从大幅提升内容生成的效率与质量，到突破传统设计的诸多局限，AIGC 的出现无疑为各行业带来了全新的机遇与挑战。
丝绸文创行业作为传统与时尚交融的领域，也在这场科技变革中积极探索前行。万事利丝绸，一家拥有 48 年悠久历史的企业，便是其中的佼佼者。它不仅敏锐地捕捉到了 AIGC 的巨大潜力，更是凭借自身对丝绸文创的深厚底蕴与不懈追求，深入开展了一系列围绕 AIGC 的实践与探索活动，试图在传统丝绸产业与现代智能科技之间搭建起一座坚实的桥梁，实现产业的升级与创新发展。
那么，万事利丝绸究竟是如何将 AIGC 融入其生产经营的各个环节的呢？在这一过程中又遇到了哪些困难与挑战？它的实践经验又能为其他企业带来哪些启示呢？
接下来，让我们一同走进万事利丝绸与 AIGC 的精彩故事，探寻其中的奥秘。
核心观点
2022-2023年，大模型技术研发取得重大进展，在视觉问答、图片描述生成和跨模态检索任务上均有出色的表现。生成式AI因此不断进步。伴随面向用户的智能应用爆发、内容生成可控性的提升，AIGC带来设计行业的重大变革，不仅降低设计门槛，而且提升设计产能及质量和效率。
万事利丝绸作为一家具有48年历史的丝绸文创企业，持续探索以智能科技赋能企业发展，打造出以AIGC图形创意设计及内容生成能力为核心，颠覆传统生产模式的人工智能技术应用研发中心—万事利AIGC实验室。实验室将内容生成的共性需求提炼出来，形成一套标准化、组件化、各业务线可共享的系统能力，支持产品的灵活调取使用，以支撑柔性化生产业务线得以更好地建设和发展。
基于解决设计产能不足和满足品牌建设需求，将AI赋能丝绸生产全链路，万事利于2018年开始对人工智能的探索，打造出AI设计+柔性制造=弹性供应。首先训练丝巾LoRA微模型、ToC产品喜马小程序、ToC产品万事利丝巾小程序等，赋能丝巾设计。其次打造提供设计生产全链条服务的“AI选品平台”，同时结合国礼品牌万事利丝绸领先的双面数码印花技术、I-COLOR色彩管理技术，GB-ART数字环保印染技术，以及智能物联网柔性生产能力，打造未来工厂、实现一键打样并且能够提供柔性生产的交付服务。从选品到实物生产再到交到客户手上，只需要72小时。自西湖一号选品平台2023年2月上线后，已提供1500多种设计款式，目前销量占线上电商的1/3。
此外，从卷积神经网络到生成对抗网络，万事利持续探索垂直模型训练。2022年以来，万事利在扩散模型的基础上进行fine-tune微调后，加速训练垂直于行业数据本身的艺术花型模型，未来，万事利仍将集中精力在花型大模型的训练上，将人工智能创新设计工作站升级成为赋能行业生产的超级工厂。
01
AIGC+设计行业发展背景
1.1 AIGC应用价值凸显，辅助设计提效提质
定义：AIGC（Artificial Intelligence Generative Content，AI生成内容）是一种新的内容生产方式，它的核心思想是利用人工智能模型，根据给定的主题、关键词、格式、风格等条件，自动生成各种类型的文本、图像、音频、视频等内容。AIGC基于生成对抗网络（GAN）、大型预训练模型等人工智能技术的方法，通过对已有数据进行学习和模式识别，以适当的泛化能力生成相关内容。AIGC可以模仿输入内容的风格，同时进行想象，从而创造出新的内容。
应用：AIGC具有强应用价值的人工智能技术，可以广泛应用于媒体、教育、娱乐、营销、科研等领域。它可以根据用户需求，快速生成高质量、高效率、个性化内容，提高多个领域的工作效率和品质。
