划重点
01AI驱动的时尚科技公司Autone获得1700万美元A轮融资，投资方为知名风投机构General Catalyst。
02Autone为超过50个品牌客户提供AI决策支持，实现从需求预测到库存分配的全流程数字化管理。
03零售科技公司Singuli和专注于Shopify平台的科技公司Prediko利用AI技术提升库存优化和销售表现。
04此外，AI技术正推动时尚产业从传统的标准化大规模生产向更敏捷、更可持续的柔性制造模式演进。
05由于此，材料创新成为关键转折点，AI技术为可持续时尚开辟了新路径。
以上内容由腾讯混元大模型生成，仅供参考
近日，由 AI 驱动的时尚科技公司 Autone 获得 1700 万美元 A 轮融资，投资方为知名风投机构 General Catalyst。作为曾投资 Instacart 和 Airbnb 的投资机构，General Catalyst 对时尚科技领域的布局引发业界关注。
作为 Alexander McQueen 前运营主管，Autone 联合创始人 Bouhdadi 深谙行业痛点。在 McQueen 期间，通过开发数据驱动的运营平台，他带领团队在五年内将品牌营收提升至 8 亿美元。目前，这家成立三年的科技公司已为包括 Roberto Cavalli、Courrèges、Stüssy 等全球超 50 个品牌客户提供 AI 决策支持，帮助其实现从需求预测到库存分配的全流程数字化管理。
在 Bouhdadi 看来，当前时尚产业的关键不在于追求完美的预测，而是要为企业管理者提供一个清晰的决策支持平台。而快速发展的 AI 技术，恰恰为时尚产业提供了“预见不确定”的可能，也预示着数字化转型正式步入新的篇章。
今年来，经济复苏为时尚行业带来短暂的暖意，然而在麦肯锡最新高管调研中，四分之三的行业领导者认为前景或更趋严峻，“不确定性”已成为最频繁提及的关键词。
根据调查，73% 的首席采购官预计，需求波动将在未来 5 年成为影响供应商关系的最大挑战之一。
在这一背景下，一批融合 AI 技术的创新解决方案开始在市场上崭露头角。成立于 2019 年的零售科技公司 Singuli，通过机器学习技术，为包括 Rhone、Cozy Earth 和 Harper Wilde 在内的品牌客户提供全方位的库存优化方案。其核心优势在于能够实现多渠道库存的智能分配与自动补货，有效降低运营成本的同时显著提升了销售表现。
同样引人注目的是专注于 Shopify 平台的科技公司 Prediko。在获得 500 万美元融资支持后，Prediko 致力于打造面向数字原生品牌的智能预测平台。通过深度学习算法，该平台不仅能够准确预测市场需求，更重要的是实现了采购订单的智能化管理，帮助品牌有效规避了库存积压与缺货带来的经营风险。
从行业发展趋势来看，CB Insights 首席分析师 Laura Kennedy 观察到，最新一波获得融资的时尚科技初创企业都具有一个共同特征——这些企业都将 AI，尤其是生成式 AI 置于技术发展的核心位置。
这一趋势同样在 Algo 身上得到了充分体现。于今年年初获得 2000 万美元融资的 Algo，通过构建 AI 驱动的智能平台，帮助品牌实现了从商品企划到全球分销的全流程优化。
更值得关注的是，这些创新科技正在从根本上重构时尚产业的决策模式。Laura Kennedy 曾坦言，数据都在那里，但企业并不知道如何挖掘并合理使用。
这种转变使得时尚产业在面对不确定性时，能够以更科学、更系统的方式做出决策，从而在市场竞争中占据先机。而这也正呼应了当前趋势：73% 的高管预计在未来会优先考虑生成式 AI 等技术，以提高需求预测的准确性，优化库存管理，并提升对市场变化的响应速度。
面对能源密集、人工依赖和资源浪费三大核心挑战，服装制造环节的低效问题同样凸显。研究数据显示，制造环节的组装过程占据时尚产业总排放量的 20%，同时由于严格的质量管控要求，平均有 10-15% 的面料在服装组装过程中成为废料。而如今，这种传统的制造模式正在由 AI 驱动的智能制造体系逐步革新。
