出品|虎嗅科技組

作者|陳伊凡

編輯|苗正卿

頭圖|視覺中國

“AI原生100”是虎嗅科技組推出針對AI原生創(chuàng)新欄目，這是本系列的第「41」篇文章。

一家中國的初創(chuàng)公司正在試圖證明，在最為傳統(tǒng)的服裝制造業(yè)，人工智能能夠完成上一代數(shù)字化技術(shù)未竟的事業(yè)。

在東莞長安鎮(zhèn)一間地毯工廠，當(dāng)下的現(xiàn)實(shí)與數(shù)字化理想正在進(jìn)行一場略顯尷尬的碰撞。

七八位工人站在梯子上，拿著機(jī)槍在地毯上進(jìn)行走線，工廠里一間簡陋的小屋，是設(shè)計(jì)師工作室，擺著的是一張手繪的地毯樣式。出了工廠另一邊的單間，擺放著一臺五米高的自動(dòng)打孔機(jī)的樣機(jī)，對著面前的地毯，嘗試按照圖樣進(jìn)行走線布局，來人的時(shí)候，工人會(huì)打開這臺樣機(jī)，笨拙演示，這種機(jī)器效果遠(yuǎn)不如人工，老板似乎也并沒有打算把它用到自己的產(chǎn)線。

這是虎嗅曾經(jīng)走訪過的一家地毯廠商所看到的圖景，這臺五米高的昂貴機(jī)器，成為了服裝行業(yè)上一輪數(shù)字化轉(zhuǎn)型困境的縮影。

改造服裝行業(yè)，聽起來就沒有那么性感，當(dāng)然也不時(shí)髦。這是一個(gè)由無數(shù)作坊、碎片化數(shù)據(jù)和個(gè)人經(jīng)驗(yàn)拼湊而成的古老行當(dāng)。但周棟和團(tuán)隊(duì)在這件事上，已經(jīng)跑了好幾年，將這件事做到估值數(shù)億元。

他們擁有服裝行業(yè)規(guī)模最大的數(shù)據(jù)庫和全國唯一服裝產(chǎn)業(yè)垂直大模型的備案資質(zhì)，申洲國際、即發(fā)集團(tuán)、酷特智能、迪尚集團(tuán)等中國制造的隱形冠軍，均在其客戶之列。

向量螺旋所解決的，是服裝全產(chǎn)業(yè)鏈（從最上游的材料，例如棉花，到面料廠、服裝廠再到品牌商）的溝通問題，再精準(zhǔn)一些，就是解決信息增益，把AI變成實(shí)質(zhì)生產(chǎn)力，而不是生產(chǎn)工具。

這件事曾經(jīng)許多服裝3D廠商嘗試，韓國的CLO最早步入服裝3D行業(yè)，不過3D和AI存在本質(zhì)區(qū)別，其中一個(gè)最大區(qū)別就是成本。3D技術(shù)，通過物理設(shè)備掃描進(jìn)3D空間，再進(jìn)行建模和渲染，最終還原出真實(shí)物理特性。還原的精度和真實(shí)性是早期AI不可及的，但存在的問題是成本極高。購買這套3D建模軟件的工廠或是品牌方，需要為這套軟件匹配相應(yīng)的崗位，比如建模師、渲染。另外，3D不具備創(chuàng)造性和泛化性，其作用在于基于面料進(jìn)行還原和款式設(shè)計(jì)。

如今，一些服裝3D技術(shù)解決方案提供商也提出要進(jìn)入AI時(shí)代，但這意味著他們也需要和向量螺旋一樣，重走一遍數(shù)據(jù)積累、領(lǐng)域算法、模型訓(xùn)練的過程。因?yàn)?D的數(shù)據(jù)和底層技術(shù)架構(gòu)和生成式AI，完全不同。

見面之前，他剛結(jié)束和投資人的會(huì)談。在向量螺旋過往的投資者名單中，幾乎都是產(chǎn)業(yè)基金與國資背景的機(jī)構(gòu)。

周棟并非典型的極客創(chuàng)業(yè)者。擁有媒體背景、家族在潮汕經(jīng)營服裝工廠的他，與其聯(lián)合創(chuàng)始人邢方舟起初的生意也相當(dāng)傳統(tǒng)：為網(wǎng)紅KOL提供服裝柔性定制。這門生意雖然有利可圖，卻很難稱得上有巨大的想象空間。

