演講嘉賓｜李巖博士，京東零售視覺與 AIGC 部負(fù)責(zé)人

策劃｜李忠良

2025 年，虛擬試衣已成為電商行業(yè)不可或缺的核心環(huán)節(jié)，從技術(shù)落地到商業(yè)變現(xiàn)，全行業(yè)都在加速布局這一賽道。那什么是虛擬試衣？其背后的核心技術(shù)方案有哪些？國(guó)內(nèi)外電商大廠又有哪些典型實(shí)踐案例？如何突破技術(shù)瓶頸，打造更貼合用戶需求的試穿體驗(yàn)？電商平臺(tái)又該如何構(gòu)建完整的 AIGC 能力矩陣？

本文中，我們特別邀請(qǐng)到京東零售視覺與 AIGC 部負(fù)責(zé)人李巖博士，帶來《邁向電商大模型時(shí)代，從虛擬試穿到電商 AIGC》的深度分享，為你拆解虛擬試衣的技術(shù)邏輯、行業(yè)實(shí)踐與未來趨勢(shì)，解鎖電商 AIGC 的全域布局思路。以下是根據(jù)李巖博士在 AICon2025 北京場(chǎng)的演講整理成的文字。

各位同學(xué)，大家上午好，我是來自京東零售的李巖，目前負(fù)責(zé)京東電商 AIGC 相關(guān)業(yè)務(wù)的產(chǎn)品、研發(fā)與算法。今天，我想和大家分享的主題是《邁向電商大模型時(shí)代，從虛擬試穿到電商 AIGC》。這個(gè)話題，相信在座很多深耕電商領(lǐng)域，尤其是聚焦服飾時(shí)尚賽道的朋友會(huì)格外關(guān)注，也希望我今天的分享能給大家?guī)硪恍﹩l(fā)與收獲。

這是我今天分享的核心內(nèi)容。首先，我會(huì)為大家講解什么是虛擬試穿；緊接著，帶大家回顧虛擬試穿的技術(shù)發(fā)展歷程，這里也建議在座做生成技術(shù)的同學(xué)重點(diǎn)關(guān)注。

之后，我會(huì)深度拆解行業(yè)內(nèi)幾家主流虛擬試衣產(chǎn)品的核心能力；再為大家介紹京東在虛擬試穿領(lǐng)域的探索，以及我們?cè)趯?shí)踐中沉淀的經(jīng)驗(yàn)與教訓(xùn)。在此基礎(chǔ)上，我還會(huì)分享京東零售 AIGC 布局的全景圖；最后，和大家聊聊我個(gè)人對(duì)整個(gè)行業(yè)未來發(fā)展的觀點(diǎn)與展望。

我們現(xiàn)在開始進(jìn)入第一部分，什么是虛擬試穿。

虛擬試衣的底層邏輯其實(shí)很簡(jiǎn)單，就是 A+B=AB。這里的 A 指的是模特的圖片或視頻，B 則是服飾圖。我們通過視覺生成技術(shù)，把服飾“穿”到模特身上，最終以靜態(tài)或動(dòng)態(tài)的效果呈現(xiàn)給用戶。整個(gè)過程的核心要求，就是必須保證模特與服飾的關(guān)鍵信息不被破壞、不被篡改。這個(gè)原理相信大家都能輕松理解，接下來，我會(huì)從不同維度為大家梳理虛擬試衣的分類。

首先，我們從服飾呈現(xiàn)形式來看分類。服飾的素材形態(tài)主要有三種：一是平鋪的白底服飾圖，二是真人模特上身的服飾圖，三是假人臺(tái)模特上身的服飾圖。其次，我們以服飾數(shù)量為劃分標(biāo)準(zhǔn)，這一類可以分為單件服飾和多件服飾兩類。

單件服飾涵蓋上裝、下裝、長(zhǎng)款連衣裙以及單件內(nèi)衣等；多件服飾則是多種單件服飾的組合搭配，這里鞋子、包包、配飾等，也都在虛擬試衣的服務(wù)范疇之內(nèi)。以上就是從服飾的不同維度對(duì)虛擬試衣進(jìn)行的分類。

接下來，我們換個(gè)角度，從模特的視角來拆解虛擬試衣的分類。從模特類型來看，可分為全身模特、半身模特、多人模特以及視頻模特；從輸出形態(tài)來看，則可以分為靜態(tài)圖像模特和動(dòng)態(tài)視頻模特兩類。

講到這里大家不難發(fā)現(xiàn)，虛擬試衣任務(wù)的輸入條件其實(shí)是相當(dāng)豐富且復(fù)雜的。因此，一個(gè)優(yōu)質(zhì)的虛擬試穿算法，需要對(duì)上述所有的組合矩陣都具備良好的適配能力。而截至目前，要實(shí)現(xiàn)這一點(diǎn)，依然存在不小的技術(shù)挑戰(zhàn)。

接下來我們聊聊為什么我們要做虛擬試衣，我打算從三個(gè)不同的視角，給大家展開說明。首先看大環(huán)境，三年的口罩，直接推動(dòng)了服飾行業(yè)從線下向線上的轉(zhuǎn)移。

2019 年中國(guó)服飾的線上銷售額占整體零售額的 25%～30%，到 2023～2024 年，這個(gè)比例已經(jīng)提升至 40%，而 2025 年更是突破了 50%。這意味著，如今人們已經(jīng)越來越習(xí)慣在線上購(gòu)買服飾。

再?gòu)南M(fèi)者的視角來看，很多用戶都十分在意購(gòu)物的便捷性和私密性。有調(diào)研顯示，65% 的女性和 54% 的男性對(duì)傳統(tǒng)實(shí)體試衣間感到不自在、不方便。大家可以想象，消費(fèi)者要在狹小的空間里完成脫衣、穿衣甚至換鞋的操作，到了冬天，衣服厚重繁瑣，體驗(yàn)只會(huì)更差；同時(shí)，公共試衣區(qū)域還存在疾病交叉感染的風(fēng)險(xiǎn)。

這類弊端還有很多，我就不一一列舉了。而用戶天然就有看到服裝上身效果的需求，所以相比于線下場(chǎng)景，AI 試穿堪稱服飾線上零售在體驗(yàn)上的“最后一公里”。

最后我們站在商家的視角分析，這里有一張圖，可能經(jīng)常網(wǎng)購(gòu)的女生會(huì)了解這個(gè)梗，現(xiàn)在有不少無良買家會(huì)做“穿完即退”的操作，尤其是禮服類服飾，穿著新衣服拍照打卡、出席活動(dòng)后，就無理由退貨，導(dǎo)致衣服沾染污漬異味，商家根本無法二次銷售。

為此，商家想出了用“大尺寸 + 硬質(zhì)材料”的“巨型吊牌”，來對(duì)這種惡意退貨進(jìn)行物理防御。拋開這個(gè)梗不談，高退貨率一直是服飾電商商家的痛點(diǎn)。普通電商平臺(tái)的服飾退貨率普遍在 25%～60%，而內(nèi)容電商的直播場(chǎng)景退貨率更高，有時(shí)甚至能達(dá)到 80%～90%。商家每處理一件退貨，平均要付出 15～30 元的成本，涵蓋物流、包裝、折舊、倉(cāng)儲(chǔ)以及人工處理等多個(gè)方面，如果是跨境電商業(yè)務(wù)，這個(gè)成本還會(huì)更高。

所以，作為技術(shù)人員，行業(yè)需要我們提供穩(wěn)定、可靠的線上試穿技術(shù)與產(chǎn)品能力，這也是我今天站在這里的原因。

那我們接下來聊聊，虛擬試穿到底好不好做，行業(yè)的核心難點(diǎn)又在哪里？這里我們只聚焦 C 端場(chǎng)景，核心難點(diǎn)其實(shí)集中在用戶對(duì)這項(xiàng)技術(shù)的預(yù)期上，而這種預(yù)期可以分為三個(gè)不同的層次。

