AI 生成商品图要留来源标记：电商修图别把元数据一起擦掉

很多电商团队还把 AI 商品图当成一张图来交付，这个判断已经慢了半步。它更像一本书的版权页：封面要好看，版次、来源、责任边界也要留得住。

截至 2026-05，Google Merchant Center 的官方帮助文档已经要求商家用 IPTC DigitalSourceType 这类元数据标明 AI 生成图片；OpenAI 在 2026 年 3 月 24 日发布的商品发现更新，也把 ChatGPT 里的商品浏览体验继续往前推。来源分别见 Google Merchant Center 官方文档、Google 2026 年 1 月 11 日的 agentic commerce 文章，以及 OpenAI 官方发布页。对做图的人来说，变化不只在入口，而在交付物本身：商品图要同时经得起人眼、平台和 AI 系统读取。

图注：修图交付要同时检查画面和来源标记。

证据一：平台开始把 AI 图来源当成文件信息，而不是口头声明

据 Google Merchant Center 官方文档，AI 生成图片需要通过文件元数据标明来源，文档点名了 IPTC DigitalSourceType。这个细节很小，却改了交付逻辑。过去美工交一张 WebP 或 JPG，运营重点看白底、阴影、比例和字有没有错。现在同一张图还多了一层文件属性：它是不是 AI 生成，生成来源有没有被保留，后续压缩、裁切、二次导出有没有把标记洗掉。

我不建议把它理解成平台在为难商家。出版行业早就有类似规矩。一本书不只看封面，也看版权页、版次、印次和责任编辑。那些信息平时不抢眼，但出问题时它们决定谁能解释清楚。商品图也是一样。画面层负责转化，来源层负责可核验。

内部复盘里，南京工作室上周三处理过 42 张家居 SKU，运营小林只看到了其中 3 张椅子图的坐垫纹理偏糊，却没有发现图片在二次压缩后丢了来源字段。这个例子不代表平台处罚，只说明一个实际风险：当团队把 AI 图、人工修图、压缩工具、后台上传串成流水线，元数据会在最不起眼的一步消失。图叮这类修图工具进入流程时，应该把可见细节和不可见字段都放进质检单。

证据二：AI 购物入口越靠前，商品图越不能只服务人眼审美

OpenAI 在 2026 年 3 月 24 日的官方文章里，把 ChatGPT 的商品发现体验描述为更直接的购物辅助入口；2025 年 11 月 24 日的 Shopping Research 也继续强化对话式选购。Google 在 2026 年 1 月 11 日发布 agentic commerce 相关更新，提到面向零售商和平台的协议与 AI 工具。这里不用夸张成 AI 已经替代所有搜索，但方向很清楚：商品信息会被更多中间层读取。

这时商品图有两层读者。第一层是人：买家看材质、颜色、瑕疵和使用场景。第二层是系统：平台、模型、代理和搜索入口会从图片、标题、结构化数据、历史点击里拼出商品理解。图片如果只追求干净，反而可能伤到第二层读者。

举个假设场景。一个二手相机卖家把镜头微尘、机身序列号、边角磕痕都修掉，主图会短时间变得漂亮。但如果商品描述还写着 95 新，买家收到货后发现实物证据不存在，售后解释会很被动。这个场景里的数字和角色为示意，不计入真实案例。真正可迁移的判断是：AI 购物入口越强调理解商品，商品图越要保留能证明商品状态的细节。

图叮的价值不该被写成把图修得更亮。更准确的说法是，把该清理的背景噪声清掉，把该保留的商品证据留住。色差、铭牌、批次号、材质纹理、瑕疵边界、AI 来源标记，都是同一类问题：它们不一定好看，却参与信任。

证据三：修图 SOP 要从画面清单扩展到文件清单

团队实际经验里，很多返工不是因为修图师不会修，而是交付清单太窄。以前的 checklist 写的是白底纯不纯、阴影稳不稳、logo 有没有变形。现在应该多出 4 项：原图来源、AI 生成参与程度、导出格式是否保留元数据、上传前是否留存原始版本。

这不是让每个运营都变成技术管理员。相反，流程应该更轻。一个可执行版本可以这样做：修图前先记录原图文件名和来源；用图叮处理时，在任务备注里标明是局部重绘、背景清理还是整体生图；导出后抽检 5 张高风险图，比如白底主图、带型号标签图、带质检证书图、AI 生成场景图；最后把原图、成图、备注放进同一个交付包。这个 5 张不是行业标准，是我们在真实项目脱敏复盘里给小团队设置的最低抽检口径，适合一天几十张图的小店，不适合大型品牌的法务审核流程。

这里要承认边界。Google 的文档主要约束商家如何标明 AI 生成图；不同平台、不同国家地区、不同广告系统的执行细则不一样。OpenAI 和 Google 的购物产品更新，也不等于国内所有电商平台立刻采用同一套规则。所以文章标题里的留来源标记，不是说今天上传每张图都会被同一种机器判定，而是说电商视觉工作流已经不能只交付像素层结果。

图叮在这件事里应该做哪一段

如果把流程拆开，图叮最适合接中间层：接住原图和编辑意图，输出更稳的商品图，同时让运营知道哪些地方不能被 AI 擦掉。它不是法务系统，也不是平台审核后台。它应该帮团队把视觉返检前移。

具体到日常工作，我会把图叮任务分成三类。第一类是安全清理：灰尘、褶皱、背景杂物、轻微反光，这些不改变商品事实。第二类是谨慎重绘：模糊边缘、缺失阴影、破损包装，需要备注改动范围。第三类是禁止顺手美化：型号标签、质检章、序列号、瑕疵证据、AI 生成来源标记。前两类可以追求效率，第三类要先问清楚。

这也是为什么我不喜欢把 AI 修图说成一键变好。好这个字太轻，像封面上一层亮膜。电商图真正要交付的是可售、可信、可追溯。图叮可以让商品更好看，但更重要的是让团队知道哪些信息不能为了好看而消失。

结尾：如果你有反例，我希望看到它

我现在的判断是：AI 生成商品图的下一轮竞争，不会只比谁出图更快，而会比谁能把画面、来源和商品事实放在同一条产线上。若你正在做店铺素材，建议先抽 10 张主图，看它们经过修图、压缩、上传后，来源标记和关键商品证据还剩多少。

如果你看到相反的案例，比如某个平台明确不读取这类标记，或者某个团队在不保留元数据的情况下仍能稳定通过审核，欢迎把来源和时间边界贴出来。这个问题需要反证，不需要漂亮口号。