向量螺旋的團(tuán)建

但有的時(shí)候，往往這些不那么“性感”的故事，反而能夠撇去浮華，觸碰到商業(yè)真正發(fā)揮價(jià)值的土壤。

對周棟和邢方舟的青島向量螺旋而言，最關(guān)鍵的是2021年，前海信人工智能商用研究所所長馬映輝的加入，為這家傳統(tǒng)的數(shù)字化公司注入了真正的技術(shù)基因。彼時(shí)，GPT的概念雖已問世，但尚未引發(fā)全球狂熱。馬映輝帶來的不僅是技術(shù)，而是一種視角的轉(zhuǎn)換。

面料商談?wù)摰氖强酥嘏c材質(zhì)，加工廠關(guān)注的是走線與工藝，而品牌方高談闊論的則是調(diào)性與風(fēng)格。這種語言體系的割裂，導(dǎo)致了巨大的溝通成本和供需錯(cuò)配。

既然創(chuàng)業(yè)的初衷是在服裝領(lǐng)域找到一個(gè)新的技術(shù)變量，去解決傳統(tǒng)產(chǎn)業(yè)的生產(chǎn)力或結(jié)構(gòu)關(guān)系問題，而看起來這個(gè)叫做“GPT”的AI似乎有希望，周棟他們決定試一試。而事實(shí)上也證明，服裝行業(yè)或許可以跳過冗長的SaaS普及階段，直接躍遷至AI時(shí)代。

訓(xùn)練AI需要數(shù)據(jù)，而這正是服裝行業(yè)最匱乏的資源。在這個(gè)極其依賴非標(biāo)經(jīng)驗(yàn)的行業(yè)里，真正的數(shù)字化企業(yè)（如李寧、安踏、申洲國際）占比不足1%。對于絕大多數(shù)中小企業(yè)甚至是服裝作坊而言，微信就是他們唯一的數(shù)字化管理系統(tǒng)。

于是，向量螺旋開始了漫長的“臟活”階段。由于缺乏現(xiàn)成的結(jié)構(gòu)化數(shù)據(jù)，團(tuán)隊(duì)不得不采取最原始的方式：爬取全球互聯(lián)網(wǎng)上的公開圖文；向產(chǎn)業(yè)伙伴定向搜集，甚至親自深入工廠，拍攝紙質(zhì)版單，再通過人工清洗將其轉(zhuǎn)化為計(jì)算機(jī)可讀的“配對數(shù)據(jù)”，即包含面料、設(shè)計(jì)稿、成品圖及模特上身圖的完整數(shù)據(jù)鏈。

在通用大模型眼里，一件衣服只是一堆像素的集合；但在向量螺旋的數(shù)據(jù)庫中，一件衣服是一條嚴(yán)絲合縫的邏輯鏈：一張面料的顯微照片，必須對應(yīng)一份結(jié)構(gòu)化的設(shè)計(jì)手稿，再成為一張成衣的工業(yè)版單，最后成為模特的上身效果圖。

這種“四位一體”的數(shù)據(jù)結(jié)構(gòu)，正是上一代數(shù)字化轉(zhuǎn)型失敗的癥結(jié)所在，因?yàn)楸藭r(shí)系統(tǒng)只能處理孤立的數(shù)字，無法理解需要深入行業(yè)的行話——例如由于面料克重變化而導(dǎo)致的垂感差異。而周棟他們所做的，是通過數(shù)百萬組這樣的配對數(shù)據(jù)，訓(xùn)練AI，掌握一種行業(yè)通用的話語體系。

這場“臟累活”耗時(shí)兩三年，數(shù)據(jù)就緒之后，他們選擇了日本市場作為切入點(diǎn)，驗(yàn)證自己的初步應(yīng)用產(chǎn)品能力。截至今日，他們在日本的客戶已經(jīng)有了數(shù)百家，第一階段的PMF的驗(yàn)證成功，他們著手進(jìn)入中國市場。花了兩個(gè)月時(shí)間，他們進(jìn)入了申洲國際的供應(yīng)鏈。