首先是基礎(chǔ)型需求，用戶這個(gè)階段最關(guān)注的是服裝上身效果，包括顏色、款式、版型和面料質(zhì)感的精準(zhǔn)還原。

這一層面的難點(diǎn)主要有四個(gè)：第一，用戶相冊(cè)里往往缺乏直接可用的素材，尤其是男性用戶，別說全身清晰人像，就連頭肩部位的合格肖像都很難找到；第二，試衣算法必須保證服裝上身之后模特自身的關(guān)鍵信息不能被篡改，尤其是臉部特征，試穿前是什么樣子，試穿后核心的面部 ID 信息必須保持一致；第三，真實(shí)還原與美學(xué)增強(qiáng)是一對(duì)很難平衡的“矛盾體”，算法初期往往優(yōu)先追求信息的最大程度還原，但用戶，尤其是女性用戶，對(duì)美有著強(qiáng)烈訴求，不少女性用戶甚至表示，只要能變好看，輕微修改肖像完全可以接受；第四，試衣模型大多基于擴(kuò)散模型搭建，試穿效果直接取決于模型所儲(chǔ)備的世界知識(shí)。

這就是基礎(chǔ)型需求的核心，讓用戶直觀看到服裝穿在身上的基本樣子。

第二個(gè)層面的需求是尺碼合身，其實(shí)這才是大眾認(rèn)知里，虛擬試穿最核心的剛需，同時(shí)也是所有需求中實(shí)現(xiàn)難度最高的一個(gè)，直到現(xiàn)在行業(yè)內(nèi)都還沒有成熟的技術(shù)方案。

從算法層面來看，核心瓶頸在于尺碼錯(cuò)配的訓(xùn)練數(shù)據(jù)極度匱乏。大家可以想想，電商平臺(tái)的買家秀里，曬出的都是用戶穿著合身尺碼的照片，根本找不到“小體型穿大碼”“大體型穿小碼”這類尺碼 mismatch 的完整數(shù)據(jù)。除此之外，還有兩個(gè)關(guān)鍵問題：一是大量長(zhǎng)尾服飾本身就存在尺碼信息缺失的情況；二是不同品牌、品類的服飾，尺碼設(shè)定標(biāo)準(zhǔn)并不統(tǒng)一，這也是為什么有些店家會(huì)建議用戶拍大一碼或拍小一碼。

更重要的是，用戶對(duì)尺碼還存在個(gè)性化偏好，有人偏愛寬松的大碼版型，有人則更傾向于合身的小碼版型。所以說，尺碼合身這個(gè)需求，是目前虛擬試穿技術(shù)實(shí)現(xiàn)中最大的難題。

第三個(gè)層面的需求是突破型需求，也就是我們所說的穿搭推薦。這一層，用戶的核心訴求是基于自身身材與具體場(chǎng)景，獲得智能穿搭建議，甚至進(jìn)行個(gè)性化的風(fēng)格探索。

給大家舉幾個(gè)例子：用戶可以輸入自身情況，提出“要參加朋友婚禮該怎么穿搭”“出席孩子家長(zhǎng)會(huì)適合穿什么”這類場(chǎng)景化需求；也可以針對(duì)已有單品提問，比如“我有一件這個(gè)顏色的上衣，搭什么下裝最合適”“這條裙子配哪種外套更好看”。這些都是用戶在穿搭推薦上的典型訴求。

而這一需求的實(shí)現(xiàn)，同樣存在不少技術(shù)難點(diǎn)。第一，模型必須精準(zhǔn)理解用戶的身材特征，比如不能給體型偏胖的用戶推薦短款顯壯的衣服。第二，要做好用戶歷史偏好的建模，準(zhǔn)確捕捉用戶過往的服飾品味，讓推薦更貼合其個(gè)人喜好，不能給穿衣風(fēng)格偏保守的用戶推薦過多潮流品牌。第三，需要獲取并理解“時(shí)空人”信息，就像現(xiàn)在 12 月的北京已經(jīng)入冬，天氣寒冷，推薦時(shí)就應(yīng)該優(yōu)先考慮羽絨服這類御寒衣物。

最后，既然要做風(fēng)格探索，就必須持續(xù)投入穿搭知識(shí)庫(kù)的構(gòu)建，同時(shí)積極追蹤最新的時(shí)尚潮流，這樣才能給用戶提供前沿且合適的穿搭建議。

接下來，我來給大家介紹一下虛擬試穿的技術(shù)發(fā)展歷程。

首先，我們來看它的學(xué)術(shù)起源。通過文獻(xiàn)梳理可以發(fā)現(xiàn) Virtual Try On 這一學(xué)術(shù)概念，最早是在 2001 年由日內(nèi)瓦大學(xué)的研究人員正式提出的。這項(xiàng)早期研究，給出了網(wǎng)絡(luò)環(huán)境下基于人體克隆的服裝試穿解決方案。

我這里展示了這篇二十多年前論文里的一些截圖，大家能很直觀地看到，當(dāng)時(shí)采用的是高度定制化的技術(shù)方法，不僅需要從特定角度對(duì)人體進(jìn)行拍照取樣，還高度依賴流程化、模塊化的操作，以及關(guān)鍵節(jié)點(diǎn)的一些定位技術(shù)。這就是虛擬試穿技術(shù)的學(xué)術(shù)開端。

了解了起源，我們?cè)夙樦鴷r(shí)間軸看過去二十多年里，學(xué)術(shù)界對(duì)這項(xiàng)技術(shù)的框架演進(jìn)脈絡(luò)。這條時(shí)間軸的起點(diǎn)是 2001 年，終點(diǎn)就是當(dāng)下的 2025 年。整體來看，技術(shù)發(fā)展可以劃分為三個(gè)核心階段：第一階段是 2001 年到 2013 年，主流方案以 3D 建模、物理仿真，以及 AR（Augmented Reality）相關(guān)技術(shù)為核心；到了 2017 年至 2022 年，技術(shù)路徑則逐漸轉(zhuǎn)向基于 CNN 與生成對(duì)抗網(wǎng)絡(luò) GAN（Generative Adversarial Networks）的框架；從 2023 年開始，擴(kuò)散模型（Diffusion Model）異軍突起，此后絕大多數(shù)研究都聚焦于這一技術(shù)方向，直到現(xiàn)在擴(kuò)散模型依然是虛擬試穿領(lǐng)域的最主流技術(shù)方案。

與此同時(shí)，我也為大家梳理了虛擬試穿技術(shù)在學(xué)術(shù)界“繞不開”的四類核心研究文獻(xiàn)，大家如果感興趣可以自行查閱，今天分享的這份材料也會(huì)提交給組織方，方便大家后續(xù)下載。第一類是生成對(duì)抗網(wǎng)絡(luò)（GAN）方向，相關(guān)研究主要集中在 2017 到 2022 年，核心都是基于 GAN 技術(shù)來實(shí)現(xiàn)虛擬試穿。

第二類是擴(kuò)散模型方向，正如之前提到的，2023 年之后這類研究開始爆發(fā)，不同的網(wǎng)絡(luò)結(jié)構(gòu)和試穿任務(wù)場(chǎng)景，都能在這個(gè)方向找到具有行業(yè)影響力的論文。

另外兩類分別是視頻試穿方向和套裝試穿方向。隨著單件服飾圖像試穿技術(shù)逐漸成熟，學(xué)術(shù)界開始朝著不同維度拓展研究邊界，一個(gè)是從靜態(tài)圖像延伸到動(dòng)態(tài)視頻，一個(gè)則是從單件服飾試穿升級(jí)到多件搭配的套裝試穿。

接下來，我也帶大家回顧一下京東零售虛擬試穿技術(shù)的演進(jìn)脈絡(luò)。京東是從 2023 年左右啟動(dòng)虛擬試穿項(xiàng)目研發(fā)，至今已有兩年多的積累，期間歷經(jīng)了四代大的技術(shù)框架迭代。

第一代是非常早期的架構(gòu)，以 U-Net 作為擴(kuò)散模型主體，搭配 Reference Net 來實(shí)現(xiàn)參考服飾的信息注入。這個(gè)框架大家應(yīng)該比較熟悉，屬于 Stable Diffusion 時(shí)代的產(chǎn)物，它的擴(kuò)散模型參數(shù)規(guī)模不算大，對(duì)應(yīng)的圖像生成效果也相對(duì)有限。

