要想在互聯網行業看懂一些東西，據說只要在媒體呆的夠久就可以。犀牛工廠的新智造概念在這幾天持續發酵後，我們一直覺得這項業務的邏輯似曾相識，但又陷入自我懷疑，想著或許這次面向中小服裝廠和淘寶服飾商家的“賦能”，的確會因為技術的快速迭代而與眾不同。

然而，面對各種未見真實生產線，便開始“為民歡呼”，甚至上升到推進整個國家服裝行業發展的長篇畫大餅式分析，我們找到了走出“迷茫”的方法——把阿里曾在兩年前做的一些事情展現給大家看，與讀者一起討論兩者到底有什麼差異。

不吹捧，不貶低，讓我們看看這場阿里新製造的狂歡，能否像很多人預測的那樣，給服裝行業帶來翻天覆地的變化。

圖片來自虎嗅Pro：犀牛樣板工廠

阿里犀牛CEO伍學剛在接受36氪專訪時，明確指出犀牛新製造要做兩件事情：

一邊是面向淘寶商家，以銷定產，做到小單快反，解決服務和成本難題；

另一邊則是賦能服裝工廠，做到“合理安排產能”。通過犀牛工廠這個樣板間，未來將數字化生產模式“移植”給成百上千家工廠，讓工廠生產流程數據化和透明化。

很明顯，這本質上是解決供需兩側的信息不對稱問題，讓信息流通更為高效。

而這正好是兩年前，阿里1688（B2B商貿平台）牽頭的“淘工廠新製造項目”做過的事情。

淘工廠項目負責人在2018年接受我們採訪時，曾表示“已經幫超3萬家工廠實現基於海量大數據的精準匹配，讓優質工廠獲得精準客戶資源，減少因供需不匹配造成的時間和資源浪費”。

而匹配的方式，便是與阿里雲IPO團隊合作：

第一，阿里雲技術團隊會幫助工廠產線部署IOT設備讓服裝廠每條生產線的情況完全數據化。

第二，通過對服裝生產線的視覺識別分析，完成生產流程數字化。

第三，將線上整個供應鏈數據打通。

很明顯，他們要解決的，也是供需端的不匹配問題，方法有點像“工廠數字化改造”。

很幸運，我們在2018年接受阿里1688的邀請，曾到杭州探訪過一個叫做喬司的小鎮，那裡聚集著上百家中小服裝廠。有些甚至不能稱之為工廠，它們很多隱藏在居民樓裡，更應該被稱為“製衣作坊”——

沒有多麼先進的生產線，但是一個不到50人的生產小組卻可以每天製作出成百上千件衣服。

在杭州喬司小鎮上，有很多家庭式生產作坊。

當時，淘工廠的一個標杆項目——點石工廠是我此行的目的地。但很遺憾，我當時看到的景象，跟當下看到的犀牛製造高大上的“自動化樣板間”很不一樣，但這卻是長江三角洲與珠江三角洲的數万中小服裝加工廠的普遍模樣。

面料、裁剪環節以及縫製環節都在一個空間裡。

它的“內裡”一點也不高大上，衣服材料在角落堆的到處都是，所謂的生產線，其實就是若干個裁剪師傅“手指翻飛”出牛仔褲或連帽衫的雛形，然後將它們送上另一邊的縫製台。

整個場面是忙亂且沒有節奏感的，只有機器嗡嗡的噪音和滿天亂飛的棉絮填滿一個幾百平米的空間。

來料堆在一旁。

當時，淘工廠打出的口號是“用低成本數字化軟硬件，幫工廠實現各個生產數據流程化”。而點石老闆王存石，據說是花了5萬元採購了這套結合了人工智能和IOT技術的軟硬件設備。

因此，我們看到在相對簡陋的工作台上方前後兩頭，都安裝了類似攝像頭一樣的硬件。據點石老闆介紹，在這個不大的空間裡，包括裁床、縫紉等所有生產環節共裝了大約20個攝像頭以及可滿足實時監測的邊緣服務器。

