人工智能生成內容賦能服裝品牌數智化轉型路徑研究

摘要： 隨著時尚領域的數智化發展，服裝品牌面臨著轉型升級動能不足的問題，人工智能生成內容（AIGC）的賦能將為其提供新的思路。文章運用案例分析和歸納概括等方法，從設計、供應鏈、營銷等多方面剖析服裝品牌的發展現狀，歸納與分析服裝品牌在人工智能生成領域賦能下將呈現4大角色任務和7大技術場景的發展趨勢，并探索其對服裝品牌數智化轉型升級的影響。研究表明：AIGC的賦能將促進服裝品牌的數智化轉型升級，虛擬化的設計展示、個性化的服務營銷、共創式的商業模式及協作化的人才能力都將進一步提升品牌的數智化程度，幫助服裝品牌實現“數據—算法—品牌—數據”的數智化升級，以期更好地應對未來市場的發展。

關鍵詞： 人工智能生成內容（AIGC）;數智化轉型;服裝品牌;數字生態;大數據;全流程設計

中圖分類號： TS941.1

文獻標志碼： A

隨著信息技術的不斷發展，人工智能生成內容（Artificial Intelligence-Generated Content，AIGC）將顛覆傳統的服裝內容生產模式，改變服裝產業上下游的鏈條關系，并進一步挑戰和影響傳統服裝品牌的主體地位。借助數字化技術，實現人與機器、人與服裝、人與人之間的信息互動，從而實現高效、靈活的全鏈路快速反應，將會是未來服裝產業的主流及發展方向［1］。針對這一趨勢，魏曉璠［2］通過對服裝品牌渠道空間和現狀的分析，提出了促進服裝品牌產品、運營、生產、服務四個方向數字化轉型的渠道創新策略。沈雷等［3］基于數字技術和準確的數據分析總結出服裝品牌數字化轉型所面臨的問題，認為服裝企業需根據自身特點進行數字化設計轉型，從而使服裝品牌更好地適應快節奏的市場變化。牛思佳等［4］通過國家政策、信息技術和行業環境三個方面闡述了服裝品牌數字化轉型的必要性，以數字化營銷渠道的建設，更好地助推服裝品牌轉型。劉靜巖等［5］以中國19家上市服裝制造公司為樣本，將動態能力分為感知能力、轉換能力、獲取能力（戰略柔性、響應速度、創新能力）三大部分，基于5個前因變量運用模糊定性比較分析法，系統探究中國服裝制造業企業數字化轉型機制。尤彧聰［6］以“服裝企業管理的數字化系統”為基礎，將狀態感知（適應）、實時分析（學習）、決策（嵌入）、精準（整合）與執行（內化）五個環節，有機地融入服裝企業戰略管理的全過程，從而實現服裝企業的提效降本增產。目前該領域的研究多集中于對服裝品牌數字化轉型現狀的分析與延展，而對服裝品牌的人工智能生成內容轉型的研究較少，故本文在整合現階段國內外服裝品牌數字化發展現狀的同時，對服裝品牌面臨的智能生成式轉型升級進行分析研究，歸納與分析了服裝品牌在AIGC視域下將呈現的4大角色任務和7大技術場景的發展趨勢。并在此基礎上提出人工智能環境下服裝品牌數字化變革的策略和路徑，旨在為服裝品牌的數智化轉型升級提供一定的實踐措施，同時也為后續學者對AIGC環境下的服裝品牌數智化的研究提供一定的理論支持。

1 AIGC的概念及其發展

1.1 AIGC的概念溯源

AIGC即人工智能生成內容，又稱生成式人工智能（Generative AI），是指基于訓練數據、芯片算力、深度學習算法、場景決策模型、多模態技術等人工智能技術的集合［7］;這種技術依賴于對訓練數據的深入學習和識別，從而以恰當的泛化能力產生相關內容;是以滿足用戶個性化需求為前提的自動創建內容的過程［8］。從內容生產者視角而言，AIGC是進行分類的網絡信息內容生成模式，是繼Web 1.0時代的專業生產內容（Professional Generated Content，PGC）和Web 2.0時代的用戶生產內容（User Generated Content，UGC）之后的新型內容生產方式［9］;從商業視角而言，AIGC是一種賦能技術，通過高質量、高自由度、低門檻的生成方式為內容相關場景及生產者進行服務［10］。根據《Generative AI：A Creative New World》的分析，預計到2025年AIGC將有潛力產生數萬億美元的經濟價值［11］。

