【德邦证券】大规模个性化服装定制先驱,AI设计浪潮中有望抢占先机.pdf
1. 酷特智能:服装定制先驱,引领 C2M 产业平台发展
1.1. 发展沿革:深耕服装定制,聚焦 C2M 产业互联网平台生态战略
C2M 产业互联网引领者,提供定制化柔性化全链条服务。青岛酷特智能股份 有限公司创立于 2007 年,于 2020 年在深交所成功上市。数十年来,酷特智能立 足 C2M 战略,即“由需求驱动的大规模个性化定制”的经营模式,成功打造服装 C2M 产业互联网平台 SUITID,由西服定制主品类拓展至全品类定制,针对国内 外服装品牌商、服装创业者、时尚设计师和服装经营者等客户的个性需求,提供 从研发设计、面辅料管理、生产制造、到客服和物流的服装定制和柔性化一站式 解决方案。
公司服装定制业务的发展和 C2M 能力的成熟可以分为 4 个阶段:
1995-2007 年初创时期,初步打造智能产线。酷特智能前身是 1995 年成立 的红领集团,主要从事成衣生产与销售。2003 年后紧张的市场竞争压低利润率, 抬高了经营风险,创始人张代理先生开始寻求转型,并进军纽约市场进行探索, 个性化与工业化结合开展定制服装业务。与此同时,2004 年-2007 年公司不断推 陈出新,不仅解决制版、量体等问题,还建立了款式与工艺数据库等软件系统,最 终以数据驱动的定制服装智能产线初具雏形。
2007-2020 年转型时期,聚焦定制业务,完善 C2M 能力。2007 年酷特智能 正式成立,随着智能生产线的改进,生产效率的切实提高,2012 年日均产量可达 1000 套左右。生产线的成熟,以及 2014 年-2015 年期间获得的土地厂房、机器 设备,公司真正实现了定制服装的独立生产。更为重要的是,公司于 2011 年确立 了 C2M 战略,成立八大科研中心,专注“基础科研”这一核心能力的打造。公司 男装为试验田,以工业化实现大规模的个性定制。同时,公司从 2016 年开始输出 解决方案,帮助多行业内的多家传统制造企业实现转型升级。定制服装是公司 C2M 产业互联网平台成熟的实验室载体,酷特智能于 2020 年深交所成功上市。
2021-至今升级时期,建立投资基金打造跨行业 C2M 产业互联网平台。经过 数十年沉淀,2021 年酷特智能已具备服装 C2M 产业互联网平台的核心能力,在 打造这一平台的基础上,成立产业互联网战略投资基金,以科技赋能+资本赋能的 形式进入不同的产业,打造跨行业的生态平台。同时,2021 年公司入选为国家级 服务业标准化试点企业并获得“2021 年国家级智能制造优秀场景”称号。公司参与 制定《服装个性化定制模块化设计规范》、《服装个性化定制电子商务平台通用功 能要求》等十余项国家标准,引领服装个性化定制行业发展。2022 年,在中国数 字化转型与创新评选中,不仅酷特智能荣获“数字化战略典范案例”奖项,董事 长张蕴蓝也荣膺“数字化领军人物”称号。
1.2. 股权管理:家族型企业股权结构稳定
家族型企业,股权结构稳定。截至 2023 年第一季度,公司控股股东为创始人 张代理先生,持有酷特智能 14.93%的股份,其家族成员张蕴蓝、张琰与其为一致 行动人,分别持股 10.23%和 9.8%。公司股权结构相对稳定,有利于公司各项发 展战略的布局与顺利实施。旗下 2 家控股子公司,其中 2022 年新成立的中广酷 特(青岛)新能源有限公司,是酷特智能 C2M 产业互联网在新能源领域应用的成 果,该公司主要从事大容量固态锂电池及相关系统的研制销售业务。
核心团队稳定,基层团队传承度高。酷特智能创始人张代理在企业上市三个 多月后的 2020 年 10 月便卸任酷特智能董事长一职,将接力棒交给女儿张蕴蓝。 董事长张蕴蓝毕业于加拿大北哥伦比亚大学,曾在上海外企工作过的她在 2005 年 进入公司,最初带领团队在纽约拓展业务,并于 2007 年 12 月起担任公司总经理, 深耕行业 18 年,将一家有 3000 多名员工的传统成衣制造厂改造成数据驱动的大 规模个性化定制企业。公司核心管理团队拥有丰富的行业运作经验,对公司、市 场、行业的判断切实精准,大部分高管都在酷特智能的前身红领集团工作过,对 公司有强烈的认同和自豪感,在服装定制行业都累积了极宝贵的工作和管理经验。
