卡姆·迈尔斯，CreateMe 的 CEO 和创始人 – 采访系列

卡姆·迈尔斯，CreateMe 的 CEO 和创始人，在 2019 年推出了这家公司，旨在通过先进的自动化技术来现代化服装制造业。他在旧金山湾区拥有多样化的背景，包括在 ADM 投资合作伙伴公司担任投资顾问，在 Group Commerce 的创始团队中担任早期领导角色，以及在 Downtown Music Holdings 和 Publicis Groupe (PU4.DE ) 担任商业发展角色。他也是世界经济论坛全球创新者社区的成员，反映了他对技术驱动的工业转型的更广泛承诺。

CreateMe 是一家人工智能机器人公司，正在革新服装制造方式，通过用自动化、基于粘合剂的组装取代传统的缝纫，利用机器人、计算机视觉和机器学习。其专有的制造平台可以实现更快、更本地化和更可持续的服装生产，减少浪费和缩短供应链，同时将公司置于下一代软物品制造业的前沿。

在创立 CreateMe 之前，您曾是创始团队的一员，担任过投资和咨询角色，并在像 DoubleClick 和 Group Commerce 这样的公司工作过。您如何将这些经验结合起来，决定创立 CreateMe 并解决像自动化服装制造这样复杂的问题？

在 CreateMe 之前，我以技术通才的身份成长，跨越软件、电子商务、投资和早期创业角色。作为创业团队的一员，包括 Group Commerce，是一种在职培训。您被迫跨学科思考，看到技术、经济和运营如何在现实约束下相互作用。

这种视角让我对服装产生了不同的看法。通过电子商务创业公司，我不断看到相同的失败重复出现：低销售量、重度折扣和大量库存最终被写下或送到垃圾填埋场。大多数人将其视为商品或预测问题。从技术角度来看，很明显这是更深层次问题的症状——制造系统无法对实际需求做出反应。

这种洞察力来自于跨学科的联系。服装制造业并不是因为系统的任何一个部分运行不良而失败；我们意识到这不是可以调整或优化的问题；而是需要对材料、机器和软件作为一个系统进行彻底的重新思考。

CreateMe 就是出于这种信念而成立的。这本质上是一个技术问题，需要一个技术解决方案。跨学科的方法使我们看到了这一点，这也是为什么 CreateMe 的方法看起来不同。我们出发的目标是将服装制造业视为一个系统和自动化的挑战，并建立一个能够改变该行业工作方式的平台。

CreateMe 现在拥有一个跨机器人、材料科学和自动化的重要专利组合。是什么早期的技术洞察力让您相信这个问题可以通过物理人工智能来解决？

当我们在 2019 年创立 CreateMe 时，我们相信终于有了一条可信的路径来自动化服装制造业，但前提是该过程本身需要被重新思考。织物是一种可变形、状态依赖的材料。它会拉伸、移动，并在处理过程中改变行为。小的变化会迅速累积。在这些条件下，开环控制和预编程运动会失效。问题不在于机器人的精度，而在于理解材料状态以便采取行动。

我们的第一个真正进展来自于改变装配模型。通过用粘合键合取代连续缝合，我们可以在静态、固定状态下组装服装，而不是在织物运动过程中进行。这消除了一个主要的变异源，并使对齐和连接成为可控的问题。结合传统的机器视觉、基于机器学习的计算机视觉、基于规则的逻辑和机器人，这使得可靠的自动化成为可能，适用于一组定义明确的操作。它证明了一个重要的东西：可变形材料可以通过机械方式处理，如果过程被正确结构化。

这些早期系统也明确了局限性。传统的基于规则的机器视觉在几何形状简单、条件紧密约束时效果良好。它们无法扩展到服装制造业中最困难的问题，特别是复杂的三维连接操作，其中织物形状、方向和接触在空间中连续演变。这些操作的端到端自动化在当时可用的感知和建模工具下是不可能的。

这就是物理人工智能开始改变等式的地方。感知、感知和体现式智能的进步使得理解三维可变形材料和在装配过程中实时响应成为可能。在 CreateMe，即使是这些能力的早期应用也正在扩大可以自动化的服装、织物和复杂三维连接操作的范围，几乎没有任何干预。

简而言之，我们的早期工具证明了可行性。物理人工智能是解锁完整性和规模的关键。从脚本化自动化到端到端智能装配的这种进步是我们相信这个问题不仅可以解决，而且可以扩展到服装和材料的信念所在。我们的专利组合反映了这条路径。解决可变形材料装配需要在机器人、材料科学和自动化方面进行发明，物理人工智能正在解锁最复杂的连接形式。

