2026年，AI 行业发展或将迎来分水岭，从以概念与叙事为主的时代，迈入真正接受市场检验的应用落地阶段。

1月10日，在AGI-Next前沿峰会上，清华大学教授、智谱创始人唐杰给出了一个关键判断：“DeepSeek横空出世后，Chat范式的竞争已经基本结束，下一步是走向做事。” 而围绕 AI 模型 在ToC与ToB端的分化趋势，姚顺雨也指出，相比ToC市场，ToB场景中的用户更愿意为模型能力支付溢价，因为这些 AI 工具能够帮助企业主提升实质性的工作效率。

然而，长期以来，To B 软件在国内并不被认为是一门“性感”的生意。尽管海外已经诞生了多家市值千亿美元级的 To B 公司，但在国内，许多 To B 企业的发展并未达到预期，行业内部也普遍对中国 To B 市场持相对谨慎甚至悲观的态度。

一方面，国内企业的付费意愿长期偏弱。许多企业习惯使用免费工具，若无法免费获得，往往转而选择价格更低的替代方案。另一方面，企业级软件的采购决策链条复杂，最终是否成交，往往并不完全取决于产品本身，而与商务关系、渠道资源、人脉网络密切相关。这种环境下，服务商缺乏持续投入产品研发的动力，市场逐渐走向同质化竞争，价格战与功能堆叠成为常态，竞争也随之变得愈发内耗。

但 iMuse 创始人顾莹樱认为，AI 的出现正在打破这套旧有逻辑。在她看来，AI 时代将重新验证“产品为王”的价值，并为真正具备产品力的公司提供合理的定价空间。“所谓产品为王，并不是一句口号，而是持续地投入研发，去做真正为客户创造价值的产品。”顾莹樱强调，这种价值必须同时具备两个前提：一是效果可被直观看见，二是收益可以被清晰计算。正是在这样的前提下，顾莹樱与团队因此开发了涵盖完整设计研发流程的虚拟研发平台——iMuse.AI。

虚拟研发：大幅提升行业效率

作为中国首个专注于服装设计的智能平台，iMuse.AI致力于解决服装行业长期存在的几大结构性问题：创意同质化严重、价格战激烈，以及产品研发与真实市场需求之间的脱节。产品投入市场仅 6 个月，iMuse.AI 已与歌力思集团、博洋集团、江南布衣等多家头部服装企业建立合作。

iMuse.AI 创始人顾莹樱拥有超过 10 年的科技与服装行业从业经验。她指出，当前服装行业普遍陷入两难处境：一类企业选择跟随爆款，通过复制和价格竞争维持规模，但利润被不断压缩，研发投入难以为继，最终形成恶性循环；另一类企业尝试打造差异化品牌，却往往面临前期投入高、试错成本大、失败风险难以承受的问题。

2023 年，顾莹樱意识到，AI 技术的出现或许为这一困局提供了新的解法。通过低成本的虚拟研发，企业可以在不进入实物生产的情况下完成大量设计尝试，并将市场反馈前置到研发阶段，从而在降低风险的同时实现差异化创新。这一变化，正在重塑服装行业的研发逻辑。围绕这一目标，iMuse.AI 覆盖了从成衣设计、面料与图案设计，到模特换装展示、空间陈列预览等多个完整的设计全场景，试图打通从设计灵感到成衣展示，再到零售视觉效果呈现的完整链路。

在产品设计之初，iMuse.AI 就设定了一个明确目标：让设计师在平台上完成全部设计工作，无需借助其他工具进行人工调优，所产出的成果可以直接应用于实际工作中。例如，“上面料”功能可以在保留原有版型和轮廓的基础上，将花纹、面料等元素融入设计，快速生成不同风格的方案，延长经典款的生命周期；而“改设计”功能则支持更深层次的结构调整，设计师可以将B方案中的局部细节迁移至A方案中，大幅提高设计效率。“找创意”功能可以自由组合不同款式和设计点，提供源源不断的原创款式，提高品牌的原创设计能力等等。另外，iMuse还提供了丰富的辅助工作，让设计师完成最后的细节修改。

通过上述功能，设计师只需通过图片和自然语言输入修改需求，AI模型即可理解设计意图并完成图像生成与调整，完全免去传统Photoshop抠图、拼贴等反复手工操作。

这种效率上的显著提升，必然会带动行业变革。

首先，企业可以将“虚拟开发”与“实物研发”拆分开来：在进入实物打版之前，先通过虚拟设计完成市场验证，从而提高实物研发的效率，减少浪费。通过AI，可以完成从款式设计到模特搭配效果的真实呈现，无需“实物成衣”辅助。基于此，iMuse 的部分客户已经开始采用“虚拟评审会”的方式——市场团队基于 AI 生成的上身效果图，通过线上会议即时提出反馈并调整设计，避免不符合市场需求的款式进入实物研发阶段。甚至有企业在传统订货会之前，先行举办“虚拟订货会”，将虚拟货品展示给加盟商或核心客户，对未获得订单的款式直接止损，不再投入实物生产。

