紅蜻蜓跑出鞋服AI樣本：一天設計200個品，效率提升10倍！

點擊上方??，報名AI系列游學活動

當大部分企業還在觀望AI能做什么時，紅蜻蜓已經用AI拿到了結果：

- 過去通用AI出圖的打樣命中率只有5%，現在他們用專屬大模型直接拉升到了10%-20%；

- 產品營銷團隊現在一個人配合AI拍照設備，一天就能設計/上架200個品，單日產出效率飆升。

在紅蜻蜓這里，AI已經實現了產能和效率的提升。背后這套能力則來自紅蜻蜓孵化的獨立公司「惠利瑪」，紅蜻蜓既是它的母體，也是它驗證AI提效場景的“頭號標桿客戶”。在跑通了設計、生產、營銷的全鏈路后，惠利瑪開始將這套“十倍提效”的能力向整個鞋服行業輸出。

但在這場AI效率革命中，惠利瑪事業合伙人李文彬發現了一個極其真實、甚至有些扎心的困境：AI落地最大的阻力不是技術，而是人。AI工具再牛，如果組織激勵和分配機制沒跟上，員工根本不愿意釋放這10倍的產能。技術已經準備好了，組織卻未必準備好。

在和見實的這次對話中，李文彬詳細拆解了他們幫助紅蜻蜓在AI設計、營銷、供應鏈端拿到的提效數據，以及在面對“產能釋放”時，摸索出的真實破局解法。對了，在4月15日，見實還將和會員，深入一線感受和學習AI實踐，歡迎你文末一起報名參與。

惠利瑪事業合伙人李文彬

01

設計端提效

打樣命中率翻2倍

見實: 你們幫紅蜻蜓最早用AI切入哪個業務環節？拿到了哪些具體數據結果？

李文彬：我們介入最深、效果最直觀的是AI設計。

雖然通用大模型如Stable Diffusion也能設計鞋，但紅蜻蜓喜歡的鞋跟其他品牌肯定不一樣，每個品牌有自己的調性和文化。所以我們給AI“投喂”了紅蜻蜓大量的歷史爆款數據、顏色、結構、各區域銷售數據，訓練了專屬的品牌大模型。

以前通用AI出圖，設計稿能被選中去打樣生產的準確率大概只有5%，現在我們能做到10%—20%。我們做過簡單測算，現在用了這個模型，一個人一周就能完成以前一個設計團隊一個月的工作量，而且輸出品質能達到一個4年經驗設計師的水準。

以前一款鞋的設計成本，含人工算下來大概是2000到5000元不等。現在把AI和人工全部算進去，大概是600到1000元左右。

見實: 這個效率提升，落實到具體的業務轉化上是怎樣的？

李文彬：以前鞋服設計的難點在前期探索，一個系列往往要嘗試很多方向，設計師需要不斷出圖、調整、評估，再進入打樣環節，整個過程投入很大。

現在AI最大的價值在于，能在前期快速生成大量參考方向，把原本需要花很多時間完成的探索過程大幅壓縮。

團隊可以先基于AI生成的方案做多輪篩選和討論，再把更有潛力的款式交給設計師深度優化，這樣能把真正值得打樣的款式范圍收得更小，從而提高整體開發效率，也節省了鞋的樣品成本。

見實：目前在設計環節，還需要人去做什么？

李文彬：以前設計一款鞋，從草圖到樣品，每一步都要人工推進，現在AI可以快速生成大量接近設計師需求的初稿，人的工作變成了選擇、判斷和二次精修，而不是從零開始畫。

但AI仍然只是輔助。方向判斷要靠人，商業級的精修要靠人，最后的技術轉化——比如把2D設計轉成3D鞋底模型，還是要人來做。AI解放的是那些重復性的、機械性的出圖工作。

02

營銷端提效

樣品上新效率更高

見實: 在離轉化最近的營銷端，AI幫助品牌實現了怎樣的產能爆發？

李文彬：最直觀的是樣品上新。

以前遇到訂貨會，幾千個品突然要上架，傳統的平面團隊根本干不過來，而且需要一個完整的拍攝團隊配合（攝影師、道具、美工等5個人）。

現在用惠利瑪自研的自動拍照機，一個人操作，就可以自動拍照、摳圖、精修、生成詳情頁、搭配模特圖，甚至關聯后臺自動上架。現在通過AI一天至少能上新200款產品，效率飆升。

