很多人了解郑泽宇，是从那本《TensorFlow：实战Google深度学习框架》开始。作为国内第一本TensorFlow读物，这本书启发了一大批技术从业人员。

郑泽宇的身份标签很多，“北大学霸”“前才云科技创始人”“理工男”“Google高级工程师”……对于他来说，每一个标签都代表着一种经历，以此带来了成就他的环境认知及文化底蕴，并为未来创业、企业管理的心态和方式奠定基础。

他们的创业真正开始于2016年，彼时国内大数据处于成长期，人工智能的应用也在一定程度上滞后，而那时已经在谷歌工作三年的郑泽宇深受启发，立志回国做出一番事业。在谷歌已经开源TensorFlow技术基础下，郑泽宇创立了才云科技，但那时公司的业务往往是给企业做人工智能外包，壁垒与可持续性不强，于是他们开始寻找其他的特色路径。

恰逢接触服装行业，郑泽宇等人有了再创业的想法。“当时其实纠结了很久，作为技术男，说实话我们在时尚行业里创业是不占优势的，所以我们后来花了很长时间去了解整个产业的运作方式，包括设计师的日常。”郑泽宇对《现代广告》说。

服装行业这些年

2017年是“新零售”元年，传统服装行业遭遇挑战，渠道单一、产能过剩、管理模式老化等陈年问题难以解决。加上快时尚品牌席卷、直播电商冲击，很多传统服装企业难以把握日益个性化的消费需求，且周期成本高，“疲惫感”显现，甚至一大波企业面临关店潮。

当传统的订货生产模式无法满足消费诉求时，很多企业向上游供应链挖掘更多可能，除了OEM生产模式，ODM模式渐渐成为更多企业的选择，这时品牌只需要完成产品的设计规划及定位，剩余的整个设计流程都可以在ODM工厂里完成。

但在设计层面仍然存在设计效率低、品牌的选款速率慢等问题，比如一家企业想要一件带帽子的红色羽绒服，前期只能通过系列检索当季流行趋势，信息收集周期长且不够精准。再如设计师在设计一款新品前需要打版做样衣，在多次试错改造过程中，时间及材料成本都是问题。

在诸多情况下，不少企业或设计师向技术层寻求支持。很多人将2018年称作服装行业的的转折点，一个重要原因在于行业技术的转变。据当时的数据统计，高达75%的时尚零售商在2018年在人工智能层面投资，无论是B端或C端都有了一定程度的智能化趋势。比如2018李宇春在出席VOGUE周年庆典时身穿的便是人工智能参与设计的礼服。B端层面上，不少企业在人工智能的加持下，有了更高效的生产形态。

知衣科技正是在这样的契机下成立。“其实很多服装行业的从业人员都很苦，一不小心押错一个款，可能搭进去的便是一辈子的积蓄，并且整个行业资源浪费也很严重。”郑泽宇谈及，他们正在持续的探索中找寻答案，但在整个创业的过程中并非一帆风顺。

“作为一个码农，要去理解时尚设计并不是那么容易的一件事，那时很多设计师甚至都不愿意跟我沟通，他们会觉得我们活在两个世界，沟通本身就是在浪费时间，后来我们一直在设计师旁深入学习，一段时间之后对于行业有了深入了解，也有更多人愿意来跟我们交流，甚至到后面，他们会主动来跟我们沟通。”郑泽宇坦言，凡事都需要过程，而这只是他创业过程中面临的“第一道坎”。

事实上，随着创业的深入，郑泽宇面临的难题也在进阶。如果说刚开始只去琢磨怎么把技术的价值发挥出来，后来便希望改变整个生态，去想怎么更好地改造行业，怎样让行业朝着更加积极健康的方向发展。这是郑泽宇的个人理想，也是整个知衣科技的发展路径。

技术“魔力”

近年来，通过技术以及行业经验累积，知衣科技的服务主要稳定地布局在两个服务。通俗来说，其中一个服务是软件工具的SaaS服务，郑泽宇透露，在这个层面上系统每天会收集100多万种款式，通过智能化算法进行分析整理，而后给企业做赋能。

另外一个服务则在于ODM模式下供应链，通过加盟设计师或者企业自有设计做样衣。在这其中，知衣科技也构建了自己的设计师团队，据郑泽宇介绍，目前设计师团队规模已经达到百人。

在第二种服务模式下，人工智能为基础的3D试衣系统收获了不少关注。如前文提到，在以往设计师面临的诸多困境中，样衣的直观展示是重要一环。

传统试衣系统通过贴图的方式进行样衣的元素替换，包含颜色信息与图案信息，也包含整体与局部的区别，但整体比较扁平。3D智能试衣系统的深度网络神经，能够把一个平面图的深层信息抠出来，比如一件衣服是有褶皱纹理的，3D智能试衣系统能够把深浅褶皱全部展示出来。这一系统曾被评为TensorfFlow 十大经典应用之一。

