2023年服装行业专题报告 AI有望赋能纺织服装生产制造领域.docx

2023年服装行业专题报告 AI有望赋能纺织服装生产制造领域 一、AI多领域技术突破，赋能纺织服装行业前景广阔 （一）ChatGPT带动AI概念大火，生成式AI（AIGC）蓬勃发展 ChatGPT（Chat Generative Pre-trained Transformer）是2022年11月由美国OpenAI 公司开发的人工智能自然语言处理工具，可以通过理解和学习自然语言进行对话， 也可以撰写邮件、视频脚本、文案、翻译、代码等。 ChatGPT属于生成式AI的的具体产品。生成式AI与判别式AI相对应，两者均为AI的 具体应用方向。判别式AI指利用机器学习样本来对新数据进行分类或回归，帮助人 们进行判断，常见应用场景如智能广告推荐，最优路径选取等；而生成式AI（AIGC， AI Generated Content）指利用人工智能技术来生成内容。 2021年之前，AIGC生成的主要是文字，而新一代模型可以处理的内容格式包括文字、 语音、代码、图像、视频、机器人动作等等。相比人类，生成式AI（AIGC）的知识 积累水平和生产效率更高，可以更高效和高质量地进行定性定量信息挖掘、素材调 用、复刻编辑等基础性劳动，还可以根据已有素材来快速生成创意性内容，满足海 量个性化需求；还可以与其他产业的互动和融合，培育出新的业态和模式。 2022年7月，中国科技部等六部门发布《关于加快场景创新以人工智能高水平应用 促进经济高质量发展的指导意见》，系统指导各地方和各主体加快人工智能场景应 用，推动经济高质量发展；2023年2月13日，北京市经济和信息化局发布《2022年 北京人工智能产业发展白皮书》，提出全面夯实人工智能产业发展底座，支持头部 企业打造对标ChatGPT的大模型，着力构建开源框架和通用大模型的应用生态，全 面构筑人工智能场景创新高地。人工智能产业化进程正从AI技术与各行业典型应用 场景融合的赋能阶段，逐步向效率化、工业化生产的成熟阶段演进。目前巨头纷纷 开始布局。 （二）AI发展：2022年以来多模态预训练大模型、计算机视觉、智能机器人、决策智能等方面不断进步 人工智能（Artificial Intelligence，缩写为AI）是计算机科学的分支，是研究、开发 用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的技术科学。AI技 术可以分为基础层，技术层和应用层：基础层主要包括CPU等硬件设备和所需训练 数据；技术层可以分为基础算法和通用技术，其中基础算法主要包括神经网络等， 模型层面通常使用一种或几种基础算法，而通用技术主要包括计算机视觉，自然语 言处理，智能机器人和智能决策系统等领域；应用层指AI技术可以发挥作用的领域， 比如智能制造、智能驾驶等。 2022年以来，人工智能的技术层各方向不断发展，如基础算法层面的多模态预训练 大模型，通用技术层面的计算机视觉、自然语言理解、智能机器人和决策智能等， 赋能下游应用层。 基础算法：多模态预训练大模型加速发展，提升AI开发效率 模型经预训练处理后，可减轻对后续特定任务的训练负担。前期预处理经手越多数 据，提取越多共性数据特征，后期越能让模型对特定任务的学习负担变轻，可提升 后续开发效率。 近年来，由于AI算力提升、海量数据积累、深度学习算法突破等原因，预训练模型 向多模态预训练大模型转化，样本数据量和模型参数跨越式提升，且实现多模态统 一建模（实现图像、文本、音频多领域融合），增强模型的跨模态融合能力。新突 破进一步增强了AI技术的通用性，提升了各种特定场景下AI模型开发效率。对广大 开发者来说，基于预训练大模型，可以更低成本、低门槛，面向特定场景研发更好 用的AI模型，并应用到更广阔的下游场景。举例来说，多模态大模型的发展为AIGC 的升级提供了强力支撑，使得应用AIGC所需的真实样本数据和算力成本下降，提高 了其产出丰富度、生产效率与创造性。 通用技术1：计算机视觉提升图像识别和场景判断能力。计算机视觉是指让AI从图像、视频等视觉输入获取有用信息，并根据获得信息采取 行动或提供建议的技术。相较传统机器，计算机视觉技术更擅长识别易混淆的对象， 尤其对于物体3D尺寸的识别及质量缺陷监测任务中表现出明显优势。 2022年，计算机视觉方向的ViT（Vision transformer）模型出现新突破，具有动态 自适应建模的能力；此外，ViT模型可以通过“注意力机制”（Self-Attention，即模 型更关注重点区域的像素点的影响），优化计算机视觉的识别效果；可以利用2D图 像还原3D场景，并和现实3D物体或者2D图像进行对照，提升识别效率。 2D图像来 源于3D的世界投影，从2D直接生成3D场景缺失很多信息，原本单一视角的2D图像 很难恢复出3D模型，ViT模型可以先提取2D