未來的AI 應(yīng)用服務(wù)引擎，在周棟的計(jì)劃中，將會(huì)是一個(gè)“技術(shù)中臺”，一個(gè)提煉了行業(yè)Knowhow和工程化經(jīng)驗(yàn)，能將非標(biāo)需求沉淀為標(biāo)準(zhǔn)化技術(shù)模組的交付平臺。

服裝行業(yè)可以直接跳過SaaS進(jìn)入AI時(shí)代

虎嗅：你們在2021年轉(zhuǎn)型開始做垂直領(lǐng)域的AITOB ，是因?yàn)闃I(yè)務(wù)發(fā)生了一些變化還是因?yàn)榘l(fā)現(xiàn)大模型出來了？

周棟：兩方面都有。我們最開始做的是給市面上所有KOL提供一站式服裝定制服務(wù)。當(dāng)時(shí)的出發(fā)點(diǎn)是，2019到2020年，自媒體在各個(gè)渠道，公眾號、抖音、B站等都發(fā)展得很迅猛，因?yàn)樽悦襟w的變現(xiàn)方式發(fā)生變化，很多大V開始做電商，偏向做個(gè)人IP或品牌文創(chuàng)，服裝則是比較容易切入的品類。但當(dāng)時(shí)市面上沒有一家服務(wù)商，既能搞定服裝產(chǎn)業(yè)鏈，又能把不同IP的文化轉(zhuǎn)化為服裝設(shè)計(jì)，還能整合全部供應(yīng)鏈提供服務(wù)，最開始我們就切入這個(gè)方向。

2021年底，我和搭檔都在思考：繼續(xù)做下去的這個(gè)市場規(guī)模是否足夠大。另外，我們還是覺得這個(gè)業(yè)務(wù)不夠性感。

我們創(chuàng)業(yè)的初衷，就是想在服裝領(lǐng)域找到新的技術(shù)變量，嘗試解決傳統(tǒng)產(chǎn)業(yè)的生產(chǎn)關(guān)系或結(jié)構(gòu)問題。

虎嗅：什么契機(jī)促使你堅(jiān)定轉(zhuǎn)型？

周棟：真正堅(jiān)定轉(zhuǎn)型是在2021年底，我們請到了一個(gè)關(guān)鍵人物前青島海信人工智能商用研究所所長馬映輝，就是現(xiàn)在公司的CTO，他一直對產(chǎn)業(yè)AI很感興趣。他加入后，跟我們提到了類似GPT這樣的東西，和更多有關(guān)計(jì)算機(jī)視覺方面的思考。

虎嗅：你怎么判斷這是一個(gè)行業(yè)的真問題或者真正痛點(diǎn)？

周棟：服裝行業(yè)鏈條特別長、涉及主體特別多，行業(yè)內(nèi)最大的問題就是各方的語言和共識體系完全不一樣。

這帶來的最顯性后果就是行業(yè)上中下游的溝通效率和共識效率極低，這就引出了行業(yè)最本質(zhì)的矛盾問題：任何上下游兩端甚至多端的供需交易效率低。

虎嗅：這件事在SaaS時(shí)期為什么沒被解決？

周棟：沒有。因?yàn)槲覄偛耪f的是行業(yè)最底層的本質(zhì)矛盾，而從這個(gè)矛盾再往下抽象，造成這個(gè)問題的原因有這幾點(diǎn)。

第一，服裝行業(yè)是所有實(shí)體產(chǎn)業(yè)里最非標(biāo)的一個(gè)。我剛才介紹的產(chǎn)業(yè)鏈條里有多個(gè)環(huán)節(jié)，每個(gè)環(huán)節(jié)在我看來都是一個(gè)獨(dú)立行業(yè)，面料是一個(gè)行業(yè)，加工是一個(gè)行業(yè)，品牌是一個(gè)行業(yè)，零售是一個(gè)行業(yè)。

這帶來的第一個(gè)問題是企業(yè)組織結(jié)構(gòu)差異極大，不像互聯(lián)網(wǎng)公司那樣分工明確：運(yùn)營就是運(yùn)營，產(chǎn)品就是產(chǎn)品，研發(fā)就是研發(fā)。在服裝領(lǐng)域，你經(jīng)常會(huì)看到這種情況：一個(gè)人在A公司做的是企劃工作，到了B公司卻做設(shè)計(jì)工作，這就是組織結(jié)構(gòu)的差異性。