1.2 AIGC的數智化發展

海量數據和智能化組織雙驅動內容生產是AIGC區別于早期決策式AI的基本特征［12］。早期的邏輯范式過于依賴邏輯、定理、符號等先驗數據的純粹性，雖可以通過分析數據來幫助使用者更好地做出判斷與決策，但因其無法理解真實世界中普遍存在的“不確定性”而缺乏必要的感知能力;其后的概率范式借助經驗主義和理性主義在一定程度上解決了“不確定性”，但概率范式仍需經驗主義先于理性主義進行填充;當前以深度強化學習范式為基礎的AIGC則可以利用合理的數據豐度與獎懲模型達到類人類智能的水平，如圖1所示。因此，巨量化的數據是AIGC的“想象力”和“創造力”的基石，在卷積神經網絡和Transformer大模型的加持下，深度學

習的模型參數量已躍升至億級［13］，借助海量的語料庫和神經風格遷移（Neural Style Transfer）算法，AIGC就能夠在較短的時間內，實現高質量內容創作的自動化。其最為顯著的跨模態融合，更使得AIGC具備了能夠分別提取文本特征和圖片特征，并進行相似度比對的能力，從而實現跨模態的相互理解［14］。當文本、圖像、音頻、視頻等不同模態相互融合，AIGC就具備了一定程度的認知和交互能力，從而徹底改變此前的輸入、輸出式的人機交互邏輯，使多樣化、精細化、個性化、實時化的人機互動成為可能。作為由弱人工智能走向強人工智能、專用人工智能走向通用人工智能的里程碑式節點［15］，AIGC正全面地進入人們的生活，并為游戲、影視、娛樂、服裝等行業全面賦能。在它的加持下，服裝品牌正在進行著一場深刻的生產方式重塑的變革。由表1可見，AIGG已被應用于智造、設計、生產、銷售及售后服務等多個方面，其強大的內容生成能力正在推動極度依賴視覺呈現的服裝品牌的數智化發展。它不僅改變了傳統的工作方式，優化了生產流程，提升了購物體驗，還為服裝品牌帶來了新的增長機遇。

2 服裝品牌數智化發展現狀

數智化已成為未來服裝品牌轉型的革命性力量［16］。數字技術進步必然會引發服裝品牌在設計、供應鏈和銷售等方面的變革。面對數字化浪潮，構建“品牌+數智化”的模式已成為服裝品牌的發展新方向［17］。品牌在與新技術的融合促進發展的同時，也面臨著內容同質和平臺壟斷等挑戰。因此，如何高效地利用數字化技術和智能系統，提升品牌引領力，已經成了服裝品牌生存和持續發展的核心命題。

2.1 服裝設計智能化

20世紀60年代服裝CAD系統首次出現，至80年代中國服裝行業開始引入西方先進技術和設備，再到當下較為成熟的國產服裝二維設計系統，中國的服裝設計已完全實現了二維的計算機輔助紙樣設計、款式設計、放碼、排料等。但隨著數字化技術的進步和網絡科技的發展，傳統的二維系統已不能滿足當下多元化、個性化的市場需求，以三維人體測量和模擬技術為代表的三維服裝系統應運而生。美國CDI公司的服裝設計預浸設備、以色列Browzwear公司的Lotta 3D軟件及加拿大PAD的樣板設計與管理系統，都為三維服裝系統的實現提供了技術支持［18］。中國3D服裝設計軟件正逐步應用在部分高校及服裝公司設計研發中，部分高校開設3D服裝設計課程，將其作為培養學生創新能力和實踐技能的重要課程。其中應用較多的有韓國CLO公司研發的CLO3D軟件、MD（Marvelous Designer）軟件及浙江凌迪數字科技有限公司自主研發的服裝產業3D數字化服務平臺Style3D。在傳統服裝制造領域，成品服裝的市場推廣通常需經歷多輪打樣、樣式調整及國際快遞樣品確認等環節，導致開發周期延長與效率降低。3D服裝設計技術通過模擬與渲染實現設計流程的自動化與數字化，有效縮減時裝開發時間。從設計師視角來看，3D服裝設計技術能迅速、直觀地展示時裝版型與效果，允許設計師在三維環境中高效修改作品，顯著提高工作效率并節約資源，具有重要價值。官網顯示，Style3D現已實現了從設計企劃到款式設計，到3D建模、3D改版，直至自動輸出工藝單、直連生產的全流程設計，虛實結合的智能化流程構建起了以品牌為核心的數字生態鏈，如圖2所示。

