本文来自微信公众号： 界面新闻 ，作者：周芳颖
在小红书等社交平台上，围绕AI女装卖家秀和买家秀的吐槽帖在成为高讨论度的话题。用户会把这类图片和“货不对板”、“照骗”、“廉价感”联系在一起。
消费者李玲对界面时尚直言：“但凡图片有AI痕迹的女装我不会买，会拉黑。网购原本就是看信任值。”
很多时候，消费者未必能准确判断一张商品图是否由AI生成。但他们会从相似的人物动作、过度精致的面孔、失真的背景和不自然的面料质感中产生警惕。
消费者香香告诉界面时尚，AI产品图片往往存在背景、人物和服饰质感不一致的问题，AI生成的脸也显得假面和大众化。
另一位消费者赫兹则表示，自己一开始很难分辨AI图，直到浏览到多张人物动作和背景环境高度相似的图片后，才意识到这些可能并不是真实拍摄。她此前踩雷的衣服到手后“完全没有版型可言”，只是一块很薄的聚酯纤维布料，甚至左右并不对称。
这种反感背后，是服装产品的特殊性。消费者购买一件衣服，除了看颜色和款式，还要判断版型、面料质感和上身比例。一旦图片由AI生成，消费者会怀疑它还能否提供真实参考。
但如果从商家的视角来看，AI对生产力的影响是颠覆性的。这不停留于生成一张漂亮图片，而在于重新分配了生产的金钱成本和时间成本。
维特经营的电商女装店是AI时代下典型的“一人公司”。他自己通过市场拿货，然后利用AI工具生图上新，独自进行电商运营。
维特告诉界面时尚，过去一个店铺一个月能上几十个款已经不少，因为需要预留时间找模特、拍摄、修图和制作页面。使用AI后，上新频次的变化可以用“天差地别”来形容。如果他愿意铺款，一天上十个款并不难，几乎没有上限。在他看来，AI更适合电商创业的0到1阶段。因为在前期，图片成本可以被控制到接近于零。
另一位电商女装店主莉莉切实地算过一笔账。莉莉告诉界面时尚，她用AI生图大模型，一年花费1500元，每个月生成两三百张图。同样这些图，即使在杭州选择最低成本的棚拍一天，算上场地、摄影师和模特等等成本，也要1到2万元。
这也是小体量服装商家积极尝试AI的原因。他们的核心诉求是快速铺款和测试市场。AI帮助它们把过去最重的拍摄成本降下来，也让一个人或小团队运营店铺变得更现实。
虽然AI降低了成本门槛，但没有降低长期经营门槛。商家可以更快把商品挂上去，却仍然需要面对选品、版型、供应链、退货率和流量转化等问题。维特也表示，使用AI并不直接等同于销售增长。服装最终仍然要看款式，服装商家往往铺了几百个款、上千个款后，才可能跑出爆款。AI解决的是前期图片成本和铺款效率，而不是选品和经营本身。
这也是莉莉并没有选择上线AI模特图的原因。
莉莉最早做女装电商时，也是从市场拿货、挑选现成款式起步。后来，她转型做原创女装。与之前不同的是，她组建了自己的小团队，拥有车工、版师、裁剪和后道人员。团队虽然只有十人，但相当于建立了一个独立小车间，可以完成从设计到出货的全流程。这保证了每件衣服都能按照自己的设计出货，不容易和别家撞款。
也正是从做原创女装开始，莉莉开始更注意产品细节带来的不同。
莉莉对界面时尚表示，从AI工具出现后她就不断尝试不同的通用生图模型，比如Midjourney、nano-banana等等。她也认可AI在效率上的价值，但最终没有选择把AI模特图作为电商产品图使用。
原因在于产品细节仍然无法精确调控。莉莉告诉界面时尚，即使给出准确提示词，并提供平面图、模特上身图和具体尺寸，AI生成的结果仍可能改变衣服本身。比如微透面料的透明度、天丝面料的蓬松感、衬衫的筋骨感，都很难被完全还原。
她曾尝试用AI生成服装上身图。即便反复调整透明度、面料描述和风格参考，最后得到的图片也只是相对接近。莉莉表示，如果商家对细节要求不高，这类图片“也不是不能用”。但从她的标准看，AI生成图和实际效果之间仍然存在偏差。对于原创服装来说，这种偏差会影响消费者对版型、面料和上身效果的判断，也可能进一步放大退货风险。
从左到右：实拍图、AI初次生成图、AI调试后图图片来源：受访者提供
退货率是影响商家衡量AI是否可用时的变量。
