Google 在全球积极的推动人工智能应用，而稍早也分享了台湾老字号和明纺织如何借由 Google Cloud 平台与机器学习协助产业转型，为高度人力密度的纺织产业带来更高的效率，协助和明面对由快时尚、新兴设计师品牌等产业变化带来的挑战：和明纺织是至今仍在台湾台南深耕的台湾老字号纺织公司，而在十年前和明就开始思索该如何因应数位转型，以及数字化可谓传统产业带来哪些变革。
纺织产业至今仍是高度人力密集的产业，对于这项产业的重点就在于面料，为客户需求提供合适的面料设计是相当重要的，和明目前在台北与台南共有三座存放布料的仓库，但由于经年月累下来累积的面料设计相当多，要从大量的仓库当中找到合乎客户需求的样品宛如大海捞针，甚至为了找到特定一款面料的样品需要花费 40-45 天以上的时间，最终往往干脆重新打样，然而如此一来很容易产生重复设计的面料，需要更有效率的方式管理海量的面料样品。
但借由传统方式管理各式面料样品并不容易，因为面料包括颜色、纹路设计、织法等都有许多不同的差异；而和明看到机器学习在影像辨识与分类上的优势，选择以 Google Cloud 平台结合 TensorFlow 进行机器学习，并以 app 提供便利的样式数据库平台。
和明先将面料进行翻拍，同时以人工设立标签以及布料特征分类后，再透过机器学习的方式训练模型，最终产生布料样式的档案；然而在模型的建立期间，和明也遭遇了理想与现实的问题，和明原本预计在模型建立时使用非监督式的方式，也就是让系统自行进行分类，然而辨识的精确度低，故和明最后由面料设计师协助，先进行基础的分类后再让系统进行训练，使模型能够合乎实际使用的需要。
透过基于此项模型所开发的 app ，能够让使用者快速依照需求找到样品；对于和明纺织在导入平台后，能够在接单到提供样品的时间从约过往 1.5- 3 个月缩减到只需 2-3 天，同时避免重复打样；也由于使样品能更快速提供给客户，从设计到商品化的时间也提升 24% ，过往需要一年时间才能商品化现在仅需 9 个月，同时也大幅提升设计产能，现在一年内就能累积超过一万种的面料设计。
而和明不光只是将这套布料的面料数据库给公司内部使用，和明也计划未来将 app 作为开放样式数据库，并建立设计师社群，让服装设计师能在平台直接寻找面料灵感；透过社群交流讨论，并直接透过 app 向和明提出打样的要求；而对于和明内部而言，亦能透过将面料的资料数字化，使面料设计师的经验更容易传承，同时期盼能借由数字化的历程，帮助台湾的纺织业走出代工并建立属于台湾的品牌。