2.2 服裝生產供應鏈數字化

作為傳統制造業的典型代表，服裝行業一直沿用了傳統的粗放式生產模式。高投入、高能耗、高污染、低效益等都在制約著服裝品牌的發展。供應鏈是指生產及流通過程中，涉及將產品或服務提供給最終用戶活動的上游與下游企業所形成的網鏈結構。在傳統的服裝制造行業中，長期以來一直存在著諸多挑戰。大單生產模式下，企業往往要面對庫存積壓、生產周期冗長及訂單不穩定性等難題。隨著服裝數智化技術的不斷進步，越來越多的智能軟件與自動生產設備的應用，服裝品牌正在朝著數智化的方向發展。在所有技術中，目前應用度較高的技術主要是商業智能（Business Intelligence，BI）和機器人流程自動化（Robotic Process Automation，RPA）。作為服裝品牌管理的“第三只眼睛”，BI已經滲透到財務核算、研發、采購、生產、物流、人力資源管理等各個領域，在服裝行業的應用度達70%;以“自動化辦公”形式應用的RPA，則主要應用于自動化的訂單處理、數據倉庫、售后服務等領域，在行業應用度達54%。綜上所述，供應鏈數據的數字化、可視化正在幫助服裝品牌提高綜合利用數據，作出客觀、及時、準確決策的能力。如全球知名跨境電商平臺SHEIN，以其獨特的柔性供應鏈和小單快反模式，正在為傳統服裝制造行業帶來一場深刻的變革。工廠內部的裁剪到裁片吊掛系統、車縫到成衣及成品倉出貨等環節的數據都已經實現了數字可視化管理，大幅提升了生產效率。生產供應鏈的數字化將幫助服裝品牌更好地進行時間管理，協調各供應鏈環節在時間上的步調，減少各環節的等待時間。此舉一方面將加速對用戶需求的響應時間，提升品牌的服務水平;另一方面將降低庫存成本、物流成本等這些會隨著時間的推移而增加的運營成本，進而增加服裝品牌的生產運營效率，助力品牌的數字化轉型升級。

2.3 服裝營銷鏈路化

在數字經濟的助推下，數字化營銷正迅速改變著傳統的服裝銷售模式，網絡與市場的融合正在推動服裝品牌進入一個全鏈路化的營銷時代。全鏈路化營銷作為一種貫穿設計、供應鏈和用戶連接模式，其強大的整合性和內驅性正將技術、工藝、面料、設計和需求等各個環節進行融合，以求達到最優化的營銷效果，如圖3所示。與此同時，全鏈路化的營銷方法和整合模式也為設計與產業鏈路提供數據支持和用戶反饋，進而提升設計價值，促進消費轉化。

2.4 問題與挑戰

服裝品牌的數智化發展雖已深達設計、供應鏈及營銷等

方面，但仍存內容同質、技術變革和平臺壟斷等問題。數字化的發展帶來了海量的數據信息，同時也使同一類不同品牌的產品，在設計、性能、使用價值、包裝、服務，甚至是營銷手段上相互模仿，致使產品的同質化現象愈演愈烈，影響產品溢價［19］;數字化技術更新迭代速度較快，企業需要不斷跟進和更新技術，否則可能會面臨技術落后的風險;數智化工具和平臺的壟斷，可能導致少數大型企業或平臺壟斷市場，致使其他企業或小型平臺無法參與競爭。因此，未來服裝品牌的數智化發展也將趨于精細化，大量的數據和分析有助于企業在進行數智化轉型時，科學合理地規劃和布局數字化策略。

3 AIGC環境下的服裝品牌數智化發展特點

在AIGC環境下，服裝與數智化的融合已成為服裝品牌發展的必然方向。AIGC正使內容生成從此前的專家生成（PGC）、用戶生成（UGC）向人工智能生成（AIGC）躍遷，這種基于生成對抗網絡（GAN）、Transformer模型、Diffusion模型等數據產生新樣本的能力，預示著AI由分析式向生成式的飛躍［20］。隨著AIGC的迭代，服裝品牌在其深度數智化的過程中，也將呈現4大角色任務和7大技術場景的發展趨勢，如表2所示。

