Китайская fashion-индустрия вступает в этап, где искусственный интеллект перестаёт быть вспомогательным инструментом и всё заметнее превращается в инфраструктурный слой отрасли. Речь уже не только о тестировании отдельных AI-сервисов, а о перестройке того, как бренды находят аудиторию, как потребитель принимает решение о покупке и как компании выстраивают контент, коммерцию и креативные процессы.
Сигналы этого сдвига усилились в июне сразу по нескольким направлениям. Шанхай представил план действий на 2026–2028 годы для индустрии fashion consumer goods, прямо обозначив направление «AI + Fashion» как стратегическую точку роста. Параллельно World Artificial Intelligence Conference сообщила о более чем 300 глобальных AI-запусках, запланированных к следующему мероприятию. На национальном уровне также была оформлена политика «AI + Consumption», которая задаёт структурную рамку для трансформации потребительского сектора.
На практике это означает не просто цифровизацию привычных процессов, а изменение самой модели обнаружения брендов. Если раньше покупатель проходил привычную воронку «поиск — фильтр — покупка», то теперь всё чаще формируется другая последовательность: «спросить — получить рекомендацию — купить». В такой среде особое значение приобретает не только визуальная подача бренда, но и его способность быть корректно понятым машиной. 
Именно здесь появляется направление Generative Engine Optimization, или GEO. Это ранняя дисциплина, которая связана с тем, как бренд структурирует знания о себе для AI-систем, чтобы стать более заметным в генеративной среде поиска и рекомендаций. В материале WWD эта тема связана с компанией Trendee Tech и её основательницей Хуэйной Мао, которая описывает GEO не как краткосрочный маркетинговый приём, а как более глубокий этап перехода от цифровой эпохи к эпохе AI-агентов. По её словам, предприятиям необходимо «knowledge-изировать» и «logical-изировать» данные так, чтобы искусственный интеллект мог их видеть и интерпретировать.
Trendee Tech развивает подход, который компания называет LLM-native GEO. В его основе — четыре компонента: структурированные знания о бренде, сценарное Q&A-картирование, интеграция мультимодального контента и сигналы авторитетности на базе цитирования, которые помогают генеративным системам корректно считывать информацию. При этом сама индустрия сталкивается с вопросами регулирования и прозрачности: в Китае уже обращают внимание на риски манипуляций в AI-оптимизации, поэтому в компании подчёркивают ориентацию на научный и комплаенс-подход.
Для брендов GEO становится не столько способом расширить охват, сколько инструментом «памяти» в машинной среде. Смысл в том, чтобы AI не просто увидел бренд один раз, а надёжно запомнил его отличительные признаки и теги, по которым его можно будет рекомендовать в нужном контексте. В новой логике видимость бренда зависит не только от потребительского внимания, но и от машинной интерпретации.
Другой важный вектор — невидимая AI-инфраструктура в люксовом сегменте. Компания ChatLabs, работающая в США и Азиатско-Тихоокеанском регионе, развивает концепцию Quiet AI. Она строится на том, что технология должна улучшать пользовательский опыт, оставаясь незаметной. Это созвучно эстетике quiet luxury: чем качественнее технология, тем меньше она должна напоминать о себе внешне.
По словам СВП ChatLabs Asia-Pacific Адама Лао, рынок Азиатско-Тихоокеанского региона уже обладает сильными компетенциями в luxury AI-сервисах, а главная проблема современного digital-потребления — сужение окна внимания. В материале приводится оценка, что у пользователя есть лишь 0,3 секунды внимания при пролистывании социальных сетей. На этом фоне обычные модели персонализации не справляются с задачей масштабного и точного предложения. AI нужен для анализа данных в реальном времени, но при этом, как подчёркивает компания, он не должен разрушать ценность бренда. Наоборот, правильное применение AI усиливает ощущение дефицита и человеческого тепла.
ChatLabs разделяет роли между машиной и человеком: AI берёт на себя эффективность «за кулисами», а человек отвечает за эмоциональный фронт-сервис. Такой подход уже используется в люксовой среде, в том числе в связке с Tiffany & Co., представленной в рамках инсталляции LVMH Dream Garden на VivaTech 2024. Это показывает, что AI всё меньше воспринимается как внешняя надстройка и всё чаще становится частью самой luxury-экосистемы.
Ещё один важный сдвиг касается креативной цепочки производства. AI начинает входить в дизайнерские процессы не только как генератор идей, но и как более самостоятельный рабочий агент. На Beyond Expo 2026 компания Look AI представила Fashion Design Agent — систему, которую позиционируют как участника совместной работы внутри процесса дизайна. В компании описывают четыре ключевые функции новой AI-модели: сбор внешней информации, контекстное понимание, автономное принятие решений и независимое выполнение задач.
Отдельно подчёркивается, что задача системы не сводится к ускорению рендера. Она интегрируется в рабочие среды, включая Procreate, и позволяет получать AI-сгенерированные итерации в режиме реального времени прямо во время эскизирования. В результате идея и визуализация начинают работать как единый непрерывный цикл. Для индустрии это означает переход от линейного пайплайна к итеративной модели human-machine co-creation.
На уровне производства уже есть и более прикладные результаты. В материале упоминается, что решения Alibaba в области AIGC помогли отдельным apparel-брендам сократить расходы на фотосъёмку и ускорить выпуск контента. Для fashion-бизнеса это особенно важно в условиях, когда скорость выхода продукта и способность быстро адаптировать визуальные материалы становятся конкурентным преимуществом.
AI также рассматривается как инструмент международной экспансии китайских брендов. Trendee Tech утверждает, что AI-системы помогают улучшать релевантность товаров, точность локализации и качество прогнозирования трендов в cross-border commerce. В качестве примеров приводятся данные о том, что один бренд из экосистемы Shein увеличил hit rate товаров на 280% после внедрения структурированных знаний и AIGC-инструментов генерации продукта. Другой бренд, выходивший на рынок юго-запада США, достиг более 95% точности в прогнозировании трендов при использовании локализованной AI-модели.
При этом отрасль сталкивается и с ограничениями. Ужесточаются правила вокруг обучающих данных, достоверности контента и прозрачности алгоритмов. Растут и издержки внедрения: интеграция систем, перестройка организационных процессов и поиск AI-специалистов требуют серьёзных ресурсов. Отдельный вопрос — баланс между автоматизацией и авторством, особенно там, где оригинальность остаётся частью идентичности бренда.
Хуэйна Мао формулирует этот баланс так: самая ценная способность дизайнера — это проактивное мышление, то есть креативность, а сильная сторона AI — анализ данных и быстрое генерирование. В её логике искусственный интеллект должен не заменять творческое мышление, а ускорять его внедрение в практику.
Таким образом, китайская fashion-индустрия входит в фазу, где борьба идёт уже не только за внимание аудитории, но и за машинное понимание бренда. В новой системе координат важно не просто быть найденным потребителем: бренд должен быть понят AI достаточно хорошо, чтобы попасть в рекомендации. И именно это сегодня формирует следующую модель fashion-рынка — от поиска к машинно управляемому обнаружению.
Источник: wwd