服装制造业长期以来一直抵制完全自动化，原因是软物品的复杂性。CreateMe 究竟是如何最终跨越这一门槛的？

对于 CreateMe 来说，跨越自动化门槛的驱动力是两个相关的转变：服装的物理装配方式，以及机器在装配过程中对织物的感知和作用方式。

第一个突破是架构上的。通过从缝合转向粘合键合，我们消除了在装配过程中需要访问织物的两侧的需要。服装可以使用单侧访问、静态、固定状态进行构建，而不是被折叠、翻转和拉伸通过缝纫机。这大大降低了操作复杂性，并消除了一个主要的变异源。有了织物的支持和单侧访问，对齐和连接成为可控的问题，传统的机器视觉和机器人可以可靠地自动化服装构造的重要部分。

从第一原则来看，这本质上比机器人缝纫更容易自动化。缝纫试图在连续运动中复制人类的灵活性，而织物正在积极变形。粘合键合重新定义了问题，围绕着受控的定位和离散的连接，这更适合机器人。

这种方法也阐明了剩余的挑战。随着我们转向更复杂的三维连接——其中表面以不断变化的角度相互接触，材料行为在接触时发生变化——基于规则和传统机器视觉的方法达到其极限。端到端自动化需要更适应性的感知和控制。

这就是物理人工智能发挥关键作用的地方。感知、感知和体现式控制的进步使得在三维空间中解释织物几何和材料状态成为可能，并在装配过程中实时响应。在 CreateMe，即使是这些能力的早期应用也正在扩大可以自动化的服装、织物和复杂三维连接操作的范围，几乎没有任何干预。

简而言之，过程重新设计——粘合键合、单侧访问和静态装配——使自动化成为可能。物理人工智能是使自动化向端到端操作迈进并在实际变异性上扩展的关键，允许服装制造业超越狭隘的自动化，迈向能够在复杂性增加时改进的系统。

MeRA™ 引入了一种模块化的机器人装配方法来生产服装。这种系统与传统的工厂自动化有何根本不同？

MeRA™ 与传统的工厂自动化有根本的不同，因为它是专门为服装制造业的特定约束而设计的，而不是从针对刚性零件和稳定过程的行业中改编而来。

传统的自动化假设固定几何、可预测的材料和有限的变异性。更换是通过工具密集、机械约束的设置和过程特定的固定装置来管理的。这种模型在产品很少变化时有效。它在服装制造业中失败了，在那里材料是可变形的，风格变化迅速，生产必须以高速度运行才能具有经济效益。

MeRA™ 从相反的假设开始。服装制造业需要一个可以处理软材料、不断变化和频繁更换而不停止生产的系统。为了实现这一点，MeRA™ 使用了一种模块化的软件定义装配架构。每个模块执行一个离散的操作，可以重新配置、复制或重新部署，因为产品、织物或体积发生变化。更换发生在数字上，在软件中，而不是通过物理重新工具化。

从架构上讲，MeRA™ 旨在最大化速度和控制。装配在可能的范围内保持在二维中，在那里视觉、对齐和运动是最快和最精确的，然后转入紧密管理的三维操作，只有当形成或连接需要时才会发生。传统的自动化将零件推过固定三维工作单元；MeRA™ 通过设计最小化三维复杂性以保持吞吐量。

与数字粘合键合配对，MeRA™ 用可编程的单侧操作取代了机械约束的连接。没有必要翻转服装、管理连续张力或在过程中访问两侧。这降低了周期时间，降低了错误率，并实现了快速的数字更换，跨服装和织物。

简而言之，传统的自动化将过程硬编码到硬件中。MeRA™ 将过程定义在软件中，并将其适应于材料。这从物理重新工具化到数字更换的转变，以及从固定工作流到模块化装配的转变，是 MeRA™ 能够以服装制造业的速度和变异性运行的原因。

Pixel™ 取代缝合，采用微粘合键合。除了速度和效率之外，这项技术还为服装品牌带来了哪些新的设计或性能可能性？

Pixel™ 重新定义了服装的缝合。通过用数字控制的微粘合键合取代缝合，品牌获得了更大的精度和一致性，结果是服装更光滑、更牢固、更舒适。由于该过程是软件定义的，缝合成为一个设计表面，而不是一个限制，允许拉伸、湿度管理、热调节和轻量化加强直接融入服装结构中。

这些好处超出了服装在身体上的表现。相同的数字控制使服装可以从一开始就设计为可回收。使用我们的 Thermo（re）set™ 粘合剂，键合可以逆转，使得自动拆卸和大规模纺织品回收成为可能。对于品牌来说，Pixel™ 使设计、性能和循环性成为构造的集成结果，而不是事后添加的竞争优先事项。