從場景上看，AIGC正逐步深度融入到文本、圖像、音頻、視頻等多種媒介形態的生產中;從效果上看，其在基于自然語言的文本和圖像生成，甚至是跨模態生成和元宇宙領域都取得了長足的進步;從角色上看，AIGC除了主題內容生成之外，還將直接賦能設計、銷售和研究，從而助力品牌實現數智化轉型;從需求上看，在AIGC的賦能下，內容生產將兼具PGC的專業性與AIGC的高效性、多樣性和創新性;AIGC也將進一步降低UGC的準入門檻，擴大內容生產者的隊伍，增加UGC的數量規模，提高UGC的產出效率，提升UGC的作品質量，從而更好地滿足人們個性化、定制化、多元化的需求。由此可見，在AIGC越來越多地參與到品牌建設的過程中，服裝品牌的數智化轉型升級將在用戶數據和內容數據的基礎上，以人機協同的方式實現其價值。

4 服裝品牌數智化轉型升級路徑

服裝品牌的數智化轉型的目標就是依靠信息化、數字化和智能化技術的發展，推動服裝新業態和新型商業模式的產生［21］。因此，數智化轉型的核心邏輯是依靠數字技術發展對品牌的戰略思維、組織規模、商業模式進行重構［22］，并建立起數據驅動的品牌價值體系，以此實現對設計展示、服務營銷及平臺建設的轉型升級。

4.1 形制穩定與細節豐富的造型特征

在設計構思、設計表達方面，AIGC將協助設計師捕捉靈感，構建出新的協同創新模式。基于AI大模型建立起來的資源靈感庫將大幅提升草圖繪制的效率，從而節省設計初期的溝通成本。“AI+設計師”的模式在服裝設計中表現突出，設計師將基于AIGC的智能生成繼續設計創作，根據用戶的需求和偏好，嘗試不同風格和主題，并能進行快速反應的小批量模擬。此外，設計師還可以通過自定義的方式來設置面料、顏色和風格，通過上傳參考圖片的方式以求得更精準的設計協同結果，從而更好地幫助服裝品牌確立品牌風格，實現主題系列化、內容多樣化。

在虛擬展示方面，算法的優化升級實現了AIGC的跨模態生成和虛擬人生成，加之GAN等技術應用，人工智能可以根據用戶給出的文本提示詞來創建和編輯選定區域內的內容。這種精確的“指哪改哪”的能力將極大地簡化后期處理的流程，提升設計展示的自由度，更高清的圖像和更真實的視覺體驗也必將帶來消費端的轉型升級。利用虛擬技術實現跨空間、跨時間的試衣、搭配，再輔之以AR、VR技術，便可更為真實營造出商品的質感和穿著的效果，用戶將體驗到更為真實的面料與紋理，克服了線上購物的局限性。

4.2 服務營銷由大眾化向個性化轉型升級

首先，AIGC可以通過文本提示詞和標本的上傳，幫助服裝品牌實現品牌架構、戰略制定和產品規劃的分析，形成可借鑒的營銷規劃或服務建議，以此提升服裝品牌的品牌影響力、產品認知力、營銷拓展力及核心競爭力，從而為服務和營銷環節的提質增效注入主體動力。

其次，基于文本、圖片、音頻、視頻等多模態素材的訓練模型能夠生成更為精準、適配的營銷文案。此外，AIGC還可以根據品牌的領域特征實現營銷文案的智能生成和自動推送，在提升營銷文案專業度的同時，提高全媒體營銷文案設計的效率。

再次，AIGC可以對數以萬計的用戶數據進行采集、統計和分析并應用于服裝品牌的營銷中。通過分析用戶的穿搭偏好、消費傾向和個人特征，可以深入了解用戶的需求和習慣，為產品設計和營銷策略提供有力支持。同時，交互數據的利用也能幫助品牌更好地把握用戶的潛在需求，提高營銷內容的針對性和有效性，進一步提升品牌價值和用戶滿意度。因此，服裝品牌需要重視用戶數據的采集和分析，不斷優化和改善營銷工作，以適應不斷變化的市場環境。

