Фабрики и мастерские по пошиву повседневной одежды ежегодно производят 92 миллиона тонн отходов, и это не побочный эффект, а результат особенностей проектирования производственных систем. Ситуация довольно угрожающая для экологии, но она начинает меняться. На производствах по всему миру появляется новый класс ИИ, который не просто создаёт текст или изображения, а фактически взаимодействует с материалами, воспринимает окружающую среду и адаптируется в режиме реального времени. Физический ИИ начинает решать проблемы, которые десятилетиями преследовали текстильное производство. Это другой тип инноваций в области ИИ: сложная автоматизация производства, которая сокращает сроки выполнения заказов, обеспечивает более быструю итерацию, уменьшает излишки товарных запасов тканей и фурнитуры, сокращая отходы уже на этапе производства.
В то время как потребительские предпочтения меняются за считанные дни, традиционные производственные циклы от разработки дизайна до выхода на рынок занимают месяцы. Это несоответствие вынуждает бренды производить больше продукции, чем нужно, поскольку пропуск тренда обходится в краткосрочной перспективе дороже, чем хранить или утилизировать излишки запасов. Выпавшая из модного тренда и, фактически ненужная одежда затем отдаётся на реализацию по очень демпинговой стоимости. Но такое происходит сравнительно редко, а чаще всего она просто выбрасывается — то есть со складов отправляется прямо на свалки или в переработку, поскольку производители не успевают достаточно быстро реагировать на реальный спрос.
По самым скромным оценкам, в 2025 году индустрия моды произвела до 5 миллиардов избыточных товаров, что привело к упущенной выгоде в размере сотен миллиардов долларов. Но перепроизводство — это лишь часть проблемы. Раскрой ткани также приводит к образованию отходов, обрезков, не имеющих практического применения, а дефекты, обнаруженные на поздних этапах производства, означают, что целые партии становятся браком.
Текстильная промышленность обратилась к автоматизации для снижения затрат и повышения эффективности, но традиционные системы столкнулись с фундаментальным препятствием: они не могут работать с тканью. Большинство роботизированных машин могут выполнять отдельные, повторяющиеся задачи – например, резку по заданным линиям или перемещение жёстких материалов – но они по-прежнему требуют участия операторов для манипулирования, выравнивания и позиционирования полотна. Такой подход с использованием «коботов» увеличивает производительность труда без существенного повышения скорости производства или сокращения отходов, поскольку машины недостаточно сложны для работы с мягкими, деформируемыми материалами, которые ведут себя по-разному в зависимости от типа ткани, плетения и условий окружающей среды.
Благодаря сложным камерам и датчикам, а также автоматизированным рабочим местам, физические системы искусственного интеллекта работают по принципу обратной связи — воспринимая, думая, действуя, учась — предлагая путь к быстрому, точному производству по запросу, повышая адаптивность производителей и сокращая отходы и нераспроданные запасы. Это означает, что они могут достичь следующих результатов:
1. Обнаружение дефектов в режиме реального времени: традиционный контроль качества происходит после сборки одежды, и все материалы, труд и энергия, затраченные на производство дефектных изделий, превращаются в отходы. Искусственный интеллект на физическом уровне может обнаруживать дефекты мгновенно, выявляя проблемы на ранней стадии и предотвращая накопление отходов на всех этапах производства.
2. Оптимизация материалов: стандартные выкройки одежды оставляют значительные обрезки ткани, не имеющие практического применения. Физические системы искусственного интеллекта могут динамически анализировать свойства ткани и оптимизировать выкройки практически мгновенно, чтобы сократить количество обрезков. В качестве примера можно привести компанию, стартап, который использует 3D-ткачество для производства трубчатых, контурных тканей, соответствующих форме готового изделия. Вместо того чтобы вырезать из плоской ткани детали выкройки и сшивать их, она создаёт ткань, уже сформированную по контурам изделия, чтобы избежать отходов и создавать одежду с лучшей посадкой.
3. Более гибкое производство: сокращая отходы и дефекты на всех этапах производственного процесса, ИИ делает экономически целесообразными более мелкие и частые производственные циклы, помогая брендам сократить количество спекулятивных заказов и производить продукцию, максимально приближенную к реальному спросу. Бренды могут производить меньшие партии, соответствующие актуальным тенденциям, напрямую решая проблему перепроизводства, из-за которой миллионы непроданных предметов одежды попадают на свалки.
4. Снижение затрат: благодаря тому, что производство становится экономически выгоднее и располагается ближе к конечным рынкам, физический искусственный интеллект значительно сокращает расстояния доставки. Это нивелирует выбросы от транспортировки, сокращает время логистики и уменьшает расходы на перевозку грузов и таможенные пошлины.
Несмотря на огромные преимущества, обеспечение надёжной работы физических систем искусственного интеллекта в течение тысяч часов производства на различных типах тканей в реальных заводских условиях — это совершенно другая задача. В отличие от генеративного ИИ, который может масштабироваться в цифровом виде, физический требует реальных условий тестирования, доступа к производственным цехам для сбора данных и партнёрства с производителями, готовыми тестировать роботизированные системы на своих производственных линиях. Это означает, что прогресс зависит от коллективных усилий представителей разных отраслей, когда предприниматели, производители и инвесторы работают вместе над тестированием, совершенствованием и проверкой решений в реальных производственных условиях.
Наиболее перспективные инвестиции сочетают в себе три элемента: прочную техническую основу, построенную на глубоких знаниях в данной области, доказанную способность к интеграции с реальными производственными условиями и измеримую экологическую и коммерческую отдачу. Специализированные приложения, такие как автоматизированная резка, обработка ткани и обнаружение дефектов, как правило, превосходят универсальные платформы и приложения.
Применение физического ИИ в текстильной промышленности актуально, поскольку этот сектор сталкивается с многочисленными проблемами, включая: нерациональный уровень отходов и перепроизводства; проблемы в цепочке поставок, требующие новых стратегий закупок; и растущий потребительский спрос на снижение воздействия на окружающую среду. Азия производит большую часть мирового текстиля, и производители здесь переживают чрезвычайную турбулентность. Брендам приходится все чаще закупать и производить продукцию в новых регионах в свете меняющейся торговой политики и тарифов, что приводит к снижению прибыли и перекладыванию затрат на конечного потребителя. Нестабильная политическая обстановка продолжает требовать от производителей устойчивости цепочки поставок, и они все чаще диверсифицируют свои возможности по закупкам.
Системы искусственного интеллекта, основанные на физических процессах, уже работают на заводах. Для достижения устойчивого успеха необходимо понимать не только технические аспекты, но и реалии производства, что подразумевает интеграцию с существующей инфраструктурой. Производители, которые возглавят этот переход, сотрудничают с инновационными платформами и разработчиками технологий для создания систем, работающих в реальных условиях, а не только в контролируемых лабораториях. В условиях обостряющегося кризиса отходов в индустрии моды, системы искусственного интеллекта, основанные на физических процессах, уверенно движутся к созданию жизнеспособного пути развития и преодолению модели перепроизводства, которая определяла отрасль на протяжении десятилетий.