目前，物理人工智能是一个热门话题。从您的角度来看，物理人工智能在哪里真正起作用，哪里仍然落后于期望？

物理人工智能在问题被结构化为智能而不是蛮力时起作用。我们在环境中看到真正的进展，在这些环境中，感知、学习和控制被部署在一起，内置于工程系统中——在任务是可重复的，但仍需要适应性，并且机器可以观察和推理最重要的事情的地方。

期望仍然超出了现实的领域是围绕着一般目的的体现式智能。软、可变形材料仍然是机器人领域中最困难的问题之一，因为它们引入了部分可观察性、非线性行为和持续的变异性。物理人工智能不是人类灵活性的替代品，它也不能在混乱或遗留环境中默认成功。

在实践中，差异归结于设计。物理人工智能起作用，当物理过程被故意重新思考以减少不确定性时——当访问被简化，状态是可观察的，变异性由架构管理，而不是被忽略。在这些条件下，学习系统可以适应和改进。没有这些，人工智能通常只是在补偿糟糕的物理设计。

这就是我们在 CreateMe 应用的视角。我们不将物理人工智能视为绕过制造复杂性的捷径。我们将其视为一个扩展层，只有当底层装配系统从第一原则重新设计后才起作用。我们学到的教训很简单：物理人工智能扩展时，物理世界被工程化以使智能发挥真正的作用。

由于关税、地缘政治风险和供应链脆弱性成为结构性问题，像 MeRA™ 这样的技术如何改变在美国带回制造业的经济效益？

对于一段时间，离岸制造在狭隘的劳动力成本基础上是有经济效益的，它仍然适用于某些产品和体积。挑战在于，这种模式也带来了结构性的缺点：长期交货时间、供应和需求匹配不佳、过量库存以及对关税、地缘政治风险和物流中断的日益增长的暴露。这些成本通常被隐藏或容忍，直到最近的冲击迫使人们更仔细地审视它们。

像 MeRA™ 这样的技术改变了经济效益，使得在美国实施不同的运营模式成为可能。MeRA™ 减少了对手工劳动的依赖，并用高吞吐量的自动化生产取代了它，这种生产可以在紧凑、可重新配置的足迹中运行。这在国内很重要，在国内，劳动力很昂贵，灵活性比纯粹的规模更有价值。

同样重要的是，MeRA™ 将服装生产从基于灵巧性的缝纫转变为静态、键合装配。这消除了对稀缺的、高度训练的缝纫劳动力的依赖，并用更容易在美国培训和扩展的角色取代了它。这将劳动力从结构性瓶颈转变为可控的投入，这对于任何现实的重新回归战略都是至关重要的。

关键的转变不是把一切都带回国内。实际上，即使是有限的近市场生产——通常占体积的 5-10%——也可以在很大程度上改变整个供应链的经济效益。这种灵活的能力使品牌能够对实际需求做出反应，追求赢家，避免提前几个月过度生产。MeRA™ 使这种能力在数字更换、较小的批次和不依赖于专门的劳动力池的情况下变得经济上可行。

在这种情况下，重新回到国内不再是一个二元或政治决策。像 MeRA™ 这样的技术使其成为一个投资组合选择。离岸制造仍然在规模和成本效率方面发挥作用，但自动化的近市场能力成为速度、恢复力和资本效率的战略杠杆。结果是一个更平衡的供应链，即使有限的美国生产也可以显著降低风险并改善整体经济效益。

当传统的切割和缝制环境中的制造约束不再相同时，服装品牌应该如何以不同的方式思考产品设计？

传统的服装设计反映了切割和缝制制造的主导逻辑：双侧访问、针穿透、针线间距适用于人类手、针法和针迹，以及针法和针迹的优化，以适应手工重复。这些并不是服装的固有要求；它们是服装制造方式的产物。

自动化的键合装配引入了一种不同的设计逻辑。设计自动化意味着假设单侧访问、数字控制的粘合剂沉积和高度可重复的执行。这使得内部缝隙的容差更小、胶线更精确、低-profile 装配更牢固、更干净。这些装配比缝合的等效物更具结构完整性和美观性。

因为粘合剂是沉积的，而不是缝合的，设计师可以自信地处理复杂和不规则的边缘、流体几何和织物转换或层压，这些在缝合中很难或无法复制。视觉复杂性不再需要物理量。结果是一种更为极简和精致的构造语言，原生于自动化，而不是从手工中改编而来。