最后，隨著技術的發展，AIGC生成的虛擬客服或虛擬數字人在服裝行業中發揮著越來越重要的作用。它們能夠全天候地提供服裝推薦和售后服務，不僅有效減少了人力資源的投入，提升了品牌營銷服務效率，還能通過個性化推薦等方式改善用戶體驗，增強用戶的忠誠度和黏性。此外，虛擬數字人還可以應用于品牌推廣和知識解答等方面，進一步豐富和完善營銷與服務工作。因此，服裝品牌應積極探索和應用AIGC技術，以提升品牌價值和市場競爭力。

4.3 商業模式由單邊式向共創式轉型升級

首先，AIGC能夠通過定向檢索信息幫助品牌獲取訂單，充當“訂單尋源中介”的角色，真正實現將品牌和制造工廠聯結起來。通過使用訂單協同虛擬機器人進行生產計劃管理，可以有效地自動跟蹤生產計劃，并實時監控產品生產進度，從而確保產品質量。此外，品牌可以實時掌握生產數據，更好地協調和優化生產流程，以提高生產效率。通過數據的在線可視化呈現，品牌就可以掌握服裝從生產到營銷全過程的主動權，從而熨平以往產能的周期性波動。

其次，AIGC可以通過核心資源標記的方式重構數字空間中的線下工廠;通過產能在線的方式實現線下工廠的線上化;通過實時數據與模型數據對比的方式，實現供給關系的匹配化。AIGC的應用為品牌打破設計、生產、營銷等環節之間的數據壁壘提供了有力支持。通過收集和分析用戶數據，品牌可以更好地了解市場需求和消費者偏好，從而優化產品設計、生產計劃和營銷策略。同時，供給端的數據也可以幫助品牌更好地配置資源和提升運營能力，提高生產效率和市場競爭力。

最后，通過匯集流程數據，疊加AIGC的強大算力，對原有長鏈條的生產模式進行優化，以滿足用戶日漸個性化的要求，在增強模式的靈活性的同時，實現了從以生產流程為主導的點狀模式，過渡到以要素配置為核心的網狀協同模式。基于行業數據與其他品牌大數據的綜合比較分析，實現了從傳統的人力驅動經驗管理，向以數據支撐的智能決策模式的轉變。此舉不僅提升了數據在管理與創新中的應用，還優化了品牌的各個流程。最終，形成了一個完整的“數據—算法—品牌—數據”閉環系統，為品牌提供了數據驅動的、高效的決策支持，如圖4所示。

4.4 人才能力由專業化向協作化轉型升級

人才是品牌創新競爭力的第一要素，是品牌形象塑造、提升用戶體驗、促進品牌創新和提升品牌文化的具體執行人［23］。因此，品牌的轉型升級關鍵在于人才能力的轉型升級。AIGC下的人才能力將由專業化向協作化轉型，并實現由基礎層向高級層的進階，如表3所示。基礎層注重專業知識、技能及實踐操作能力;中間層注重內容整合、創新的能力;高級層則注重人機協同、客戶服務及領導和協作的能力。對于品牌而言，有形的資產是價值創造的載體和支撐，人才資源是價值創造的關鍵要素。人才不僅為品牌創造了直接價值，更為用戶創造了間接價值。在人工智能協同共創的背景下，用戶將由被動的接受者向主動的需求者轉變，并在與品牌的雙向互動中共創價值。因此，AIGC下的人才能力也將以服裝品牌價值創造為核心，形成一種基于用戶的、協作式的關系轉化。在這個協作的過程中，品牌和用戶都能持續地創造并共享價值。

5 結 論

AIGC掀起的技術變革正改變著傳統的服裝品牌，數智化轉型發展已成為服裝品牌未來走向的重要拐點。本文梳理了當下中國服裝品牌數智化現狀，通過服裝設計、服裝銷售等角色任務和人工智能生成技術場景，總結了服裝品牌在深度數智化中所呈現的設計師高效創新、生產制造智能化和柔性化，以及用戶體驗個性化和沉浸式的發展趨勢，對AIGC賦能下服裝品牌數智化轉型策略的提出具有理論意義和實踐啟示。“品牌+AIGC”的數智化轉型，在改變以往的設計展示、服務營銷及商業模式同時，也促使人才能力朝著更為開放、更為協作的方向發展。綜上所述，AIGC將為服裝品牌帶來前所未有的機遇和挑戰，服裝品牌的數智化轉型升級應當與時俱進、不斷創新，在構建一個高度個性化、智能化、可持續化和多元化的服裝生態系統的同時，也為用戶帶來更加豐富和便捷的購物體驗。

參考文獻：

［1］任若安， 沈雷， 李雪， 等. 服裝產業智能化營銷渠道的轉型升級現狀及其趨勢［J］. 毛紡科技， 2021， 49（12）： 98-103.