邊緣服務器

阿里當時告訴我們，這些IOT硬件的作用主要是通過計算機視覺分析，能每個生產流程都做數據化處理。

這樣一來，工廠如果接10個單子，那麼每個訂單都可以被線上系統自動將工廠與買家匹配成組，由線上虛擬機器人進行生產計劃管理，自動跟踪生產計劃。

“一環扣一環，能節省兩邊的時間吧。” 當時點石老闆王存石告訴我們，以前都是經常接5000件以上的大單，因為根本沒時間接小單，既“浪費”人力和時間，也不太賺錢。

但是，生意的確真的一年比一年難做，單子要靠搶才能搶到，而小工廠自己也搞不清楚市場形勢。

他悄悄告訴過我們，每年有很多工廠都會因雙十一押寶失誤而導致產品庫存積壓，欠好多錢。“旁邊就有一個工廠主年前跳樓了，因為工廠積壓了太多羽絨服銷不出去倒閉了”，他承認，市場預測能力和清庫存能力是他們這些中小規模工廠所不具備的。

與此同時，淘寶越來越多店鋪，特別是很多所謂的“設計師品牌”，更傾向於“根據銷量來確定生產數量”，所以他們就一直在找方法來優化生產流程，盡可能縮短出貨週期。

“很多時候我們跟客戶的矛盾是，他們覺得我們沒在給他們生產，把他們排到了後面，故意拖；但我們其實每個訂單都有固定的排期，跟他們解釋也總是說不清楚。”

因此，將“面料到倉”、“投料開裁”，“生產車縫”，“下線撤產”等所有交易和生產步驟都通過線上公開透明化——由工廠端上傳圖片或視頻） ，讓客戶端在​​線看到自己的產品有了進度更新，的確解決了一個問題。

很明顯，“投料開裁”一欄有上傳的視頻為證

另一邊，作為工廠老闆，王存石為了能夠接更多小單，將幾十人的生產小組分拆為很多不同的組合模式，這跟傳統大廠的流水組有非常大的區別。

“做大單的是超過20人的標準流水線，那做小單的就單獨成立了2人、4人以及6人小組。相當於就把每個單子按照規模，靈活安排給不同規模的生產組。”

有意思的是，當時這個項目也提到了要學習和超越Zara的“快反”模式。

服裝供應鏈的快速反應概念，是由全球著名快時尚品牌Zara首先提出來的。而一項叫做“射頻識別”(RFID)的技術，被其充分應用在了整個供應鏈條中——通過商品以及生產流程上的“識別碼”，實現產品從工廠最終到達店面的全程追踪，並可以實時監測庫存情況。

而在淘工廠項目裡，“計算機視覺”和”線上大數據分析”則成為宣傳中服裝加工廠實現小單快反和按銷生產的關鍵技術。據當時官方提供的數據是，通過計算機視覺算法，點石工廠優化了生產流程，排產提升了6%，交付週期縮短10%；而淘寶天貓數據則可以幫工廠做市場判斷。

此外，在1688平台上，淘工廠參照了ZARA的供應商評級模式，對於工廠做了等級劃分。等級越高的工廠，越有機會接到優質客戶的訂單。

沒錯，每個環節的交付透明化和數據共享，能夠讓多個訂單並行操作時更加有序化，也在某種程度上“標準化”了交付流程，讓每個工序都能一環扣一環地進行，的確可以節省時間；

而線上的市場與銷量大數據分析與線下生產製造環節的數據打通，可以讓工廠在淡季和旺季安排出“大中小訂單”的不同最佳組合，不出現生產縫隙，做到淡季不淡；而淘寶商家也能被匹配到產能和技術適合的工廠。

一切從理論上看起來都無懈可擊。

但是仔細一想，這裡面其實存在著一些肉眼可見的漏洞和讓人困惑的結論。

首先，生產流程透明化，是否就需要計算機視覺？除了圖像數據，還有什麼其他數據？

根據做過類似項目的工業互聯網行業人士的說法，很多衣服堆疊在一起，圖像識別幾乎不起作用——無論是確認數量還是確認質量，都沒有太大用處。

“在這種環境裡，非常難。即便這個工序完成了，也可以由工人直接按下按鈕，並非需要機器來確認。

而且完工確認並非是確認某件衣服的樣子，而是通過一些執行動作或者是數量來確定。總的來說，圖像識別在這種繁雜的環境里挺雞肋，但是攝像頭卻可以做實時監測和現場工況確認，譬如確認工人的加工情況，是有必要的。”

那麼問題來了，除了圖像數據，那麼現場還採集了哪些可用的數據用來調配人力，調整庫存？在逛了一圈車間後，我沒有什麼其他發現。

其次，雖然衣服可以是“標品”，但是在這種不到百人的小型服裝加工廠，流程其實一點也不標準。

在參觀時，打板的團隊在一個封閉的小屋子里工作，那裡並沒有安裝任何設備；而存放衣料的角落也沒有任何數字化的痕跡。而二人一組，四人一組手工做小單的師傅，其工作更是難以用攝像頭或其他傳感器來量化。