1.3. 财务分析:业绩增长稳健,重视研发投入
营收和利润增长稳中向好,23Q1 实现超预期增长。2015 年-2022 公司年收 入从 2.91 亿元增长至 6.16 亿元,CAGR 为 11.29%,归母净利润从 0.15 亿元增 长至 0.85 亿元,CAGR 为 27.78%,总体保持稳健增长。受益于海外新老客户的 维护开发,2022 全年收入 6.16 亿元,同比+3.95%;归母净利润 0.85 亿元,同比 +39%。2023 一季度公司收入 1.65 亿元,同比+20%;归母净利 0.29 亿元,同比 +61.65%,实现超预期增长。
分业务:服装贡献主要收入,22 年海外市场高增。服装类收入整体超过 90%, 是公司收入的主要来源,管理咨询类收入所占比例低,总体呈收缩态势。2020 年 受疫情影响公司收入结构有所转变,新增的防疫物资生产贡献 40.86%的销售收 入。2021 年后服装主业重回正轨,2022 年服装收入为 5.83 亿,占销售收入 94.53%,毛利率为 41.73%,管理咨询收入 0.01 亿,占销售收入 0.12%,防疫物 资收入 0.09 亿,占销售收入 1.41%。分地区来看,22 年服装呈双循环态势,海 外市场重回高增,贡献 2.3 亿元收入,同比增长 49.35%,有效弥补了疫情影响下 国内市场的下滑。
分渠道看,直营销售占主导,加盟线上渠道快速拓展。酷特智能直营销售占 比超过 90%,加盟和线上渠道销售总量呈上升趋势。2022 年直营、加盟、线上销 售分别为 5.65 亿,0.49 亿,0.02 亿,同比变化 6%,-8%,-5%。2022 年直营、 加盟、线上销售的毛利率分别为 40.65%,36.17%,56.38%,同比变化 6.86pct, -2.91pct,4.67pct。受疫情影响,直营毛利率在 20 年大幅下降后稳步回升。线上 渠道更多针对 C 端消费者,毛利率较高并呈现上升趋势。近年来公司在注重利用 加盟店扩大区域布局,加盟店由 19 年的 87 家增加至 22 年的 183 家。
盈利能力显著上升,持续加大研发投入。近年来酷特智能盈利能力总体提升。 2022 年公司销售毛利率和销售净利率分别为 40.35%和 13.73%,同比上升 3.98pct和3.39pct;2023Q1销售毛利率和销售净利率分别为 41.57%和17.13%, 同比上升 2.89pct 和 3.97pct。公司积极提高智能生产水平,控费能力优秀。22 年 销售/管理/研发/财务费用率分别为 12.93%/6.45%/6.52%/0.82%,同比变化1.59pct/-0.37pct/+2.85pct/0.73pct;23Q1 销售/管理/研发/财务费用率分别为 11.18%/6.36%/6.39%/-0.04%,同比变化-3.77pct/1.52pct/1.42pct/-0.86pct。技术 创新的不断追求是酷特智能的核心发展动力,公司持续加大研发力度,2022 年研 发费用 0.4 亿元,较去年同期增长 84.6%。
2. 技术驱动供需协同,服装定制行业快速发展
2.1. 古老行业迎来焕新机遇,服装定制市场实现快速发展
服装市场万亿规模,近年来增长有所波动。根据欧睿数据,2017-2022 年, 受疫情影响和宏观经济等因素,国内服装产业市场有所波动,CAGR 约为+1.2%。 2022 年受国内疫情多地散发、需求减弱等因素影响,国内服装类市场零售规模同 比下滑 6.6%至 20489.7 亿元。根据欧睿数据,中国大陆/美国/日本服装件单价分 别为 6.7/16.7/17.3 美元,人均消费额为 216.4/970.0/368.0 美元,相较发达国家, 中国服装消费仍有发展空间。