其中，工业自动化企业 Sewbo 的技术创新尤为引人注目。该公司开发的 AI 控制机器人系统，运用突破性的面料临时硬化技术，解决了柔软织物自动化处理的技术难题。这一创新使得机器人能够像处理刚性材料一样精确操控面料，实现了从简单缝纫到复杂组装的全程自动化。尽管这项技术仍处于初期阶段，但已展现出在特定类型服装生产中提升效率、降低能耗的潜力。
纺织技术企业 Lectra 所打造的 Valia Fashion 系统则展现了“数字孪生”技术在智能制造中的深度应用。利用构建实体设备的数字映射，该系统能够实时采集和分析生产数据，进行动态优化和调整。这种前所未有的响应能力使得生产过程能够近乎实时地调整以精确满足规格要求，从而优化面料使用效率并改善生产交付周期。通过云端同步的数字孪生技术，整个生产链的各个环节都能实现实时协同，显著提升了供应链的整体效率。
而定制化制造领域，法国科技初创公司 Euveka 的创新同样值得关注。其开发的“机器人模特”采用模拟人体组织特性的材料，能在 90 秒内完成不同体型之间的精确转换，不仅解决了传统人台模型在尺寸调整上的局限性，更为服装行业的数字化定制开辟了新途径。通过收集和分析压力传感数据，系统能够预测服装在不同体型上的合体性，有效降低了退货率，同时为品牌的可持续发展战略提供了技术支撑。
然而，正如可持续时尚与产业创新专家 Sophie Benson 所警示的，在推进制造智能化的过程中，如何保持和传承纺织工艺的专业知识，特别是在循环经济领域的技术积累，是行业需要审慎考虑的问题。
欧洲纺织服装联合会创新总监 Lutz Walter 同样表示，智能制造的终极目标是实现高度数字化的本地化生产体系，以取代当前低效且不可持续的离岸生产模式。
在这一转变中，AI 驱动的智能制造不仅是效率的提升，更是整个产业竞争格局的重构。通过数字化、智能化升级，制造环节正从传统的标准化大规模生产，向着更敏捷、更可持续的柔性制造模式演进。
市场需求的多元化趋势下，时尚产业正面临材料创新的关键转折点。过去二十年，全球纺织品产量几近翻倍，其中合成纤维占比高达 67%，涤纶更是达到57%。然而，高度依赖石油基材料的发展模式已难以为继，不仅无法满足可持续时尚的持续增长需求，也难以应对全球供应链的不确定性。
AI 技术的引入为改变这一局面带来全新可能。从分子设计到生产工艺的重构，材料创新正迎来前所未有的突破，为时尚产业的可持续转型开辟了新路径。
由 MIT 领导的 3DKnITS 项目展现了 AI 赋能可持续时尚的创新方向。3DKnITS 利用先进的针织机器创建可定制、贴合人体的纺织品，通过在织物中嵌入智能传感器，系统能够精准收集和分析使用者的生物力学数据。从步态模式到平衡能力，从肌肉协调到身体姿态，相关数据经由 AI 分析后能够为产品开发提供精准指导。这种将智能制造与个人化定制相结合的方式，不仅提升了产品性能，更为解决库存积压问题提供了技术路径。
而在材料创新领域，英国生物科技公司 Epoch Biodesign 通过训练生成式 AI 设计新型酶，成功实现了聚酰胺混纺面料的多次循环利用。这一技术突破使得从弹力运动服到高性能多层防水面料等各类尼龙混纺产品都能被转化为新的化学构建模块，进而制造成再生尼龙材料，不仅解决了混纺面料回收的技术难题，更为行业循环经济的发展提供了新思路。
材料科技企业 Nanoloom 则运用 AI 系统开发了石墨烯纳米材料的创新应用，显著提升了纤维的强度、导电性和弹性恢复性能。与此同时，来自芬兰的 Spinnova 同样利用 AI 技术优化木浆和其他废料的机械精炼过程，无需传统的化学溶解工艺，直接将原料转化为纺纱级纤维悬浮液，不仅避免了有害化学品的使用，更大幅降低了生产过程的环境影响。
技术驱动的产业变革从未如此紧迫。据预测，在“一切如常”的增长模式下，服装行业的温室气体排放将在 2030 年达到 15.88 亿吨，远超巴黎协定 45% 的减排目标。
从需求预测到材料创新，从智能制造到精准生产，AI 技术已成为重构产业运营逻辑的核心力量。随着行业数字化转型的深入，AI 落地背后的“创新能力”正取代传统的”生产能力”，成为企业的核心竞争优势。对于身处变革前沿的企业而言，思维模式的转变比技术应用更具挑战性，如何在不确定性中把握确定性，也将成为检验企业战略远见的关键。SJ TECHNOLOGY