虚拟研发不仅降低了成本，也显著缩短了市场反馈周期。顾莹樱透露，在传统模式下，服装行业被淘汰的样品比例通常在 1:2 至 1:3 之间，而通过虚拟研发，样品浪费可减少 60% 以上。更重要的是，虚拟研发可以时时修改，这缩短了市场反馈周期。设计调整可以在销售季之前反复完成，避免因修改周期过长而错过上市窗口，造成时间与成本的双重损耗。

未来，“无实物预售”可能成为常态：品牌可以先通过 AI 生成数百款虚拟设计投放市场测试，再仅对数据表现最优的少数款式进行量产。通过这种“数据驱动设计”的方式，服装行业长期存在的库存风险，或许将得到最大程度的解决。

iMuse 虚拟设计前后效果图对比

超级个体时代的到来

相比企业端，iMuse.AI 给设计师带来的赋能或许更为直接。

在顾莹樱看来，AI 正在重塑设计师这一职业的能力结构。传统服装行业中，设计师往往被严格限制在女装、男装、童装等单一细分品类内，图案设计、IP 联名等工作通常需要外部协作。这并非分工偏好，而是由技能体系决定——不同门类背后是完全不同的训练路径，而每一项技能的培养都意味着漫长的时间成本。iMuse.AI 的出现，在一定程度上打破了这一边界。通过 AI 工具的介入，设计师可以在不同设计领域之间快速切换，原本需要多年训练的技法被压缩为工具能力，审美判断开始直接转化为生产效率。

这种变化在 iMuse 内部的实践中已经显现。顾莹樱表示，目前，公司的客户案例几乎都由一名毕业半年左右的年轻设计师完成，涉及多种风格与品类。这名设计师毕业于东华大学，目前已回到母校授课，并参与 iMuse 与东华联合开设的课程，分享自己如何以 AI 为核心工具，形成一种全新的生产方式。“如果放在过去，一个刚毕业的设计师要达到这样的综合能力水平，可能需要十年以上，甚至一辈子都未必能覆盖这么多维度的设计能力。”顾莹樱评价道。

不过，顾莹樱也强调：AI 并没有抹平个体差异，反而通过“技能平权”放大了“思维层级”的差距。技能是可被工具替代的“形”，而真正拉开差距的，是审美判断、文化理解、信息重组与价值建构等更高层次的能力。换句话说，AI 实现的是“技能平权”，但并未带来“能力平均”。

诚然，当个体能力被放大后，企业的人力结构确实会发生变化 —— 在 iMuse 的合作客户中，部分企业在三个月内实现了约 50% 的人力成本下降。但顾莹樱认为，这并不意味着简单的“用 AI 替人”，而是 AI 在某种程度上倒逼人类去探索和思考新的价值边界。她指出，当设计师不再受技法限制、产业链实现"零试错成本"，未来的服装行业也许会更加个性而多元，时尚产业也才可能真正迎来创造力大爆炸。

提及 iMuse 未来的核心发展方向，顾莹樱表示，其一是帮助企业沉淀数字资产。在传统服装企业中，一件爆款往往只被当作结果复盘，企业并不真正掌握其参考来源、设计路径，以及设计师当时的判断逻辑与思考过程。iMuse 通过系统化地保存设计过程中的每一个环节，使得企业能够在未来的设计中充分利用这些知识。这使得原本高度依赖个人经验、不可结构化的服装研发流程，首次转化为可结构化、可度量、可持续优化的系统化过程。

另一个方向，是围绕“无实物化”构建新的内容与交易场景。iMuse 已推出无实物内容平台 iChuanyi，试图将设计研发、内容展示与电商预售整合在同一虚拟体系中，在不进入实物生产的前提下完成验证与传播，以此降低行业整体的试错成本。

回到那个更宏观的问题：AI 时代，To B 在中国还有机会吗？顾莹樱给出的判断是肯定的。在她看来，中国企业并不是不愿意付费，而是更希望为当下的确定性付费。在这种背景下，“产品为王”会重新被验证：当产品能力出现断层式领先，即便在 To B 场景下，也能够支撑更高的定价，并形成正向循环——高价格反过来支撑持续研发投入，最终构建真正意义上的系统壁垒。