进展：2022-2023年，大模型技术研发取得重大进展，在视觉问答、图片描述生成和跨模态检索任务上均有出色的表现。面向用户的智能应用爆发、内容生成可控性的提升，使得AIGC带来设计行业的重大变革，不仅降低设计门槛，而且大幅提升设计产能及质量和效率。
来源：虎嗅智库根据公开资料整理
1.2 精准阻击行业痛点，解放设计生产力
设计行业面临产能不足、设计同质化、版权纠纷、品牌文化缺失等多种问题。伴随生成式AI的不断进步，尤其是2022-2023年，大模型技术研在视觉问答、图片描述生成和跨模态检索任务上的重大进展，AIGC带来设计行业的更多可能性。
AIGC带来的新的交互形态降低设计门槛，让设计师们有了更多的“武器”提效或提升质量；借助AI能力生成的大量创意设计内容，也为设计师提供丰富的灵感，帮助设计师们突破设计同质化的困境；同时通过在统一平台上的使用操作，设计师的作品也将留存在创新设计工作站中，形成企业的数字资产。
来源：万事利、虎嗅智库
02
万事利AIGC实践
2.1 万事利AIGC实验室基于AI创意设计工作站，研发B、C端产品
万事利丝绸：首家A股上市丝绸文创企业，专注丝绸创新48年。万事利丝绸以时尚文化和智能科技为引领，成功服务北京奥运会、上海世博会、广州亚运会、G20杭州峰会等一系列国际盛会。
万事利AIGC实验室：万事利丝绸以智能科技赋能企业发展，打造以AIGC图形创意设计及内容生成能力为核心，颠覆传统生产模式的人工智能技术应用研发中心—万事利AIGC实验室。将内容生成的共性需求提炼出来，形成一套标准化、组件化、各业务线可共享的系统能力，支持产品的灵活调取使用，以支撑柔性化生产业务线得以更好地建设和发展。
AIGC赋能业务思路：基于解决设计产能不足和满足品牌建设需求，将AI赋能丝绸生产全链路，万事利打造AI设计+柔性制造=弹性供应。首先训练丝巾LoRA微模型、喜马小程序、万事利丝巾小程序等，赋能丝巾设计。其次打造提供设计生产全链条服务的“AI选品平台”，同时结合国礼品牌万事利丝绸领先的双面数码印花技术、I-COLOR色彩管理技术，GB-ART数字环保印染技术，以及智能物联网柔性生产能力，打造未来工厂、实现一键打样并且能够提供柔性生产的交付服务。从选品到实物生产再到交到客户手上，只需要72小时。自西湖一号选品平台2023年2月上线后，已提供1500多种设计款式，目前销量占万事利线上电商的1/3。
来源：万事利、虎嗅智库
2.2 AI创意设计工作站将设计能力生产线AI化，赋能上下游企业
AI创意设计工作站整合设计能力生产线pipelineAI化赋能给企业和行业。
在上游，AI创意设计工作站将设计能力通过选品平台赋能给代理类合作伙伴；将技术能力集成以标准API接口模式开放给合作伙伴；对于ToC业务，则通过技术能力以C端小程序为顾客提供个性化定制化服务。
对下游厂商，万事利提供深层核心技术，通过接口调用或直接以账户形式使用功能模块，实现合作分成。
来源：万事利、虎嗅智库
2.3 选品平台以S2B2C模式，实现端到端柔性化生产
定位：以AIGC图形创意设计能力为核心，为客户提供线上选品、一键打样及柔性生产服务等设计生产全链条服务的平台。
S2B2C模式：从渠道入手，从市场需求去研发产品，并通过快速反馈供应链的反馈能力，以选品平台链接市场、渠道同行。
产业应用：电商为主，包括货架电商、直播电商、达人渠道电商、艺术家衍生品等。西湖一号选品平台通过AI能力每周可以提供50多款选品丝巾，且可以根据精选营销主题，进行节日主题，风格类型，颜色，性别丝巾筛选，还有限时专款为渠道每周专属丝巾。
