AI 购物开始读商品图：尺码、接口和风险证据要给模型看懂

2026 年 3 月 24 日，OpenAI 发布了面向 ChatGPT 商品发现的更新说明：Powering Product Discovery in ChatGPT，重点不是再做一个传统搜索框，而是让用户在对话里看到更贴近购买任务的商品结果。往前翻一版，Google 在 2025 年 11 月的 AI shopping tools 说明里，也把 AI Mode、商品数据和更丰富的视觉结果放进购物场景。旧版本电商图的默认目标是“让人点进详情页”；新版本的压力变成了：商品图会不会被 AI 购物界面读成可信证据。

图注：AI 购物读取商品图证据层

这不是一句流量焦虑。商品图被放进推荐卡、对比结果、购物研究摘要以后，图片里的尺码、接口、认证标、材质边界和风险提示，会从“详情页里买家自己放大看”变成“模型先替买家筛一遍”。截至 2026-05，这个趋势还没有把每个中国电商商家都卷进去，但它已经足够提醒运营：修图不能只修给人眼第一眼看，也要修给机器做判断。

旧版本商品图：干净主图负责吸引点击

如果按 R3L1C 的老版本笔记来拆，2024 年以前很多商品图还是“展示型文件”。白底主图负责干净，场景图负责氛围，详情页负责解释。运营最常写的 brief 是“背景干净一点、主体亮一点、不要太假”。这套话在旧页面里能跑，因为买家会自己点进详情页、下拉看规格、再去问客服。

问题是，这套 brief 太软。它没有告诉 AI 哪些是灰尘，哪些是商品结构；哪些可以修，哪些不能动。模型看到插口边缘、标签折痕、保护膜反光、螺丝孔阴影，很容易把它们一起归类成“影响画面整洁的东西”。旧版本里，这种损失可能只让详情页少一点信息；新版本里，它会影响 AI 购物结果怎么理解这个 SKU。

可以对照看一篇老逻辑的延伸：视觉搜索开始读背景道具：场景图修图别让配件抢走 SKU。那篇讲的是背景道具会不会抢走商品识别；这篇要再往前走一步，主图内部的证据也要能被识别。不是所有细节都要放大，但关键证据不能被修成一片平滑。

新版本商品图：进入推荐卡和对比结果

OpenAI 在 2026 年 3 月的官方说明里，把 ChatGPT 商品发现放在更靠近“研究、比较、发现”的位置；OpenAI 2025 年 11 月的 shopping research 说明，也把购物任务写成一种可以持续追问和比较的流程。Google 在 2025 年 11 月的购物文章里，同样把 AI 辅助购买、商品数据、视觉结果和 checkout 连接起来。三条时间线合起来看，商品图正在从“落地页素材”变成“购物回答素材”。

这会改变修图优先级。以前一张图只要好看，用户点进去以后还能靠标题、参数表和客服补信息。现在 AI 购物界面可能先把 5 个候选商品并排展示，再用摘要告诉用户“哪一款适合你的需求”。如果接口图被修平、尺码标签被压掉、认证标识变糊、磨损风险被美化，模型拿到的就是一张漂亮但低证据密度的图。

这里不要误解成“AI 能完全读懂所有商品图”。更现实的判断是：AI 购物界面会越来越依赖结构化数据、商家 feed、图片、评价和网页内容共同形成推荐。图片不是唯一证据，却是最容易被运营自己弄坏的证据。图叮要做的不是替商品编一个更强的卖点，而是把原图里的有效证据清出来、保护住、统一成批量可用的画面。

尺码、接口、风险提示要变成可读层

我建议把商品图拆成 3 层，像翻旧版本更新日志一样检查。

图注：三层商品证据复检板

第一层是识别层：主体是谁、品类是什么、型号大概属于哪一档。它需要清楚的轮廓、稳定的白平衡、不要被背景道具抢戏。第二层是规格层：尺码标、容量、接口、材质、适配型号、批号、认证标。它决定商品能不能被正确比较。第三层是风险层：划痕、压痕、封口、磨损、边角、插头方向、警示贴。它决定图片有没有诚实地告诉买家“不适合谁”。

旧 brief 往往只写第一层。比如“把充电底座修干净”，听起来没问题，但接口丝印、认证标和防滑脚可能一起被磨掉。更好的写法是：清理灰点和桌面杂影；保留接口形状、功率字样、认证标轮廓和防滑脚位置；不要生成新文字，不要补齐缺失标签，不要改接口数量。这类句子不漂亮，但机器和人都更容易执行。

同样的原则也适用于“生成一张更漂亮的商品图”这类任务。可以参考商品图精修不能只重生成一张更漂亮的图。创意生成适合做氛围和视觉探索，商品证据链更需要局部保护、清洁和对齐。AI 购物结果越视觉化，这条边界越不能含糊。

图叮适合清理证据，不适合替商品作证

图叮在这条趋势里的位置很明确：它适合把原图里能证实商品身份的部分清出来，让背景、杂光、轻微污点和批量色差不要干扰判断；也适合把一组 SKU 做成统一角度、统一干净度、统一证据区的图片。它不适合替没有拍到的接口补一个接口，替没有认证的商品写认证，替没有防滑结构的产品生成一条看起来很安全的纹理。

这句话要写进团队流程。杭州一个 12 人电商团队如果每天要处理 80 张 SKU 图，最危险的不是每张图都慢慢修，而是把“证据保护”交给一句模糊的审美要求。运营说“更高级”，修图说“更干净”，AI 就会朝平滑、统一、无瑕疵方向走。到 AI 购物结果里，这类图可能看起来更整齐，却少了可比较的信息。

更稳的流程是先做证据区标注，再进入图叮清理。白底主图至少圈出主体轮廓、关键接口、规格标签、风险提示；场景图至少圈出真实尺寸参照、配件边界、使用限制；详情图至少保留局部纹理、型号、刻度和证书位。图叮负责把画面变干净，不负责替商品撒谎。

如果只是白底抠图，边界也要说清。可以顺手看白底抠图够了，还是还要做商品图证据返检。抠图解决的是背景，证据返检解决的是“这张图还能不能说明商品本身”。AI 购物场景会把后者放大。

下一批 SKU 可以先改三件事

第一，把修图 brief 从形容词改成证据清单。少写“高级、通透、干净”，多写“保留 Type-C 接口轮廓、保留 30cm 尺码贴、保留防滑脚位置、保留警示贴边缘”。这不是写给模型看的咒语，而是给运营、修图师和复检人同一把尺。

第二，给每个品类建一个 6 项复检表。家电 3C 看接口、功率、认证、屏显、按钮、包装标签；母婴看安全扣、警示贴、刻度、材质、边角、适龄信息；服装看尺码标、走线、面料纹理、色差、拉链、扣位。复检表不用长，6 项够一线同事执行。超过 12 项，很多团队会回到“凭感觉看”。

第三，把“AI 购物可读性”放进抽检。手机端看一次，桌面端看一次，缩略图看一次，再问一句：如果这个商品被放进 5 个候选的横向比较里，图里还剩哪些证据？如果只剩主体轮廓和漂亮背景，说明修图过头了。如果尺码、接口、风险提示还在，说明这张图至少没有把自己修成空壳。

这不是追热点，而是一次版本迁移。旧版本电商图服务点击，新版本商品图还要服务比较、摘要和推荐。下次你准备把一批 SKU 丢进图叮前，可以先问团队一个更具体的问题：这些图片里，哪些证据必须让 AI 购物界面也看得懂？