到了第二代，我們將擴(kuò)散模型的主體結(jié)構(gòu)從 U-Net 升級(jí)為了 DiT，服飾信息的特征表示則同時(shí)借助 ViT 與 VAE 來完成。這次升級(jí)其實(shí)和行業(yè)趨勢(shì)同步，2024 年年初 Sora 橫空出世，讓大家看到了 DiT 作為擴(kuò)散模型框架的先進(jìn)性，因此大部分行業(yè)機(jī)構(gòu)都在 2024 年上半年完成了從 U-Net 到 DiT 的技術(shù)切換。

基于第二代技術(shù)框架的實(shí)踐，我們也沉淀了三個(gè)比較重要的認(rèn)知分享給大家。第一，基座模型的架構(gòu)和容量對(duì)試穿效果起到?jīng)Q定性作用。這一點(diǎn)也印證了擴(kuò)散模型的 Scaling Law，從最初的 1B 模型，到 3B、10B、20B，再到融入 VL 框架后升級(jí)至 30B 乃至更大參數(shù)規(guī)模，模型的生成效果有著肉眼可見的提升。

第二，利用 VAE 對(duì)參考圖像進(jìn)行編碼，能極大提升生成結(jié)果的一致性。ViT 的表征更偏語義層面，而 VAE 的訓(xùn)練以重構(gòu)殘差最小為優(yōu)化目標(biāo)，更擅長(zhǎng)捕捉圖像細(xì)節(jié)。在實(shí)際試穿中，若遇到衣服 logo 等細(xì)節(jié)還原不佳的問題，往往就是因?yàn)闆]有正確使用 VAE 編碼器來做服飾特征表征。

第三，在這套框架的試穿任務(wù)中，無需對(duì)參考圖進(jìn)行 prompt 描述，如強(qiáng)行加入文本描述，反而很可能引發(fā)圖文沖突與對(duì)抗。不過這個(gè)結(jié)論并非絕對(duì)，要結(jié)合具體技術(shù)框架來看，在當(dāng)前的 DiT+ViT+VAE 框架下，我們是可以剝離文本模塊的，但后續(xù)融入 VL 模型表征后，文本側(cè)的信息也能發(fā)揮相應(yīng)的價(jià)值。

京東零售的第三代虛擬試穿技術(shù)，核心完成了從圖像試穿到視頻試穿的模態(tài)升級(jí)。目前行業(yè)內(nèi)的視頻生成框架尚未形成統(tǒng)一標(biāo)準(zhǔn)，我們可以分享一套可供參考的技術(shù)方案：首先將原始視頻解析為帶 mask 的視頻幀序列，以及類似 OpenPose 的“火柴棍”姿態(tài)幀序列；再分別對(duì)這兩類序列進(jìn)行編碼、建模、，最終通過 MM-DiT 完成去噪，生成服飾上身的視頻試穿效果。

接下來，為大家介紹京東零售最新的第四代虛擬試穿技術(shù)，這一代框架最顯著的變化，就是完全摒棄了 Mask 模塊，全面擁抱 Mask Free 的通用技術(shù)架構(gòu)。與此同時(shí)，參考圖的表征方式也從原來的純視覺維度，進(jìn)化為融合文本模態(tài)的多模態(tài)統(tǒng)一表征，這里我們引入了 Vision Language Model 視覺語言模型來專門完成參考圖的特征提取。

基于第四代框架的實(shí)踐，我們也沉淀了幾個(gè)關(guān)鍵認(rèn)知：第一，Mask Free 框架對(duì)人物的身份特征、肢體姿態(tài)、服飾細(xì)節(jié)以及配飾元素，都能實(shí)現(xiàn)更好的保留效果；第二，該框架徹底擺脫了 Mask 模塊可能帶來的誤差累積，同時(shí)大幅降低了工程研發(fā)的復(fù)雜度。畢竟從研發(fā)角度來說，系統(tǒng)模塊越簡(jiǎn)潔，引入連帶問題的概率就越低，而 Mask 模塊本身會(huì)因不同應(yīng)用場(chǎng)景產(chǎn)生各種 badcase，容易引發(fā)新問題；第三，Mask Free 框架可以更好地兼容套裝試穿，以及服裝與配飾的同步試穿需求。

舉個(gè)簡(jiǎn)單的例子：在傳統(tǒng) Mask 方案中，需要先 mask 掉用戶原有的衣物，再疊加新服飾，可如果用戶原本還斜挎著小包，這個(gè)包包大概率會(huì)隨舊衣被 mask 掉，相當(dāng)于破壞了用戶的原始信息，而通過 Mask Free 的技術(shù)框架，就能實(shí)現(xiàn)“新衣上身，配飾保留”的效果。

最后，我們對(duì)虛擬試穿技術(shù)這一部分做個(gè)小結(jié)，同時(shí)分享幾點(diǎn)我們的觀點(diǎn)。首先，給正在做或?qū)⒁鎏摂M試穿的研發(fā)人員一個(gè)建議，啟動(dòng)項(xiàng)目前一定要拿到最好的圖像生成基座模型，因?yàn)槟Ｐ偷氖澜缰R(shí)和基礎(chǔ)能力，直接決定了整個(gè)項(xiàng)目的起跑線。

請(qǐng)大家始終相信 Scaling Law，至少在 30B 參數(shù)規(guī)模以內(nèi)，這種效應(yīng)的驗(yàn)證效果是非常清晰的。第二，Mask Free 技術(shù)框架會(huì)成為未來的主流方向，大道至簡(jiǎn)，越簡(jiǎn)潔的技術(shù)路線越正確，如果現(xiàn)在還有同學(xué)在 Mask based 方案里摸索，建議果斷舍棄那些冗余的模塊，盡快擁抱 Mask Free 的通用技術(shù)框架。第三，從單件試穿到多件試穿是必然的技術(shù)趨勢(shì)，而且必須要兼顧配飾。在我們看來，“試穿 + 穿搭”才是更具想象力的產(chǎn)品形態(tài)。我們現(xiàn)在聊的更多是“穿”的環(huán)節(jié)，但從產(chǎn)品層面來說，更關(guān)鍵的其實(shí)是“搭”的能力。第四，試穿結(jié)果的視頻化，是用戶的核心訴求，這一點(diǎn)毋庸置疑。

畢竟線下試衣時(shí)，大家都會(huì)對(duì)著鏡子轉(zhuǎn)身、擺動(dòng)，動(dòng)態(tài)效果才更貼近真實(shí)體驗(yàn)。但這需要我們長(zhǎng)期攻克推理效率的難題，目前生成一段 10 秒的試穿視頻，耗時(shí)基本還是分鐘級(jí)，這樣的速度對(duì)線上用戶體驗(yàn)的影響是比較大的。最后想聊的是數(shù)據(jù)的價(jià)值，用于試穿的訓(xùn)練數(shù)據(jù)，會(huì)成為各大電商平臺(tái)的核心資產(chǎn)。極致的試穿效果，主要依賴于企業(yè)的 in-house 數(shù)據(jù)。

我們都知道，數(shù)據(jù)是大模型的核心，雖然有些從業(yè)者為了凸顯技術(shù)深度，會(huì)刻意回避甚至弱化數(shù)據(jù)的重要性，但事實(shí)就是如此。尤其是虛擬試穿這類賽道，每個(gè)企業(yè)都會(huì)建立自己的數(shù)據(jù)壁壘。同時(shí)，隨著 AIGC 能力的提升，模型訓(xùn)練早期可以借助 AIGC 數(shù)據(jù)快速收斂到任務(wù)需求，后續(xù)再用真實(shí)數(shù)據(jù)校正，就能有效規(guī)避 AIGC 生成內(nèi)容帶來的失真。以上，就是我們?cè)诩夹g(shù)側(cè)想和大家分享的幾個(gè)觀點(diǎn)。

接下來，我為大家介紹虛擬試穿的行業(yè)實(shí)踐方案。首先來看整個(gè)行業(yè)的發(fā)展概況，這里有三組關(guān)鍵數(shù)據(jù)和大家分享。第一組數(shù)據(jù)是 200 億美元，2025 年全球虛擬試穿平臺(tái)的市場(chǎng)規(guī)模預(yù)計(jì)將突破 200 億美元，這其中涵蓋圖像生成、增強(qiáng)現(xiàn)實(shí)（AR）以及 3D 虛擬試衣等多個(gè)細(xì)分技術(shù)方向，而中國(guó)市場(chǎng)的規(guī)模，預(yù)計(jì)將占到其中的 50 億美元左右。