近年来我国定制服装行业快速发展,中高端市场仍有扩容空间。近年来随着 我国经济的整体发展以及城市化水平提高,民众对于物质需求的数量和质量同时 提升,审美要求的不断升级,中国中高端服装占比从 2017 年的 27.2%提升至 2022 年的 34.9%,与美国中高端占比的 48.1%仍有一定差距。与此同时,信息技术、 自动化技术的进步也推动了定制服装发展。在此背景下,我国服装定制行业呈现 出强劲的发展潜力。根据中国产业研究报告网预测,2017-2022 年定制服装领域 市场规模呈逐年增长态势,CAGR 达到 13.35%;2022 年我国服装定制市场规模 达到 2600 亿元,同比增长 11.78%。
我国定制服装行业经历了四个发展阶段,分别为原始手工定制时期、手工定 制萎缩时期、新定制萌芽时期和个性化定制爆发时期。1970 年以前,原始手工定 制时期主要以家庭手工缝制为主。随着人口、消费增长以及生产力的提高,成衣 的供给效率飞跃,服装价格持续下降,服装定制出现萎缩。进入 21 世纪以后,城 市化以及互联网的普及让人们的定制化需求开始提高,成衣企业产能过剩,新定 制进入萌芽时期。2015 年至今,随着工业技术 4.0 的成熟,服装定制通过工厂生 产提高了效率,进入手工定制的爆发时期。当前,随着大数据算法和智能制造技 术的逐步成熟,个性化服装定制的可行性逐步提升。
商务男装是高端服装定制的主要市场。服装定制行业产业链上游原材料主要 包括棉麻、化纤、丝绸、机械等;中游商家主要包含高级定制工作室或设计师品 牌、大规模个性化定制商(如酷特智能、报喜鸟等)和团体职业装定制;产业链 下游消费群体为对服装尺寸有要求的众多客户,主要包括高级私人定制客户、婚 礼定制客户以及团体定制客户。私人定制客户主要是商务人士、明星/名人以及 特殊身材群体。其中商务人士的占比最高,超过 80%,为高级私人定制的主要 客户群,主要集中在年龄在 22~55 岁之间中高收入男性商务人士。
2.2. 技术革新驱动大规模个性化定制发展,供需共振打开市场空间
2.2.1. 大规模个性化定制能够兼顾个性化和工业化
服装定制可分为传统手工全定制、大规模个性化定制、团体职业装定制三类。 传统手工全定制指意义裁缝店、制衣店、独立设计师等为客户在量体、制版、 裁 剪等各环节都通过人工进行参与的定制模式,对人工依赖性高、耗时较久、价格 昂贵,能高度满足消费者的个性化需求。团体职业装定制服务于各类有集中采购 职业装需求的企事业单位,通过形成规模效应有效降低了成本,由于通常采用样 衣套号再根据个人调整,个性化程度低。大规模个性化定制将客户个性化需求转 化为数据信息进入工业化生产流程,在标准技术、现代设计方法、信息技术和先 进制造技术的支持下,能够兼顾个性化和大规模批量生产,能较高程度满足客户 的差异化需求。
较传统手工定制,大规模个性化定制在各重要环节均实现突破:大规模个性 化定制受益于各个环节对信息化技术的使用,极大地降低了定制服装的成本,更 符合大众市场的定制需求。1)在采购环节,大规模定制因规模效应导致整体用料 量大,相比于传统手工定制降低了采购成本;2)在量体环节,大规模个性化利用 标准化量体技术,大幅降低了传统手工定制对量体师人工量体的依赖;3)在打版 环节,大规模个性化使用逻辑匹配算法,大幅增加了制版数量上限与效率;4)在 生产环节,通过信息化生产流程进行裁剪、缝纫、熨烫,实现降本增效;5)在销 售环节,传统手工定制通常要经历多次现场试衣修改,而大规模个性化定制通过 线上线下渠道相结合的方式提高了购买产品的便捷性,拓宽了受众。
2.2.2. 供需驱动下,大规模个性化定制有望成为行业发展趋势
供给端看,个性化定制能有效的改变成衣企业库存和供应链困境。在疫情给 供应链带来的扰动和宏观经济压力下,库存给不少服装企业带来较大的挑战。 2022 年男装、女装、休闲服装的存货周转天数分别为 229.96 天、281.45 天、 167.00 天,分别同比上升 33.20 天、32.12 天、31.50 天;男装、女装、休闲服装 流动比率分别为 1.55、2.20、1.19,分别同比变动-0.15pct、0.73pct、-0.28 pct。 由于服装本身非标、时尚性强的产品属性,库存管理直接影响着整个企业的运作 和资金流动状况。
