Simulation

I'm so tired.

But you were building the Simulate, the human Simulate.

We actually didn't use Buster.

You guys took a wetsuit and filled it with alginate, which I thought was such a brilliant way to create a human Simulate.

I loved working with alginate because I've used it a lot.

So basically it's made of seaweed.

But then there's the other kind of project.

He ran a multi-agent geopolitical simulation using a framework called Snowglobe.

Complex stuff.

Multiple agents each with their own context window.

The thing that jumps out at me about Daniel's two examples is that they're perfect bookends.

37 cents for 100 items is a bounded, predictable workflow.

$100 for one simulation run is an unbounded, agentic one.

And the central paradox of AI APIs right now is that they're astonishingly cheap per unit.

Layer 2 tests causality.

Because of that hard-linked record, they can rewind the simulation.

and utilize counterfactual testing.

Which basically means they play out the exact same scenario three different ways.

They tested it against major open weight models like Mistral, Quen, Vicuna, and Fi.

OK.

In the baseline simulations, the latent mass cartels were causing real financial damage.

The Quen models cartel knocked 12.43 credits off the auction revenue.

刚才我们有学者啦，研究员啦，去分享 AI 的发展。来到今天我们最后一位的讲者啦，我们非常荣幸邀请到，呃，Style3D 首席营运官陈恩平先生 Alvin，为我们介绍一下 AI 和 3D 技术的产品创新之路。那，呃，Style3D 其实是一间，呃，科技推动的创新企业啦，那通-透过先进的 3D 技术呢，和人工智能解决方案去重塑回时装产业。那，呃，Alvin 请。

