2022年12月份蘇州工業區的一家職業裝定做廠內，工人們正在埋頭為快時尚外銷服裝趕工。吊掛在屋頂上的衣架在工位間穿梭，在一個工位上，工人每次快速完成一個流水線操作后，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里。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，也會接到一些“翻單”需求。“翻單”就是對之前一些生產過的服裝進行補貨。但這些翻單需求通常很急，很多要在7天內交貨。這與過去服裝廠的情況完全不同。

傳統上，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，會發布明年春夏的潮流款式。之后，各種渠道召開洽談會，訂單將在品牌方匯集成一個個大訂單，再下單到加工廠。

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

        但現在，快時尚品牌、電商渠道崛起后，連鎖品牌影響力在減弱，人們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幾萬件，很可能會變成庫存。

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

      過去十余年里，職業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元；在國內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億，直接導致企業資金鏈斷裂，拉夏貝爾甚至被迫退市。按照傳統作業邏輯，新款版樣到達工廠后，需要經歷一系列復雜的工作流程。首先由成熟的樣衣工，將衣服從圖樣變成一件可以仿制的衣服，工藝工程師把制衣過程拆解成一道道較為簡單的工序，一件羽絨服或連衣裙，可能要上百工序，幾十個裁片；然后班組長按照工序安排工人，倉庫和裁剪房準備物料。這些事要靠人腦來做，跑通人、機、料一個流程通常要一到兩周。

      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A款服裝轉到B款，也涉及很多問題，僅靠人腦來安排，變得越來越困難，時間也“耗費”不起了。

人工智能系統也在這個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理念，并在交期、人員技能、設備、工序、小組等約束條件下，對全廠范圍內進行資源的配置，算出最優的生產和排產規劃。

       “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，解決瓶頸工序，讓生產更加順滑。”劉珂博士說。比如，一個工序上員工還不熟練，或者生病了，AI會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“學習曲線”，安排員工最擅長的工序，生產效率能有所提升，員工的工資還會提高。

在人工智能的幫助下，這些工廠逐漸具備了應對復雜生產狀況的能力，從而適應小單快返。傳統上，企業的管理信息系統都是從上到下推動的。無論是企業資源計劃ERP，還是流程管理BPM，都被稱為“一把手工程”。

        對于工人來講，他們沒有感受到信息化的實惠，反而是工作量的增加。“我原來只管做衣服，現在還要在這個地方輸一個數，那個地方再輸一個數，這會很煩。”工人們說。現在，在數字化和智能化中，一些行業人士達成了共識，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。

      根據每位工人的產量、質量、返修量數據，系統會生成每個人的學習曲線，不同員工構成一個學習矩陣。系統會按照員工技能進行工序分配。之前那種靠與班組長的關系吃飯的狀況，也不復存在。

例如，工人的工作狀態并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里就見到了一位厭惡智能技術的工人。他憂心忡忡，充滿不滿，“廠里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。幾年下來系統里記住的都是最快的記錄，手慢的人慢慢都被淘汰了。”

在記錄了個體最優表現后，如果未來狀態下滑，對企業主而言，這些人將被如何對待？新技術進入生產環節，提升了生產效率后，能不能更大限度保護工人的利益，人能否在技術應用之后有尊嚴、有出路呢？這些也是業界需要思考的問題。

      不同類型的工廠，對智能技術的接受速度和能力并不一樣。

最終訂單生產會分配到小工廠里。小工廠無需以很高的成本去完成換款，只需完成最基礎的縫制環節。

      某種程度而言，這樣的方案是將數字化的架設，從小企業剝離。整個訂單流程里小工廠需要用到的軟件支持，基于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裝定做廠家制造能力能夠得到應用，也最大限度降低了這些小企業智能改造的成本。