C2M 定制模式重塑供应链条,是解决库存问题的有效方式。从传统供应链管 理模式、快反供应链管理模式升级到全定制供应链反应模式,供应链革新的本质 在于伴随生产能力的提升,服装制造转向小批量快速交货的模式,可以满足客户 的碎片化订单需求。传统供应链中成衣批量生产由订货会下单驱动,快反供应链 中批量生产由企业对终端需求的市场判断驱动,而定制供应链则直接由消费者需 求驱动,将交付时间从几个月缩减成 7 天,理论上可以做到零库存。在消费需求 波动大、市场风格多变的当下,将消费者需求前置,C2M 定制模式有望成为服装 企业解决库存问题的有效方式。
政策端看,政策鼓励服装 C2M 模式发展。自 2020 年来,政策持续发力。一 方面鼓励纺服行业品质化、精细化发展,培育一批高端品牌走国际化道路。如国 务院办公厅于 2020 年 11 月 9 日发布的《国务院办公厅关于推进对外贸易创新发 展的实施意见》鼓励纺织等劳动密集型产品通过高端化、精细化增强竞争力。另 一方面,政策持续强调支持 C2M 模式发展,立足于智能化、数字化,开展个性化 定制和柔性生产,实现供需高效匹配,产销畅通对接。如国务院办公厅于 2021 年 12 月 30 日发布的《国务院办公厅关于促进内外贸一体化发展的意见》以及于 2022 年 4 月 20 日发布的《国务院办公厅关于进一步释放消费潜力促进消费持续恢复 的意见》都鼓励发展 C2M 定制模式。总而言之,服装 C2M 定制、智能工厂符合 国家在经济新常态下提出的制造业转型升级要求,当前的国家政策为服装业 C2M 模式进一步发展提供了有利的外部条件。
需求端看,消费分级下,中高端消费者消费能力和意愿依旧强烈。随着多年 来中国人民生产能力和生活水平逐步提升,人均可支配收入不断上涨,消费者需 求层次同步逐渐攀升。麦肯锡《2023 中国消费者报告》将消费者分别以家庭年可 支配收入 8.5 万元、16 万元、34.5 万元为分界点,划分为中低收入与低收入、中 等收入、中高收入、高收入群体进行消费分级,数据显示:从 19 年到 22 年,各 收入群体中均更倾向于实际支出保持不变。相对而言,中低收入者消费意愿下滑 明显,增加支出 5%以上的人群占比从 33%减少至 12%,而中高收入者仍有 20% 以上比例选择扩大消费支出。整体而言,不论何种收入群体,绝大多数不愿进行 消费降级,中高收入者则更为明显,中高端消费者消费能力和意愿依旧相当强烈。
Z 世代追求个性化定制化商品。跟随时代变迁,95、00 后消费群体逐渐成长, 未来 Z 世代将成为消费群体的主要组成部分。企业的产品能否打动年轻群体,是 判断企业竞争优势和成长性的关键因素。根据 19 年麦肯锡调查数据,不同市场的 Z 世代都偏爱个性化、定制化产品和服务,在中国市场尤为突出,有 51%中国 Z 世代消费者强烈认同或认同个性化产品,有 53%的中国 Z 世代消费者强烈认同或 认同提供定制服务的品牌。独特的产品和服务在未来或将成为 Z 世代消费主流; 高效率收集消费者需求、制造消费者需要的个性化产品,或将帮助企业攫取更多市场份额。
3. 生成式 AI 迎来技术突破,或催化服装定制需求爆发
2022 年 11 月,美国人工智能研究实验室 OpenAI 推出了基于 GPT3.5 的人 工智能聊天机器人 ChatGPT,使用了 Transformer 神经网络架构,通过训练在大 型文本语料库上学习到的语言模式来生成自然语言文本,它能够通过上下文进行 聊天,完成撰写文章、编写代码等任务。截至 23 年 1 月,ChatGPT 已达到 1 亿 月活跃用户,成为历史上增长最快的消费者应用程序。23 年 3 月,OpenAI 又推 出了最新的多模态大型语言模型GPT4.0,相比GPT3.5,它更具创造性和准确性, 支持图像输入,表现出人类水平的专业和学术基准。随着生成式 AI 实现技术突破, 人工智能或将重塑时尚行业,服装定制有望迎来爆发机遇。
3.1. 设计端:突破创造力界限,人人都可成为设计师
