作者｜言菲
編輯｜鄭玄
先來做個測試：猜一猜，下面哪張家居商品圖是 AI 生成的？
「不用猜，左圖一眼 AI。」這張耗時 2-3 天、市場價 200 元的「精緻廢稿」，融合了多款工具的功力。然而，基本無法逃脫人類肉眼的第一眼直覺。
熟悉極客公園的朋友，估計都能猜到右圖也不簡單。這張看似「一眼真」圖片由天貓的 AI 設計產品「家作」生成，耗時只需幾分鐘，成本不到 5 毛錢，而且審美還挺線上。這讓我不禁感嘆：AI 生圖的技術代差真大，AI 生圖的商用資訊差更大……
在這屆 AWE 展會上，天貓首次為 AI 產品開闢獨立展區，排隊測試的海內外觀眾往來不絕。
乍一看，面向消費者的 AI 購物工具已經變成了熱門打卡點。我也湊了湊熱鬧，選定喜歡的裝修風格圖片，靠「拍立搭」識圖就能出商品搭配清單，還能將商品一鍵加入購物車。不僅如此，「放我家」還能幫我直接把商品裝進我家裡，還能在 3D 樣板間裡組合搭配看效果，電商種草似乎玩成了購物版「模擬人生」。
試完 C 端 AI 產品，我更好奇天貓在 B 端 AI 產品側的能力進展了。我尤其好奇這款 AI 設計工具「家作」，想深度測評一下實際效果真有這麼逼真嗎？
01
圍觀前排使用者測試「家作」，我發現最低使用門檻降到了只剩三步：上傳商品圖片（一鍵智慧摳圖），選擇場景風格（一鍵智慧推薦），最後點選「開始生成」。
一分鐘過後，四張風格流行的成圖就誕生了。再審判一下細節：商品沒有任何形變，邊櫃的光線投影符合物理規律，不同傢俱擺放的位置也合乎生活邏輯。
圖注：極客公園使用「家作」生成的 AI 圖片
這個流程的確稱得上「有手就能操作」，成圖也能輕鬆吊打中下水平的電商圖了。儘管要讓 AI 圖片做到跟物理世界一樣真實已經很難了，但在優質電商圖的比拼裡，僅有場景真實度是遠遠不夠的。
作為專業測評觀眾，我決定給「家作」上點難度。我想量身定製一張商品大片，看看全盤控制下還能不能包攬細節真實度和氛圍感。
趁還沒排到我，我趕緊找出 DeepSeek 幫我「作弊」，讓它生成了一段包含不同材質、光影層次、風格等多個考核維度的客廳描述。
DeepSeek 很快輸出了一段 Prompt：「背景牆為暗紅色仿磚牆紙，左側放置胡桃木色實木邊櫃，黃銅檯燈照射著櫃面上的舊書堆。地面鋪設紅棕色調的波斯風地毯，搭配深棕色木質茶几，茶几上放置琺琅茶具和復古報紙。牆面懸掛一幅 19 世紀風景油畫，屋頂吊燈的暖黃色光線投射在油畫上。窗外透入傍晚的暮光，角落裡點綴著一盆龜背竹。」
經過兩輪抽卡，我從 8 張 AI 圖片中選出了一張最滿意的圖。生成結果如圖所示：
圖注：極客公園使用「家作」生成的 AI 圖片
黃銅檯燈的金屬光感，茶几的木質厚重感，地毯織物的柔軟感，不同材質的感官對比清晰可見。最令人驚豔的是打光，吊燈的光線灑在油畫上，向下流洩出光影漸變的層次。配合窗外的暮色，這些光影效果既符合真實世界的規律，又似乎能帶來特有的情緒體驗。
不過，為了保持專業測評的倔強，我必須要指出：復古報紙沒有出現在茶几上，窗邊綠植貌似是竹類植物，但不是龜背竹……
接著，我嘗試用「圖片區域性調整」功能，修改文字細節來做最佳化。但是，家作暫時還不能做到完全「指哪打哪」，修改後的圖片依然是機率重組。這意味著，假如我執著於增加一張復古報紙，可能會改變當前滿意的吊燈款式。
場景都能全部「偽造」，那模特呢？在家居類目，有模特和沒模特的效果差別很大，不然電商老闆怎麼捨得花上千元時薪請模特。
既然要上難度，我必須試試憑空「造人」的「文生模特」。
場景圖已經定在傍晚，我又輸入了一段生成模特的 Prompt：「一位留著黑色長髮的女性，穿著絲綢睡衣，半躺在沙發上，眼睛注視著手裡的書。」為了增加圖片的故事感，我還添了一隻悠閒的小貓。
生成模特的難度顯然要高於場景圖，雖然不至於三頭六臂，但人體比例不科學、手腳細節的機率的確更高。不過，好在家作推出了「手部修復」功能，專門解決難倒眾多 AI 生圖工具的畫手問題。