見實：你們服務的大部分品牌，AI還在營銷端的哪些方面有提效？

李文彬：剛說的是平面圖，還有短視頻和數字人直播方面的提效。

我們會幫品牌去克隆老板/董事長的數字人，并打造成品牌IP。邏輯很簡單——老板時間非常有限，不可能每天坐那拍短視頻，但品牌又需要高頻的曝光。

現在用數字人克隆技術，只需一次采集，后續內容團隊直接用文本驅動。我們現在每個月能高質量輸出幾十、上百條老板口播的短視頻，徹底打破了真人的時間精力限制。

以前要做一個老板級別的IP團隊，一年的配置成本可能是幾十萬到上百萬。現在整個成本大概10萬到20萬左右，而且效率更高，不用等來等去。

除了短視頻、數字人直播，我們還會做老板智能體，可以24小時在線給導購做培訓，或者給B端代理商講品牌文化，把核心IP的業務價值放大了無數倍。

見實：數字人直播現在在哪些平臺跑？效果怎么樣？

李文彬：效果最好的是天貓，其次是京東，然后是視頻號。抖音官方目前明確不允許數字人直播，我們不做。

我們全部走官方白名單接口，進入平臺官方后臺綁定，不用第三方推流。合規性非常重要，因為我們服務的很多是大品牌，他們都是幾十萬、幾百萬粉絲的賬號，不能去冒險。另外目前各大平臺對數字人直播還有流量扶持政策，這是個窗口期。

我們服務過很多頭部一線品牌，做出來的數字人直播間效果能超過他們原有的真人直播間。背后是技術加一個有超過10年短視頻經驗的運營團隊——分鏡怎么設計、話術怎么寫、特寫鏡頭怎么打光，這些都是專業積累，不是AI能直接替代的。

另外，商業化對細節的要求極其苛刻。你用便宜的軟件做，鞋子的細節、奢侈品的logo稍微變一點形，客戶買回去貨不對板，直接就是客訴災難。我們能做到4K級輸出，且保證產品細節絕對不變，這是商用級的底線。

03

供應鏈提效

柔性生產有了可能

見實：設計端和營銷端之外，供應鏈這塊AI介入之后有什么變化？

李文彬：我們還未完全實現柔性生產，這個命題太大了，但我們正在越來越靠近它。

柔性生產為什么難做？核心矛盾在于：客戶的需求是動態的、個性化的，但企業的生產是計劃性的、標準化的。如果完全跟著客戶需求走，就變成了全定制，成本高得離譜；如果完全按計劃生產，等市場反饋回來再調整，周期又太長。

見實：以前這個反饋周期有多長？

李文彬：至少三個月，通常是半年。舉個例子，我們春夏的訂貨會，可能在去年六七月份就開完了。但時尚一直在變，訂貨會結束之后，市場上可能又出了新的IP、新的爆點，以前根本來不及響應，只能等到下一個季節再說。

而且整個反饋鏈路非常長——銷售數據要先匯報給銷售人員，銷售再反饋給市場部，市場部再反饋給設計師，設計師再修改，再一層層返回去。等這個信息傳到設計端，黃花菜都涼了。

見實：AI介入之后，這個周期怎么變的？

李文彬：現在，我們的設計大模型直接關聯了全網電商數據和自身的實時銷售數據。前端市場喜歡什么元素、什么款式，AI能實時、動態地抓取反饋，并立刻優化下一批的設計鏈路。系統學習和處理數據的頻次變得極高，這就讓“小批量、快速反應”的業務模式成為了現實。

現在我們以一個月為大節點、半個月為小節點，做精細化的數據學習和款式調整。從以前的半年壓到了一個月，這個變化是很實質性的，我們能實時根據市場反饋調整款式風格、生產數量和時間。

而且我們還加了一個預測模型——不光看過去幾年的歷史趨勢，還把未來兩三年的整體趨勢數據“喂進去”，讓模型給出更精準的設計方向判斷。這樣在設計階段就能輸出更符合市場的產品，而不是等賣完一季再復盤。

見實: 為追求極致的響應速度，在業務動作上還有哪些突破？

李文彬：為了把業務鏈路縮到最短，我們甚至跨過了傳統的“調研”環節，直接把AI設計軟件定向開放給C端消費者。

你想要什么樣的鞋面、什么結構，可以自己用AI參與設計。當操作足夠簡便時，用戶的參與意愿非常高，而且對自己設計的鞋子認購率極高。

這樣一來，消費者和設計師直接出款，后端立刻跟進生產，再迅速賣到消費者手里。前端需求的精準捕捉與后端生產的極速響應完美咬合，整個商品流轉效率實現了質的飛躍。

當然這個目前還是定向發放，還在驗證階段。但方向是對的——真正的柔性，不只是生產端的柔性，設計端和銷售端如果不柔，供應鏈是柔不起來的。

04

AI落地最大的坑

不是技術，是激勵機制

見實：你們在幫品牌推進AI落地的過程中，遇到過哪些沒想到的阻力？

李文彬：很多。這三四年下來，我們發現很多企業都經歷過同一個路徑：剛開始覺得很好，后來沒做好，最后不用了。

原因主要有三個。第一，傳統企業沒有專門的AI崗位，你讓一個傳統銷售人員或者設計師去學AI，他本職工作就很忙，心理上是抵觸的，專業上也學不明白。第二，AI迭代太快，Stable Diffusion剛搞明白，ChatGPT又出來了，現在每周都在更新，很多人追著追著就放棄了。