OK，呃，Good afternoon, everyone。I am，呃，Alvin from Style3D。I am the CEO of Style3D，in charge of the，呃，global strategy in this company。And I have been serving for this thing for around seven years。呃，so for，呃，you know，呃，because I want to ensure I explain more precisely，so I will explain in Chinese if that is okay。Okay, cool。So，呃，today my，呃，今天我的主题呢，就是还是我们底层，因为大家都知道我们公司其实是做仿真起家的，然后刚刚跟刘教授讲的很多是比较有关联，我们做的其实就是变形体的仿真，deformable。那主要是两类，一类是人体，对吧？第二类其实就是 fabric。那 fabric 相关的产业呢，基本上就是以我们的这个 fashion 为主，然后也有 home textile，也有包括这个汽车内饰。那我今天讲的核心的方向还是讲，呃，涉及到开发这一端，因为坦白，坦白来讲，在，呃，我们说这个版型出来以后怎么样去做制造这个领域，其实我们不是专家。呃，我相信刚刚像几位 professor 他们讲的，他们是专家，或者杰克啊，他们是专家。我们更多的做的事情呢，我们说有三端，一端呢，就是我们的营销端，那第二端呢，其实就是我们的设计开发端，end to end，就是 from inspiration to pattern generation，就这个是我们做的这个，呃，端到端的这个地方。那第三个地方其实就是我们说的这个偏这个，呃，我们说还是偏这个开发的这个领域吧。然后我们公司其实一直在做仿真啊，就差不多是十年了。那，呃，最-最-- 就以前可能我们说做仿真跟现在，现在讲这个，呃，世界模型讲的这个仿真还是有区别的。现在的仿真已经变成了一个更大领域的一个 topic。那以前讲的仿真本质上就是说我们把很多物理世界，物理世界的这些参数可以通过一些方式把它我们说映射到我们的虚拟世界，或者我们的数字世界里面。但现在自从我自己的感觉，就自从像英伟达等等，大家开始在炒作物理 AI 的这个概念以后，这个仿真就变成了更大领域的一个范畴。因为比方说就拿刚刚刘教授讲的这个机器-- 泛机器人的这个领域，这个仿真已经变成了从简单的我们说 CV 方向的视觉到了触觉，到了味觉，甚至到了其他的一些感官上的东西。所以现在这个仿真这个 topic 会非常非常大。那我们这家公司呢，其实因为是做这个图形学起家的，我们里-里面所有的做算法的同学，其实基本上全是做这个图形学跟 CAD 的。所以我们所-所谓的仿真呢，依旧还是比较偏这个物理参数的一个仿真，啊，就物理概念的是这样。那现在呢，其实可能我用一个更简-简单的单词来表达，就我们想做的事情其实有三个 label。第一呢，就是我们一直在讲的就是科技跟人文啊，就像 Steve Jobs 讲的，就科技必须需要跟人文学科有交叉，才是一个有巨大商业机会的事情。那可能很多的外界对 Style3D 的理解也是一家在 fashion 领域服务的很好的一家科技公司啊，这个是我们其中的一个 label。那第二个呢，其实我们做的是 3D 加 AI，那这两个技术我等一下会解释啊。这两个技术它的特点是完完全全不一样的。那我们底层做的很多的智能体也好，还是一些工作流也好，就本质上它是 3D plus AI 啊。第三个还要强调的就是我们做的事情还是偏我们说虚拟 AI 跟物理 AI 的这个交汇处。怎么样理解这个事儿呢？就是我们自己觉得，就是慢慢地像从22年啊，就是这个 AIGC，就是开始，就是 GPT 出来，ChatGPT 出来以后，其实整个虚拟 AI 感觉到了今年，到了明年，无论是大语言还是多模态，其实我们感觉热度是稍微有一些下降的。那未来大家会去炒作什么热点，基本上就是物理 AI，因为这个就是一个更散装的、更包罗万象的一个概念。所以我们做的这个 integration 基本上也是围绕虚拟 AI 跟物理 AI 的。所以我觉得从两方面来讲，一方面就是我们看我们的产业啊，纺织服装这个产业，就是我右手这一侧，就我们觉得其实这个产业未来的分化是非常非常明显的。