第二點(diǎn)是業(yè)務(wù)流程缺失，這個(gè)行業(yè)有很多反共識的地方。服裝行業(yè)是一個(gè)金字塔的結(jié)構(gòu)，大家提到服裝行業(yè)，天然會(huì)想到安踏、李寧這些知名品牌；提到加工廠，可能會(huì)想到申洲國際，但要知道，這些企業(yè)在中國服裝產(chǎn)業(yè)里占比不到1%，剩下99%的服裝企業(yè)都是中小規(guī)�；蛐∽鞣�。公開可查的中國服裝相關(guān)企業(yè)一共有17萬家，但其中組織結(jié)構(gòu)完善、有數(shù)字化基礎(chǔ)的，不管是品牌類還是生產(chǎn)類，都鳳毛麟角。絕大部分服裝企業(yè)唯一的數(shù)字化系統(tǒng)就是微信。

虎嗅：SaaS并沒有解決根本問題，那么AI能解決嗎？或者AI能讓服裝行業(yè)直接跳過SaaS進(jìn)入AI時(shí)代嗎？

周棟：我認(rèn)為會(huì)。我們現(xiàn)在篤定的一件事就是我們在服裝行業(yè)做AI就是以某種形式直接跳過“數(shù)字化和信息化”。但最本質(zhì)的差異在于，上一個(gè)時(shí)代的SaaS和AI時(shí)代要解決的問題完全不同。前者本質(zhì)是想把企業(yè)的線下業(yè)務(wù)流程線上SOP化，但這個(gè)前提是，企業(yè)線下得先有完整的業(yè)務(wù)流程、有SOP才行。但遺憾的是傳統(tǒng)服裝行業(yè)是感性主導(dǎo)驅(qū)動(dòng)的，它們流程混亂、標(biāo)準(zhǔn)不一，難以聯(lián)動(dòng)。

上一代SaaS失敗根本不是工具好不好用的問題，而是沒意識到：以服裝行業(yè)為例，人和組織才是這個(gè)行業(yè)最大的非標(biāo)變量。沒先解決這個(gè)問題，工具做得再好也沒用。

到了AI時(shí)代，但出發(fā)點(diǎn)和SaaS完全不同。我本質(zhì)上不是想做一個(gè)標(biāo)準(zhǔn)化工具，幫企業(yè)把線下流程線上SOP化，而是帶著AI這個(gè)全新的生產(chǎn)力，幫他們重構(gòu)新的業(yè)務(wù)流程，從而讓企業(yè)內(nèi)部人員可以利用AI實(shí)現(xiàn)增收或完成以前完成不了的任務(wù)。對他們來說，這是新的生產(chǎn)力，看待業(yè)務(wù)的視角完全不一樣了。

虎嗅：這個(gè)AI帶來的生產(chǎn)力怎么落地到業(yè)務(wù)上，舉個(gè)例子？

周棟：就以這件衣服為例，面料商手里只有面料，他們會(huì)找到客戶后上門，拿一塊面料給對方看，說自己的面料多好，再給一些色卡，說能做多少種顏色，用這種方式推銷。這個(gè)過程里他能傳遞給下游的信息總量很有限。

用上AI之后，AI可以先為這塊面料生成適配不同服裝品類的款式設(shè)計(jì)；下一步還能基于這塊面料設(shè)計(jì)出一整套企劃提案，甚至還能生成模特圖。然后面料商就可以帶著這些AI創(chuàng)造的新信息增量，去跟客戶溝通。

這里最關(guān)鍵的變化是，客戶獲得的信息總量完全不一樣，客戶能直接看到這塊面料最終做成衣服和配上模特后的效果，這能給面料商創(chuàng)造新的增益。

從零開始搭建服裝行業(yè)專屬數(shù)據(jù)

虎嗅：這里面有大量非標(biāo)數(shù)據(jù)，你們怎么解決數(shù)據(jù)工程？

周棟：服裝產(chǎn)業(yè)的數(shù)據(jù)都沉淀在人的大腦里，而不是數(shù)據(jù)庫。他們可能連信息化系統(tǒng)都沒有，是個(gè)數(shù)據(jù)荒漠；第三是客觀相對的來看，這個(gè)行業(yè)整體從業(yè)人員素質(zhì)偏低，這自然會(huì)導(dǎo)致兩個(gè)結(jié)果，學(xué)習(xí)意愿低，使用新工具的成本比其他行業(yè)高得多。所以我們做AI，也繞不開這三個(gè)問題，從做AI的第一天起，就要思考怎么解決。