第三個才是最根本的原因——激勵機制沒跟上。員工學了AI，一個人干了5個人的活，公司沒給任何獎勵。以前5個人的工作量，現在一個人用AI搞定了，公司不但沒給加薪，反而派了更多工作。那員工為什么要學？就用傳統工作方式，至少不會出錯，節奏也穩，還不用冒險。

這是一個非常真實的困境。AI賦能，省的是老板的錢，多干的是員工的活。如果這個分配問題沒有想清楚，員工從根本上就沒有動力去學。

見實: 確實，很多人調侃，用了AI不僅工作沒輕松，反而比之前更累。怎么破局？

李文彬：這就是AI提效最核心的痛點，分配機制必須重構，經濟基礎決定上層建筑。

員工的底層邏輯很簡單：我努力自學了AI，一個人干了以前5個人的活，創造了巨大的業務增量。但我拿到的錢一分沒多，干完活老板還會給我派新活，那我為什么要學。

因此，企業只要把多產生的價值分配一部分給員工，員工的主動性就會爆發。如果員工用AI一個人干了5個人的活，你能不能給他發1.5個人的工資？或者他一上午干完了活，下午能不能讓他去休息、去玩？

無非就是給他物質獎勵或者時間獎勵。

見實：你們給客戶的解決方案還有什么？

李文彬：我們的核心邏輯叫“先幫你拿到結果，再談培訓”。AI落地的最大阻力，其實是員工的心態。

很多企業說，你的軟件我用不出來想要的東西。沒關系，我不急著讓你自己學，我先幫你做出來。

比如數字人直播，我們告訴客戶：你只需要給我你的店鋪名字和產品鏈接，剩下的主播選角、直播間搭建、話術撰寫、特寫鏡頭設計、常規回復——全部我來搞定，10天之內幫你上線。

老板看到24小時直播真能賣貨，員工看到這玩意真能極速出圖，有了結果，他們才有動力去學。先給結果，再教工具。而不是說我把軟件賣給你，你自己去證明效果。我幫你證明了效果，剩下的才是培訓和內化的問題。

05

行業組織變化

新增幾類AI崗位

見實：AI介入之后，你們觀察到鞋服企業的組織結構有哪些變化？新增了哪些崗位？

李文彬：有幾個新崗位在出現。一個是智能體訓練師，專門負責把歷史數據分類整理、投喂給AI；一個是數據架構專員，負責數據的收集和分類；一個是AI制作師，不管是平面內容還是鞋款設計，都需要專門的人來操作AI工具；以及AI輔導培訓師，負責把新工具推廣到全員。

見實: 從你們的實操來看，是應該讓懂業務的人去學AI，還是讓懂AI的人來深入業務？

李文彬：絕對是懂業務的人去學AI更靠譜。

你要學懂一個行業，沒有三、五年是不行的。沒有行業沉淀，根本無法判斷AI輸出的結果到底能不能用。而一個懂業務的人，腦子里有體系性思維，他去學AI工具的使用，最多只要1個月就能熟練。

見實：接下來一兩年，AI對鞋服行業最大的影響會在哪里？

李文彬：我覺得底層邏輯是不變的，一雙鞋怎么設計好看，一件衣服怎么賣出去，這些專業積累不會因為AI而消失。

AI目前的角色是一個“天才兒童”，你不把十幾年沉淀的專業知識“喂”給它，它永遠成不了好助手。我們應該去做AI的“導師”，把專業知識教給它，讓它給我們打輔助。

對企業來說，可以先選最容易用AI見到結果的兩個口子：設計端和營銷端。設計端能快速看到成本節省，營銷端能快速看到轉化變化。先把一件事做透，比如先把海報這件事用AI做到極致，把你所有的字體、顏色偏好、模板風格全部訓練進去，能做出你想要的東西，這就已經很了不起。

最后我想說一句：目前市面上太多割韭菜的了，幾百塊的課、幾千塊的軟件滿地都是。企業在這件事上要理性，一定要先看落地案例，看真實結果，再決定要不要用。別把組織搞亂了，還費了一堆錢，那就得不償失了。

PS：

AI在2026年的重點，是進入業務環節。游學，觀摩、學習、交流AI最新玩法。

我們將游學以下企業：紅蜻蜓&惠利瑪、德賽鞋業、蜜絲婷、森馬集團、報喜鳥、山丘聯康、頭道湯、伊的家、僅三生物、孩子王。歡迎你下方加入見實會員一起游學。

↘更多私域服務對接：