歌力思 × AI

[导语·核心观点]2026年1月，歌力思在投资者关系活动记录中称，AI工具已“改变设计工作流”并“大幅提升效率”，并预期效果将在次年的产品上体现[1]；2月，媒体披露其已将AI嵌入设计、供应链、商品管理、品牌运营全链路[2]。同期财务表现是：2025年上半年归母净利润8505万元、同比增长45.27%[4]，全年预盈最高2.1亿元[2]。市场默认叙事仍是“一家女装公司在降本增效”。本文判断：真正值得关注的不是它引入了几个AI工具，而是它试图把试衣间里的碎片化反馈变成可回流到设计与供应链的结构化数据[3]。这可能改变售罄率与库存效率，但目前证据仍停留在流程层面，尚未到达财务层面。

[事件回顾·发生了什么]三条公开信息构成事实基础。其一，公司在投资者关系活动汇总表中回应“设计上的AI运用起到什么效果”时表示，利用“最先进的AI工具”改变了设计工作流，“大幅提升效率和设计的创意能力”，并称“相信在明年的产品上会”有所体现[1]。这是公司自述，且为定性表述。其二，媒体报道称歌力思将AI技术深度融入“设计—供应链—商品管理—品牌运营”等核心业务环节，设计环节借助Look AI、ChatGPT等工具[2]。其三，供应商客户案例页显示，歌力思借助飞书多维表格与飞书aily，让一线导购通过语音秒级上报试穿反馈，AI自动将碎片化“吐槽”整理为结构化决策信息[3]。财务面上，2025年上半年归母净利润8505万元、同比增长45.27%，公司将其归因于多品牌战略推进、精细化运营深化与“积极拥抱AI技术”共同带来的盈利能力恢复[4]；媒体标题给出2025年预盈最高2.1亿元[2]。需注意，三条AI信息分别来自公司问答、媒体报道与供应商案例，可核验程度依次降低，且均无量化指标。

[背景与格局·公司沿革 · 行业脉络]报道未展开歌力思的历史沿革，但明确提到其“多品牌战略”与“精细化运营管理”[4]，说明公司当前的组织形态是多品牌矩阵，而非单一品牌运营。这决定了AI应用难度：单品牌可以靠一个买手团队凭经验运行，多品牌则必须依靠可复用的数据流程，否则每个品牌都要重养一套经验。从技术脉络看，服装业AI落地大致沿“设计出图、商品决策、门店反馈”三段推进。生成式工具在设计端最成熟、也最容易被采购[2]；商品管理端需要销售、库存与门店画像打通，属中等难度[2]；门店端要把非结构化的人话变成结构化字段，难度最高，因为它要求一线员工改变习惯[3]。行业格局上，通用大模型与垂类设计工具正在快速普及，任何单一工具的领先窗口都在缩短——这是分析判断，因为报道未披露任何竞品对比数据。正因如此，AI在服装业的价值差异不在于“用没用”，而在于是否形成从顾客到设计的信息闭环。

[深度解读·为什么发生 · 意味着什么]判断歌力思的AI实际价值，先要看清服装业AI价值的三个层级。第一层是设计工具层：用生成式模型出图、改款、配色，见效快、可采购，但壁垒最低——Look AI、ChatGPT这类工具同行都能买到，设计提效很难转化为超额收益[2]。第二层是商品决策层：把销售、库存、门店画像合起来预测补货节奏，需要数据治理能力，壁垒中等[2]。第三层是组织反馈层：让离顾客最近的导购把非结构化信息（试穿感受、尺码偏差、面料抱怨）低成本沉淀为可用数据，再回流至设计与采购，壁垒最高，因为它改变的是人的行为，而不是买一个软件[3]。 歌力思真正稀缺的动作在第三层。试衣间反馈是服装业最丰富也最易流失的一手数据：导购每天听到大量“这里紧”“面料扎”的判断，过去多停留在口头或聊天群里。[3]的做法是让导购语音秒级上报、AI整理成结构化字段，理论上可形成“门店—商品—设计”闭环。这条链路一旦跑通，直接改变行业最硬的两个指标：售罄率与库存周转。这是本文认为市场尚未充分定价的部分。 但存在明显的叙事错配：公司在投资者关系问答里强调的是“设计效率与创意能力”[1]，即第一层；而最能支撑估值重估的第三层，只出现在供应商的客户案例里[3]。管理层没把最有价值的事讲清楚，市场自然把它当成一次普通的降本增效。这属于被低估，而非确实不行——区别在于：前者缺的是信息披露与时间，后者缺的是能力。从现有证据看，歌力思更像前者。 受益者是公司与导购：前者改善毛利与现金流，后者的劳动被结构化、被看见[3]。受损者是以经验为护城河的中间层买手与设计助理，其议价权会被数据稀释。这属于流程数字化的常规后果，不是道德判断。