就第一类企业基本上就是以，呃，我们有几类讲法，一类，一类我们说叫感性品牌跟理性品牌，就无论是衣食住行慢慢地都会有这样的分化。那第二种叫法呢，像国内也有一个叫法，我们叫动能品牌跟势能品牌。当然我们还有另外一种叫法，就是一类是依旧是以人驱动的，就设计师驱动的一类品牌。第二类呢，其实就是 data 驱动或者 AI 驱动的品牌。而且这个分化的趋势越来越明显。那以哪些公司为代表？比方说以 Shein 为代表。简单来说，在它里面就是一个非常非常用软件构造起来的一个 systematic 的这么一个 system，包括它的供应链，包括它的设计，包括它的开发，包括它的这个 order testing，它的测款是这样子。 对吧？这一类品牌原则上未来都会成为主流，就未来是一个，用我的话说是一个 SKU 爆炸的时代，就会有非常非常多的 SKU，大家会去做策划，做 testing 等等一系列的这个动作。第二类呢，还是会有小部分的市场空间给到我们所谓的这个感性品牌，以人驱动的品牌，比方说以这个 Chanel 啊，或者国内像以什么江南布衣啊这样的品牌为主，他们依旧可能还是非常 rely on 这个设计师。那设计师呢，他本质上也需要 info，对吧？他比方说去刷这个 Instagram，或者他去看那些呃，秀场等等诸如此类的。所以产业的变化我们觉得非常非常确定性的，就是一边是 fashionable player，另外一边其实是 technology player，啊，这个其实是很确定性。那再看回我们 tech 这一侧啊，tech 这一侧一方面我们看到，就大家对 AI 的 forward 的情绪是非常大的，就无论是我们的一些，呃，就我们说一些传统行业也好，非传统行业也好，怎么样用 AI 去改造现在的 process，其实这个变化会非常非常快。第二个呢，就是我们说现在 AI 的概念，从刚刚说的 AIGC 到 AGI，到 Agentic AI，到物理 AI，到巨生智能啊，其实短短几年的时间，我觉得有两个观点，第一个就是 AI 一定是在往就是智能体的方向在发展，这是其一。第二呢，其实很-很明确的一点，就是，就是它跟我们的产业的结合度是会越来越强。所以我们看回过去的商业机会，从大模型慢慢地其实到 coding，对吧？然后现在第三个热点其实是泛协作的 AI 智能体，就比方说飞书啊、Slack 等等这样的一个产品的形态，或者我们的 HR 的 SaaS。那第三个热点呢，我们的去-- 我们的这个，这个认知，可能它就会 apply 到 fashion，因为 fashion 是一个最大的垂直行业，而且它对 AI 的这个容错其实是会比较低的。相比于 automotive，相比于其他的 aviation 等等很多其他的行业，其实 fashion 是一个，大家可能觉得我的衣服要 accuracy 要做得非常的好，其实不是这样，其实本质上这个要求没有，没有那么的高。所以我们觉得可能这几年慢慢地 fashion 也会成为，就是 Agentic AI 落地的一个非常大的应用场景。啊，所以那这个我也不说了啊，我们很多做 AI agent 的，呃，这个，这个公司其实大概也都知道，基本上就是最早这个 concept 就是两三年前 Anthropic 提出来的，就是怎么样去构建智能体。本质上它有两个事儿，一个就是我们说是 context engineering，对吧？这个是一个核心，就你的智能体做得好不好，类似于像 Starclaw，类似于像这个，这个 Manus，类似于像 LlaVA，基本上它是在，呃，这一块应用的一个典范。第二个呢，其实还是表达了，就是它解决的其实更多的是一个交互，它底层的 data infra 其实不会有太大的变化，但是它会改变很多的交互。比方说从 Manus 到今年的 Open Cloud，其实本质上它改变的是人机-- 机器跟机器的一个交互的范式。当然现在可能 token 的调用啊，目前还是会有很大的这些问题，比方说我解决一个比较简单的问题，可能它会去到--调用大量的，就是这个 useless 的 token，然后会甚至这个，这个，这个，这个 ROI 会非常非常低，但是我们觉得这个范式其实已经是被彻底地改变了啊。所以这个也是我们，我经常会分享的一张，一张图表，就是到底 AI 的商业机会在哪里？