第二組數(shù)據(jù)是 60 余個(gè)品牌，截至今年 12 月，國(guó)內(nèi)已有超過 60 家服裝品牌對(duì)外宣稱具備虛擬試穿能力，覆蓋快時(shí)尚、運(yùn)動(dòng)等多個(gè)品類，這些品牌的核心分布區(qū)域，也集中在歐美中日韓等時(shí)尚消費(fèi)的核心地帶，像 Zara、Nike、Gap、H&M，以及中國(guó)的李寧、安踏等，都在其列。第三組數(shù)據(jù)是 60%，有機(jī)構(gòu)預(yù)測(cè)，到 2026 年，全球?qū)⒂谐?60% 的服裝品牌采用不同形式的虛擬試穿解決方案，屆時(shí)，這項(xiàng)技術(shù)將從當(dāng)前的“可選配置”，正式升級(jí)為整個(gè)行業(yè)的“標(biāo)配能力”。

此外，我也在上方列出了目前國(guó)內(nèi)外在虛擬試穿領(lǐng)域具備技術(shù)儲(chǔ)備的部分機(jī)構(gòu)和企業(yè)，供大家參考。

接下來，我?guī)Т蠹抑饌€(gè)拆解虛擬試穿行業(yè)里幾家互聯(lián)網(wǎng)大廠的典型實(shí)踐方案。要介紹的第一個(gè)案例是阿里的 Lookie，用一句話概括，它是一款主打虛擬形象搭配試穿的 AI 娛樂工具。

這款產(chǎn)品的核心特點(diǎn)有兩個(gè)：一是玩法豐富、搭配自由度高，而且自帶很強(qiáng)的分享屬性；二是“電子衣櫥”的概念很有新意，精準(zhǔn)命中了用戶多件服飾試穿搭配的潛在需求。當(dāng)然，我們也客觀地分析一下它當(dāng)前存在的局限性。第一，Lookie 目前僅支持套裝試穿，不支持單件試穿。

套裝試穿在娛樂場(chǎng)景下確實(shí)很有吸引力，但電商平臺(tái)的用戶購(gòu)買行為更多集中在單件服飾，這就形成了一個(gè)明顯的場(chǎng)景缺口。第二，它作為淘寶的一款中心化小程序，入口相對(duì)較深，導(dǎo)致產(chǎn)品的購(gòu)物屬性偏弱。如何從“好玩”迭代到“好用”，最終實(shí)現(xiàn)商業(yè)變現(xiàn)，是 Lookie 團(tuán)隊(duì)需要重點(diǎn)回答的問題。第三，從試穿效果來看，生成的形象和用戶真實(shí)身材仍存在一定差異，大家可以去淘寶小程序里親自體驗(yàn)感受。第四，Lookie 的人物形象建模，在一定程度上依賴于 LoRA 數(shù)字分身技術(shù)。

熟悉這個(gè)技術(shù)的朋友應(yīng)該知道，早期的妙鴨也是這樣，需要用戶上傳十幾張個(gè)人照片，付費(fèi)后等待模型訓(xùn)練，才能生成專屬數(shù)字分身，后續(xù)試穿也都基于這個(gè)數(shù)字分身來完成。但這種技術(shù)方案對(duì)訓(xùn)練資源的要求較高，算不上是行業(yè)內(nèi) ROI 最優(yōu)的選擇。不過值得一提的是，Lookie 目前已經(jīng)開始嘗試支持單張圖像建模，在降低用戶使用門檻上往前又邁出了一步。

第二個(gè)要介紹的，依舊是阿里旗下的一款產(chǎn)品，淘寶 AI 試穿。用一句話來概括，它是一款入口布局激進(jìn)、功能設(shè)計(jì)清爽的購(gòu)物助手。這款產(chǎn)品的核心特點(diǎn)有兩個(gè)：第一，它的入口直接設(shè)置在搜索雙列的商卡上，這個(gè)位置的選擇相當(dāng)大膽激進(jìn)，能最大程度觸達(dá)購(gòu)物鏈路中的用戶；第二，它的推理速度較快，試穿效果穩(wěn)定，產(chǎn)品功能也足夠聚焦，整體使用體驗(yàn)十分清爽。

當(dāng)然，它也存在兩處明顯的局限性：其一，目前淘寶 AI 試穿僅支持上傳用戶相冊(cè)里的全身正面站立照，這個(gè)要求對(duì)不少用戶來說存在使用門檻，而且產(chǎn)品缺乏虛擬形象定制能力，畢竟從相冊(cè)里找出完全符合要求的照片，并不是一件容易的事。而虛擬形象定制恰恰是降低使用門檻的有效方式。其二，它現(xiàn)階段只具備單品試穿能力，沒有搭載穿搭推薦功能。我們之前提到過，穿搭是試穿場(chǎng)景中非常重要的延展環(huán)節(jié)。

不難發(fā)現(xiàn)，阿里的這兩款試穿產(chǎn)品在一定程度上形成了互補(bǔ)：淘寶 AI 試穿專注于單件試穿場(chǎng)景，深度嵌入核心購(gòu)物鏈路；而它所欠缺的穿搭能力，正好可以由 Lookie 小程序來補(bǔ)齊。

介紹完國(guó)內(nèi)電商平臺(tái)的試穿產(chǎn)品，我們?cè)侔涯抗廪D(zhuǎn)向海外，看看海外的虛擬試穿技術(shù)能力。這里我們以 Google Shopping Try On 為例展開介紹。用一句話來描述它，這是一款主打高真實(shí)性的購(gòu)物決策工具。

它的核心特點(diǎn)有三個(gè)：第一，具備跨端覆蓋的試穿能力，同時(shí)支持移動(dòng)端與桌面端，能滿足不同用戶的使用習(xí)慣；第二，服飾覆蓋率極高，幾乎涵蓋了 Google Shopping 平臺(tái)上的全量服飾品類；第三，支持用戶上傳個(gè)人照片或使用 AI 模特，而且對(duì)用戶上傳素材的包容度很高，要知道，通常模特姿態(tài)越簡(jiǎn)單，試穿效果越容易把控，但 Google Shopping Try On 即便是面對(duì)坐姿、非標(biāo)準(zhǔn)站立等有難度的姿態(tài)，也能處理得比較好。

當(dāng)然，它也存在明顯的局限性，這點(diǎn)和淘寶 AI 試穿有些類似，即僅支持單品試穿，暫未開放穿搭組合的試穿功能。

介紹完貨架電商場(chǎng)景下的典型 AI 試穿能力，我們?cè)侔涯抗廪D(zhuǎn)向內(nèi)容電商，這里以抖音的 AI 試穿為例來分析。

抖音的 AI 試穿，是一款主打“直播 + 試穿”的新體驗(yàn)產(chǎn)品。它的核心特點(diǎn)有三個(gè)：第一，與直播場(chǎng)景緊密結(jié)合，用戶從看到商品到完成試穿的鏈路快捷又易用；第二，同時(shí)支持上傳用戶真實(shí)照片和使用 AI 模特，在一定程度上降低了用戶的使用門檻；第三，除了當(dāng)前入口的商品，還能支持同店鋪內(nèi)的穿搭推薦，正好契合了我們之前提到的試穿延展需求。

這款產(chǎn)品也存在兩處局限性：其一，雖然配備了 AI 模特，但這些模特的肖像和用戶本人沒有關(guān)聯(lián)，更像是一張“平均臉”，用戶會(huì)覺得是陌生人在試穿，而非自己，體驗(yàn)上會(huì)有割裂感；其二，它的其中一個(gè)試穿入口設(shè)置在商品詳情頁的尺碼助手附近，而目前行業(yè)內(nèi)并沒有成熟的技術(shù)能支持尺碼合身效果的試穿，這就容易給用戶造成誤導(dǎo)，用戶本以為點(diǎn)進(jìn)來能看尺碼是否合適，實(shí)際卻只能看到服飾上身的基礎(chǔ)效果，從產(chǎn)品入口設(shè)計(jì)的角度來看，還有進(jìn)一步優(yōu)化的空間。