以达人电商为例，传统选品方式打样，生产周期长，新品迭代慢，数据反馈到产品实现链路长。而借助于西湖一号选品平台，电商达人可直接线上选稿下单，确认打样后直播上架。当直播完成以后，根据实际销售量向万事利发送下单的指令。通过一键打样，提供销售以后的产品和服务，从选品到实物生产再到交到客户手上，只需72小时。
来源：万事利、虎嗅智库
2.4 万事利亚运村小程序，一键生产与服务，实现丝巾轻定制
小程序以亚运运动项目为主题，为客户提供丝巾轻定制，一键生产服务。从支付宝扫码进入后，可选择丝巾风格，填写“手写签名”、定制印章、中/英文祝福语等个性化内容下单后，丝巾将于2日内完成卷边、包装等步骤到达亚运会展台，用户可预约自提时间。
客户也可现场体验设计，由GBART数字化绿色印染一体机进行端到端生产，2小时即可交付。
来源：万事利、虎嗅智库
03
万事利AIGC探索
3.1 从卷积神经网络到生成对抗网络，万事利持续大模型探索
自2014年起，随着以生成式对抗网络为代表的深度学习算法的提出和迭代更新，AIGC迎来新时代，生成内容百花齐放，效果逐渐逼真至人类难以分辨。2022-2023年，大模型技术研发取得重大进展，在视觉问答、图片描述生成和跨模态检索任务上均有出色的表现。比如扩散模型实现从文本到图像的跨模态应用，生成逻辑更接近于人的思维模式，图像质量更高，且无需对抗性训练，大幅提升训效率。
过去3年，万事利投入50万用来建立自己的花型库，用3年时间学习600多年的艺术家设计师作品，试图通过大量手绘数据去分析什么是美，并持续训练丝巾LoRA微模型。
今年以来，通过大模型、扩散模型在生成领域资源加持，万事利实现通过卷积神经网络模型直接生成到生成对抗网络的应用，此前，卷积神经网络模型用的都是矢量图形，矢量图形是固定的格式，所有的素材都需要转换成矢量图形，机器才能学习。而扩散模型可以实现像素级学习。如今，万事利在扩散模型的基础上进行fine-tune微调后，加速训练垂直于行业数据本身的艺术花型模型。
来源：万事利、虎嗅智库
3.2 从矢量图到像素格，AI创作时代来临
机器学习本质上要解决的就是模型的复杂度和可用数据量之间的一种平衡。
在基于对抗网络模型的应用像素预测中，无论是图形还是文本，都是通过像素格的概率论来无限演化的。任何一个图案都是有无数个像素点组合而成；AI通过对像素点之间相邻概率的分析，进行图形生成；把每个图形分解成最小单位-像素格的时候，每个像素格周围的扩展都是一个概率的问题。
当AI学会图形基本能力的时候，通过大模型能够生成的画面和发生的变化就从结构性矢量性变成创造力和想象力，甚至是花型的再次应用。可以说以大模型为基础的新一代人工智能技术的涌现，标志着人类已经进入AI创作的时代。
来源：万事利、虎嗅智库
来源：万事利、虎嗅智库
3.3 以扩散模型为基础，对垂直花型领域做LoRA微模型训练
定义：纺织行业垂直领域模型—万事利花型大模型。重点开展丝绸/纺织花型垂直领域应用的专项研究与中型库训练，共同打造多模态大模型基础上的AI美学新标杆。
实践思路：以扩散模型为基础，对垂直领域做LoRA微模型训练，对特定术语在纺织艺术品设计领域的分析和应用。
训练思路：以民族文化艺术+时尚品牌设计学习思路，对全球名族的花纹布局和色彩做研究和分类，也对比国内外知名的丝巾产品，进行整体优化筛选。
训练结果：九种风格图通过模型场景主题、风格文本、比例三个按钮即可完成；完成关于图像的精准分类，过去需要一年时间，现在仅需一个月。
来源：万事利、虎嗅智库
3.4 AI未来工厂赋能行业，以全栈智能布局打通AI落地的“最后一公里