从最早的可能我们说 GPT 开始火，就是我们说有点像这个自动驾驶，从 level one 到 level five 一样，然后到 coding。啊，2025年年初，可能大家觉得 AI coding 的成熟度只有六十分，到了现在，其实对所有的做这个，这个写代码的同学来讲都是人手一套啊，Codex 或者其他的这个产品等等。到了现在，其实就是 Agentic AI 在每个产业，在每个应用场景落地的这个阶段，那再往未来可能是更多的，我们说这个 robotic 等等等等啊。然后看一下我们是做什么的啊，就基本上我们做的还是叫一个 AI 加3D加 AI 的这么一个方向啊，从设计研发到开发，然后到影像。这个 demo 其实我们是在2023年做的，但其实我发现就是它的整个用 AI 集成的这个怎么说呢，呃，这个应用的方向，就2023年到现在其实是没有变化的。那变化的是什么？其实就是 accuracy。就简单来说，每个品牌都会跟你讲，我需要我的 AI 去知道我的 DNA，我需要用我的 AI，可能说得直白一点，更好地去抄款，对吧？上次我去 TRB香港，他就跟我说，他说我说我现在有 AI 这个 agents，然后他说怎么做，他-- 然后我说你，你需要我怎么样地做 live demo，然后 TRB的这个 designer 他就跟我说，这样你去 ZARA 里面，然后抄一个款下来，然后我就需要相应的 style 跟相应的 pattern。所以现在的整个 fashion 本质上它就是，就是这么玩的，这就是一个通用的大量的需求。所以他们想要解决的其实第一就是还是 accuracy，就是怎么样的这个，比方说我的款式图设计出来以后，到版型的这个得到，还是尽量地 ready for production，或者说尽量地可以符合我的组货的-- 商品组货的这个要求。啊，所以这个就是我们另外的就是现在在 AI 这一块，结合我们就我们核心的一个建模软件啊，去年，去年发的它的九点零的版本，然后我们就用很多 AI 的功能去强化了它很多的模组。就简单来说，我们传统的类似于像 Adobe 这样的就是软件，它其实背后都可以集成很多 AI 的能力来加速这个，我们说这个 create 的这个过程，包括去降低这个门槛。 然后包括它的呃，图案的生成啊，辅料的生成，面料的生成，然后包括它模特的生成，面-- 脸的这个，这个，这个外形的这个生成，都可以通过 AI 去做这个快速的控制跟得到。包括这些是工艺啊，因为我们觉得可能 AI 很多时候的问题，我们经常说的多模态的 AI、Gemini 等等，它是懂图，但是它不懂布，对吧？它也不懂服装。所以本质上我们做的应用方向其实就是需要用 AI 怎么样更懂布，以及说 AI 怎么样地去懂服装啊，这个是我们核心的这个 research，包括应用的这个方向。当然因为我们本身也做打堆牌、打板啊，这个，这个，呃，这个排料啊，包括推码啊等等 grading 啊这些，所以我们也会把这个 progress，这个 process 整体地集成到就是你 pattern 出来以后，后面怎么样对接裁床的这一部分。然后包括对于品牌来说，它得到了一个 single asset 以后，怎么样去做 mix match，去做 BND。那随着我们的持续的推进呢，我们在去年也衍生出了一个另外其他的业务啊，跟-跟刚刚跟刘老师讲的是有点像的。那等一下我会解释为什么我们从去年开始去这个进入整个......呃......我们说这个机器人这个泛化的这个领域啊，包括机械臂，包括人形。其实这里面看的就是一个简单的动作，不同的这个物体交互，但是它其实是一个不同的泛化的场景，就无论你是光线的变化，还是里面的胶着的物体的变化，包括它的动作等等，包括它无论是夹爪还是云挑手等等。所以这个 SynReal 呢，也是我们在机器人领域里面孕......这个，这个孕育的一个新的牌子。那结合我们在柔肌仿真的这个......呃......江湖地位吧，就是我们也是英伟达在 deformable 就变形体，solver 就是变形体的这个求解器里面的唯一的一家商业公司。那第二家其实是北京大学，第三家是CDH。啊......去年这个 GTC 的时候，其实英伟达会有展出。那刚刚那个机器人其实就是宇树的那个，它的这个就本体加上的黄仁心的那个衣服的模拟做的一个展示啊，在去年的 GTC 有展示。