人工智能融合服装设计,AI 成为设计师的重要工具。人们一直在积极探索人 工智能技术在服装设计行业中的应用,早在 2019 年深兰科技推出的服饰辅助设 计系统 DeepVogue 就曾在中国国际服装设计创新大赛获得亚军。DeepVogue 应 用了 GAN、VAE 和结伴学习等技术,通过学习已有的走秀图来生成大量新的服 装设计图,也可以将将指定的风格元素迁移到服装上。此外 AI 能够极大提升了大 数据处理效率和图像识别技术,辅助进行时尚趋势预测与决策支持。成立于 18 年 的知衣科技就以人工智能技术为驱动,基于分布式数据采集技术,为服装企业和 设计师提供流行趋势预测、设计赋能、款式智能推荐等核心功能。
AI 制图工具将自然语言生成图像,赋能服装设计助力灵感实现。随着人工智 能的发展驶入快车道,DALL-E 2、Stable Diffusion、Midjourney 等 AI 图像生成 工具愈发成熟,能够将输入的自然语言生成相对应的原创图片,或将用户输入的 草图或者简单线条转化为复杂的具有艺术感的图像,并支持在已有的图片上做进 一步修改表达。
以 Midjourney 为例,我们对其图像生成功能进行测试,当我们输入“身穿优 雅经典款式的女士西服的模特,香奈儿风格,浅蓝和白色配色,标准款式,棉质, 蕾丝,奢侈”的文本表述时,Midjourney 生成下方左边四张图片,基本能对应指 定关键词的特征助力设计落地;当我们输入“拖尾晚礼服裙,云朵主题,赛博朋克 风格,全身,奢侈”的文本表述时,Midjourney 生成下方右边四张图片,能将模 糊且概念性的关键词可视化,为设计师提供灵感。
AIGC 设计应用加速落地,CALA 降低服装设计门槛。AIGC 的应用某种程度 上降低了设计的门槛,每个人都可以应用 AI 工具绘制出自己的创意。以第一个接 入 OpenAI 的 DALL-E2 API 服务的应用 CALA 为例,它为大型知名零售商、中 型时装公司和独立设计师提供了一个一站式服装服务平台,可以将设计师的创意 快速转化为设计草图、原型和产品,并提供设计、生产、定价和融资等全链条服 务。
CALA 中服装设计功能的主要使用步骤如下:首先选择相应的服装类型,输 入两个文本提示修改样式,第一个描述了基于形容词和材料的设计,而另一个描 述了所需的装饰和特征。随即 CALA 就能够生成仿真照片和平面草图两种模式的 设计图,并输出多种结果以供选择。设计师可以选择合适的结果进行进一步的 AI 再生成,也可以在生成的设计上做修改。尽管生成图相比服装设计图仍有较大的 差距,但显著降低了新设计师的进入门槛,并为资深设计师提供海量创意提升工 作效率。
3.2. 生产端:智能制造助力提质增效,机器人产业化有望加速
政策鼓励传统纺服产业数字化转型,智能制造大势所趋。《纺织行业“十 四五”发展纲要》指出,“十四五”期间要继续推进新一代信息技术与纺织工业 的深度融合,加快行业数字化转型。根据中国工程院提出的纺织智能制造标准, 聚焦智能制造新模式、智能纺织装备及共性技术和标准、智能纺织材料三大领 域,攻克智能赋能技术、纺织智能服务、纺织智能工厂、纺织智能装备、工业互 联网等关键技术,进而落实智能制造在纺织行业专业领域的 8 大应用。
AI 为传统制造业带来重大变革,助力服装制造行业提质增效。人工智能在工 业领域的应用非常广泛,在服装制造业中可应用于产线设备、质量检测等多个环 节。例如 AI 引入服装质检领域,既能在监测面料和成衣的色差、疵点识别、尺寸 大小等方面有更高的准确率,也能弥补招工不足问题,更能利用累积数据改造生 产工艺。2019 年深圳创新奇智公司应用视觉识别、3D 视觉引导和机器学习等技 术,构建智能质检解决方案,实践于香港怡东集团的印花质检、成衣质检等业务 场景中,助其提升运营效率、降低运营成本。
而在智能缝制设备中,计算机等设备可以模拟人类视觉,并分析处理获得的 相关视觉信息,从而控制缝制设备的运动。2018 年美国 Softwear 公司研发出附 带视觉功能的自动缝纫机器人 SewBot,即能检测织物变形并自动调整,也能执行 裁剪、缝纫、添加袖子等多项任务。2019 年国内台州市箭马缝纫机公司也推出了 JM-998S 视觉识别自动送扣缝纫机,使得缝制时纽扣可以完全按照设定的方向有 序排列并缝制。