维特的看法则更偏向经营层面。他认为，女装本身就是高退货率品类，AI图并不必然直接推高退货率，最终还是取决于衣服本身的版型、材质和品类属性。相对基础、宽松的T恤，退货率可能控制在50%左右；但风格更明确、对身材和版型要求更高的连衣裙，退货率达到80%并不罕见。
但维特也承认，AI解决的是普通商家的起步问题，而不是一个品牌的长期竞争力。
他认为，擅用AI能让普通商家在视觉上超越六七成同行，但无法替代头部品牌的核心竞争力。AI生图依赖参考与模仿，光影、材质和细节仍不如专业摄影。当店铺体量和现金流充足时，他仍需回归模特拍摄与原创视觉团队，才能突出品牌调性。
莉莉在尝试AI生图的过程中发现，相较而言包、饰品、墨镜等更品类上AI的效果明显更好。原因是这些品类更接近标品或半标品。金属、皮革、墨镜等材质更容易被模型呈现，生成图甚至能带出品牌的高级感。
但服装的难点在于，上身效果不只取决于一张平铺图。衣服与身体之间的联动会影响最终呈现，也更难被AI准确复原。也正因如此，如何让服装生成图从“好看”走向“准确”，正在成为不少垂类服装AI软件企业试图突破的方向。
不过，在服装本身的还原上，问题还没有完全解决。该负责人表示，普通棉T恤等品类的生成成功率已经较高，但丝绸、油光类、羊毛类等特殊材质仍然较难。因为这些材质需要呈现滑度、光泽、柔顺度或毛糙感。一旦AI没有处理好，消费者看到的图片和实际拿到的商品就会产生差异。
这恰恰是女装电商最敏感的地方。女装不是只看图片是否好看。面料垂感、厚薄、透肤度、版型松紧都会影响尺码选择和退货率。AI越擅长制造好看的氛围图，越可能遮蔽这些真实购买信息。
这代表了AI进入服装产业的另一种路径。如果只停留在商品图生成，AI解决的是营销端成本。如果能进一步衔接线稿、工艺单和物料单，它才可能进入供应链效率。
但越深入生产流程，牵扯到更多的部门，其落地难度也越高。王叶秋称，通常大型品牌、供应链企业需要定制化服务，项目周期短则两三个月，长则需要分阶段交付。
维特和莉莉都认为，这些垂类平台的底层本质都是通用大模型。对中小商家而言，更倾向直接调用大模型本身，减少中间平台加价带来的成本，才有更高性价比。
因此，AI在服装行业的价值正在分层。对创业者和中小商家来说，它主要是低成本图片工具和上新测款辅助；而对大型品牌和供应链企业，则可能成为流程改造工具，提升设计、生产和营销的整体协同效率。
但对所有商家来说，AI的使用已经无法避免。电商平台本身也在推动AI成为商家基础设施的一部分。
但对电商平台而言，重要的不只是提供AI工具，更应该是主动介入治理AI产生的“货不对版”的问题。
淘宝服饰方面告诉界面时尚，针对AI假图乱象，淘宝已从去年3月出台相关规则，严禁商家利用AI等技术合成与实际商品不符的效果图。淘宝天猫升级后的商品规范，也将AI假图的典型场景纳入认定范围，包括商品材质或款式不符，即“货不对板”；商品效果失真或夸大；抠图贴图感明显；以及违反物理规律的人体、场景等。
针对部分商品主图存在画面失真、无法反映商品主体客观情况的问题，平台也进一步细化了违规情形，包括滤镜过重、无头或真人露脸比例过少、AI假感过重、修图拼接痕迹明显，以及商品主体模特恶搞名人等。淘宝后台接入AI假图识别模型后，一个月内已累计拦截近10万张AI假图。对于违规商品，平台会扣除商品质量分，严重者还可能影响商品曝光，甚至面临下架、删除等风险。
针对同样的治理问题，界面时尚也向抖音进行求证，但截至发稿未收到回应。
AI正在成为服装电商的新基础工具，但它不会平均地改变所有商家。
消费者反感AI女装图，并不是因为他们天然排斥技术，而是因为他们担心图片不再可信。当商品图无法准确呈现衣服，AI节省下来的拍摄成本，最终可能转化为退货成本、信任成本和平台治理成本。
AI可以让女装电商更快，也更便宜，但它没有让女装生意变简单。当所有商家都能生成好看的图，消费者最终会更在意谁能交付真实、稳定、和图片一致的产品。
（应受访者要求，维特、莉莉为化名）