2022年12月份蘇州工業(ye) 區的一家職業(ye) 裝定做廠內(nei) ，工人們(men) 正在埋頭為(wei) 快時尚外銷服裝趕工。吊掛在屋頂上的衣架在工位間穿梭，在一個(ge) 工位上，工人每次快速完成一個(ge) 流水線操作後，就拍一下縫紉設備上的大按鈕，進行計件。這一幕正漸漸出現在更多服裝工廠裏。在中國服裝加工廠中，正在發生一些變化。

        一些工廠每天都接到新款服裝訂單，也會(hui) 接到一些“翻單”需求。“翻單”就是對之前一些生產(chan) 過的服裝進行補貨。但這些翻單需求通常很急，很多要在7天內(nei) 交貨。這與(yu) 過去服裝廠的情況完全不同。

傳(chuan) 統上，每年10月是全球各大時裝周的忙碌時節。在巴黎時裝周、上海時裝周上，會(hui) 發布明年春夏的潮流款式。之後，各種渠道召開洽談會(hui) ，訂單將在品牌方匯集成一個(ge) 個(ge) 大訂單，再下單到加工廠。

從(cong) 時裝周到服裝上市，這個(ge) 周期通常有半年。對工廠來說，這是一種很舒適的狀態。每個(ge) 季度做的款式和數量是確定的，可以有條不紊地組織生產(chan) 。

        但現在，快時尚品牌、電商渠道崛起後，連鎖品牌影響力在減弱，人們(men) 的審美也不再千篇一律，流行趨勢更迭加速。如果一款服裝再生產(chan) 幾萬(wan) 件，很可能會(hui) 變成庫存。

庫存是國內(nei) 外服裝巨頭們(men) 最害怕的問題。快時尚品牌ZARA曾以小批量、多款式上新的方式橫掃服裝產(chan) 業(ye) 。爆款貨快速返單，滯銷產(chan) 品打折快速清庫存。ZARA創造過行業(ye) 的新記錄，它的新品從(cong) 工廠到上架，達到了驚人的2周。但即便這樣，庫存依然是它的心頭大患。

      過去十餘(yu) 年裏，職業(ye) 裝定做廠家銷毀庫存的案例頻發。2018年燒毀的庫存多達數千萬(wan) 元；在國內(nei) 曾經打造了增長神話的美特斯邦威、拉夏貝爾，庫存更是高達幾十個(ge) 億(yi) ，直接導致企業(ye) 資金鏈斷裂，拉夏貝爾甚至被迫退市。按照傳(chuan) 統作業(ye) 邏輯，新款版樣到達工廠後，需要經曆一係列複雜的工作流程。首先由成熟的樣衣工，將衣服從(cong) 圖樣變成一件可以仿製的衣服，工藝工程師把製衣過程拆解成一道道較為(wei) 簡單的工序，一件羽絨服或連衣裙，可能要上百工序，幾十個(ge) 裁片；然後班組長按照工序安排工人，倉(cang) 庫和裁剪房準備物料。這些事要靠人腦來做，跑通人、機、料一個(ge) 流程通常要一到兩(liang) 周。

      現在，小單快返的趨勢，工廠上新款、翻單的頻次越來越密集，從(cong) A款服裝轉到B款，也涉及很多問題，僅(jin) 靠人腦來安排，變得越來越困難，時間也“耗費”不起了。

人工智能係統也在這個(ge) 時候進入了中大型服裝廠。AI汲取了大品牌、大工廠的供應鏈管理經驗和精益生產(chan) 理念，並在交期、人員技能、設備、工序、小組等約束條件下，對全廠範圍內(nei) 進行資源的配置，算出最優(you) 的生產(chan) 和排產(chan) 規劃。

       “AI其實模仿了工藝工程師拆款的能力，組長分配工序的能力，裁剪房算料、安排二次工藝的能力，同時監控流水線上的動態波動，解決(jue) 瓶頸工序，讓生產(chan) 更加順滑。”劉珂博士說。比如，一個(ge) 工序上員工還不熟練，或者生病了，AI會(hui) 實時算出新的分配方案。

       這樣，即使換款，人工智能還是能及時算出新款服裝的方案。而且，它還能根據員工的“學習(xi) 曲線”，安排員工最擅長的工序，生產(chan) 效率能有所提升，員工的工資還會(hui) 提高。

在人工智能的幫助下，這些工廠逐漸具備了應對複雜生產(chan) 狀況的能力，從(cong) 而適應小單快返。傳(chuan) 統上，企業(ye) 的管理信息係統都是從(cong) 上到下推動的。無論是企業(ye) 資源計劃ERP，還是流程管理BPM，都被稱為(wei) “一把手工程”。

        對於(yu) 工人來講，他們(men) 沒有感受到信息化的實惠，反而是工作量的增加。“我原來隻管做衣服，現在還要在這個(ge) 地方輸一個(ge) 數，那個(ge) 地方再輸一個(ge) 數，這會(hui) 很煩。”工人們(men) 說。現在，在數字化和智能化中，一些行業(ye) 人士達成了共識，它應盡量是無聲無息的，不給一線人員添麻煩，而最重要的是，它能讓一線員工多賺錢。

      根據每位工人的產(chan) 量、質量、返修量數據，係統會(hui) 生成每個(ge) 人的學習(xi) 曲線，不同員工構成一個(ge) 學習(xi) 矩陣。係統會(hui) 按照員工技能進行工序分配。之前那種靠與(yu) 班組長的關(guan) 係吃飯的狀況，也不複存在。

例如，工人的工作狀態並非始終能保持最高效率，數智前線在某知名的應用數字化手段的服裝廠裏就見到了一位厭惡智能技術的工人。他憂心忡忡，充滿不滿，“廠裏給做得最快的人發了獎金，做得最慢的人計件工資比正常工資打了點折扣。幾年下來係統裏記住的都是最快的記錄，手慢的人慢慢都被淘汰了。”

在記錄了個(ge) 體(ti) 最優(you) 表現後，如果未來狀態下滑，對企業(ye) 主而言，這些人將被如何對待？新技術進入生產(chan) 環節，提升了生產(chan) 效率後，能不能更大限度保護工人的利益，人能否在技術應用之後有尊嚴(yan) 、有出路呢？這些也是業(ye) 界需要思考的問題。

      不同類型的工廠，對智能技術的接受速度和能力並不一樣。

最終訂單生產(chan) 會(hui) 分配到小工廠裏。小工廠無需以很高的成本去完成換款，隻需完成最基礎的縫製環節。

      某種程度而言，這樣的方案是將數字化的架設，從(cong) 小企業(ye) 剝離。整個(ge) 訂單流程裏小工廠需要用到的軟件支持，基於(yu) 現成的溝通聊天應用搭設。這樣，珠三角、長三角大量閑散的職業(ye) 裝定做廠家製造能力能夠得到應用，也最大限度降低了這些小企業(ye) 智能改造的成本。