这种方法还扩大了材料的自由度。与缝合胶带不同，缝合胶带通常是高温的，并且主要限于合成材料，沉积的粘合剂使自动化可以跨一系列织物进行，包括有机材料和精细材料，如羊绒、丝、羊毛和皮革。材料选择从“什么可以可靠地缝合”转变为“什么最能服务于产品”。

在这种情况下，设计自动化并不是限制；它是生成性的。创意意图、美学表达和制造逻辑从一开始就保持一致。设计变得既更精确又更具表现力，自动化处理一致性和执行，而设计师则专注于形式、功能和区别。

在一个高度自动化的服装工厂中，人类的角色是什么？当机器人接管重复性任务时，哪些新技能变得至关重要？

在一个高度自动化的服装工厂中，人类的角色从重复的手动执行转变为操作、监督和改进自动化装配系统的端到端工作。与其是长长的缝纫线，较小的团队围绕机器人单元组织，制造技术人员、单元主管和流程专家负责整个生产流程的性能、质量和正常运行时间。

制造技术人员与机器人、视觉系统和基于粘合剂的键合设备合作。他们监控机器人单元，调整沉积路径和键合参数，管理不同织物之间的材料交互，并在变异性或边缘情况出现时进行干预。质量保证是连续的，而不是抽样式的：视觉系统实时检查放置、对齐和键合的一致性，而人类则监督阈值、解释异常并决定何时以及如何调整过程。

这种模型提供了比手工生产更高的质量和可重复性。自动沉积和放置降低了变异性，而数字化质量保证则实现了每个单位的一致执行，而不是依赖下游检查。人类的判断力被应用于最有价值的地方——评估异常、改进公差和随着时间的推移改进系统性能。

实现这一目标需要将培训和提升技能的计划直接嵌入制造业运营中。工人被培训以阅读生产仪表板、解释视觉和传感器数据、理解键合质量指标，并与机器人系统安全合作。他们学习粘合剂行为、材料属性和过程参数如何相互作用，以及这些变量如何出现在质量保证数据中。

随着时间的推移，提升技能的过程从基本的系统操作转变为更深入的流程所有权。通过结构化的在职培训、认证风格的模块和指导，技术人员发展了根因分析、预防性维护和持续改进的技能。结果是一个技术上精通的劳动力，能够维持高质量、可重复的生产，在规模上保持一致——一个自动化提高了产品一致性和人类能力的劳动力，而不是取代它。

展望未来五到十年，您如何看待物理人工智能重塑不仅仅是服装制造业，而是整个制造业——您希望 CreateMe 在哪里产生最大的影响？

我们认为，未来五到十年中，制造业中物理人工智能最大的机会在于具有最高变异性和复杂性的任务，而不是那些已经被刚性自动化很好地服务的领域。最困难的问题是那些涉及软、灵活或三维材料的领域，以及现实世界的变异性曾经限制了自动化。

这种挑战在软材料装配中最为明显。服装制造业是最明显的例子，但同样的动态也存在于消费电子产品中，具有柔性部件，在医疗产品中，在家具中，以及在汽车内部。跨这些类别，缝合和软材料装配占据了制造过程中劳动力含量最高和最不自动化的部分。

从我们的角度来看，物理人工智能的早期进展将由高度垂直化的系统驱动。机械设计和机器人形式将被调整以适应特定的应用和材料，而不是通用化身。跨这些垂直领域扩展的不是硬件，而是智能：感知、控制和学习系统，使机器能够理解可变形材料、对齐复杂边缘、适应变异性并可靠地执行键合。

在接下来的十年里，我们相信更通用和人形化的体现将变得越来越普遍，因为体现式智能成熟并部署加速。随着人形机器人从试点转变为数百万部署单位，织物外壳和软外层将成为关键的人机接口系统。满足这一需求的规模将需要粘合键合的自动化和原生的装配，这将在智能软材料制造中开辟一个新的工业类别。

这就是 CreateMe 的愿景所依据的背景。

CreateMe 的愿景是领导软材料装配的转型。使软材料和柔性材料的自动化装配变得像软件一样可编程、可扩展和适应性强。虽然机械和机器人实现将根据垂直领域的不同而有所不同，但核心挑战仍然保持一致：软材料处理和缝合主导劳动力含量，并且抵制传统的自动化。

这些市场的统一点是一套共享的物理人工智能能力——控制感知、可变形材料操作、边缘对齐、键合逻辑和跨织物和形状的适应性装配的系统。通过在服装制造业中证明这一能力——这是最具挑战性的制造环境之一，CreateMe 旨在解锁自动化，跨越更广泛的行业，并实现下一代软材料制造和将日益包围智能机器的软接口。

感谢您这次精彩的采访和详细的回答。希望您阅读本文的读者可以访问 CreateMe 以了解更多信息。