REN R A， SHEN L， LI X， et al. Transformation and upgrading of intelligent marketing channels in garment industry［J］. Wool Textile Journal， 2021， 49（12）： 98-103.

［2］魏曉璠. 數字化時代下服裝品牌創新模式的研究［J］. 化纖與紡織技術， 2023， 52（2）： 74-76.

WEI X F. Research on the innovation mode of apparel brand in the digital era［J］. Chemical Fiber amp; Textile Technology， 2023， 52（2）： 74-76.

［3］沈雷， 許天宇. 數字化背景下品牌服裝設計轉型［J］. 服裝學報， 2021， 6（2）： 169-174.

SHEN L， XU T Y. Transformation of branded clothing design under the digital background［J］. Journal of Clothing Research， 2021， 6（2）： 169-174.

［4］牛思佳， 沈雷. 數字化轉型下服裝品牌營銷渠道的策略分析［J］. 毛紡科技， 2020， 48（4）： 70-74.

NIU S J， SHEN L. Strategic analysis of marketing channels of clothing brand under digital transformation［J］. Wool Textile Journal， 2020， 48（4）： 70-74.

［5］劉靜巖， 雷樂. 基于fsQCA的企業數字化轉型路徑研究［J］. 經營與管理， 2023（9）： 99-105.

LIU J Y， LEI L. Research on digital transformation path of enterprises based on fsQCA［J］. Management and Administration， 2023（9）： 99-105.

［6］尤彧聰. 數字經濟驅動下服裝企業管理優化探究［J］. 棉紡織技術， 2022， 50（2）： 87-88.

YOU Y C. Exploration on management optimisation of apparel enterprises driven by digital economy［J］. Cotton Textile Technology， 2022， 50（2）： 87-88.

［7］歐陽日輝， 劉昱宏. 生成式人工智能（AIGC）融入制造業的理論邏輯與實現路徑［J/OL］. 新疆師范大學學報（哲學社會科學版）， 2024： 10.14100/j.cnki.65-1039/g4.20240016.001.

OUYANG R H， LIU Y H. Theoretical logic and realization path of generative artificial intelligence （AIGC） integration into manufacturing industry［J/OL］. Journal of Xinjiang Normal University （Edition of Philosophy and Social Sciences）， 2024： 10.14100/j.cnki.65-1039/g4.20240016.001.

［8］郭佳楠， 陳婉瑩. 生成式人工智能技術的安全風險及其防范策略［J］. 科技智囊， 2023（11）： 42-52.

GUO J N， CHEN W Y. Security risks of generative artificial intelligence technologies and its prevention strategies［J］. Think Tank of Science amp; Technology， 2023（11）： 42-52.

［9］王諾， 畢學成， 許鑫. 先利其器： 元宇宙場景下的AIGC及其GLAM應用機遇［J］. 圖書館論壇， 2023， 43（2）： 117-124.

WANG N， BI X C， XU X. AIGC in metaverse scenarios and its application in GLAM［J］. Library Tribune， 2023， 43（2）： 117-124.

［10］蔡子凡， 蔚海燕. 人工智能生成內容（AIGC）的演進歷程及其圖書館智慧服務應用場景［J］. 圖書館雜志， 2023， 42（4）： 34-43.

CAI Z F， WEI H Y. Evolution of artificial intelligence generated content （AIGC） and its application scenarios of library intelligent services［J］. Library Journal， 2023， 42（4）： 34-43.

［11］Sequoia. Generative AI： A Creative New World［EB/OL］. （2022-09-20）［2023-12-17］. https：//www.sequoiacap.com/article/generative-ai-a-creative-new-world/.

