8,900 億美元的謊言:為什麼 AI「虛擬試穿」讓時尚退貨問題更嚴重

去年十一月,一家中型時尚品牌的電商副總裁在與我團隊通話時,於她的筆記型電腦上打開了一個示範。「看看這個,」她說著,一邊轉動螢幕向我們展示她公司剛剛授權的一款生成式 AI 虛擬試穿工具。一張顧客的自拍照,一件碎花裹身裙以數位方式繪製到她的身上。這張圖像美極了 —— 影棚等級的燈光、彷彿能捕捉光線的布料,以及看起來就像為她量身訂做的合身版型。

「自從我們推出以來,轉換率上升了 14%,」她說。

我問她退貨的情況怎麼了。

一陣沉默。然後:「退貨也上升了。」

那一刻,讓我在打造 VeriPrajna 以物理為基礎的 AI 流程時掙扎了數個月的某件事,終於清晰了起來。時尚產業愛上了一項技術,而這項技術正讓它最昂貴的問題變得更糟 —— 而這些圖像是如此令人信服,以至於沒有人願意承認這一點。

時尚電商的退貨危機並不是一個物流問題。它不是一個客戶服務問題。它是一個物理問題,只是偽裝成一張漂亮的圖片。而業界最受歡迎的 AI 解決方案 —— 生成式虛擬試穿 —— 是一面價值 8,900 億美元的魔鏡。

這個數字應該讓每一位時尚產業執行長膽戰心驚

以下是讓我夜不能寐的數字:美國零售商吸收了將近8,900 億美元,這是 2024 年的退貨相關成本,數據來自美國全國零售聯合會。這不是打字錯誤。這個數字堪比整個國家的 GDP,而時尚業正是其中最嚴重的罪魁禍首。

當電子產品的退貨率徘徊在 8-10%、美妝產品維持在 4-10% 時,服飾的退貨率則始終落在30% 與 40% 之間。在黑色星期五這類促銷高峰期間,某些品類的退貨率會飆升超過 50%。我曾看過一些品牌的內部數據,其牛仔褲在限時特賣期間的退貨率高達 88%。百分之八十八。每運出十條牛仔褲,就有將近九條被退回。

人們的直覺是把這視為做生意的成本。但算起來卻很殘酷。當一件價值 100 美元的服裝被退回時,零售商損失的不只是 100 美元的營收。他們要承擔 5 到 15 美元的逆向運費(零星、分散,無法像出貨那樣加以優化)。他們要支付 3 到 8 美元的人工檢驗成本 —— 得有人拆開包裹、檢查是否有污漬、核對 SKU。他們還要花 2 到 5 美元進行蒸燙、重新摺疊、重新掛牌。接著才是真正的致命一擊:等到那件服裝在兩到四週後重新上架時,流行的時間窗口可能已經關閉,迫使他們打上 30-50% 的折扣。

單筆退貨的總成本,可能吞噬該商品原價的 66%。每賣出三件商品,只要有一件被退回,另外兩件的利潤往往光是用來彌補這筆損失就消失殆盡。

這就是我所謂的「無利潤的繁榮」—— 營收在成長、利潤率在縮水,而一支管理團隊卻搞不清楚原因。

顧客為什麼要退衣服?(答案和你想的不一樣)

當我們最初開始深入研究這些數據時,我以為最主要的原因會是買家的後悔或衝動購物。我錯了。

合身與尺寸問題,造成了所有服飾退貨中的 53% 到 67%。不是「我改變主意了」。不是「顏色看起來不一樣」。而是這件服裝在物理上就是不合它所要穿的那個人的身體。

有趣的地方就在這裡:消費者並不笨。他們知道網路上的合身資訊是垃圾。Zara 的「中號」在某個奢侈品牌那裡就是「特小號」。尺寸表給你的是胸圍和腰圍 —— 兩個一維的數字,卻試圖描述一個三維、彎曲、在生物力學上複雜無比的曲面。

