郑泽宇从2015年开始关注国内人工智能的发展，那时Deepmind推出的AlphaGo让大众对人工智能的概念有了初步认知。随之而来的是人工智能在国内掀起的第一个浪潮，大量的人工智能企业创立起来。

　　2016年初的时候郑泽宇和Google的一些同事回到国内创办了第一家公司。从那时开始，他开始关注国内人工智能的落地场景，并在许多不同的领域，如安防、能源、金融等，做过一些尝试。

　　在这个过程中，他接触了到服装行业，觉得通过AI技术助力服装行业是一片蓝海。于是在2018年初时，郑泽宇及其团队从第一家公司独立出来，成立知衣科技，专注于AI技术在服装行业的落地。

　　谈及人工智能的应用场景，人们第一时间联想到的行业会有金融、医疗、能源、物流、制造、零售、城市、农业等等，但很少听到服装行业。常说「衣、食、住、行」，「衣」是排在第一位的，如此之大的一个行业，为什么人工智能没有得到很好的落地？其中有很多原因。

　　金融、医疗、能源等等是大家在日常接触比较多的行业，特别对技术人才来讲是很好理解的行业。但技术同行对时尚服装领域的理解并没有很充分。AI在服装行业里面能干什么？应该植入在哪个环节？很多人会有这样的疑惑和困扰。但随着和行业内企业与从业人员的深入交流，郑泽宇团队发现服装行业的技术能力以及数据化程度都非常低，这里面有很多值得尝试的机会。

　　郑泽宇发现在服装企业中，设计师接触到的数据化信息非常少，许多设计师甚至不知道自己公司卖得好的款式有哪些。是服装企业没有这些数据么？并不是。原因在于数据的提供方通过数据思维或者互联网运营思维组织整理出来的数据产品不符合设计师的数据处理习惯，设计师不愿意使用这样的数据系统，这使得设计师总是在不了解市场的情况下设计出不受消费者青睐的款式。

　　设计师对于技术和数据的需求其实很大。但是在相对传统的服装行业，由于数据工具的一些不完整性以及技术从业者对时尚行业特别是对设计师的理解有限，导致目前基本上没有科技类公司在辅助设计环节有所涉猎，这方面仍有着巨大的挖掘空间。

　　从上图可以看到服装行业的产业价值链，就现阶段而言，服装设计环节整体上缺乏数据化辅助工具，信息化程度低。那么服务设计师群体到底有多大的市场或者价值？

　　整个服装产业除了公认的市场端高价值之外，另外一个价值高地就在设计环节 。在利润比例上，市场、设计和生产大概是5：4：1的分配比例，市场甚至没有明显高于设计。在这样一个价值非常高的环节上，却没有非常好的工具或者为设计环节提供服务的服务商。所以郑泽宇团队认为AI技术在服装设计环节落地的机会非常大，这也是他成立知衣科技的初衷，借助科技的力量解决设计师面临的一些问题和困难。

　　当提到设计师的时候，很多人的第一印象会觉得这份职业十分高大上、偏感性、富有艺术感。但郑泽宇团队在跟设计师群体，特别是大部分的中国设计师近距离交流或者进行合作的时候，发现他们的工作方式很「原始」，设计师之间的沟通交流基本靠微信，也没有专门针对设计师的管理工具或者效率工具。

　　设计师使用的工具非常原始，还停留在平面时代，选款过程中效率低下，比如一个男装潮牌企业的设计师是怎么去收集跟潮牌相关的款式的呢？设计师只能去各个社交平台上或者对标品牌的官网上去浏览图片，在不同的网站上寻找、收集数据。这就导致大量服装设计助理的日常工作内容就是收集和整理数据。

　　现实中，服装设计师最核心的工作并不是发现灵感、进行创作，对于中国90% 的设计师而言最核心的工作是选款怎么做出爆款？去哪发现爆款？怎么判断爆款？

　　寻找时尚灵感和判断时尚趋势是设计师在工作过程中最大的两个挑战。在传统的模式中，设计师主要依靠主观进行寻找和判断，缺乏市场数据和反馈信息。同时，在设计培训课上，设计老师也更多的去强调设计或者艺术的部分，而缺乏对数据和市场指导的重视，这也导致设计师对技术的需求非常强。

　　首先是电商聚合数据源，包括淘宝、京东、唯品会等各种各样的电商数据。这类数据具有一定的市场指导作用，比如淘宝销量，京东评论，各个不同平台的点赞或者其他的浏览数据，这些数据可以从侧面反映出市场对某个款式的认可程度。

　　电商数据的第一个作用是验证信息。某个款式到底流行还是不流行？消费者喜欢还是不喜欢？通过销量数据、评论数据能得到反馈。服装企业在开款环节如果想做去年爆款的一些延续款，就可以参考去年市场上和竞争对手的爆款数据，反推今年什么季节做什么样的款式。

　　第二作用是可以帮助服装企业更快地对市场做出反应。就这两点而言，电商聚合数据对设计师的选款工作有非常大的帮助。

　　第二大类的数据是社交媒体的数据，包括微博、小红书、抖音、快手这些平台。这类数据反映了当下的流行趋势。

　　网红和明星他们在穿什么？他们在发一些什么样的图片？社交媒体会影响到大众对时尚的判断和审美，因此通过对这些数据的分析可以辅助判断近期的流行款式，例如淘宝上有大量ins风的服装，可见ins上的风格对中国时尚界的影响非常大。鉴于此，知衣科技收集了超过百万的ins博主，数万小红书、微博博主最新最潮的数据。

　　第三大类是更偏时尚专业的数据，比如秀场、订货会、品牌画册这样的一些数据。在时尚度上这类数据要领先于电商及社交媒体数据，是更加前沿的流行趋势。

　　国内很多的企业在判断、分析流行趋势的时候，时尚专业的数据是一个非常重要的参考标准和依据。如果设计师通过感性的方式欣赏秀场，看完一场show之后可能会产生主观偏见的印象，比如当设计师觉得今年红色会流行，只要有两三款红色走秀款就容易让他觉得想法获得了验证，从而产生偏见。

　　但通过数据分析的方式可以帮助设计师相对客观、精准地来分析品牌定位，比如什么元素更流行？秀场体现了什么趋势？数据提供了更加理性的判断标准，帮助设计师把握流行趋势的变化。

　　随着互联网的发展，越来越多的数据留存在网上，这些数据量有多大呢？知衣科技每天收入的商品数量超过千万，博文数量超过百万。如此大量的信息，如果不对这些数据进行整理和分析，设计师根本无法人工处理这么多信息。

　　另外，图片对设计师来说是一个非常有效的传达信息的载体。如何从图像当中去提取专业化的标签是非常重要的事情，因此知衣科技对数据的处理方式都是以图像数据标签识别作为基础的。