所以基本上我们已经形成了几大业务模块啊。Fashion 其实依旧是我们可以说是最成熟的啊，我们其实刚刚礼拜四、礼拜五也是刚刚在杭州举办了大概1300人左右的一个针对于 fashion 的 fashion tech 的这么一个行业会议啊。香港其实也有很多人过去，像 BRB 啊、Puma、欧特华，然后包括像很多我们这边也有在啊，就我们香港的有些 OEM、ODM，包括像理工大学的老师啊等等，很多的其实都有去我们这里。所以 fashion 我们在这里已经服务了超过2000多家企业吧，国内国外。第二个就是电商啊，因为电商天然就对无论是跨境还是国内，它天然就会对我们说这个 AI snapshot、AI 上新有一个天然的这个诉求。那杭州大家也知道是电商之都，对吧？所以我们 anyway 跟场景是非常接近的。那第三个呢，其实就 CG 领域，就 animation，那这里，这里其实有三大板块，第一是数字人，第二呢其实是游戏的皮肤啊，第三其实是番剧，就是怎么样类似于像《哪吒》这种电影。那为什么要做这块？比方说像 Nike，像 Dior，Dior 他们还是会有一个部门，他们叫 immersive designer 交互设计师。交互设计师是解决什么问题的？就是把我的衣服最终穿到《王者荣耀》，穿到《堡垒之夜》里面。因为我觉得像 Nike 这样的企业，他们都——我去年波特兰我也去了三四趟，他其实想得很清楚，他觉得10后的这些小孩未来的消费就是在游戏里面，他们会买大量的皮肤，对吧？大家都知道《王者荣耀》里面你，你花的主要的钱都是在买皮肤，所以他们需要把他们的资产，无论你是做 PR，还是你真的要做线上跟线下的对齐，都需要把这一块应用到这个我们说 CG 这个领域。啊......所以 CG 这个领域我们是在2022年开始孵化的。那第三呢，就是我们从去年开始孵化的做机器人的板块，那底层呢，还是我们说我们底层的能力啊，soft line simulation、渲染，然后包括 CAD 的技术，包括 AI 的技术等等。这个我就不说了啊，这个就是我们——其实我们在 CVPR 这个啊，我相信像刘老师应该很熟的，我们在 CVPR 这个基本上会已经发了超出50篇的 paper，超出50篇的 paper。大概每年我们在......呃......SIGGRAPH、CVPR，包括 NeurIPS，每年大概我们会有10篇左右的 paper。这个在中国我相信是不大有的。啊......现在 Nvidia 他们在 SIGGRAPH，当然这个也不是他的主要的事情啊，他主要还是为了炒股，对吧[笑]？但是他每年在 CV......呃......在，在 SIGGRAPH 的话，每年的 paper 大概是在30篇左右。所以我们在整个 simulation 这一块，我相信的确做得还是......呃......相当的不错的啊。然后这个就是我想讲的，就是我们在纺织服装领域啊，包括其实很多其他领域都是这样子的，就是他们可能可以去做很多 AI snapshot，啊......可以去做很多的 B2C 的......呃......customer service，啊......他也可以去做很多的 inspiration to style creation，但最终他跟生产这块其实是断的，对吧？因为你所有的行业，至少目前为止，我们还是要谈，还是要聊这个实现 fulfillment 还是比较重要的。所以我们基本上就是围绕着这个方案在构建，就是一方面我们需要建设一个 bridge，就当我得到我的款式以后，我通过我们叫 AIGS，就是 generate pattern，generate style 去形成你跟色卡 包括，呃，面料，然后包括版型之间的这个 bridge。那第二个基于那个，我们再来，再来形成我们 enhance 的这个，我们说这个 marketing material，然后用这个东西去做你线下的，比方说订货会，或者门店的营销，或者线上的这个 e-commerce。那这样的话呢，我们觉得它才是一个同时兼顾了创意，但是同时又能兼顾 production 的这么一个方向啊。因为这两种技术本来其实我相信大家其实这里面很多都是专家，其实都是知道的。对3D来说呢，其实它最大的好处就是它的资产，我们说可以说是对机器人来说是 team ready 的资产，对吧？