ChatGPT 或可用于语音控制机器人工作,机器人产业化有望加速落地。23 年 2 月微软团队发布了一篇有关 ChatGPT 在机器人领域的应用的论文,描述了 一系列可用于指导语言模型解决机器人任务的设计原则,通过工程师的设计原则, 无需任何微调,ChatGPT 可以为机器人场景生成代码,从而实现用语音控制机械 臂、无人机、家庭机器人等机器人,以实现多样化的任务。随着 ChatGPT 等生成 式 AI 的快速迭代,自然的人机交互成为可能,工程师有望不再单纯依赖系统代码 控制和纠正机器人行为,从而推动机器人产业化加速落地,为工业生产带来变革 契机。
3.3. 用户端:AR/VR 基于 AI 迭代优化,虚拟试衣有助提升定制体验
作为服饰选购的辅助手段,增强现实(AR)与虚拟现实(VR)技术早已应用 于虚拟试衣,致力于为消费者提升购物体验,国内电商如淘宝、京东都曾探索虚 拟试衣服务,但用户普及度并不高,主要原因在于试穿效果并不逼真,虚拟形象并不能贴近用户的真实身材,也很难展现衣物的细节和材质特性。
谷歌 TryOnDiffusion 模型效果优秀,生成式 AI 提升虚拟试衣体验。23 年 6 月 14 日,谷歌发布了 TryOnDiffusion 虚拟试衣 AI 模型,展现了生成式 AI 与电商 服装融合,为用户提供不同肤色、不同体型、不同发型的多套模特示意图。谷歌的 新技术将其全球购物信息数据库(Shopping Graph)与一种扩散模型(Diffusion) 相结合。谷歌使用成对的图像进行训练,每个图像都包括一个人以两种不同姿势 穿着衣服,如侧身和正面穿着衬衫,从而 AI 模型学会了侧身姿势的衬衫形状与面 朝前姿势的图相匹配,反之亦然,直到它可以从各个角度生成该人穿着衬衫的逼 真图像。为了追求更好的效果,谷歌使用数百万对不同服装和人物的随机图像对 重复此过程,最终呈现效果既保留了衣服的细节效果,也适配了新模特的身材和 姿势。
虚拟试衣功能应用落地助于满足用户个性化需求,提升服装定制用户体验。 得益于高质量的海量数据训练以及扩散模型,谷歌 TryOnDiffusion 功能可生成高 质量的试衣图像,让消费者逼真地感受商品的效果。根据谷歌研究表明, TryOnDiffusion 在 92.72%的情况下比其他三种模型(TryonGAN、SDAFN、HRVITON)表现更好。目前,该功能已经在 Anthropologie, LOFT, H&M 等电商网站 上线。另外,借助机器学习和新的视觉匹配算法,用户可以进行微调定制,使用颜 色、风格和图案等输入进行优化。试衣是服装定制的重要一环,随着 AR/VR 基于 AI 不断迭代优化,虚拟试衣场景更加普及,用户有望真正实现足不出户就能定制 到满意的衣服。
4. 数据驱动+智能制造,在 AI+服装定制浪潮中有望受益
公司坚持 C2M 战略方向,在服装个性化定制领域处于领先地位。公司以服装 为试验田,建立了服装 C2M 产业互联网平台 SUITID,真正实现了“一人一版, 一衣一款,一件一流,7 个工作日交付”的大规模个性化定制,解决了传统服装高 库存的瓶颈以及传统个性化定制高成本、无法量产的痛点。2022 年公司定制西服 产能 29.8 万套、定制衬衫产能 18 万件;西服年产量 36.04 万套,定制衬衫产量 17.59 万件,产能利用率达 97.72%。
大规模个性化定制生产制造门槛较高,公司定制交期短、供应链质量高、生 产成本低。目前中国定制服装行业的主要玩家包括 3 类,一是成衣品牌下的定制 业务(如报喜鸟),二是 to B 端定制制造商(如酷特智能),三是 to C 的定制服 务平台(如衣邦人)。近年来,随着客户需求的日渐多元化、差异化,服装行业龙 头企业纷纷开拓定制业务以满足市场需求,例如报喜鸟推出定制子品牌所罗、雅 戈尔推出高端成衣和定制品牌 MAYOR、九牧王推出个性男裤定制业务等业务。 传统服装制造业务向大规模个性化定制业务转型有较高门槛,需要企业改造建设智能生产线、重构智能生产流程、建立柔性供应链、提高全流程数字管理水平,公 司智能制造模式成熟,制造成本接近成衣成本。