於是他們適應了。他們會多尺寸下單。

「多尺寸下單」的意思是,把同一件洋裝以小號、中號、大號各訂一件,並明確打算留下一件、退回兩件。在你完全沒有可靠的合身資訊時,這是完全理性的行為。而且有 51% 的 Z 世代購物者承認自己經常這麼做。從顧客的角度看,這很聰明。從零售商的角度看,這是一場災難 —— 出貨運費是三倍、退貨運費是兩倍,還有三件商品被鎖在庫存之外,擱在某個人的公寓裡。

我記得早期曾向一位投資人解釋這件事。他聳聳肩說:「那就給他們更好的尺寸表不就好了。」我調出了我們正在分析的兩個品牌的兩張尺寸表。同樣標示「中號」。一張的胸圍量測是 88 公分,另一張是 96 公分。相差 8 公分 —— 這不是四捨五入的誤差,而是一具完全不同的身體。

尺寸表不是解決方案。它們正是問題的一部分。

生成式 AI 的誘惑

於是業界開始尋找技術上的解方,並找到了一個感覺就像魔法的東西:生成式 AI 虛擬試穿。

這套說辭令人陶醉。顧客上傳一張自拍照。一個擴散模型 —— 與 Stable Diffusion 和 Midjourney 背後同屬一個技術家族 —— 把服裝「繪製」到他們的身體上。結果看起來如照片般逼真。顧客看到自己穿上那件洋裝的樣子,充滿信心,點擊購買。

每一個主要的電商平台,不是在自建這項技術,就是在授權引進。這個領域的新創公司已募集了數億美元。我理解它的吸引力 —— 我是真的理解。當我第一次看到一個執行精良的生成式試穿示範時,我的直覺反應是這將改變一切。

然後我們開始進行測試。

我的團隊進行了一系列實驗:我們拿同一件服裝 —— 一件結構挺括、幾乎沒有彈性的西裝外套 —— 連同我們已用捲尺和 3D 掃描量測過的身體照片,一起餵入三套領先的生成式 VTON 系統。我們掌握了真實情況。我們知道這件西裝外套在物理上,對我們的好幾位測試對象來說,肩部會太緊。

而每一個生成式模型,都顯示這件西裝外套完美合身。

不是「稍微不合」。不是「有點緊」。而是完美無瑕。 AI 悄悄地把肩部削瘦、柔化了布料看起來的硬挺感,並產出一張宛如雜誌時尚特輯的圖像。它很美。它同時也是一個謊言。

擴散模型是如何「幻覺」出合身效果的?

在這裡我需要稍微談點技術,因為這種失效模式並不明顯,而它的影響卻極其重大。

擴散模型是機率式的。它們從數百萬張圖像中學習像素排列的統計分布。在生成虛擬試穿時,它們並不是在計算布料是否有足夠的彈性去容納一道臀部曲線。它們是在預測哪些像素最在統計上有可能根據其訓練資料,彼此相鄰地出現。

這些訓練資料絕大多數是專業時尚攝影 —— 身材高挑纖細、穿著搭配完美服裝的模特兒。因此,當一位身材類型不同的真實顧客上傳照片時,模型會做一件陰險的事:它會朝著它「所知道」的方向去內插。

生成式 AI 並不計算合身度。它是在幻覺合身度 —— 把視覺上的可信度置於物理真相之上。

對擴散模型幻覺的研究顯示,這些模型無可避免地會對真實資料分布之外的「間隙區域」賦予非零的機率。用白話說:它們會自信滿滿地生成物理上不可能存在的事物的圖像。一種沒有彈性的牛仔布質地,被渲染得彷彿是彈性纖維。一件結構挺括的上衣,垂墜得像絲綢一樣。袖子以幾何上不可能的方式融入軀幹。

最危險的表現形式,就是我所稱的「顯瘦偏差」。模型不只是幻覺出那件服裝 —— 它還會悄悄地扭曲身體,把腰收進去、把腿拉長,因為在它的訓練資料中「一個穿著衣服的人」就是這個樣子。顧客看到一個看起來美極了的自己。他們滿懷信心地購買。實體服裝送到後,拉鍊卻拉不上。

你如今把一個瀏覽者轉化成了買家以及一個退貨者 —— 這是最糟糕的可能結果。你付了獲客成本、付了出貨運費,而你即將再付退貨的成本。生成式 AI 並沒有減少退貨。它是在製造退貨。

關於這種失效模式,我曾更深入地從技術層面撰文說明,收錄於我們研究的互動版本中,我們在其中精確拆解了像 VITON-HD 與 IDM-VTON 這類 inpainting 架構,是如何失去紋理保真度與幾何一致性的。

如果我們不再猜測,而是開始計算,會怎麼樣?