聊完面向 C 端的試穿產(chǎn)品方案，接下來我們看一個(gè) B 端的典型案例，同樣來自阿里的繪蛙，這是一個(gè)專門服務(wù)服飾電商商家的 AI 內(nèi)容生成平臺(tái)。核心特點(diǎn)有三個(gè)：第一，自帶海量素材庫(kù)，涵蓋參考圖與模特素材，為商家提供了充足的選擇空間；第二，同時(shí)支持單件與多件服飾上身生成，而且輸出素材的分辨率較高，清晰度能滿足電商展示、內(nèi)容種草等多類場(chǎng)景的需求；第三，試穿功能可與平臺(tái)內(nèi)其他 AI 工具無縫聯(lián)動(dòng)，比如用試穿能力生成效果圖后，能直接在平臺(tái)內(nèi)調(diào)用圖像編輯功能進(jìn)行二次優(yōu)化，操作流程十分順暢。

當(dāng)然，繪蛙也存在一些局限性：一方面，作為 B 端生成式服務(wù)平臺(tái)，它目前的生產(chǎn)效率相對(duì)偏低，推理耗時(shí)基本是分鐘級(jí)，暫不支持大量素材的批量生成，這對(duì)于有規(guī)?；a(chǎn)需求的商家來說是個(gè)不小的遺憾；另一方面，受 B 端的產(chǎn)品定位所限，平臺(tái)缺少 C 端用戶的使用場(chǎng)景，畢竟普通消費(fèi)者更習(xí)慣在手機(jī)購(gòu)物鏈路中使用試穿功能，而繪蛙的核心用戶群體始終是電商商家，主要用于制作商品相關(guān)素材。

介紹完這么多行業(yè)實(shí)踐案例，接下來我們對(duì)整個(gè)虛擬試穿行業(yè)做個(gè)小結(jié)，主要從四個(gè)方面展開。

第一，B 端與 C 端的定位分化清晰，PC 端或 Web 端聚焦服務(wù) B 端商家，提供模特生成、AI 試穿、素材二次編輯等能力，批量化、低成本生產(chǎn)是商家的核心訴求。如果平臺(tái)能打通“素材生產(chǎn)—投放—效果驗(yàn)證”的閉環(huán)，并將驗(yàn)證結(jié)果反饋給模型輔助進(jìn)化，會(huì)成為中小商家的一大福音。

而 APP 端或小程序端則瞄準(zhǔn) C 端用戶，主打簡(jiǎn)化操作流程，聯(lián)動(dòng)購(gòu)物閉環(huán)以適配移動(dòng)端的碎片化體驗(yàn)；再次強(qiáng)調(diào)，對(duì)于 C 端而言，“穿”是剛需，但“搭”才蘊(yùn)藏著更多產(chǎn)品機(jī)會(huì)。

第二，入口形態(tài)決定產(chǎn)品定位。電商平臺(tái)的 AI 試穿入口無非兩種：第一種是非中心化入口，將試穿能力嵌入購(gòu)物全流程，比如直接放在每個(gè)商品的商卡上，實(shí)現(xiàn)“見品即試穿”，核心目標(biāo)是強(qiáng)化用戶的及時(shí)決策；第二種是中心化入口，類似阿里 Lookie 的小程序單入口，不依附于具體 sku，能打造獨(dú)立場(chǎng)景，延伸穿搭推薦、社交分享等功能，讓產(chǎn)品從購(gòu)物工具升級(jí)為內(nèi)容娛樂的社交載體。

第三，通過多元方案降低用戶使用門檻。針對(duì)用戶相冊(cè)難以找到合格全身照的痛點(diǎn)，行業(yè)內(nèi)普遍采用多種路徑打破傳圖依賴：一是虛擬捏人；二是非標(biāo)圖像兼容，提升算法能力，支持半身照等非標(biāo)準(zhǔn)素材試穿，比如用半身照試穿上衣；三是“大頭照 + 身材參數(shù)”實(shí)現(xiàn)數(shù)字形象，以此降低 C 端用戶的試穿啟動(dòng)門檻，這些都是值得肯定的產(chǎn)品嘗試。

第四，尺碼破局需要技術(shù)與策略雙重保障。單純依靠算法模型，很難解決尺碼合身的試穿問題。行業(yè)的可行思路是聯(lián)動(dòng)尺碼助手、用戶試穿報(bào)告等策略工具，用“技術(shù)生成效果 + 策略輔助決策”的雙重模式降低用戶購(gòu)物決策風(fēng)險(xiǎn)，最終實(shí)現(xiàn)退貨率的下降。

介紹完這么多行業(yè)案例，接下來我為大家分享京東在虛擬試穿領(lǐng)域的實(shí)踐經(jīng)驗(yàn)。首先，給大家看一個(gè)視頻，它直觀展示了京東零售虛擬試穿的核心產(chǎn)品功能?？偨Y(jié)來說，我們的產(chǎn)品主要有四大特點(diǎn)：精準(zhǔn)的身材識(shí)別、逼真的材質(zhì)渲染、高效快速的生成、智能的搭配推薦，這也是我們一直持續(xù)打磨的產(chǎn)品目標(biāo)。

目前，京東零售的虛擬試衣能力還處于小流量測(cè)試階段，所以在座的各位暫時(shí)還很難直接體驗(yàn)。這里和大家分享幾組核心數(shù)據(jù)：我們的虛擬試穿能力已覆蓋超百萬服飾 SKU，實(shí)驗(yàn)階段的用戶量也突破了 100 萬，同時(shí)覆蓋 70 多個(gè)服飾類目，合作的頭部服飾品牌超過 500 家，這就是我們現(xiàn)階段的產(chǎn)品現(xiàn)狀。

再給大家拆解一下具體功能，最左側(cè)是商詳主圖的試穿入口。目前這個(gè)入口的設(shè)置比較保守，沒有像淘寶 AI 試穿那樣直接嵌入搜推雙列商卡，我們認(rèn)為在實(shí)驗(yàn)階段，還是盡量避免影響用戶原有的購(gòu)物體驗(yàn)，后續(xù)會(huì)根據(jù)測(cè)試效果考慮提升入口優(yōu)先級(jí)。

中間的三張圖是我們重點(diǎn)探索的同款不同色服裝試穿，用戶從某一款顏色的服飾（比如圖中的粉色羽絨服）進(jìn)入試穿頁面后，可以一鍵切換同 SPU 下的白色、黑色等其他配色，便捷完成多色試穿對(duì)比。最右側(cè)的功能則是我們正在積極推進(jìn)的上下裝搭配試穿，系統(tǒng)會(huì)為入口服飾，比如這件羽絨服，匹配同店鋪內(nèi)的褲子、裙子等下裝，讓用戶直觀感受不同搭配的視覺效果。當(dāng)前我們把搭配候選池限定在同店鋪內(nèi)，從消費(fèi)者視角來看，打破店鋪限制可能會(huì)更有吸引力。

從技術(shù)層面來講，跨店鋪搭配的實(shí)現(xiàn)難度也并不大，核心在于業(yè)務(wù)邏輯的梳理，這需要我們與商家做更深入的調(diào)研溝通，明確背后的商業(yè)價(jià)值后，再考慮進(jìn)一步的功能升級(jí)。

這里我也和大家分享一下京東在虛擬試穿項(xiàng)目實(shí)踐中沉淀下來的三點(diǎn)核心經(jīng)驗(yàn)，這些觀點(diǎn)其實(shí)在前面的內(nèi)容里也有所涉及，這里再集中回顧一下。第一，想盡一切辦法降低用戶使用門檻。

我們有一組數(shù)據(jù)可以佐證這個(gè)觀點(diǎn)，目前線上使用虛擬試穿的用戶中，超過半數(shù)無法上傳符合要求的試穿照片。即便我們?cè)谏蟼黜撁孀隽嗽敿?xì)的規(guī)則引導(dǎo)，用戶從相冊(cè)里找到合規(guī)照片的難度依然很高。

