自2023年以来，我国服装消费虽呈现恢复态势，但回暖速度明显弱于整体消费大盘。限额以上服装鞋帽针纺品类1-7月零售额同比仅增长1.3%，远低于社零总额7.1%的增速。这一背景下，服装行业上下游企业普遍面临效益下滑、需求波动等挑战，加快供应链数字化以提升运营稳定性已成为行业共识。据第一新声数据，超七成传统服装企业正通过新技术推动数字化转型。而今年迅速崛起的AIGC技术，正进一步加速服装供应链数字化进程，从设计图生成到生产制造赋能，其渗透之势不可阻挡。面对历经多轮AI技术洗礼的供应链，本次AIGC能否引发行业变革？技术演进下供应链服务商的竞争格局又将如何重塑？CBNData通过数据梳理与行业观察，尝试给出答案。
定制化需求激增 服装企业挑战升级
我国作为全球服装消费大国，庞大的市场规模支撑着这一行业的持续发展。消费者对服装的旺盛需求，使得服装、鞋帽、针纺织品类零售额始终位居汽车、石油及制品和粮油食品之后，位列第三。商务部大数据显示，2020-2022年该品类网络零售额占比均超20%，稳居线上消费品类首位。然而，在如此庞大的消费体量下，服装市场已进入存量竞争阶段。尤其自疫情以来，外部不确定性因素叠加，竞争态势愈发激烈。国家统计局数据显示，2019年该品类零售额同比增速仅为2.9%，2020年后更成为受疫情影响最严重的品类之一，恢复进程远不及预期。
疫情结束后，需求端持续疲软进一步加剧了服装企业的经营压力。盈利难度加大、库存积压等问题凸显。国家统计局数据揭示，今年每月规模以上企业亏损面约30%，亏损企业占比较去年同期持续攀升。经营利润率方面，2023年规模以上企业月度利润率均低于去年同期，2-5月更是不足4%。库存问题同样严峻，多数企业面临存货周转缓慢、积压严重的困境。各公司公告显示，除报喜鸟和比音勒芬外，其他企业今年二季度库存周转天数较2021年同期均有不同程度延长，森马服饰更是激增76.36天。
与此同时，消费终端需求呈现多元化趋势，对产需协同提出更高要求。随着Z世代逐渐成为消费主力，成熟消费者开始注重个性表达，麦肯锡调研显示，我国超半数Z世代消费者偏好个性化产品与定制服务。未来，独特的产品和服务或将成为Z世代消费主流，这要求服装企业必须更高效地捕捉消费者需求、更敏捷地实现个性化生产，这对品类多、深度大、时尚迭代迅速的服装市场无疑构成重大挑战。
人工智能赋能细分环节 数据打通成变革核心
面对多重挑战，如何借助技术力量实现服装供应链迭代成为行业当务之急。”数字化发展已刻不容缓，无论是服装行业还是其他领域都应充分认识其紧迫性”中国物流与采购联合会副会长蔡进在2023服装物流与供应链行业年会上强调。我国供应链数字化进程已从前端信息化、客户数字化阶段，进入广义供应SaaS阶段，当前关键在于打通系统壁垒，整合供应链资源，实现协同管理。
海澜之家2022年年报中提到：”为保障终端竞争优势，公司致力于供应链资源整合，通过管理输出、培育优质供应商等方式，协同参与信息化建设、产品研发、采购、生产等全流程，实现全方位管控。”在数字化转型过程中，人工智能技术正发挥重要驱动作用。机器学习、决策支持系统等AI分支技术已深入供应链细分环节，为服装供应链优化提供更优解。据亿邦动力报道，早期服装AI多基于生成对抗网络（GAN）模型，但存在可控性差、理论化严重等问题。而AIGC技术落地的背后，Diffusion模型凭借训练稳定性与可控性优势脱颖而出。
当前人工智能技术主要在企划、设计、零售等环节发挥作用。企划环节通过数据预测提高设计爆款率；设计环节利用图像生成工具辅助效果预判；零售环节借助文案生成与智能导购提升运营效率。但凌迪科技合伙人陈梦婕指出，虽然AI在各个环节均有应用空间，但如何实现全链路智能化协同仍是巨大挑战。多家服务商认为，数据打通是当前最核心的问题。服装供应链条冗长、参与者众多，数据分散在企划、设计、生产等环节，且中小企业数据获取难度大。知衣科技创始人郑泽宇表示，服装行业数据极度分散，参与者间几乎不共享；陈梦婕也指出，现有细分环节数据结构化程度低，非原始真实数据。
赛马阶段竞争激烈 数据先发优势成关键
近期服装产业链智能化动作频频，服务商们正开启新一轮AI领域竞争，试图主导产业变革方向。西湖心辰与知衣科技联合推出”Fashion Diffusion”AI大模型；凌迪科技发布Style3D AI产业模型；深图智能科技推出服装行业专精大模型”匠衣深造”。目前服装供应链AI服务商可分为两类：一类如致景科技、妙优科技等深耕单一环节；另一类如得体科技、酷特智能等提供一站式柔性供应链管理服务，通过数字化协作提升整体效率。
在众多服务商中，行业领导者尚未出现。”服装行业尚未出现用AI改变行业的领军企业”郑泽宇对数字经济表示。作为传统制造业，服装行业信息化水平较低，服务商需从零开始推进数字化进程。不过，数据先发优势将成为关键竞争因素。算力方面，虽然国内GPU受限，但服务商更注重应用与模型创新；算法方面，90%人工智能算法为开源项目，难以形成壁垒；而数据方面，飞轮效应显著——高效获取数据可训练更专业模型，进而吸引更多客户资源。占据特定应用场景、更早获取数据的服务商，将构建起牢固的竞争护城河。
永远变化的消费者需求将持续倒逼上游产业链，台前效率战与规模战仍将继续。如何帮助服装企业解决产能问题？利用AI技术串联各环节，实现数据流转，或将成为供应链服务商的终极解决方案。当这一方案真正落地时，数据在各环节高效运转，人人穿”高定”的时代或将到来。