我們分不同階段解決數(shù)據(jù)從哪來、用什么行業(yè)Knowhow進(jìn)行處理、不夠的高質(zhì)量配對數(shù)據(jù)如何解決。我們會(huì)通過公開信源合理抓取，外加產(chǎn)業(yè)伙伴定向收集，不乏下廠把紙質(zhì)的衣服版單收集回來再做結(jié)構(gòu)化處理；我們會(huì)有自己多年積累的產(chǎn)業(yè)知識庫做標(biāo)注和關(guān)聯(lián)重構(gòu)。不夠的高質(zhì)量配對數(shù)據(jù)，我們自己拍，或者通過數(shù)據(jù)合成的方式補(bǔ)齊。

目前總數(shù)據(jù)量規(guī)模已經(jīng)做到2億原始圖像數(shù)據(jù)以上。

虎嗅：數(shù)據(jù)工程搭建好之后，你做了什么事？

周棟：有了數(shù)據(jù)之后，我們做了第二件事就是訓(xùn)練服裝行業(yè)的專項(xiàng)模型。我們是全球第一家做出服裝行業(yè)各類專項(xiàng)模型的公司。

例如我們在2023年就訓(xùn)練了自己的多視角模型，比如讓AI生成一件衣服各個(gè)角度的模特上身圖，當(dāng)時(shí)通用大模型也能做到，但大多只能出正面圖。在服裝行業(yè)的實(shí)際需求里，需要360度多視角展示，得看側(cè)面、背面的效果，更難的是要保持各視角的一致性，否則就沒有可用性。我們內(nèi)部把這部分工作定義為“產(chǎn)業(yè)模型工程”，也就是數(shù)據(jù)工程加產(chǎn)業(yè)模型工程。

第二件事是從2022年底到2023年，也就是各類通用LLM、VLM大模型出來之后啟動(dòng)的，我們稱之為基于通用模型的“持續(xù)預(yù)訓(xùn)練架構(gòu)和自動(dòng)評估體系”。我們很清楚自己沒有資本去做基礎(chǔ)大模型，我們的核心是產(chǎn)業(yè)模型，規(guī)模相對較小。但通用大模型出來了，并且迭代速度很快，肯定要借助它的能力。

虎嗅：那你怎么確保大模型未來就不會(huì)做這件事？萬一哪一天大模型效果越來越好，生成圖像越來越對了怎么辦？

周棟：大模型一直在迭代，生成的圖片會(huì)越來越好看，但解決不了“越來越對”的問題。比如它生成服裝款式或模特圖時(shí)，可能會(huì)丟失面料質(zhì)感、出錯(cuò)工藝細(xì)節(jié)，這對B端客戶來說是無法接受的，相當(dāng)于產(chǎn)品變了，完全不可用。

虎嗅：有沒有一個(gè)節(jié)點(diǎn)，能明顯感覺到模型效果突然變好了？

周棟：第一個(gè)階段是2024年，因?yàn)槲覀兘枇嗽缙谕ㄓ瞄_源大模型的東風(fēng)，結(jié)合我們的領(lǐng)域算法和數(shù)據(jù)工程，構(gòu)建出了屬于我們自己的服裝產(chǎn)業(yè)垂直大模型，再加上我們的產(chǎn)業(yè)專項(xiàng)模型，當(dāng)時(shí)就明顯感覺到我們的AI能力整體上了一個(gè)臺階。

第二個(gè)階段是今年。VLM和多模態(tài)領(lǐng)域都有更多特定性能更好的開源模型，發(fā)展也更迅猛，我們就做了模型遷移。我想表達(dá)的是，對我們來說這件事不復(fù)雜，因?yàn)槲覀儽澈笥幸惶壮墒斓募夹g(shù)架構(gòu)和自己的benchmark評估體系，只要市面上出現(xiàn)更好的開源大模型，我們就能以最快速度判斷和遷移，把我們的AI能力再往上拔高一個(gè)層次。

