鞋材連載-第11章：當AI遇見鞋材——那些以前做不到的事

2024年，Nike推出了一個名為「A.I.R」（Athlete Imagined Revolution）的項目。這個項目與13位頂尖運動員合作——包括網球傳奇Serena Williams、馬拉松之王Eliud Kipchoge——讓他們與AI對話，描述自己「想像中的完美鞋子」。

AI系統根據這些描述生成了數百種設計圖像。然後，Nike的計算設計師使用3D軟體把這些圖像轉化為可製造的原型。整個從靈感到原型的過程，縮短到了數小時到數天——而傳統方式可能需要數週。

這不是科幻。這是正在發生的現實。

AI驗布：老師傅的「新徒弟」

在網布廠的生產線上，最「磨人」的工作之一是驗布。工人盯著快速移動的布料，找出孔洞、色差、髒污、織紋異常……這項工作對眼睛和精神的損耗極大。

根據研究數據，人工驗布的速度通常在每分鐘10到20米之間，而且隨著工作時間延長，準確率會明顯下降。AI視覺檢測系統可以有效解決這些問題。

AI驗布系統的核心是一台高解析度相機，加上深度學習演算法（通常是YOLO等物體檢測架構）。系統會先「學習」大量正常布料和瑕疵布料的圖片，建立起辨識瑕疵的能力。然後上線後，每當布料經過相機，AI就能即時識別並標記任何異常。

根據實際應用數據，AI視覺檢測系統的表現遠超人工：檢測速度每分鐘30到60米，準確率95%到97%且24小時一致穩定，微缺陷發現率從35%提升到90%以上。

對於供應商來說，AI驗布系統不僅提升了品質控制的效率和準確度，還能減少驗布工人的人力需求——這些人力可以轉移到更需要判斷力的工作崗位上。

AI配方最佳化：讓機器自己找答案

發泡材料的配方開發，是另一個AI正在改變的領域。

傳統的發泡材料配方開發，依賴「試錯法」——研發工程師根據經驗設計配方，做出樣品，測試性能，調整配方，再做樣品……這個過程可能需要數十甚至上百次循環，耗費大量時間和原料成本。

AI改變了這個模式。

AI系統可以學習歷史配方數據和對應的性能測試結果，建立起「配方-性能」的預測模型。當工程師輸入一個新的配方設計時，AI可以預測這個配方的大致性能範圍，幫助工程師更快地收斂到最優配方。

不僅如此，AI還能發現人類工程師難以察覺的「隱藏最優解」——那些在傳統方法下可能被忽略的配方組合，卻可能帶來意想不到的性能提升。

根據中國紡織機械協會的統計，採用AI輔助配方最佳化的企業，新產品開發週期平均縮短40%，研發成本降低25%。這些數字對中小型供應商來說，可能就是生存與發展的差異。

數位孿生：虛擬工廠的魔力

「數位孿生」是另一個正在紡織鞋材行業嶄露頭角的AI應用。

簡單來說，數位孿生就是在電腦中建立一個與實際工廠完全對應的「虛擬工廠」。這個虛擬工廠與真實工廠同步運行——真實工廠的設備狀態、生產進度、能耗數據，都會即時反映在虛擬工廠中。

有了數位孿生，工廠管理人員可以在虛擬環境中進行各種「假設分析」：

• 如果我們把A設備移到B位置，生產效率會提升多少？

• 如果訂單量增加20%，現有產能是否能支撐？

• 如果這個設備故障了，整個生產線會受到什麼影響？

在義大利紡織機械協會推出的Footwear 4.0平台中，數位孿生技術已經開始應用。工廠可以在實際安裝設備之前，先在虛擬環境中模擬整個生產流程，找出潛在問題，優化佈局和排程。

ASICS與Dassault Systèmes合作開發的個人化鞋墊服務，則是數位孿生在產品端的應用：消費者的腳型被3D掃描後，在虛擬環境中設計鞋墊形狀和軟硬度分布，然後3D列印製造——整個流程從掃描到交付，可以在巴黎的個人化工作室中當天完成。

AI色差管理：讓色彩不再「說不清」

色差是紡織品和鞋材行業最頭疼的問題之一。

傳統的色差控制高度依賴「老師傅」的肉眼比色經驗。但老師傅會疲勞，會生病，會退休。而且，肉眼比色的標準難以量化——張師傅說「偏紅」，李師傅說「不偏紅」，這個爭議怎麼解決？

AI色差管理系統提供了新的解決方案。

這類系統使用多光譜成像技術，捕捉布料表面的光譜特徵，建立起「數位色彩指紋」。每批布料都有自己專屬的色彩指紋記錄在系統中，任何兩批布料之間的色彩差異都可以用數值精確定量——ΔE值（色差值）越小，說明兩者越接近。

當新批次布料的色彩指紋偏離標準範圍時，系統會自動預警，讓工程師及時調整染色工藝。批次之間的色彩一致性，從此不再是「說不清」的模糊問題，而是有數據支撐的精確管控。

AI驅動的碳足跡追蹤

在永續發展日益重要的今天，碳足跡追蹤正在成為供應商的必備能力。Nike、Adidas等品牌已經承諾碳中和目標，並開始要求供應商提供碳排放數據。

AI碳管理平台可以自動整合工廠的能耗數據、原料用量數據，按照標準方法論計算碳排放。AI還能識別碳排放的「熱點」，幫助管理人員找到減排的優先著力點。EU數位產品護照預計在2027到2028年強制實施，將進一步加速AI碳管理工具的普及。

本章知識點

AI在鞋材產業的四大應用：

• AI驗布：速度和準確率超越人工，減少漏檢

• AI配方最佳化：縮短開發週期，降低研發成本

• 數位孿生：虛擬模擬優化生產規劃

• AI色差管理：精確定量色彩一致性

下章預告：從AI到智慧工廠，從循環經濟到客製化未來——最後一章，我們要描繪的是：在這個AI席捲一切的新時代，鞋材產業的未來會是什麼樣子？那些今天看起來像科幻的概念，什麼時候會走進我們的生活？

以上由AI協作