第二个，对我们做生产的人来讲，3D的资产它其实是就是 one，one to one mapping 到我的具体生产的这个物料的，这个我觉得是3D最大的价值。但3D呢也会有它最大的问题，就比方说我们说也[背景人声]这个技术其实两千年左右就有了，对吧？很多的以色列人等等一些大学在那个时候开始做，但是它到15年的时候才开始变得更 popular。像这个 Target，像 Walmart，像这个，呃，那时候可能像这个，这个，还有很多的 outdoor的，outdoor的那些牌子，像 VF 啊，像这个 Nike，还有像 PVH、拉夫劳伦等等。它也就到二五年才开始普及，但普及在疫情以后，这个市场是一下子就上去了。当然我们公司也说白了也是有这个运气啊，就疫情以后大家就开始用3D在做 collaboration，那我们也做了很多的客户。但是疫情以后呢，到了二三年、二四年，3D的市场其实就，就这个上涨的速度其实就开始放慢了，因为本质上就是因为这个技术本身它是有门槛的，就不是说是这个我是一个个体户，我都可以快速地去构建这个资产，它还是有个 ROI 的这个问题，对吧？然后第二个呢，像 AI 大家都知道 AI 其实是一个概率模型，它本质上虽然说是 GC，但其实本质上在我理解目前为止，它所谓的真正的这个 create 的这个能力还不是那么强啊，更多的它其实是一个我们说结合它学的这个字典，结合它的字典来推断出最大概率有可能是一个什么样的这个结果。所以它的好处可能是比较容易得到，对吧？比较简单，门槛比较低，但它比较大的问题也是在于它的可控性、延续性，以及说怎么样地跟我的交互物去做关联。所以我们的底层逻辑呢，就是把这两个技术的 advantage 跟 disadvantage 去做一个 balance，最终形成我们的智能体，去服务于我们纺织服装或其他产业的一个那个什么。然后为什么刚刚说机器人那个领域我们要去做呢？因为机器人，我相信这个刘教授也比较了解，就机器人里面其实它是我们说有两块啊，一块叫幻觉，一块叫现实。就吹牛的同学就一直在吹牛说啊 VOA、世界模型、反正合成数据等等等等啊，这个大脑训练什么等等，但是他卖的东西，像语数资源，大家都知道现在国内的这个机器人的出货量大概是占了百分之八十啊，语数加资源机器人，但他们实际卖的东西其实很多都是预编程的啊，所以我们要很分得很清楚。虽然像很多头部的客户都在讲，啊，我这个是用，呃，我用这个 pipeline 去做我的大脑的训练，我用这个方式去解决我小脑的运控问题，但本质上很多东西都是打广告啊，我们要很清楚。第二个，的确它是一个很大的行业啊，国内其实经常说一句话，就是机器人行业是手机的数量乘以汽车的价-单价，所以这个产业的确是很大的，是国家出口新三样。啊，简单来说，第一是光伏，啊，那光伏基本上现在已经是趴下了对吧？第二是新能源车，那新能源车大家也看到不断地有新能源的这个汽车公司开始破产，那本质上它也是到达了对它的这个，这个，这个边际。那第三个国家想拉动，无论是中国还是美国，就是5G啊，就是机器人。所以这个是中国跟美国的国家意志。就无外乎大家也知道里面有 bubble，但 anyway 里面有很多钱，也有很多的人才，是这样。所以我们做机器人一方面是为了解决我们说机器人数据这个训练的泛化的这个问题；第二个也是解决刚才像刘教授提到的，我怎么样从视觉，从 CV 到交互，对吧？也[背景人声]的这些产品，我的皮肤，我的手。现在主要的应用大家都看到还是假爪，对吧？那现在有很多零巧手的公司，那这个零巧手的公司怎么样跟具体的这个物体去做交互，这个就是离不开这个 simulation。所以我们这家公司去做这个机器人这个行业，我觉得也是非常的顺其自然的。所以我们基本上就是有三类产品啊，第一类就是我们用 AI 底层这个做好的这个产品，第二个就是我们说像很多的，呃，digital asset management 跟这个 AI 的白牌啊，然后包括很多的智能体的 measures。那基本上回到我们这个行业，我觉得基本上就是几个问题吧，就未来拼是拼什么？第一一定是设计能力，第二是我们说商品的主获的能力，第三就是我们 AI 运营的能力啊。现在大部分，呃，因为 AI 的整个应用在国内其实是比较快的，那我觉得大部分现在大家已经在 AI 应用上形成了三个方向啊，我自己觉得还比较清楚。