為此，我們果斷加入了數(shù)字人模式，采用“真實(shí)照片上傳 + 虛擬數(shù)字人形象”的雙軌方案，用戶如果找不到合適的照片，或者不愿上傳個(gè)人照片，就可以輸入身高、體重等參數(shù)打造專屬數(shù)字人；若能提供肖像照，數(shù)字人會(huì)更貼近用戶本人，沒有肖像照也可以使用默認(rèn)形象，這是降低用戶使用門檻非常行之有效的方法。第二，穿搭場(chǎng)景中，“搭”大于“穿”。

正如之前提到的，“穿”是用戶的基礎(chǔ)性剛需，而“搭”屬于突破性需求。但在電商場(chǎng)景下，用戶對(duì)穿搭的期待其實(shí)很高，所以我們一直在積極探索為用戶提供多樣化的搭配可能性，以此挖掘更多產(chǎn)品價(jià)值。第三，試穿效果要兼顧“像”與“美”，二者缺一不可。這一點(diǎn)往往被很多項(xiàng)目組忽略。用戶對(duì)試穿效果的核心要求是“真、像、美”：“真”是衣服和人物的真實(shí)感，不能有明顯的 AI 痕跡；“像”是人物 ID、服飾細(xì)節(jié)、環(huán)境背景的精準(zhǔn)保留；而“美”常常被忽視，但其實(shí)至關(guān)重要。

我們?cè)谒惴▊?cè)也把評(píng)測(cè)標(biāo)準(zhǔn)，從最開始的“衣服還原不出錯(cuò)”，升級(jí)為“可用率 + 美觀度”的多維度評(píng)估體系。這里可以舉個(gè)例子：大家做虛擬試穿，都是希望提升轉(zhuǎn)化率、降低退貨率，但如果忽略了“美”的需求，很可能連轉(zhuǎn)化率都會(huì)受影響。沒有試穿時(shí)，用戶看商詳主圖覺得衣服不錯(cuò)就會(huì)下單，但 AI 試穿后發(fā)現(xiàn)效果不好看，反而會(huì)直接放棄購(gòu)買。

這其實(shí)是大模型在落地原生 AI 場(chǎng)景時(shí)會(huì)遇到的陣痛，所以我也呼吁行業(yè)同仁，面對(duì)這類問題要保持長(zhǎng)期心態(tài)，用戶心智的培養(yǎng)和行業(yè)的迭代，都需要一個(gè)過程。

最后，我想和大家分享幾個(gè)我們認(rèn)為未來值得探索的虛擬試穿產(chǎn)品形態(tài)。第一個(gè)是萬物成套的試穿試戴系統(tǒng)，正如我們之前提到的，服飾試穿已經(jīng)從單件升級(jí)到多件，但對(duì)于注重 OOTD 的用戶來說，鞋子、配飾、包包甚至手機(jī)殼，都是穿搭的重要組成部分。

我們希望未來能實(shí)現(xiàn)全品類的組合式穿搭，打造真正的“萬物穿搭”試穿效果。第二個(gè)是數(shù)字人虛擬試穿 +AI 導(dǎo)購(gòu)，想象一下，每個(gè)用戶都有專屬的數(shù)字人形象，它既可以是你的分身，也可以是你的 AI 導(dǎo)購(gòu)助手。你在逛商品流的時(shí)候，輕觸商卡就能把衣服“穿”到數(shù)字人身上，同時(shí)還能和這個(gè)數(shù)字人對(duì)話，讓它幫你推薦搭配，實(shí)現(xiàn) 7×24 小時(shí)的購(gòu)物陪伴。

這其實(shí)也是電商 2.0 時(shí)代追求的極致沉浸式個(gè)性化體驗(yàn)，我們甚至?xí)诚脒^一個(gè)更極端的場(chǎng)景：用戶瀏覽服飾商卡時(shí)，卡面展示的就是自己穿著這件衣服的形象，滑一屏都是專屬的上身效果，選款會(huì)更直觀。不過這種形態(tài)需要充分尊重用戶意愿，避免造成冒犯，同時(shí)也面臨著推理資源、生成效率等工程側(cè)的巨大挑戰(zhàn)。

第三個(gè)是電子衣櫥。這個(gè)概念雖然已有部分產(chǎn)品提及，但我們認(rèn)為還有很大的深挖空間。用戶可以把已購(gòu)、收藏的服飾都放進(jìn)這個(gè)虛擬衣櫥，系統(tǒng)根據(jù)天氣、出席場(chǎng)合等場(chǎng)景，為用戶提供交互式、陪伴式的試穿搭配建議，真正實(shí)現(xiàn)“衣隨場(chǎng)景搭”。以上就是我們看好的幾個(gè)未來產(chǎn)品方向，分享給大家。

關(guān)于虛擬試衣的內(nèi)容，我們就先介紹到這里。回顧今天的分享主題，我們是想從虛擬試衣切入，聊一聊更大范疇的電商 AIGC。接下來，我就快速為大家介紹京東在電商 AIGC 領(lǐng)域的能力布局，整體可以分為八大能力板塊。

第一，商品智能摳圖。這是所有電商平臺(tái)最關(guān)鍵、最基礎(chǔ)的技術(shù)能力，摳圖效果的優(yōu)劣，直接影響后續(xù)整條素材制作鏈路的最終呈現(xiàn)質(zhì)量。第二，商品素材生成。我們依托 AIGC 技術(shù)，實(shí)現(xiàn)主圖、商詳圖、廣告素材的自動(dòng)化生成。在技術(shù)加持下，內(nèi)容制作周期大幅縮短，素材迭代效率提升了數(shù)十倍。第三，視頻生成。從 2024 年開始，視頻生成技術(shù)的效果已經(jīng)被大家廣泛認(rèn)可，國(guó)內(nèi)相關(guān)技術(shù)也實(shí)現(xiàn)了大幅躍升。

我們主要聚焦主圖視頻和營(yíng)銷視頻兩大場(chǎng)景：主圖視頻時(shí)長(zhǎng)較短、鏡頭單一，主打快速展示商品核心賣點(diǎn)；營(yíng)銷視頻則篇幅更長(zhǎng)、內(nèi)容更豐富，通常會(huì)搭配劇本與口播，用于深度種草和品牌宣傳。第四，AI 模特。這項(xiàng)能力不僅服務(wù)于服飾場(chǎng)景，也覆蓋了眾多非服飾品類的素材生成需求。

傳統(tǒng)模式下，頭部商家會(huì)邀請(qǐng)明星代言，中型商家則需要對(duì)接外部服務(wù)商拍攝，不僅成本高昂，還會(huì)拖慢商品上新節(jié)奏。而 AI 模特能力通過 AIGC 技術(shù)，為商家快速生成適配不同場(chǎng)景、不同風(fēng)格的模特素材，有效降本增效。

第五，虛擬試穿。這項(xiàng)能力不過多贅述了，今天的分享主題基本都圍繞它展開，核心是通過 AIGC 技術(shù)實(shí)現(xiàn)服飾的虛擬上身與搭配，降低用戶決策成本。第六，AI 設(shè)計(jì)家。也可以稱之為“放我家”功能，主要服務(wù)于家具等大件商品場(chǎng)景。用戶上傳自家房屋照片后，AI 就能將目標(biāo)家具植入到真實(shí)家居環(huán)境中，直觀呈現(xiàn)擺放效果；同時(shí)還能針對(duì)毛坯房、清水房，按照用戶需求設(shè)計(jì)出對(duì)應(yīng)的裝修風(fēng)格，解決家居選購(gòu)與裝修設(shè)計(jì)的可視化難題。第七，3D 立影。這是京東零售自研的 AIGC 裸眼 3D 技術(shù)，能讓商品從商卡中“跳脫”出來，以 3D 形態(tài)呈現(xiàn)。這項(xiàng)技術(shù)能顯著提升品牌商品的點(diǎn)擊率，以及直播場(chǎng)景下的用戶互動(dòng)率。第八，數(shù)字人。