如今借助于AI能力及创新印染技术，万事利打造出人工智能创新设计工作站，已经实现从“设计、生产、营销”三方面的数字化变革，打造了具备“先销售、再生产”快反能力的柔性化生产链
未来万事利将集中精力在花型大模型的训练上，将人工智能创新设计工作站升级成为赋能行业生产的超级工厂。
来源：万事利、虎嗅智库
04
启发&建议
一、企业可实践的前提条件
1、AIGC在企业的应用，是一把手工程。目前，市场对大模型的训练水平参差不齐，大概率要经历反复的训练过程。企业尤其企业一把手需要对此有充分了解，不然业务很难展开。对万事利来说，对AIGC的应用探索，是从上而下展开的，董事长甚至会亲自写代码，沟通成本比较低。而沟通成本恰恰是很多企业在做这件事时，首当其冲会遭遇的痛点。
2、人才结构要跟着工具的迭代变化。以前设计师作图非常依赖PS、AI等工具，没有这些工具，设计师可能就无法工作。如今，设计师对工具依赖性降低，修改图层的能力要求更为凸显。因为大模型跑出来的内容是像素级的，要修改画面，就需要插画师修改图层的能力。借助于AIGC，通过文本调动，很多不是设计师的人，也能创作出作品。万事利的设计师工作流程是先让大模型跑出一些素材，然后设计师结合自己的审美，把AI给出的图形作为底图或元素运用到最终的成品图形中。
二、业务实践中的拦路虎
1、尽管垂直模型最缺少的还是应用数据，但要训练垂直模型，就只能在想要的模型复杂度和能够应用数据之间取得一种平衡。一般而言，越靠近消费者的模型，越是通用模型，越靠近行业的越是垂直模型。目前，对垂直模型来说，最缺少的还是应用数据。理论上每个城市或者企业都可以做训练自己的大模型，但回到现实，数据是最大的拦路虎。万事利在训练花型模型城市地标创意方向时，遇到的一个BUG就是巴黎、伦敦这种世界级大城市在大数据库中有海量数据，但关于苏州、杭州这样的国家级城市，库里的数据就很少，这时候就只能在想要的模型复杂度和能够应用数据之间取得一种平衡。
2、有些弯路，是必须要走的路。2022年AIGC带来设计行业的生产力大幅提升。但万事利自从2018年就开始研究AI在设计行业的应用，尽管遭遇很多技术、人才瓶颈，但也是在持续不间断地对AI应用的学习和研究的过程中，AI生产力不断提高。
三、经验认知沉淀
1、不要把大模型当百科全书，改变这个时代的不是AI，而是驾驭AI的人。人类大脑的神经网络本就具有多样性特征。大模型和人脑一样，甚至决策效率还要低于人脑。需要学着接受GPT就是会做出一些奇怪的决策，会呈现出一些人类根本想象不到的东西。要接受它给出的解法，它不会负责，也不一定绝对正确。也正因此，这种出其不意的想象力产物在图形创意上比在文本上要更有价值。本质上，AI产品只是一个拿到结果的工具，更重要是的使用工具的人的能力。比如工具使用前的想象力和洞察力，以及之后对结果的判断、审美和应用落地能力等。
2、不要选模型而是选应用。现有的数据量已经完全足够大，微模型也已经很多。业应该明确的是AIGC应用的方向在哪里，重要的不是选模型而是选应用。因为模型本身不产生价值，只有跟应用结合的时候，才产生价值。万事利在开始应用探索时，是在文化艺术+市场品牌设计这个赛道，学习全球花纹和色彩，分析其中规律，以及与自身供应链的适配度；然后，通过设计分类，确定自身设计新方向为新中式后，再思考它应该用什么驱动，几何艺术如何画出来是好看的，和哪一些艺术家的作品相关；最后才进行LoRA微模型训练。
注：文/冀玉洁，文章来源：虎嗅智库服务，本文为作者独立观点，不代表亿邦动力立场。
文章来源：虎嗅智库服务