第一就是 AI 怎么解决我产品的问题，就我的 SKU 多快好省，我的 SKU 爆炸的时候，我的 accuracy 怎么做到，这个是一个最最 fundamental 的 competence，对于所有的 fashion brand 来说啊。第二个，其实他们解决的是 AI 的流程再造问题，就很多的企业的内部流程、客户服务流程，我的 OA 协作流程等等一堆很多的流程，大家都觉得可以用 AI 再做一遍啊。第三解决的其实是一个 AI 的 compliance，就是这个，这个法务啊，合规啊等等，很多东西大家都知道，现在律师包括很多的咨询啊，其实现在都比较难找工作，因为说白了就是很多通过智能体就解决了这个合规的这个问题。 所以我相信在传统行业这里面基本上已经形成了这样的一个应用方向。那我们这家公司呢，主要还是解决前面的那部分问题，就怎么样解决我可以做出来更好的产品，那产品变成商品又会有其他问题，因为产品就是产品，如果你要变成商品，就是会有你的核价，对吧？会有你的怎么样跟你 consumer 的这个匹配性、accuracy 等等一系列的这个问题，包括组货啊，包括我怎么样的每一季的它的这个我们说叫售罄率啊，动销率啊。所以基本上我们解决就是产品到商品的这一块的问题。当然在生产制造这一块，这几位 professor 都是专家，我们可以合作，我们可以成为你的 seller，帮你去卖货，是这样。所以我们整体上觉得大-- 这张大图就表达清楚了，就是现在的行业的一个 upstream 跟 downstream 的一个玩儿法。那我们公司呢，基本上就是从面辅料开始，就是像 YKK 啊，像很多的这个，呃，就是 Pacific Textile，就很多的面料企业开始，然后帮他们去服务他们的开发，服务他们的 trading，帮他们去服务他们的 OEM、ODM 的 collaboration，然后又帮 OEM、ODM 去服务他们的 buying office，然后又帮 buying office 去解决他的 merchandise planning，包括他的设计，包括他的 B2C 啊。大概我们就是在对于服装行业的这个应用，我们基本上就是在这个范畴了，然后里面会有不同的产品组合。那基本上我们的价值定位就是三块，第一就是我们在刚刚说在设计端怎么样变得更高效，这个问题其实现在我觉得是很难回避的，因为大部分的老板在应用这个工具的时候，其实他们会非常直接，就我设计师能不能少三分之一，我的版房的规模能不能缩短一半，虽然大家不爱听，但这个是真的在发生。就像 AI coding 一样，现在原来的程序员，我-我相信这里应该也有会做 coding 的同学，原来我没有 coding 的-- AI coding 工具的时候，可能我一天能做三个实验，但现在有了这个工具以后，我一天能做三十个实验。所以现在就是 coding 这个东西，对于我们很多 junior programmer 他们带来这个巨大的 impact 是这样子。那我们就觉得对 fashion、对 design、对开发来说也是会有这个问题。第二，我刚刚一再强调就是还是要生产啊，那最终呢，就是我们怎么样地在做我们的 marketing sales activity 的时候，可以变得更 agile，变得更快啊。这个我觉得现在你像为什么现在你像希音这样的企业，如果你不通过一些手段，你根本就拦不住，因为它就是太快了，它就是太快了。啊，我们现在跟-跟-跟希音的一些在合作的项目，呃，我可以说他的目标是非常非常的疯狂的，他们甚至希望两年内，未来比方说我们在开发这一端，这个我们关系端来讲，他说我连产前样我都不要做，就是直接就是一版设计出来，直接去测款，测完了以后直接生产。那这个效率的话，我相信就是也是全世界人为什么那么讨厌中国人啊，因为你做得太快太便宜，[笑声] 就是我觉得这个就是，就是一个硬币的正反面。但是 anyway，我们觉得这个，这个 trend 其实是不可阻挡。所以回到我们的这个企业的生存的问题啊，对于我们很多的 retailer，包括我们很多的品牌来说，基本上就是这四个问题。那智能体的构建呢，基本上就是围绕这四个，四个问题去解决的。第一呢，就是我要怎么去做我的市场洞察，对吧？就我要分析什么，我要看哪些数据，对吧？我要去做哪些标签。第二个就是我要去，我们说 create 什么，对吧？