物理AI如何塑造时尚行业的未来？

2026年4月21日

物理AI将重塑时尚行业。 Image: Lalit Kumar/Unsplash

Cintia Nunes

General Manager, Head of Asia, The Mills Fabrica

时尚产业产生了大量浪费，但物理人工智能（Physical AI）可以显著减少这一现象。
物理AI系统可实现快速、精确、按需生产，使制造商更具适应性，同时减少浪费和滞销库存。
随着时尚行业的浪费危机日益加剧，物理AI正在开辟一条新道路，打破该行业数十年的过度生产模式。

时尚产业每年产生9200万吨废弃物，这并非生产过程中的副产品，而是生产系统设计方式导致的结果。

这种情况正在发生改变。在世界各地的工厂车间里，一种新型的人工智能（AI）正在兴起，它不仅能生成文本或图像，还能与材料进行实际交互、感知环境并实时做出调整。物理人工智能（Physical AI）正在着手破解困扰纺织制造业数十年的难题。这是一种不同以往的AI创新：复杂的制造自动化不仅缩短了生产周期，实现了更快的迭代，还减少了库存积压，并从源头上削减了浪费。

为什么传统的自动化方式不足以满足时尚行业的需求？

消费者喜好瞬息万变，而传统的生产周期从设计到上架却需要数月之久。这种错位迫使品牌不得不过度生产，因为在短期内，错过趋势所付出的代价比库存过剩更高。由于制造商无法对实际需求做出足够快速的反应，这些滞销的服装最终的归宿往往都是被从仓库丢弃，并被送往垃圾填埋场。

据估计，2023年时尚产业的库存积压量高达50亿件，造成高达1400亿美元的销售损失。但过度生产只是问题的一部分。面料裁剪也会产生浪费，造成大量无法投入实际生产的边角料，而生产后期才发现的缺陷则意味着整批产品都只能遗憾报废。

纺织业曾求助于自动化以降低成本并提高效率，但传统系统遇到了一个根本性的障碍：它们无法处理织物。大多数自动化机器只能执行单一的重复性任务，例如沿预定线裁剪或移动刚性材料，但仍需要人工操作员来操作、对齐和定位织物。这种“协作机器人（cobot）”模式虽然提高了工人的产出，却未能显著提升生产速度或减少废弃物的产生，因为这些机器不够精密，无法处理柔软易变形的材料，而这些材料的特性会因织物类型、织法和环境条件的不同而有所差异。

借助精密的摄像头和传感器，物理AI系统在“感知、思考、行动、学习”的反馈循环中运行，实现快速、精准的按需生产，使制造商能够更具适应性，同时减少废弃物和滞销库存。这意味着它可以实现：

实时缺陷检测：传统的质量控制发生在成衣组装之后，这意味着投入在缺陷产品上的所有材料、劳动力和能源都会造成浪费。物理AI可以在缺陷出现的瞬间就识别出它们，通过及早发现问题，防止浪费在生产阶段不断累积。
材料优化：标准的服装样版会留下大量没有实际用途的织物边角料。而物理AI系统可以动态分析面料特性，并实时优化裁剪方案以减少织物浪费。以The Mills Fabrica支持的初创公司Unspun为例，利用3D编织技术生产管状轮廓织物，使其与最终服装的形状完美契合。Unspun无需将平面面料裁剪成纸样再缝合，而是直接生产出符合产品轮廓的面料，从而避免裁剪浪费，并制作出更合身的服装。
更高效的实时生产：通过减少整个生产过程中的浪费和缺陷，物理AI使小批量、高频率的生产模式在经济上变得可行，从而帮助品牌减少投机性订单，实现贴近实际需求的生产。品牌可以根据实际流行趋势生产小批量产品，从而直接解决过度生产的问题，避免数百万件滞销服装被送往垃圾填埋场。
更低的排放和成本：物理AI使在靠近终端市场的地方进行制造在经济上变得可行，从而大幅缩短了运输距离。这不仅削减了运输排放，缩短了物流时间，还降低了货运及关税相关的费用。

规模化应用物理AI系统需要具备哪些条件？

尽管优势巨大，但要让物理AI系统在真实的工厂环境下，针对不同类型的织物可靠地运行数千个生产小时，完全是另一项挑战。与可以进行数字化扩展的生成式AI不同，物理AI需要真实的测试环境、进入工厂车间收集数据的权限，以及愿意在其生产线上测试机器人系统的制造商合作伙伴。

这意味着进展取决于跨部门的集体努力，需要创业者、制造商和投资者共同协作，在实际生产条件下对解决方案进行测试、完善和验证。

在南丰作坊（The Mills Fabrica），我们投资全球范围内的时尚科技（Techstyle）和农业食品科技初创企业，并从“商业/技术影响力”的角度评估解决方案。最具有前景的投资往往同时具备这三个要素：基于深厚领域专业知识的强大技术基础、经证实能够与实际工厂环境相融合，以及可衡量的环境和商业回报。针对自动裁剪、织物搬运和缺陷检测等特定任务的应用，其表现往往优于通用型的平台和应用。

亚洲如何引领向物理AI的转型？

物理AI在整个纺织行业的应用正当其时，因为该行业正面临多重压力，包括：不可持续的浪费和过度生产水平；迫使采取新采购策略的供应链问题；以及消费者要求减少环境影响的日益增长的诉求。亚洲是全球纺织品的主要生产地，而这里的制造商正在应对异常剧烈的动荡。鉴于不断变化的贸易政策和关税，品牌不得不增加从新地区进行的采购和制造，这挤压了利润空间，也将成本转嫁给了最终消费者。不确定的政治环境持续要求制造商增强供应链韧性，而制造商们也正在不断拓宽采购渠道，日益实现其采购能力的多元化。

物理AI恰好满足了当今时代的需求：速度快、灵活性高、有质量保证和可持续性可验证。随着全球品牌寻求能够以更低的环境影响、在离本土更近的地方更快交付小批量产品的制造合作伙伴，物理AI将继续通过减少浪费、提高质量和加快生产速度，持续证明其清晰的投资回报率，从而系统性地将效率提升直接植入生产流程中。

物理AI系统已在工厂中投入使用。持续的成功不仅需要理解技术层面，还需要理解亚洲制造业的现实，这意味着要与现有基础设施进行整合。引领这一变革的制造商正与创新平台和技术开发商合作，迭代出能在真实环境下（而非仅仅在受控实验室中）运行的系统。随着时尚界的浪费危机不断加剧，物理AI正创造出一条新的可行道路，有望助力行业实现迭代升级，超越数十年来主导的过度生产模式。

本文作者：

Cintia Nunes，南丰作坊（The Mills Fabrica）总经理兼亚洲区主管

本文原载于世界经济论坛Agenda博客，转载请注明来源并附上本文链接。