先在日本市場找到MVP，再進(jìn)入中國市場

虎嗅：商業(yè)模式是怎么設(shè)計(jì)的？因?yàn)樽钤缒銈兪钱a(chǎn)業(yè)互聯(lián)網(wǎng)的思維，當(dāng)時(shí)的收費(fèi)模式可能跟現(xiàn)在不太一樣？

周棟：我們從一開始就規(guī)劃了三個(gè)商業(yè)階段。

第一個(gè)階段先做了SaaS，有兩個(gè)客觀原因。第一，我們當(dāng)時(shí)的綜合技術(shù)還沒牛到能直接做AI Agent或者更符合愿景的產(chǎn)品；第二，我覺得得先有一個(gè)MVP，先初步驗(yàn)證PMF，投向市場看一看，找到一個(gè)入口和方法，獲取行業(yè)內(nèi)真實(shí)客戶的使用反饋和know-how反饋。所以我們做了SaaS，然后確定了切入的市場。

虎嗅：切入哪個(gè)市場？

周棟：日本市場。相比于歐美和中國市場，日本市場的競爭沒那么激烈；第二，日本的服裝企業(yè)非常規(guī)范，數(shù)據(jù)質(zhì)量相對更高；第三，我們當(dāng)時(shí)看到了日本的國家政策，能明顯感覺到日本不想錯(cuò)過這一波AI浪潮，雖然它趕不上中美，但當(dāng)時(shí)日本政府對日本企業(yè)有一些補(bǔ)貼政策。我們在日本認(rèn)識一家做服裝貿(mào)易的日企商社，直接選擇它做我們的代理商。這樣一來，我們有好的AI產(chǎn)品，切入了市場空白，又找了日本本土有服裝資源的企業(yè)做信任背書幫我們銷售，天時(shí)地利人和。

今天日本所有能叫得出名字的服裝大企業(yè)，幾乎全是我們的客戶，其中一家最大的零售品牌客戶總部相關(guān)負(fù)責(zé)人到我們公司，他們說，已經(jīng)調(diào)研了全球幾十家AI公司，最后選擇了我們。

日本電視臺對向量螺旋的報(bào)道

虎嗅：日本市場驗(yàn)證成功之后，接著你們怎么做？

周棟：我們其實(shí)是同步啟動(dòng)了第二個(gè)市場，中國市場，我們先確定了生產(chǎn)型企業(yè)切入，確定兩個(gè)趨勢作為切入方向：第一個(gè)是“二代接班潮”，第二個(gè)是“供應(yīng)鏈出海潮”。

國內(nèi)市場的客戶對我們來說更寶貴的一點(diǎn)是，國內(nèi)業(yè)務(wù)場景和需求標(biāo)準(zhǔn)更復(fù)雜，他們的上下游會(huì)不斷提出各種苛刻的新要求，因?yàn)閲鴥?nèi)的產(chǎn)業(yè)鏈更完整。我們在中國市場的策略是“不求量大，但求做細(xì)做深”�，F(xiàn)在我們有底氣說，在國內(nèi)規(guī)模以上的服裝生產(chǎn)型集團(tuán)客戶中，我們的市占率絕對是第一的。

虎嗅：什么時(shí)候在國內(nèi)跑通了第一個(gè)標(biāo)桿客戶？

周棟：申洲國際。讓他們認(rèn)可我們并簽約大概兩個(gè)月。

虎嗅：你們是直接跟老板談，還是跟業(yè)務(wù)部門談？

周棟：大多都是直接跟老板或者有決策權(quán)的負(fù)責(zé)人談。

虎嗅：申洲國際已經(jīng)是服裝行業(yè)里數(shù)字化程度很高的公司，為什么還要購買你們的AI服務(wù)？

周棟：他們的數(shù)字化確實(shí)非常完善，服裝行業(yè)除了3D軟件，還有CAD打版軟件、印花分色軟件等等各式各樣不同環(huán)節(jié)的軟件系統(tǒng)…… 申洲的數(shù)字化系統(tǒng)非常豐富和完備，但仍然無法解決內(nèi)部數(shù)據(jù)的流通，以及直接交付結(jié)果這件事。

