2022年12月份苏州工业区的一家职业装定做厂内，工人们正在埋头为快时尚外销服装赶工。吊挂在屋顶上的衣架在工位间穿梭，在一个工位上，工人每次快速完成一个流水线操作后，就拍一下缝纫设备上的大按钮，进行计件。这一幕正渐渐出现在更多服装工厂里。在中国服装加工厂中，正在发生一些变化。

        一些工厂每天都接到新款服装订单，也会接到一些“翻单”需求。“翻单”就是对之前一些生产过的服装进行补货。但这些翻单需求通常很急，很多要在7天内交货。这与过去服装厂的情况完全不同。

传统上，每年10月是全球各大时装周的忙碌时节。在巴黎时装周、上海时装周上，会发布明年春夏的潮流款式。之后，各种渠道召开洽谈会，订单将在品牌方汇集成一个个大订单，再下单到加工厂。

从时装周到服装上市，这个周期通常有半年。对工厂来说，这是一种很舒适的状态。每个季度做的款式和数量是确定的，可以有条不紊地组织生产。

        但现在，快时尚品牌、电商渠道崛起后，连锁品牌影响力在减弱，人们的审美也不再千篇一律，流行趋势更迭加速。如果一款服装再生产几万件，很可能会变成库存。

库存是国内外服装巨头们最害怕的问题。快时尚品牌ZARA曾以小批量、多款式上新的方式横扫服装产业。爆款货快速返单，滞销产品打折快速清库存。ZARA创造过行业的新记录，它的新品从工厂到上架，达到了惊人的2周。但即便这样，库存依然是它的心头大患。

      过去十余年里，职业装定做厂家销毁库存的案例频发。2018年烧毁的库存多达数千万元；在国内曾经打造了增长神话的美特斯邦威、拉夏贝尔，库存更是高达几十个亿，直接导致企业资金链断裂，拉夏贝尔甚至被迫退市。按照传统作业逻辑，新款版样到达工厂后，需要经历一系列复杂的工作流程。首先由成熟的样衣工，将衣服从图样变成一件可以仿制的衣服，工艺工程师把制衣过程拆解成一道道较为简单的工序，一件羽绒服或连衣裙，可能要上百工序，几十个裁片；然后班组长按照工序安排工人，仓库和裁剪房准备物料。这些事要靠人脑来做，跑通人、机、料一个流程通常要一到两周。

      现在，小单快返的趋势，工厂上新款、翻单的频次越来越密集，从A款服装转到B款，也涉及很多问题，仅靠人脑来安排，变得越来越困难，时间也“耗费”不起了。

人工智能系统也在这个时候进入了中大型服装厂。AI汲取了大品牌、大工厂的供应链管理经验和精益生产理念，并在交期、人员技能、设备、工序、小组等约束条件下，对全厂范围内进行资源的配置，算出最优的生产和排产规划。

       “AI其实模仿了工艺工程师拆款的能力，组长分配工序的能力，裁剪房算料、安排二次工艺的能力，同时监控流水线上的动态波动，解决瓶颈工序，让生产更加顺滑。”刘珂博士说。比如，一个工序上员工还不熟练，或者生病了，AI会实时算出新的分配方案。

       这样，即使换款，人工智能还是能及时算出新款服装的方案。而且，它还能根据员工的“学习曲线”，安排员工最擅长的工序，生产效率能有所提升，员工的工资还会提高。

在人工智能的帮助下，这些工厂逐渐具备了应对复杂生产状况的能力，从而适应小单快返。传统上，企业的管理信息系统都是从上到下推动的。无论是企业资源计划ERP，还是流程管理BPM，都被称为“一把手工程”。

        对于工人来讲，他们没有感受到信息化的实惠，反而是工作量的增加。“我原来只管做衣服，现在还要在这个地方输一个数，那个地方再输一个数，这会很烦。”工人们说。现在，在数字化和智能化中，一些行业人士达成了共识，它应尽量是无声无息的，不给一线人员添麻烦，而最重要的是，它能让一线员工多赚钱。

      根据每位工人的产量、质量、返修量数据，系统会生成每个人的学习曲线，不同员工构成一个学习矩阵。系统会按照员工技能进行工序分配。之前那种靠与班组长的关系吃饭的状况，也不复存在。

例如，工人的工作状态并非始终能保持最高效率，数智前线在某知名的应用数字化手段的服装厂里就见到了一位厌恶智能技术的工人。他忧心忡忡，充满不满，“厂里给做得最快的人发了奖金，做得最慢的人计件工资比正常工资打了点折扣。几年下来系统里记住的都是最快的记录，手慢的人慢慢都被淘汰了。”

在记录了个体最优表现后，如果未来状态下滑，对企业主而言，这些人将被如何对待？新技术进入生产环节，提升了生产效率后，能不能更大限度保护工人的利益，人能否在技术应用之后有尊严、有出路呢？这些也是业界需要思考的问题。

      不同类型的工厂，对智能技术的接受速度和能力并不一样。

最终订单生产会分配到小工厂里。小工厂无需以很高的成本去完成换款，只需完成最基础的缝制环节。

      某种程度而言，这样的方案是将数字化的架设，从小企业剥离。整个订单流程里小工厂需要用到的软件支持，基于现成的沟通聊天应用搭设。这样，珠三角、长三角大量闲散的职业装定做厂家制造能力能够得到应用，也最大限度降低了这些小企业智能改造的成本。