本來工業的智能化改造，都是建立在自動化基礎上。沒有設備自動化，何談智能化呢？這種改造更像是一種“交易上雲”，而非智能化改造。

當時在向老闆提出這個疑問是，他也曾承認一些環節“的確需要手動來點擊完成”，訂單線上化的意義更在於“避免兩邊扯皮，訂單並行進度。”

第三，所謂不到5萬，就能用標配軟硬件設備幫中小服裝工廠完成智能化改造，聽起來有點像耍流氓。

即便像很多人說的服裝工廠流程相對簡單，但每家服裝工廠的生產車間大小不一樣，員工數量也不一樣，設備的功能和老舊程度不一樣，各個生產環節的規模不一樣，加工工藝也不一樣，人員流動情況也不一樣……不知如何用同樣的價格和相同數量的硬件一概而論。

此外，工程師的人力費用、系統實時更新和後續服務的費用，也都是非常昂貴的成本。

第四，以銷定產，阿里的確可以幫助工廠實現。譬如當季究竟流行什麼，用人工智能來預測用戶偏好，比起工廠老闆拍腦袋的確更管用。但是，技術目前只能把線上這部分單維度的工作做好，而線下生產車間是一個複雜的多面體，即便將線上數據與工廠的線下生產流程數據完全打通，也解決不了影響工廠生存的本質問題。

技術和研發技術的人，也需要對服裝行業的生產工藝、師傅手藝熟練度、工廠人員流動（工人去留很不穩定），外貿轉內銷的市場變化，以及激烈的競爭環境有很高的洞察力和領悟力。

此外，大家可能忽視了“點石”這個標杆項目的一個細節，就是所有分組都是老闆安排的——大組與小組的人員配比，如何分組才能讓生產效率最大化，做到足夠彈性？根據我們的現場觀察，現場沒有絲毫系統決策的痕跡。“人”，仍然在中小規模工廠中起著決定性作用。

總之，別妄想用“技術”和“改造”等字眼，就想完全解決服裝加工廠乃至一個行業長期存在的痛點。

　　有人說阿里想用樣板間，向國內工廠出售數字化解決方案。想問這機械臂有幾家工廠能買起，需要附帶“回本攻略”，但犀牛智造對於商業模式和收入問題一直都回答的比較模糊。圖片來自虎嗅Pro

兩年後，當我們看到阿里造出了犀牛工廠這個“樣板間”後，一方面在思考是不是阿里覺得突破不了國內中小工廠存在的成本與人力瓶頸，索性自己先造一個示範一下，部署上先進設備，從底層到上層全部數據化；另一方面，我們也在想這個兩年前的項目是不是有了一些未知變化。

因此，我再次聯繫了阿里1688，對方已經表示這個項目已經不做了，“升級”為C2M業務，將內貿批發平台1688與淘寶特價版打通。換句話說，就是幫工廠做好與消費者端的“對接”和“匹配”工作，重點放在“工廠直銷”上，不再提參與工廠的改造問題。

此外，當我再次聯繫點石工廠時，對方已經無回复。

如今，取代阿里雲IOT團隊，由淘系孕育出的犀牛智造，自己造了標杆式的“樣板間”，再次提到將人工智能、IOT等技術應用到生產車間中，把工藝數據、產能數據、生產線數據全部打通，用產生的數據來決定工人的調度問題；又再次提到了利用淘寶的海量數據，幫服裝品牌做市場預測……

聽起來好像跟兩年前一樣，又似乎不太一樣。

但至少我們清楚了，沿海利潤微薄且競爭激烈的中小工廠裡那種簡陋設備和車間佈置，如果直接只架個攝像頭，不從底層加以改造，是不會收穫足夠多的有效數據的。

但話又說回來，阿里自己造一個擁有機械臂和蛛網式吊掛系統的樣板工廠，是不是能給時刻徘徊在倒閉邊緣的中小工廠一些借鑒，似乎沒有太大意義。

那麼回到阿里自己身上，這個樣板間帶來的收益是否足以支持他們建立第二家、第三家工廠？

或許阿里自己算好投資回報比，並在未來實現盈虧平衡後，有意加盟的人可能會把這套模式推廣下去，那麼到時候效果如何，我們會再次用文字記錄下來。

出品| 虎嗅科技組

作者| 宇多田