第三其实就是怎么生产，啊，最终就是怎么办。其实基本上就是这四件事儿。那我们做的，呃，我刚刚也一再有-有-有强调，我们做的基本上就是围绕这个 ecosystem 在构建我们底层的 infra。那快速看几个案例啊，这个其实国内的运动品牌，我们帮他们做了差不多一年左右的这个智能体，就解决基本款的一个局部的改款，然后包括到最终的这个生产。比方说它是一件这个 T 恤套路卫衣，然后它怎么样去做局部的改款，然后最终到，呃，工艺的这个打样，结合 PLM，结合它的这个 Adobe，也就是 Creative，去做一个端到端的流程。就这里面我们基于的底层算法，我们去年在，呃，CVPR 上其实都有 paper，其实大家可以去看。我们有两-两个路径，一个我们叫 Style Code，第二个叫 Image Code。Image Net 基本上是基于原来 Image Net 的那个路径，那它解决的是一个什么，用什么样的逻辑啊？就通用来讲，我们就是希望把一个衣服变成一堆代码，然后通过这个识别去识别这堆代码，然后你去做 pre-training，它输出来的也是代码，然后这堆代码再经过一些手工的调整，变成你最终要生产的这个物料跟这个款式。就简单来说就是把一件衣服变成代码，啊，然后它驱动的其实也是代码本身。然后这个是另外一个，这个我们说内衣的一个案例啊，这也是结合了一些手工，然后一些 pad 的这个交互，包括一些3D的能力跟 AI 的能力来解决内衣的这个开发的问题。所以大家看这里面其实有些地方我们是控制掉的，就简单来说那个模特，然后包括模特的 pose，因为比方说我们服务加拿大的有一家企业叫 Remence，就它其实有做很多的大码女装，那它在北美，原来它用 AI 做生成的时候，其实它碰到一个问题，就比方说我用 AI 做 try on，然后我就把这个衣服就穿上去了，那这个图片就很漂亮，但是它发现这样的大码，其实模特其实在北美是没有这样的体型的，就简单来说，它会觉得我这个东西是误导消费者，虽然我的图片- 穿在这个大码的模特上面，就是 e-commerce 看着很漂亮，但最终这样模特的体型在我加拿大其实没有这样的体型。所以简单来说，你需要通过一些手段，把你的胸啊，跟你的肚子，跟你的屁股很多的曲线去做一个相对合理的定位，然后再用 AI try on 的一些技术，比方说去改你的脸，改你的背景等等，来形成一个 AR 加3D 的这个 e-commerce 的这个物料，最终才能解决一方面我快速地去做上新，但同时呢，我又不会因为我是误导消费者来形成这样的问题。当然还有另外一个品牌是他们本来就是做低端的，那他无所谓，对吧？我 AI 直接上，反正我的消费者也是很-- 就是买的东西也很便宜，这个复购率也很低。所以我相信有高端的群体啊，也有这个低端的群体。那这个是我们就是今年发的啊，就简单来说，就我们已经结合了现在最新的 Open Cloud 的一些能力，通过 MCP 去调取，就是软件的这个操作。就比方说以前这个软件的操作，其实坦白来讲其实需要就像你做 CAD 一样，需要你人去点来点去的。现在你通过一段语言，直接通过 MCP 的指令，就可能去做相应的设计跟开发。简单来说，不再需要非常专业的版师或者设计师去操控这个软件，而是可能能-能结合你的一些思考，它就快速地能帮你去做一些原来你做不了的事情，比方说你也不知道哪个是前哪个是后，去做缝合，包括去做这个 try on，包括去做这个，这个，这个 placement。所以基本上全部由智能体在右边帮你去做所有的 operation。所以我们也是希望把这种专业软件的这个门槛啊，去把它降得这个越来越低。所以基本上，呃，这几年发展下来，我们在国内其实已经是，呃，非常有知名度了啊。然后在国外我们也服务了很多头部企业，像-像前-- 上个礼拜，像 Puma 的，他的同学也去了，VF 的同学也去了，包括像美国最大的游戏开发公司 Activation，就是暴雪啊，包括 Carhartt、S.

Oliver，包括很多的院校，我们在那个英国、法国很多头部的 fashion 的院校，我们都是有很好的合作。那这个是我们的当前的这个，这个，那个啥。好，我的分享就到这里。好，谢谢。[掌声]

谢谢 Alfie 精彩的分享。如果大家有问题，现在可以举手发问，或者稍后我们也有时间继续跟 Alfie 进行交流。谢谢 Alfie，可以先就座。[掌声]