“其实3D试衣系统只是我们软件设计的一部分，用于设计师或者企业内部交流，目前没有特别应用到C端。”郑泽宇提到，除了有关于他们企业本身面向B端之外，目前这一技术并不足够成熟到能够直接给用户使用，毕竟在用户直观的感受下容错率低，一个不经意间的小设计都可能会影响转化率。

而在第一种服务模式下，趋势预测是其中的亮点。十年前做服装，很多企业会关注大牌秀场趋势订货会，根据经验及感受判断什么流行，什么会成为爆款，有的甚至依靠买手的主观意愿，这其中的风险很大。而伴随用户需求不断改变，秀场不足以成为大众趋势的风向标。

“这是应用科学的范畴，这些秀场展现的消费趋势与淘宝天猫销量的关联度多高，其实没有人能够给一个很好的回答，我们现在在做服装领域的进一步突破，奠定一个创作的方法论。”郑泽宇说，比如预测未来一周或是三个月会流行什么，会用到相关的技术，毕竟一个设计师不可能每天看100万张图，但算法可以。

归根结底，诸多的应用场景离不开数据与人工智能的技术支持，而这两者是相辅相成的关系。在郑泽宇看来，数字化是智能化的基础，数字化与智能化相结合才能完成良好决策，当服装行业数据化都没有实现的情况下，谈不上智能选款，更谈不上趋势预测。数据是前提，智能化是决策的促进方式。

事实上，就AI技术而言，底层逻辑是大致相同的。由于技术应用场景不同，对于技术的性能可靠性以及在不同领域的要求也有所区别。比如深度学习的算法，既可以应用在金融行业、能源等行业，也可以应用到服装行业。“技术本身可能都是相似的东西，更重要的是要去理解行业，从而把技术落到实处。”他提到。

这一点也体现在知衣目前的团队架构上。据郑泽宇透露，目前知衣科技团队成员基本上一半来自于行业，一半来自于技术。他提到，“我们4个合伙人，2个是行业背景出身，2个是技术背景出身。整个公司的构成也大概是这样。”

初心与供应链未来

2021年7月，知衣科技完成2亿元B轮融资，由高瓴创投和万物资本领投，涌铧投资和老股东君联资本跟投。在一定程度上来看，这是来自行业的肯定，也是郑泽宇等人在服装供应链这条路上的收获。

从设计SaaS入口向产业链下游延展，柔性供应链服务除了面向电商品牌与时尚红人，也正向扩充到了鞋、帽、箱包、配饰与家居服等大时尚消费品行业扩充。据公开资料介绍，在这一整套打法下，很多企业的爆款率比传统提升100%。市面上做技术的公司很多，做供应链的也不少，但在郑泽宇看来，知衣科技依旧具备较强的差异化。

与郑泽宇通话的当天，是知衣科技海外版系统上线的日子。他透露，“很多企业在产品发布层面已经订了我们的软件，出海版与国内版本数据切换的主要选款逻辑和数据呈现与分析逻辑其实差不多，最大的区别可能是语言以及消费习惯。”

伴随海外版产品的出现，在郑泽宇等人的带领下，知衣科技已经朝着下一个阶段迈进，但依旧面临很多挑战。“我们要去组织我们的供应链资源，需要不断地去积累供应链经验与知识。这一点，我们依旧在路上。”

与此同时，国内服装行业关于人工智能的应用处于相对初级阶段，无论是技术教育、系统研发都需要更多投入，也需要赋能更多人参与。尽管服装行业越来越多地布局数字化，但是在各个环节上，数字化改造与整合一直在进行。“从数据化设计到数据化打版到产业链数字化的整合改造，都是大家希望去做的数字化转型。很多传统的服装行业人群数字文化掌握水平相对较低，今天越来越多的高科技人才参与进来，产业整个转型升级还是比较蓬勃发展的状态。”郑泽宇说。

时至今日，郑泽宇的“时尚梦”仍在延续，但初心始终未变。“创业以来，随着你的世界不断变化，你思考问题的规模以及梦想、目标都在变化。我们最初的想法和目标就是希望通过设计，然后去引导整个产业。”

“每隔一段时间我们都会去回顾反思，我觉得现在可以很骄傲地说，我们一直在围绕自己的初心去做这个工作。每一次战略决策我们都是本着一个初心来做，按照从服务设计师到改造产业链来完成我们的战略布局和战略执行方案。”

郑泽宇说，希望知衣的未来能够促进整个行业的未来，实现这一目标还有很多功课要做。“我们分发的能力和算法其实还有可以提升的空间，未来的智能化设计、智能化数据最核心的点还是在对趋势的判断。设计连接着工厂、品牌、设计师与消费者，在智能化设计层面未来会不断加码。”