［12］詹希旎， 李白楊， 孫建軍. 數智融合環境下AIGC的場景化應用與發展機遇［J］. 圖書情報知識， 2023， 40（1）： 75-85.

ZHAN X N， LI B Y， SUN J J. Application scenarios and development opportunities of AIGC in the digital intelligence integration environment［J］. Documentation， Information amp; Knowledge， 2023， 40（1）： 75-85.

［13］李白楊， 白云， 詹希旎， 等. 人工智能生成內容（AIGC）的技術特征與形態演進［J］. 圖書情報知識， 2023， 40（1）： 66-74.

LI B Y， BAI Y， ZHAN X N， et al. The technical features and aromophosis of artificial intelligence generated content （AIGC）［J］. Documentation， Information amp; Knowledge， 2023， 40（1）： 66-74.

［14］RADFORD A， KIM J W， HALLACY C， et al. Learning transferable visual models from natural language supervision［C］//International Conference on Machine Learning. New York： PMLP， 2021.

［15］解學芳， 祝新樂. “智能+”時代AIGC賦能的數字文化生產模式創新研究［J］. 福建論壇（人文社會科學版）， 2023（8）： 16-29.

XIE X F， ZHU X L. A research on innovation of production mode of digital culture enabled by AIGC in the “Intelligence+” era［J］. Fujian Tribune （The Humanities amp; Social Sciences Monthly）， 2023（8）： 16-29.

［16］張惠芳， 曹麗勤， 龔芬， 等. 智能化服裝生產體系與智能服裝體系解讀及對其標準制訂的思考［J］. 絲綢， 2021， 58（12）： 47-53.

ZHANG H F， CAO L Q， GONG F， et al. Interpretation of intelligent garment manufacturing system and intelligent garment system and reflections on the standard formulation［J］. Journal of Silk， 2021， 58（12）： 47-53.

［17］楊大鵬， 王節祥. 平臺賦能企業數字化轉型的機制研究［J］. 當代財經， 2022（9）： 75-86.

YANG D P， WANG J X. Research on the mechanism of platform enablement on enterprise digital transformation［J］. Contemporary Finance amp; Economics， 2022（9）： 75-86.

［18］李曉喆， 程哲. 服裝數字技術的發展與現狀［J］. 浙江紡織服裝職業技術學院學報， 2016， 15（4）： 30-33.

LI X Z， CHENG Z. On the development and present situation of clothing digital technology［J］. Journal of Zhejiang Fashion Institute of Technology， 2016， 15（4）： 30-33.

［19］馬遷利. 供給側改革視域下服裝產業同質化競爭原因與對策研究［J］. 紡織學報， 2018， 39（9）： 182-188.

MA Q L. Countermeasures and cause of homogenization competition of garment industry from perspective of supply-side structural reform［J］. Journal of Textile Research， 2018， 39（9）： 182-188.

［20］胡泳， 劉純懿. UGC未竟， AIGC已來： “內容”的重溯、重思與重構［J］. 當代傳播， 2023（5）： 4-14.

HU Y， LIU C Y. UGC is not over， AIGC is here： Retracing， rethinking and reconstructing “content”［J］. Contemporary Communication， 2023（5）： 4-14.

［21］侯世英， 宋良榮. 數字經濟、市場整合與企業創新績效［J］. 當代財經， 2021（6）： 78-88.

HOU S Y， SONG L R. Digital economy， market integration and corporate innovation performance［J］. Contemporary Finance amp; Economics， 2021（6）： 78-88.

［22］李建琴， 童文慶， 周恒. 數字化轉型對紡織業升級的影響研究［J］. 絲綢， 2024， 61（1）： 1-10.

LI J Q， TONG W Q， ZHOU H. Research on the influence of digital transformation on textile industry upgrading［J］. Journal of Silk， 2024， 61（1）： 1-10.

［23］鄭通， 張立杰. 中國服裝行業上市企業數字化轉型評價［J］. 絲綢， 2023， 60（9）： 1-7.

ZHENG T， ZHANG L J. Evaluation on the digital transformation of listed enterprises in China’s clothing industry［J］. Journal of Silk， 2023， 60（9）： 1-7.