相信大家對(duì)京東數(shù)字人并不陌生，目前已有超 2 萬個(gè)品牌在使用這項(xiàng)能力，相關(guān)場(chǎng)景的轉(zhuǎn)化率提升了 30%。它最直接的價(jià)值是實(shí)現(xiàn) 7×24 小時(shí)數(shù)字人直播賣貨，打破傳統(tǒng)直播的時(shí)間限制，持續(xù)為商家創(chuàng)造收益。接下來，我會(huì)選取其中幾項(xiàng)能力，展開分享我們?cè)跇I(yè)務(wù)側(cè)取得的實(shí)際成果。

接下來，我挑選幾個(gè)能力項(xiàng)，和大家分享我們?cè)跇I(yè)務(wù)側(cè)取得的實(shí)際成果。第一個(gè)是商品素材 AIGC 生成。這里展示的是一款起泡酒的案例，覆蓋商品主圖、商詳圖、賣點(diǎn)圖和廣告圖等全類型素材。

目前這項(xiàng)能力已經(jīng)改變了京東超 100 萬商家的內(nèi)容設(shè)計(jì)模式，既大幅提升了素材制作效率，又顯著降低了制作成本。

第二個(gè)是 AI 模特。模特圖生成技術(shù)正逐步在頭部品牌中批量落地，我們過去已與 Nike、阿迪達(dá)斯、海瀾之家三大時(shí)尚品牌達(dá)成深度合作。在批量應(yīng)用階段，合作品牌的商品轉(zhuǎn)化率提升 29%，商品上架速度提升 90%，同時(shí)商品素材制作成本大幅下降。大家現(xiàn)在在這些品牌店鋪里看到的部分模特圖，正是由我們的 AIGC 技術(shù)生成，再結(jié)合虛擬試穿能力完成服飾上身的。

第三個(gè)是 AIGC 裸眼 3D 技術(shù)，立影。這里有 SK-II 和華為耳機(jī)兩組合作案例，這項(xiàng)技術(shù)能明顯帶動(dòng)品牌點(diǎn)擊率與銷售轉(zhuǎn)化率的提升。目前它主要應(yīng)用于廣告投放、家具搭配、直播互動(dòng)、互動(dòng)游戲以及試裝試戴等場(chǎng)景，感興趣的朋友可以去京東 APP 里體驗(yàn)這項(xiàng)能力。

介紹完了這些單項(xiàng)能力，接下來我要給大家介紹一個(gè)集成化的平臺(tái)，它整合了我剛才提到的大部分能力，也就是京東零售的電商 AIGC 內(nèi)容生成平臺(tái)，我們管它叫京點(diǎn)點(diǎn)。

這里有幾組數(shù)據(jù)，帶大家快速了解這個(gè)平臺(tái)的能力：第一，京點(diǎn)點(diǎn)已經(jīng)在京東零售的業(yè)務(wù)場(chǎng)景中，支持了超過 30 多種業(yè)務(wù)場(chǎng)景，覆蓋商品發(fā)品、運(yùn)營(yíng)、營(yíng)銷等多個(gè)環(huán)節(jié)；第二，平臺(tái)每天的能力調(diào)用量超過 1000 萬次；第三，它已經(jīng)服務(wù)了超過 100 萬的京東商家。依托這個(gè)平臺(tái)，商家的內(nèi)容生產(chǎn)成本降低了 90%，內(nèi)容生產(chǎn)效率更是提升了 95%。

今天，我更想和大家分享一個(gè)新進(jìn)展：在過去幾個(gè)月里，我們對(duì)京點(diǎn)點(diǎn)平臺(tái)完成了一次系統(tǒng)性升級(jí)，全新的版本我們命名為煥新版京點(diǎn)點(diǎn)平臺(tái)，也就是 Oxygen Vision 平臺(tái)。

這個(gè)新版平臺(tái)和老版最大的差別，一方面是集成了更多的 AIGC 能力項(xiàng)，另一方面則是把交互形式從原來的純 GUI 交互，升級(jí)為 Linguistic UI+GUI 的混合模式。具體來說，新版平臺(tái)具備四大核心特點(diǎn)：第一，對(duì)話式人機(jī)交互，支持純自然語言的交互方式，操作更便捷；第二，大模型驅(qū)動(dòng)的任務(wù)規(guī)劃與執(zhí)行，能夠擬人式地分步驟、有序完成各項(xiàng)操作；第三，強(qiáng)一致性且不失多樣性的商品素材生成能力，確保生成內(nèi)容既貼合商品屬性，又能滿足多樣化需求；第四，無縫接入京東 AB 實(shí)驗(yàn)平臺(tái)的能力。

正如我們之前所說，一個(gè)合格的 B 端 AIGC 內(nèi)容生成平臺(tái)，必須打通“素材生產(chǎn)—投放—實(shí)驗(yàn)回收—模型迭代”的完整閉環(huán)，而這一點(diǎn)，新版京點(diǎn)點(diǎn)平臺(tái)已經(jīng)完全具備。接下來，我們來看一段視頻，更直觀地了解這個(gè)煥新版的京點(diǎn)點(diǎn)平臺(tái)。

最后是未來展望，聊聊電商 AIGC 的技術(shù)縱深與商業(yè)價(jià)值。我想結(jié)合這段時(shí)間做 AIGC 的實(shí)踐，分享一些個(gè)人觀點(diǎn)和認(rèn)知層面的思考。首先，大家來看這張圖，我把 AIGC 的應(yīng)用分成了三個(gè)層次。

最底層的是創(chuàng)意類應(yīng)用，這類應(yīng)用的自由度高、約束少，核心是滿足用戶的個(gè)性化表達(dá)需求，比如短視頻平臺(tái)的魔法表情特效，運(yùn)營(yíng)活動(dòng)需要的 banner 海報(bào)、插畫設(shè)計(jì)，都屬于這個(gè)范疇。往上一層是影視類應(yīng)用。

如果大家了解即夢(mèng)、可靈、海螺這些視頻生成工具，應(yīng)該會(huì)有體感，這類應(yīng)用的核心是通過 AIGC 實(shí)現(xiàn)角色和場(chǎng)景的一致性保持，技術(shù)難點(diǎn)也集中在這里。不過說實(shí)話，普通消費(fèi)者對(duì)于這類內(nèi)容的細(xì)節(jié)一致性，敏感度其實(shí)沒那么高。

而最上層的，就是我們今天一直在聊的電商類 AIGC，這個(gè)方向，需要解決海量 SKU 的適配問題，要確保商品信息的準(zhǔn)確傳遞，還要滿足實(shí)時(shí)轉(zhuǎn)化的業(yè)務(wù)訴求，同時(shí)還要應(yīng)對(duì)嚴(yán)格的合規(guī)風(fēng)險(xiǎn)。

如果從技術(shù)復(fù)雜度排序，創(chuàng)意類最簡(jiǎn)單，影視類次之，電商類堪稱地獄級(jí)難度。為什么這么說？因?yàn)殡娚?AIGC 對(duì)商品一致性的要求是極致嚴(yán)苛的，哪怕是一個(gè)細(xì)節(jié)的偏差，比如裙子本該沒有花邊，生成的素材里卻加了花邊，用戶收到貨發(fā)現(xiàn)“貨不對(duì)版”，就可能引發(fā)客訴，甚至是官司。

這和影視類的一致性要求完全不是一個(gè)量級(jí)，更別說創(chuàng)意類的開放創(chuàng)作模式了。但有意思的是，這三類應(yīng)用里，電商類 AIGC 恰恰是距離商業(yè)化、距離“錢”最近的。做了這么久的 AIGC 應(yīng)用，我有一個(gè)很直觀的體感：有兩類應(yīng)用場(chǎng)景是可以直接實(shí)現(xiàn)變現(xiàn)的。

第一類，就是影視類 AIGC。這個(gè)很好理解，舉個(gè)例子，拍攝《速度與激情 XX》時(shí)，要呈現(xiàn)蘭博基尼和法拉利相撞的畫面，在沒有 AIGC 技術(shù)之前，這樣一個(gè)鏡頭的成本可能高達(dá)上百萬；而現(xiàn)在，依托可靈、即夢(mèng)這類視頻生成工具，成本有可能直接降到幾百美金。無論是文本生成視頻、圖像生成視頻，還是首尾幀驅(qū)動(dòng)的視頻生成技術(shù)，都能支撐這類特效鏡頭的制作。更值得一提的是，現(xiàn)在很多視頻生成能力還疊加了音畫直出功能，這讓電影級(jí)別的多媒體內(nèi)容高效輸出，變得越來越有可能。

