作为全球数一数二大的产业，时装产业占有全球GDP的2%左右，2018年的全球市场来到3万亿美元，即便时装产业本身就有既定的性质存在，但在面对人工智能的时代来临，时装产业的转型有其痛点跟难处需要克服。时装产业中的产业链如设计、制造、销售等，将受到人工智能的导入而有所改变。
来自香港理工大学纺织及服装学系郑翼雄教授表示，由于时装产业面临的是服装人才不懂人工智能的技术、而有技术的人才却缺乏服装的专业知识等瓶颈，因此找到能够斜杠的人才确实有其难度。服装产业一直以来都是在做“预测”的动作，不管是流行趋势或是颜色，郑翼雄分享目前各产业链导入人工智能的表现，其中又以零售电商、工厂生生产线跟设计是比较有感的改变。
零售电商：机器学会识别能更快掌握消费者喜好
郑翼雄以一份统计报告指出，全球消费者在购物的习惯上，有将近55%已经习惯线上浏览、并有高达74%的消费者会从社群媒体的渠道获得服装等消息，显示线上的沟通已经成为影响消费者购买服装的重要渠道。
由于服装的种类繁琐，机器学习上有一定程度的困难。当瓶颈突破后就能快速区分并标签服装种类，让未来在线上购物时能快速提供消费者穿搭建议，优化使用体验。作为服饰电商，在乎的就是消费者的浏览轨迹并预测其喜好，借此投放正确的商品，不论是吸引消费者或是给给穿搭建议皆行。由于服装风格与种类过于繁多、女装更是如此，因此机器学习的过程显得相对困难，要让人工智能能够真正识别服装的种类并协助自动标签分类，郑翼雄说他们让机器学习约100万个图鉴才完成初步的技术，也才能够将每件分类并标签化，如此将来就能通过各种被标签化的产品，进行相关的服装单品推荐或是风格搭配的建议等。
生生产线检测：纺织工厂瑕疵检测的技术突破
此外，目前工厂导入“瑕疵检测”的技术其实并不稀奇，在生生产线上面对单一产品的瑕庛学习与识别，就现阶段的技术上是相对容易克服。不过郑翼雄表示，服装布料的生产过程，由于纺纺织品的结构多变、织法的繁琐与技法的不同，导致织纹跟瑕疵类型的差异过于迥异，造成机器很难识别何谓瑕疵的布料、何谓正常设计，因此目前纺织厂多是依赖人工目测做检测。
纺织工厂的瑕疵检测有其难度，在于布料的织法上有各种不同技术，难以界定何谓正常、何谓瑕疵。
郑翼雄目前导入一种以CCD镜头去进行生生产线上的瑕疵检测：聪明眼，目前以人力的检测来说，可能仅有7成的准确率，而且工厂的检测多以随机抽检的方式进行，因此可能会有漏网之鱼流入市面，通过“聪明眼”直接在机台上做最即时的检测，不仅在检测上能做到滴水不漏，准确率也能在不久的将来达到接近百分之百的状况。
服装设计：人工智能将成设计师预测市场的好帮手
而对于服装产业中重要的设计一环，郑翼雄表示，时常有人问他，当设计的环节导入人工智能，是不是设计师就要失业了？他表示，就目前设计一环导入人工智能的方向来看，主要还是在协助设计师能掌握消费者的习性，通过AI的协助快速抓住市场的流行并给给设计即时的反馈同时激发设计师们的创意，并无法取代设计师的角色。
根据Forbes的报导，过去时装产业需要靠上一个年度的销售表现来预估下一季消费者的偏好，在可以导入人工智能的现在，趋势的预测将有助于设计师在执行工作内容上，提高准确度、误差有可能降低到50%以下。
服装产业投入AI，2022年将增至73亿美元
显然以设计文本的时装产业，也正受到人工智能的发展而有所改变。根据研调机构Juniper的报告指出，现在人工智能不仅已是服装产业里不可或缺的一部分，企业的投资也将从2018年的20亿美元，提升到2022年的73亿美元。未来或许设计师的工作将会更轻松，工厂里的布料生产的瑕疵状况也将可能受人工智能影响而降低，最重要的是大众习惯购物的电商平台，将能通过数据的搜整，提供更好的购物环境跟产品推荐，让消费者使用体验更佳优化。