定制交期的长短在定制服装生产商的运行效率以及客户体验上有重要影响, 酷特智能深耕服装定制行业,能够快速响应客户需求,生产效率方面往往强于成 衣品牌下的定制业务,如酷特智能交付期限为 7 个工作日、衣邦人交付期限为 10 个工作日,而雅戈尔交付期限为 0.5~1 个月、报喜鸟交付期限为 7~17 个工作日、 九牧王为 15~25 个工作日。由于公司的供应链品质和交期稳定,能为客户提供全 产业链一站式服务,在行业内已建立比较优势和技术壁垒,获客成本较低,合作 客户更加稳定。
公司 C2M 服装定制的核心竞争力来源于数据驱动的大规模个性化智能制造 模式。公司的制造流程能够分解为超过 300 个控制节点,涵盖 20 多个子系统,例 如:互联网平台的 RCMTM 系统用于接收客户订单;IMDS 系统依据客户的尺寸 数据和定制需求,自动生成服装设计和制造流程;APS 系统进行智能的生产计划和排程;WMS 系统进行物料的管理;MES 系统用于引导订单进入生产阶段以及 智能的分拣系统和发货系统与第三方物流对接。公司运用 RFID 射频识别技术, 将客户的尺寸数据储存在一个电子卡片中,与每一件衣服相对应。工人在进行每 个工序如缝制、打扣、刺绣等操作时,都会先读取这张卡片上的数据,然后根据数 据翻译出的指令来完成操作,直到完成所有的 400 多个制造工序。隐藏在各个环 节过程中的数据流,支撑起整个工厂的个性化定制运转。
智能量体系统解决行业痛点,开创 AI 智能定制新时代。传统定制对量体师和 版型师的依赖程度较高,也是定制行业工业化发展的掣肘难题。酷特智能拥有自 主研发的量体工具和量体方法专利,从多年服装生产经验中自创“三点一线”量 体方法,即人体 19 个部位 22 个数据的量体规范,从而将量体时间缩短至 5 分 钟,将量体师的培训时间缩短至 35 小时内。在红领小程序中,用户仅需拍摄一张 正面照和一张侧面照,即可实现自主量体下单。公司的智能量体系统通过 AI 技术 与大数据建模,模拟人体 3D 体态,还能通过自主学习优化测量结果,实现自我更 新和完善。
数据库积累深厚,奠定个性化定制基础。酷特智能深耕从事服装制造行业十余年,总结各类制造工艺与物料使用方法,构建了四个强大的数据库:1)版型数 据库基于大量个性化订单,利用一套规则算法演变出了包含众多版型的数据库, 使得电脑可以自动匹配制版;2)款式数据库拥有数量庞大的款式组合,并且每年 不断更新完善,将“人人都是设计师”的概念变成现实;3)工艺数据库满足原材 料、工艺、工序的不同需求,支持实现个性化定制;4)BOM 数据库对物料进行 科学管理,并依据数据进行无尽的适应性变化。随着公司的持续发展,越来越多 的个性化需求选项与尺寸体型数据能够在公司的数据库中被匹配和组合,成为公 司自我循环的宝贵财富。
科技创新驱动,智能制造优势突出。公司重视研发投入,2022 年公司研发费 用为 4021 万元,较 21 年增长 84.6%,研发费用率在同业公司中亦处于前列。酷 特智能在服装定制领域创立了一套通过工业化手段、效率和成本制造个性化产品 的智能制造模式,并通过自主研发和合作开发的方式,构建了全流程软件控制系 统和配套的智能化硬件。智能裁床完全实现了分片数字化、排版智能化、切割自 动化,与之前的手工裁剪和普通裁剪设备相比,效率提高 2.5-3 倍以上,真正实现 了单量、单版、单裁。WMS 智能仓库管理系统,实现了批次管理、物料对应、库 存盘点、质检管理、虚仓管理和即时库存管理等功能,并通过 AI 算法自动优化原 辅料结构,将畅销品和滞销品分门别类,链接全球供应链,采用安全库存+预警响 应的管理方式,根据订单数据预测后续原辅材料用量、图案、颜色等,避免库存积 压。
5. 拓客户拓产品拓行业,公司成长空间广阔