我們嘗試幫他們做的第一件事是在不丟失已有數(shù)據(jù)系統(tǒng)的基礎(chǔ)上，打通散亂數(shù)據(jù)資產(chǎn)的可復(fù)用性和可利用性，另外就是循序漸進(jìn)幫他們做AI Agent，例如用他們已經(jīng)積累的面料、材料和工藝的能力，直接生成一套企劃方案給到品牌方，為他們直接創(chuàng)造更多服務(wù)生產(chǎn)力的增量。

從技術(shù)中臺到數(shù)字工種

虎嗅：第一階段的商業(yè)模式還是SaaS的形式，第二階段和第三階段的商業(yè)模式會(huì)有什么迭代？

周棟：2025年已經(jīng)打造了一個(gè)新的產(chǎn)品，我們把它叫做“技術(shù)中臺”，當(dāng)客戶不滿足于標(biāo)準(zhǔn)化、產(chǎn)生個(gè)性化需求時(shí)，就可以用技術(shù)中臺，把所有非標(biāo)需求轉(zhuǎn)化為技術(shù)層面的標(biāo)準(zhǔn)化組件，從而更快地實(shí)現(xiàn)交付和履約。另一方面，也可以把技術(shù)中臺開放給客戶，如果客戶自己有IT團(tuán)隊(duì)和產(chǎn)研團(tuán)隊(duì)，他們可以自己在上面搭。

第三個(gè)階段的商業(yè)產(chǎn)品，現(xiàn)在已經(jīng)在做demo了，我們叫“數(shù)字工種”。不管是SaaS還是企業(yè)級Agent，最終都是客戶員工在使用工具，這仍然沒有完全打破我剛才說的那個(gè)魔咒，還是AI配合人，且決策人本人通常對AI的實(shí)際效益價(jià)值是沒有直接體感的。

我們想解決的核心問題是：既然前者都是AI配合人，人是關(guān)鍵變量，那我能不能倒過來，讓AI主動(dòng)完成工作，人來配合AI？決策人考核“它”的方式，跟考核“人”是完全一致的。

這背后的邏輯是，上一個(gè)時(shí)代的工具類產(chǎn)品，搶占的是每家To B企業(yè)的IT預(yù)算，而企業(yè)的IT預(yù)算可能只占總預(yù)算的3%、5%。但我們想換個(gè)方式，我們提供數(shù)字勞動(dòng)力，要搶占的是企業(yè)的人力預(yù)算。

我們換了個(gè)視角來打開更大的賽道，我搶占的不是全球服裝企業(yè)的IT預(yù)算，而是全球服裝企業(yè)的人力預(yù)算。

虎嗅：你們先做了什么崗位的數(shù)字員工？

周棟：在服裝產(chǎn)業(yè)圖譜里，會(huì)有不同的數(shù)字員工解決不同環(huán)節(jié)的問題。這些所需的know-how，就來自我們做SaaS、做大客戶項(xiàng)目過程中持續(xù)積累的know-how，再把這些know-how抽象成不同的數(shù)字員工，對應(yīng)解決不同的行業(yè)問題。比如我們的第一個(gè)數(shù)字員工，名字叫“電商內(nèi)容專員”。

虎嗅：為什么先選擇做“電商內(nèi)容專員”這個(gè)數(shù)字員工？

周棟：因?yàn)樗x錢最近。

虎嗅：現(xiàn)在的營收情況方便透露嗎？

周棟：商業(yè)化第一年只做了半年，營收大概大幾百萬人民幣；后面是每年實(shí)現(xiàn)三倍增長。

虎嗅：三倍增長目標(biāo)是基于什么判斷的？是不是因?yàn)槊髂昴銈円瞥瞿莻�(gè)技術(shù)中臺？

周棟：主要基于三個(gè)方面。第一，因?yàn)槲覀兊募夹g(shù)和產(chǎn)品能力會(huì)越來越強(qiáng)，自然能獲得更多客戶的認(rèn)可；第二是區(qū)域擴(kuò)展，除了日本和中國，我們已經(jīng)開始拓展美國、法國、德國這些歐洲市場；第三就是新的項(xiàng)目形態(tài)的增量。

現(xiàn)在營收的絕對值不是最重要的，更應(yīng)該關(guān)注每年的增長是否是穩(wěn)步上升的狀態(tài)。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4827386.html?f=wyxwapp