第二類，就是電商與商業(yè)化 AIGC。這里我們暫時(shí)不做細(xì)致區(qū)分，核心邏輯很簡(jiǎn)單：我們用 AIGC 生成的電商素材，是直接供商家用于商品運(yùn)營(yíng)和投放的，最終指向的就是 GMV 的增長(zhǎng)，這是最直接的收益。商業(yè)化場(chǎng)景也是同理，通過 AIGC 制作廣告素材，直接面向廣告主和用戶，素材投放后帶來的廣告消耗，直接對(duì)應(yīng)著平臺(tái)的營(yíng)收。所以在我看來，電商與商業(yè)化 AIGC，是現(xiàn)階段離“錢”最近的應(yīng)用方向。這就是我對(duì)整個(gè) AIGC 行業(yè)應(yīng)用落地的一些理解。

最后，我再分享三個(gè)總結(jié)性的觀點(diǎn)。第一，從技術(shù)角度來看，像虛擬試穿這類垂直業(yè)務(wù)，未來不會(huì)再依賴專屬定制模型。一個(gè)明確的技術(shù)趨勢(shì)是，越來越多的電商 AIGC 任務(wù)，會(huì)統(tǒng)一到通用大模型框架之下，就像 nano banana pro 這類架構(gòu)一樣，用戶只需要在 prompt 層面定義好業(yè)務(wù)需求，就能完成相應(yīng)任務(wù)。

只不過現(xiàn)在還有不少虛擬試穿方案，還停留在定制化思路上，這個(gè)轉(zhuǎn)變需要一個(gè)過程。第二，想和所有 AIGC 創(chuàng)業(yè)者、以及大廠里做 AI 提效的同學(xué)聊一句：不是所有業(yè)務(wù)都需要升級(jí)到 LUI（對(duì)話式交互）的形式。有些功能用 GUI（圖形界面）來承載，體驗(yàn)反而會(huì)更好。

不要覺得套上 LUI 的殼，就是做了 AI native 的升級(jí)，很多時(shí)候這種做法反而屬于“故弄玄虛”。這兩年大家應(yīng)該也見過不少“AI 小助手”“智能 XX 工具”，本質(zhì)上就是把原來的 GUI 功能強(qiáng)行改成對(duì)話式，看似用上了大模型和 Agent，實(shí)際體驗(yàn)反而不如從前。

尤其是編輯類需求，圖形化的交互方式往往更直接高效。而超級(jí)京點(diǎn)點(diǎn)平臺(tái)之所以選擇 LUI+GUI 的混合模式，核心是看服務(wù)對(duì)象，我們主要服務(wù)的是京東的采銷同學(xué)。他們每個(gè)人負(fù)責(zé)的 SKU 數(shù)量極多，不可能針對(duì)每個(gè)商品去定制化制作素材，更需要“一句話指令”就能自動(dòng)生成內(nèi)容的傻瓜式操作。這樣才能讓采銷把精力聚焦在拿貨、議價(jià)、倉(cāng)儲(chǔ)運(yùn)營(yíng)這些核心工作上，而不是耗費(fèi)在素材制作上。

最后一點(diǎn)想跟大家分享的，是關(guān)于電商 2.0 的核心方向，極致的沉浸式與個(gè)性化購(gòu)物體驗(yàn)。今天我們介紹的虛擬試穿功能，就是在沉浸式體驗(yàn)上的重要探索。而個(gè)性化購(gòu)物的底層支撐，離不開“千人千面”的商品素材生成能力。這也是京東在探索大模型時(shí)代電商 2.0 形態(tài)的一條核心技術(shù)路線。

大家對(duì)“千人千面”并不陌生，過去我們的搜索推薦就是如此，同樣搜索一個(gè)關(guān)鍵詞，不同用戶看到的結(jié)果頁截然不同。但到了商品素材層面，目前還是“千人一面”的狀態(tài)，商家只維護(hù)了一套主圖、商詳圖和賣點(diǎn)介紹。

而“千人千面”的商品素材生成，就是要打破這種單一性。我給大家舉個(gè)簡(jiǎn)單的例子：一款中性款沖鋒衣，面對(duì)三類不同需求的買家，我們可以用算法提煉出他們各自關(guān)注的核心賣點(diǎn)，定制差異化的素材，既精準(zhǔn)吸引用戶，又提升購(gòu)物體驗(yàn)。

第一類是戶外功能型買家，他們最關(guān)心面料科技、防風(fēng)防水、透氣耐磨這些專業(yè)指標(biāo)，我們就在商品圖上重點(diǎn)呈現(xiàn)這些性能參數(shù)；第二類是外觀穿搭型買家，他們不糾結(jié)材質(zhì)，只在意設(shè)計(jì)風(fēng)格、版型潮流和穿搭適配，我們就主打 OOTD 相關(guān)的素材，突出顏值和搭配感；第三類是價(jià)格敏感型買家，他們不關(guān)注功能和顏值，只看價(jià)格、優(yōu)惠和贈(zèng)品，我們就直接在商卡上展示最低價(jià)標(biāo)識(shí)、優(yōu)惠券、贈(zèng)品信息等內(nèi)容。

通過這個(gè)案例，大家應(yīng)該能更直觀地理解什么是“千人千面”的商品素材能力。當(dāng)然這個(gè)話題還有很多細(xì)節(jié)可以展開，我在 10 月份也做過一次相關(guān)分享，感興趣的朋友可以去網(wǎng)上查閱，里面有更詳盡的介紹。好了，那今天我的分享就到這里，謝謝大家！

演講嘉賓介紹

李巖，中科院計(jì)算所博士，現(xiàn)任京東零售視覺與 AIGC 部負(fù)責(zé)人，京東 AIGC 內(nèi)容生成平臺(tái) -“京點(diǎn)點(diǎn)”產(chǎn)研算負(fù)責(zé)人，在京東主導(dǎo)構(gòu)建全場(chǎng)景 AI 內(nèi)容生成能力，推動(dòng) AIGC 技術(shù)在電商多場(chǎng)景的深度融合。此前，李巖是快手可靈 AI·可圖大模型負(fù)責(zé)人，同時(shí)負(fù)責(zé)圖像生成大模型的基座研發(fā)與應(yīng)用落地。早年是微信視頻號(hào)內(nèi)容理解團(tuán)隊(duì)負(fù)責(zé)人，負(fù)責(zé)視頻號(hào)全場(chǎng)景的內(nèi)容理解業(yè)務(wù)。主要研究方向?yàn)槎嗄B(tài)內(nèi)容理解與生成技術(shù)，在人臉識(shí)別、圖像理解、圖像生成、視頻生成等領(lǐng)域有 15 年以上的算法研發(fā)、業(yè)務(wù)落地及管理經(jīng)驗(yàn)。多次榮獲 AICon 全球人工智能開發(fā)與應(yīng)用大會(huì)明星講師。

技術(shù)人的年度儀式感！ 年度盤點(diǎn)與趨勢(shì)洞察 啟動(dòng)！

《2025 年度盤點(diǎn)與趨勢(shì)洞察》由 InfoQ 技術(shù)編輯組策劃。覆蓋大模型、Agent、具身智能、AI Native 開發(fā)范式、AI 工具鏈與開發(fā)、AI+ 傳統(tǒng)行業(yè)等方向，通過長(zhǎng)期跟蹤、與業(yè)內(nèi)專家深度訪談等方式，對(duì)重點(diǎn)領(lǐng)域進(jìn)行關(guān)鍵技術(shù)進(jìn)展、核心事件和產(chǎn)業(yè)趨勢(shì)的洞察盤點(diǎn)。

力求以體系化視角幫助讀者理解年度技術(shù)演化的底層邏輯、創(chuàng)新方向與落地價(jià)值，并為新一年決策提供參考。內(nèi)容將在 InfoQ 媒體矩陣陸續(xù)放出，歡迎大家持續(xù)關(guān)注。