[关键数据与证据·来自报道的数字与事实]以下逐条列出可引用的证据及其强度，不做外推。 1）设计工作流：公司称利用“最先进的AI工具”改变设计工作流，“大幅提升效率和设计的创意能力”，并预期在次年产品上体现[1]。来源为公司投资者关系活动汇总表，属官方披露，但为定性自述，可核验性中。 2）全链路应用：报道称AI已融入“设计—供应链—商品管理—品牌运营”核心环节，设计端使用Look AI、ChatGPT等工具[2]。来源为权威媒体，可核验性中，但未给出各环节的量化收益。 3）门店反馈闭环：歌力思借助飞书多维表格与飞书aily，让一线导购语音秒级上报试穿反馈，AI自动将碎片化“吐槽”整理为结构化信息[3]。来源为供应商客户案例页，可核验性低，存在选择性呈现可能。 4）财务结果：2025年上半年归母净利润8505万元，同比增长45.27%[4]；2025年预盈最高2.1亿元[2]。数字明确，可核验性高，但报道未拆分AI在其中的贡献比例。 5）关键缺失：三份材料均未披露设计周期缩短天数、SKU精简幅度、售罄率或库存周转的改善值——这恰恰是验证AI价值的核心指标。

[风险与争议·审慎的批评视角]乐观表述需要降温，至少有六点值得警惕。 第一，归因不成立的风险。45.27%的净利润增长被公司表述为多品牌战略、精细化运营与“积极拥抱AI”的共同结果[4]，但三者权重未被拆解。低基数、费用管控、渠道结构调整都可能是更强解释。把利润增长直接读成AI成效，是典型的结果倒推。 第二，披露质量不足。核心AI证据来自投资者关系问答[1]与供应商客户案例[3]，前者是公司自述，后者是供应商的营销素材，均不构成可审计证据，也天然偏向呈现成功样本。 第三，壁垒问题。Look AI、ChatGPT是可采购的通用工具[2]，设计端提效无法独占，同行可同步获得。若价值主要停留在第一层，就不构成估值重估的基础。 第四，组织落地风险。导购语音上报涉及员工与顾客数据处理，合规边界需明确（此为分析判断，报道未涉及）；更现实的是，如果结构化反馈之后没有选品、补货的实际动作响应，一线会迅速把它视为额外负担，流程退化为形式主义。 第五，预盈质量待查。媒体给出2025年预盈最高2.1亿元[2]，但报道未说明其中是否包含非经常性损益，也未给出扣非口径。 第六，时间差风险。公司自己说效果要“在明年的产品上”体现[1]，意味着验证窗口至少还有一到两个财报周期，期间任何一次新品失利都会被市场解读为AI叙事失败。

[未来展望·情景推演]以下是情景推演，非预测。 保守情景：AI停留在设计工具层，设计提效被同行快速抹平，门店反馈闭环因缺乏后续动作响应而流于形式。公司业绩仍由多品牌与费用效率驱动，AI成为财报电话会上的修饰性表述。此时估值不应给予任何AI溢价。 中性情景：全链路应用继续推进[2]，门店反馈在部分品牌跑通，售罄率与库存周转出现可观测改善，但公司仍不披露量化口径。市场开始把它当作“运营效率型”公司而非“AI概念”公司，估值修复有限但更扎实。 乐观情景：公司在2026年新品与后续财报中主动给出过程指标（设计周期、售罄率、库存周转、折扣率），证明第三层闭环成立[3]，并把这套流程复制到多品牌矩阵[4]。此时价值重估的逻辑才真正成立：它不是AI公司，而是一家把顾客数据资产化的服装公司。 催化剂清晰且可等：2026年新品上市后的售罄表现[1]、2026年半年报与年报的利润率与周转数据[4]、以及公司是否愿意在投资者沟通中把门店反馈闭环[3]而非设计提效[1]作为主线讲出来。

[建议与启示·面向决策者]给企业决策者四条可操作建议。 一、把AI从工具采购转为数据闭环。买工具不会形成壁垒，让数据从门店回流到设计与采购才会[3]。评估AI项目时，先问“这条信息回流到哪个决策点”，再问“用了什么模型”。 二、建立可审计的过程指标。设计周期、SKU命中率、售罄率、折扣率、库存周转，至少公开两三项并保持口径一致。没有过程指标的AI叙事，在资本市场只能维持一个季度的热度。 三、把一线反馈的“响应率”当作KPI。结构化只是第一步，导购上报后有多少条真正改变了选品或补货，才是这套系统是否活着的判据[3]。 四、跨系统串联时优先考虑调度层而非再买一个应用。歌力思的实践横跨设计工具、商品系统与飞书生态[2][3]，真正的摩擦点在系统之间的任务流转与权限衔接。类似AgentSH这样的多智能体调度平台的价值，正在于把“语音上报—结构化—触发选品复核—通知设计”这类跨工具链路串成可监控的流程，而不是再造一个孤岛系统。

[结语·一句话立场]歌力思的AI故事，被讲错的重点不是能力，而是重点本身：公司对外强调的是设计提效[1]，真正稀缺的却是门店反馈回流设计与供应链的闭环[3]。这使它处于“被低估”而非“确实不行”的位置——但低估能否修复，取决于它是否愿意把过程指标摆到台面上。在量化证据出现之前，理性的态度是承认这条链路的价值，同时拒绝为尚未验证的效果付费。