缺陷，大大降低誤報率；Shelton WebSpector系統(tǒng)Vision致力于檢測紡織品表面的污漬和缺陷，實現(xiàn)98%以上的自動缺陷檢測，顯著提高紡織品質(zhì)量。隨著機(jī)器視覺的進(jìn)步，AI不僅可以定位簡單的缺陷，還可以識別復(fù)雜的圖案，甚至嚴(yán)重扭曲變形的織物圖案。

然而，有眼睛是不夠的。紡織行業(yè)不僅僅是質(zhì)量檢驗階段。最關(guān)鍵的問題是質(zhì)量更好，缺陷率更低。如何銷售堆積在工廠里的成千上萬的成品？

云AI給出了它的答案。

2018年，服裝強(qiáng)省浙江發(fā)起了一場轟轟烈烈的“萬企上云”活動。通過上云，紡織企業(yè)可以低成本接入云計算、大數(shù)據(jù)、AI，喚起工廠沉睡的數(shù)據(jù)。

借助阿里巴巴云和其他云計算制造商，紡織工廠實現(xiàn)了從規(guī)模到個性化定制的柔性生產(chǎn)模式。2021年，嘉興桐鄉(xiāng)50多家毛衣企業(yè)聯(lián)合成立“共享工廠”，大數(shù)據(jù)系統(tǒng)輸入了所有企業(yè)設(shè)備和訂單數(shù)據(jù)。通過云調(diào)度生產(chǎn)設(shè)備，這些公司的工廠機(jī)器開機(jī)率提高到80%，訂單分配更加靈活。

通過大數(shù)據(jù)預(yù)測需求、智能生產(chǎn)和分布式生產(chǎn)，阿里旗下犀牛智造完成了“100件訂單，7天交貨”的柔性供應(yīng)鏈模式，支持ZARA等快速時尚品牌實現(xiàn)小訂單快速返回。

通過實時分析生產(chǎn)數(shù)據(jù)，云制造商強(qiáng)大的存儲和計算能力提高了供應(yīng)鏈管理和資源配置。然而，現(xiàn)階段的AI能力仍然停留在供應(yīng)調(diào)度板塊，并沒有真正走向生產(chǎn)。

直到2023年，大模型的誕生為紡織行業(yè)的智能轉(zhuǎn)型增添了一把火，打通了AI繡工的任督二脈，完成了紡織行業(yè)的智能布局。

強(qiáng)化學(xué)習(xí)算法的大模型，使AI學(xué)會了深入思考，涵蓋了從設(shè)計到染色、質(zhì)量檢驗的各個環(huán)節(jié)。在生產(chǎn)端，基于“50萬” “高質(zhì)量數(shù)據(jù)訓(xùn)練的萬事利模型可以在10秒內(nèi)設(shè)計一條絲巾；無水印染一體機(jī)通過AI精確控制染料用量，可以節(jié)約40%的印染能量。；“5G”福建東龍針紡 AI視覺識別中經(jīng)編花邊缺陷的缺陷識別準(zhǔn)確率在95%以上。

在過去的40年里，人工智能在紡織行業(yè)的進(jìn)化就像絲綢一樣。如果說最初的AI應(yīng)用是零星點綴的針角，那么現(xiàn)在的大模型已經(jīng)為整個算法編織的錦緞——設(shè)計、印染、質(zhì)檢環(huán)環(huán)相扣，逐漸變得更加輝煌。

而且通過AI的步步生花，我們仿佛看到了藏在衣服里的技術(shù)錦繡。

錦繡山河藏在AI中。

現(xiàn)在，AI正在悄然改變紡織車間的每一個環(huán)節(jié)，實現(xiàn)以點帶面的全鏈覆蓋。

AI憑借算法巧妙地穿針引線，從最初的設(shè)計圖稿勾勒到最后精致的布料出廠。一方面，它使織物檢測更加準(zhǔn)確，并準(zhǔn)確定位缺陷；另一方面，它使染色過程更加均勻，顏色過渡自然；在裁剪過程中，根據(jù)服裝的特點和風(fēng)格要求，規(guī)劃合理的方案，減少消耗。

如今的“AI “紡織”一般呈現(xiàn)出“領(lǐng)先、行業(yè)跟隨”的特點。少數(shù)龍頭企業(yè)率先探索AIGC設(shè)計、無水印染等前沿技術(shù)，大部分企業(yè)也處于自動化、數(shù)字化轉(zhuǎn)型階段，面臨困難。

舉例來說，紡織行業(yè)龍頭企業(yè)萬事利已實現(xiàn)從設(shè)計、生產(chǎn)到供應(yīng)鏈的全面滲透。它的大模型里藏著50萬。 圖案數(shù)據(jù)庫和300多個圖像生成算法，海量數(shù)據(jù)庫可為全球80億人每人設(shè)計10萬條不重樣的絲巾。與500米起訂、15天工期的傳統(tǒng)印染方式相比，萬事利AI設(shè)計 數(shù)字化噴印技術(shù)，最早可以在2小時內(nèi)完成從設(shè)計到成品的全過程生產(chǎn)。

作為端綠化和低碳化轉(zhuǎn)型，AI賦能紡織行業(yè)的另一個特點。

傳統(tǒng)印染行業(yè)是一個耗水量高、污染高的行業(yè)，而萬事利開發(fā)的GBART數(shù)字綠色印染技術(shù)可以通過AI準(zhǔn)確計算染料的用量，使用棉、麻、毛、綢緞等面料，染料率接近100%，免去漿料和洗滌工藝，節(jié)約99%的水分，無污水排放成為可能。

全鏈生產(chǎn)和低碳化轉(zhuǎn)型代表著AI的智能力量已經(jīng)成為紡織行業(yè)的主要生產(chǎn)力。在織布廠里，人會越來越少，機(jī)器也會越來越多。在生產(chǎn)環(huán)節(jié)，艾豚科技推出的艾布機(jī)器人每分鐘可以檢測60米的面料，是人工驗布速度的3倍，已經(jīng)在每個工廠的質(zhì)檢階段大規(guī)模布局。當(dāng)我們走進(jìn)工廠時，我們看到的是24小時不間斷的設(shè)備和指揮機(jī)從流水線上釋放出來的工人。

所有這些信息都顯示出來了，AI紡織有著光明的前景。將來，借AI之力，繡出錦繡山河，也不是沒有可能。

本文來自微信微信官方賬號 “腦極體”（ID：作者：珊瑚，36氪經(jīng)授權(quán)發(fā)布，unity007)。

本文僅代表作者觀點，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請在文中注明來源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com