受益服装定制渗透率上升,B 端粘性较强,有望延续增长。目前公司大规模 个性化服装定制的主要客户为服装行业的传统裁缝店、创业者、设计师和品牌商 等中小 B 端客户为主。2022 年公司前五名客户销售额为 9372.7 万元,占总销售 额的 15.21%,客户结构较为分散。公司个性化定制的 ODM 模式是传统 ODM 的 升级,在 SUITID 平台上,公司为 B 端客户提供面料、开发、设计、生产、售后 等全链条服务,获得比传统 ODM 企业更高的附加值。当前客户的需求对于供应 链稳定性及时性的要求越来越高,公司的模式能够更好地匹配客户的需求,中小 型客户对公司依赖性更强,拥有更高的利润空间。此外,公司计划积极拓展大型 成衣客户,为其提供畅销品柔性化生产和快速补货等服务,从而帮助潜在大客户 提高市场灵活度,优化库存管理。
发力红领品牌建设, C 端定制有望突破。公司提供直接面向终端消费者的 C 端定制业务。其中,线上 C 端业务主要通过红领 REDCOLLAR 微信小程序直售, 或是通过天猫、京东、拼多多等大型电商平台销售,线下 C 端业务则主要以直营 和加盟店形式开展。在红领小程序平台上,消费者可以选择西服、夹克、衬衫、连 衣裙等多种产品进行定制,并按照自身喜好自主设计,以西服为例,有 500 余种 驳头领型、20 余种衣扣排列、30 余种后背型、20 余种袖型、30 余种袋型,以及 刺绣、领标、袖标等各部位自主搭配选择,并且可以选择易拍量体、预约量体、AI 量体三种方式进行量体确认,下单后 7-10 日可发货,并可以 7 天内免费修改两 次。公司持续拓展 C 端业务,搭建和完善完整的营销和服务等品牌体系,随着消 费者对定制服装认知度和接受度的提高,C 端定制的天花板有望进一步打开。
产品品类横向发展,定制女装前景可期。根据欧睿数据,2022 年我国服装市 场规模为 20489.72 亿 元 , 其 中 童 装 / 服 装 配 饰 / 男 装 / 女 装 分 别 占 比 11.6%/9.3%/26.0%/48.0%,女装市场占据半壁江山。2021 年,公司复制男士正 装的成熟个性化大规模定制能力,推出了女装与童装品类。目前女装品类产品已 涵盖了女士上衣、裤子、衬衫、连衣裙、大衣、风衣、马甲等全品类,销售量已达 到公司国内的 30%,在过去两年内增长显著,产品品类拓展有望为公司服装定制 贡献新的增长点。
跨行业输出 C2M 产业互联网解决方案,工程改造和咨询类有望塑造第二成长 曲线。酷特智能聚焦 C2M 产业互联网平台生态战略,服装定制只是酷特智能 C2M 产业互联网平台的试验田,而平台生态的目标是进行跨行业的赋能。公司以 C2M 产业互联网生态平台作为“体”,以科技研发和资本赋能为“两翼”,将自身的转 型经验总结成一套可复制的个性化定制解决方案,致力于帮助更多传统企业进行智能化升级转型,实现“零库存、高利润、低成本、高周转”的运营目标。2022 年,公司新设立了中广酷特(青岛)新能源有限公司,这是公司在锂电池产业进行 资本投资和技术投资的成果,也是公司在新能源领域的新的尝试。目前,公司已 经为包括服装鞋帽、机械、电子等 30 多个行业 100 多家企业进行了产业互联网 的探索建设,工程改造和咨询类业务或成为公司的第二成长曲线。
(本文仅供参考,不代表我们的任何投资建议。如需使用相关信息,请参阅报告原文。)
相关报告
酷特智能研究报告:大规模个性化服装定制先驱,AI设计浪潮中有望抢占先机.pdf
酷特智能专题研究报告:智能版型库护城河深,开启加盟拓展之路.pdf
AI人脸识别诈骗敲响金融安全警钟.pdf
AI搜索专题报告:怎么看Kimi的空间?.pdf
边缘AI行业研究报告:边缘AI硬件,引领硬件创新时代.pdf
人形机器人专题报告:AI驱动,未来已来.pdf
建筑行业2024年春季投资策略:新国九条催化央企市值国改,低空经济AI与铜矿有色弹性大.pdf
2024服装行业洞察与分析:Q1女装电商数据复盘.pdf
2024全球服装行业潮流趋势洞察报告:遇见时尚.pdf
纺织服装行业2024年春季投资策略:品牌分化,制造反转.pdf