Research on the transformation path of artificial intelligence-generated contentenabling digital intelligence for apparel brands

ZHANG Chi， WANG Xiangrong

ZHUANG Dongdong1， REN Ruo’an2， SUN Jie2

（1.School of Design Art， Tianjin Academy of Fine Arts， Tianjin 300141， China; 2.College of Design and Innovation，Tongji University， Shanghai 200092， China）

Abstract： With the rapid development of information technology， artificial intelligence-generated content （AIGC） is gradually becoming a new engine of change for the apparel industry. The application of AIGC technology can not only reshape the way apparel content is produced， but also play a key role in all aspects of the apparel industry， thus revolutionizing the existing industry chain structure. This technological advancement means that apparel brands can design， produce and market more efficiently， while also better meeting the personalized and immediate needs of consumers. Against this backdrop， traditional apparel brands are facing unprecedented challenges. As consumer demand for apparel becomes increasingly diverse and personalized， brands must seek new ways to enhance their competitiveness. Digital transformation has become a key path for brand transformation and upgrading. With the help of digital technology， the information interaction between human and machine， human and clothing， and human and human can be realized， so an efficient， flexible and rapid response to the whole chain will be the mainstream of the future of the clothing brand as well as the direction of development. In view of this trend and the lack of kinetic energy for transformation and upgrading faced by domestic apparel brands， previous studies have focused more on the analysis of the status quo of digital transformation of apparel brands and policy interpretation， and less on summarizing and analyzing from the perspective of generative AI empowering apparel brand transformation.

To solve the problem of insufficient kinetic energy for transformation and upgrading faced by apparel brands in the process of digital intelligence development， we， from the perspective of generative AI empowerment， use case study and generalization methods to analyze the development status of apparel brands from the perspective of design， supply chain， marketing， etc.， and summarize and analyze the apparel brands in the AI-generated field of empowerment to present four major roles and tasks and seven major technical scenarios. This paper combs through the current situation and challenges of China’s apparel brands in the process of digital intelligence transformation， summarizes the development trends of efficient innovation of designers， intelligent and flexible production and manufacturing， and personalized and immersive user experience of apparel brands in the depth of digital intelligence through the apparel design， apparel sales and other roles and tasks and the AI-generated technology scenarios， and provides theoretical significance and practical insights to the proposed strategies for apparel brands in the context of digital intelligence. It has theoretical significance and practical inspiration for the proposal of digital intelligence transformation strategy， and also provides strategies and methods for solving the problem of insufficient kinetic energy faced by brands in the context of digital intelligence. With the continuous maturity and application of AIGC technology， apparel brands’ digital intelligence transformation and upgrading has ushered in unprecedented opportunities. The empowerment of generative AI has not only brought innovative design ideas and efficient production processes to apparel brands， but also revolutionized marketing strategies and business models. The digital transformation of “brand + AIGC” has changed the design display， service marketing and business model， and also prompted the development of talent capabilities in a more open and collaborative direction. Virtualized design display， personalized service marketing， co-creative business model and collaborative talent capacity will further enhance the degree of digital intelligence of the brand， and help apparel brands realize the virtuous cycle of “data-algorithm-brand-data”. This will help apparel brands realize the virtuous cycle of “data-algorithm-brand-data”， so that they can maintain their leading position in the fierce market competition and achieve sustainable long-term development.

In the context of the era of digital intelligence， AIGC technology is becoming a key force in promoting the transformation and upgrading of apparel brands. The discussion on the path of transformation and upgrading of apparel brands empowered by generative AI has provided a new development path and thinking angle for the development of brands， and the application of AIGC technology can not only greatly expand the innovation boundaries of apparel brands， but also establish a closer and more efficient interactive relationship between the brand and the user. The transformation and upgrading of apparel brands’ digital intelligence is a comprehensive and in-depth process， which requires brands to actively embrace new technologies while maintaining their traditional strengths， and to continuously explore and practice new business models and service methods. While building a highly personalized， intelligent， sustainable and diversified apparel ecosystem， it also brings users a richer and more convenient shopping experience. The results of this study not only provide some theoretical reference for subsequent scholars on generative AI empowering the transformation and upgrading of apparel brands， but also provide inspiration and reference for promoting the digital-intelligent transformation of apparel brands and the upgrading of the apparel industry through digital-intelligent transformation.

Key words： artificial intelligence-generated content （AIGC）; digital intelligence transformation; apparel brands; digital ecology; big data; whole process design