至顶网软件频道消息:过去,企业供应链缺乏透明度被视为一种竞争优势。企业希望他们的供应商和制造商尽可能不透明。
如果没有人知道供应源来自哪里,就没有人可以生产出相同的服装。这种想法甚至扩展到了客户,当涉及到对时尚业的公平贸易和制造存在担忧时,这就是“眼不见,心不烦”。
显然,企业和消费者对透明度的态度已经发生了变化。由于消费趋势以及像Better Kinds这样专注于离散制造的企业,现在让每个人都能知道你的衣服来自哪里,已经变成了一个优势。人们越来越要求透明度,而像Patagonia和Everlane这样的公司,则把可持续性和供应链透明度作为一个卖点。
不过还有很多工作要做。很多服装公司缺乏道德供应链,全球10%的排放量都是来自服装行业。
所幸的是,区块链已经开始通过跟踪和库存管理这样的技术在改变着服装供应链。随着3D打印和人工智能等其他技术的不断发展,服装行业可能会看到更为戏剧性的变化。
下面就让我们来看看服装行业是如何进化以及未来的发展方向:
区块链技术已经在变革服装行业。
服装行业的区块链解决方案源自于在区块链上创建商品与其数字身份之间物理-数字链接的独特能力。通常,加密印章或序列号作为物理标识符,链接回单个产品的“数字双胞胎”。
这种链接有助于实现更透明的供应链。每次产品易手时,保管权的变更都会记录在区块链上。显然,假冒商品缺少物理-数字链接,任何转移商品的企图也是很容易被发现。区块链上的监管链提供了最后一方获得产品保管权的记录,显示了假冒产品在哪里运进,或者真品在哪里被转出。
更高的供应链透明度,成为了企业改变经营方式、甚至改变他们作为一个组织如何审视自己的动力。
像Loomia这样的公司正在研究直接从纺织品本身收集消费者数据的解决方案,并在区块链上注册这些数据。
但说实话,区块链只是一个开始。服装行业可能正在进入一个有着截然不同的生产和消费形式的新时代。
企业必须重新思考他们如何定位自己。
千禧一代并没有消耗那么多的快时尚,而且他们倾向于不信任关于可持续性的虚假说法。
太多的品牌被暴露出浪费资源、对环境不友好。对快时尚的强烈反对在年轻一代中很明显,他们对标签没有太多印象,乐于购买经得起时间考验的复古服饰。
服装企业开始注意到这一点,并且在某些情况下试图改变他们的商业模式。
以耐克为例。他们不再将自己定位为服装公司。相反,他们将自己称为一家恰好可以制作衣服的技术公司。他们的衣服和鞋子经常配备传感器,用于跟踪心率、跑步里程或燃烧的卡路里。
因为数据现在成了最引人注目的商业模式。未来几年将得到蓬勃发展的公司,是那些能够重塑自我、跟上技术和社会变化的公司。
品牌的未来比区块链的未来更大。
区块链技术可以帮助服装行业追踪服装在整个供应链中的情况,这本身对许多公司来说就是业务模式上的重大升级。然而,服装业的未来更多地是关于行业的商业模式和文化变化,从激励消费的供应链,到以可持续性为荣的需求链。
从供应链向需求链的转变,意味着服装生产将重新回到本地的、分布式的中枢上来。
想象一下,一位消费者走进商店购买一件T恤。他们透过屏幕来选择面料类型、甚至是品牌。经过短暂的等待,他们手上就拿到了他们想要的衬衫。
说实话,这个模型并不是那么遥不可及。这项技术已经开始被用于在本地快速制作服装,而且这改变的不仅仅是服装的制作方式,还将改变消费模式和行为模式,人们会在需要的时候制作出他们需要的东西。
品牌必须提前思考,并把自己定位于与技术进行整合。他们需要回答关于他们存在的基本问题。如何保持品牌诚信度?稀缺性和排他性的概念是否仍然在品牌形象中发挥作用? 如果人们可以按需地在家制作服装,那么透明真实意味着什么呢?
服装行业将在未来很长一段时间内解开这些问题的答案。如果目前的趋势继续下去,结果将大大改变个人购买和消费服装的方式。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。