最終，在四次抽卡生成的 16 張圖片裡，我選出了下面這張較為理想的圖片：
圖注：極客公園使用「家作」生成的 AI 圖片
放大仔細一看，加入模特後，商品圖中的物理規律竟然還能成立。比如，模特的左胳膊靠在沙發扶手上，質地柔軟的沙發受到擠壓，自然塌陷下去了。甚至，模特的影子投在沙發上，對應的這塊沙發顏色也變暗了。
作為一個平時只會「一鍵修圖」的 PS 絕緣使用者，能憑空生成這樣一張有氛圍感的家居電商圖，我已經成就感拉滿了，不由得升起一種「這活兒我也能幹」的外行自信。
這麼逼真的商用效果，到底是怎麼做到的？我找到家作的產品經理魚乘聊了聊內幕。
魚乘透露，家作由團隊自研的行業 AI 大模型支撐，產品細節上非常遵守家裝設計領域的物理規律。使用者感知到的每一個真實細節，都基於阿里內部的海量資料訓練和團隊豐富的行業經驗。
圖注：家作提供的 AI 商品圖，模特為 AI 生成
為了逼近真實，家作內部制定了 AI 家居美學的五維標準，從主商品形變、文字響應度、環境美觀度、軟硬裝形變、光影等五個方面，劃分了不同檔次不斷迭代效果。
以商品周圍的環境形變為例，家作團隊用一年多時間將變異率從 60% 降到了 16%，其中嚴重變異率從 37.5% 降到 9.4%。這意味著，剩下的大部分變異都是不起眼的輕微形變，有時候 AI 比人類還「較真」。
「我們選擇了跟通用 AI 生圖工具不同的商業化路線，力求在家居家裝家電等垂直領域做到 90 分以上。」魚乘表示。
02
排隊時，一位杭州商家告訴我，他們一年至少需要拍攝 240 張商品主圖，每張成本 400 元左右，全年直接燒掉近 10 萬元。對中小商家而言，這無疑是一筆足以蠶食利潤的支出。
按照我前文實測的抽卡率計算，一張理想的商品圖大概要從 8 張 AI 圖中選出來。假設這 240 張圖片都可以用 AI 替代，預估需要生成 2000 張 AI 圖供挑選。而使用家作生產一張 AI 圖的價格是 0.35 元/張，那麼這位商家的成本可以驟降到 700 元，出圖成本直接降了 93%。
「有的商家瘋狂用，一個月就生成了 4000 張圖。」家作產品經理魚乘告訴我。他還透露，2024 年 1 月，使用家作的商家數是 2445 家，而到了雙 11 前的上新高峰期，10 月中旬一週內的使用商家數就達到了 2 萬家左右。
值得一提的是，天貓的電商生態優勢讓家作可以深入電商應用層。一般的 AI 作圖工具只能生成素材，至於實際應用效果要靠人工判斷。而家作則可以追蹤 AI 商品圖的點選率，從實際電商應用中獲得反饋，並且透過強化學習進一步提升 AI 圖片的引流效果。這意味著，家作未來可能會「越用越聰明」。
魚乘介紹，有一位中腰部旗艦店商家使用了家作的託管模式，店內 12 個參與託管的商品中，有 10 個商品的 AI 圖點選率高於原圖。截止到 3 月 9 日，平均每個商品進店頻次提升 1395.5 人次，進店成交提升了超過 195 萬元。
在天貓的 AI 戰略中，家作無疑是一款佈局領先、發展迅速的 AI 產品，但天貓在 AI 電商領域的佈局遠不止於此。尤其在家裝、家電、家居行業，天貓快人一步，率先在垂直領域做了精準的 AI 應用定位。
從現場布展就可以看出來，天貓商家可以用「萬相營造」圖生 AI 影片，還能用官方數字人 24 小時直播、「AI 小萬」營銷推廣、人工智慧客服「店小蜜」即時響應互動，以及使用「生意管家」多功能輔助資料分析、經營代理、素材生成等工作。
一整套產品組合看下來，天貓似乎試圖想要為商家打造一支 AI 電商團隊，完成從內容生產、營銷推廣到經營決策的全鏈路 AI 化重構。
在傳統電商競爭中，總是逃不過人力比拼：設計師內卷修圖速度和場景創意，主播爭奪日不落的直播時長，運營絞盡腦汁尋找爆款，大促時期人人都得當客服。
而天貓的 AI 產品生態，正在將未來的電商競爭焦點，轉向由技術驅動的應用創新。