生成式AI穿搭的核心局限

寂静回声

最近，豆包反复叮嘱你挽八百次裤脚的AI穿搭视频在各个平台刷屏。如今的AI已经能一分钟搓出五十张PPT，一口气写八百行代码。简简单单地穿个衣服，咋就成了一道坎？

“穿搭对大模型的挑战是，它是主观的，并不能轻易地评判出对错。”一位业内人士解释。大模型的审美来自对海量数据的统计学习，它所理解的“时尚”是不同人群、场景与语境的叠加结果。如何在千人千面的个体偏好和大众审美之间找到平衡，本身就是一件极难的事。

在缺乏针对性训练的情况下，豆包目前更多依赖的是通用模型能力：掌握一些基本的穿搭常识，再结合用户的外在呈现给出相对稳妥的建议。换句话说，它的判断天然更接近主流审美的“平均值”。那为什么在社交媒体上的呈现效果却如此离谱？在业内人士看来，“卷裤脚”这个梗可能被短视频的娱乐性质放大了，并不一定代表豆包本身的真实倾向。

一方面，当前AI穿搭建议主要通过文字呈现，给了创作者很大的二次解读空间。另一方面，会被算法反复推送、被用户反复看见的，往往也是最离谱的那一批。同样一句“穿白衬衫”，既可以是稳妥的基础款通勤搭配，也可能被刻意演绎成极端造型。

独立开发者凝淇和刘茗还指出了另一个可能的原因，就是AI并不知道你是谁。它无法理解用户的身高体重、身材比例、穿衣习惯，甚至不知道衣柜里有什么。当输入信息不足时，输出只能依赖“猜测”。

在刘茗看来，AI穿搭的核心局限在于它并没有审美，只是在做基于统计和概率的标签组合。
AI并不知道你是谁，也暂时没办法把学到的穿搭技巧和人本身的身体特征联系在一起。它不了解你的身高体重、身材比例、日常风格、穿衣偏好，甚至不知道你衣柜里到底有哪些衣服。当输入信息不足时，输出自然只能靠“猜”。
AI并不真正理解什么是真正的美，更无法理解人类对美的复杂感受。“我不觉得AI的搭配能超越人类的创意，但是相对于不太会搭配的用户可能会有一些新意灵感。”凝淇说。

在刘茗的市场观察中，AI衣橱是相对最容易落地的方向，但商业化前景并不乐观，多数APP下载量不高，用户需求和付费意愿也比较低。
以国内做得相对成熟的「搭搭」App为例，它最初并不是AI产品，只是一款电子衣橱工具，核心功能是帮助用户记录、整理自己拥有的衣服，从而更方便地管理和搭配。正是依靠这一基础需求，它在AI流行之前就已积累了一批稳定用户。后来加入AI能力，更像是锦上添花，而非决定性卖点——多数用户愿意付费，仍然是为了“把衣柜数字化”，而不是为了AI穿搭本身。
相比之下，AI试衣在ToB场景中的商业化路径要清晰得多。对电商平台而言，虚拟试衣可以直接用于商品展示：商家上传衣物图，AI模特能自动生成多套试穿效果，不仅能显著降低拍摄成本，也能大幅提升上新效率。目前，这项技术已相对成熟，企业也愿意为明确的降本增效买单。