有一個夜晚 —— 我記得是星期二,大約凌晨兩點左右 —— 我盯著螢幕上的一組並排對照圖。左邊,是一張生成式試穿的渲染圖。右邊,是我們對同一具身體上同一件服裝所做物理模擬的輸出。生成式的那個版本看起來更好。皮膚更光滑、燈光更討喜,是那種你會在 Instagram 上按兩下點讚的圖像。

但物理版本有一樣另一個沒有的東西:一張熱圖。臀部是紅色。胸部橫向是黃色。布料在腰部鬆垮垂下的地方則是藍色。它在說真話。它在說:對這具身體而言,這件服裝在臀部小了 2 公分,而這就是它會被繃緊拉扯的確切位置。

就是在那一刻,我不再把我們的方法視為生成式 AI 的替代方案,而開始把它視為一個全然不同的類別。

VeriPrajna 的方法背後的核心理念,簡單得令人意外:不要把衣服繪製到一張照片上 —— 而要把它們模擬到一具身體上。

我們從與其他人相同的輸入開始:一張顧客的自拍照。但我們不是把它餵給擴散模型,而是以三維方式重建顧客的身體。我們使用以 Transformer 為基礎的架構 —— 也就是驅動最頂尖語言模型的那套注意力機制,只是應用到人體幾何上 —— 從那單一的 2D 圖像中,還原出一個度量上精確的 3D 網格。

這被稱為人體網格還原(Human Mesh Recovery,簡稱 HMR),而其精確度至關重要。我們使用先進的參數化人體模型,例如 SMPL-X(包含可活動的手部與富有表現力的身形比例)與 SKEL(整合了一套真實的骨骼綁定,並具備從醫學數據推導出、在生物力學上精確的關節活動極限)。其結果不是一具人體模型假人。它是顧客真實身體的數位孿生,精確度可達到與實體捲尺量測相差 1 至 2 公分以內。

自拍照為什麼會扭曲你的身體?(以及我們如何修正它)

這裡有一個大多數人從未想過的問題。把手機伸直手臂拿在前方,拍一張自拍照。你的臉看起來稍微變寬。你的身體看起來稍微被壓縮。那就是透視變形 —— 相機的焦距扭曲了身形比例。

大多數 AI 身體重建模型都忽略了這一點。它們假設一種「正交」投影,彷彿相機位於無限遠處。對於一個公分之差都攸關重大的時尚應用而言,這是一場災難。

我們整合了一套名為 BLADE 的演算法 —— 即身體肢段對齊與深度估計(Body Limb Alignment and Depth Estimation)—— 它會明確地從圖像特徵中還原相機的焦距與拍攝對象的深度。它會反轉透視變形,以還原真實的身形比例。這聽起來像是一個微不足道的技術細節。其實不然。它是推薦中號與推薦大號之間的差別。它是一筆保住的銷售與一次退貨之間的差別。

布料不是一張紋理貼圖 —— 它是一種材料

一旦我們有了顧客的 3D 身體,我們就不會把衣服「繪製」到它上面。我們會運用有限元素分析來讓衣服自然垂墜 —— 這正是用來模擬飛機機翼和橋樑載荷的同一套計算物理學。

我們採用品牌實際用來製造服裝的數位版型檔案(DXF 或 GLB)—— 不是服裝的一張照片,而是它的工程藍圖。我們不把布料當作一張平面圖像,而是當作一張由彈簧連接的節點所構成的物理網格,每個節點都受三種可量測的力學屬性支配:拉伸剛度(它能伸展多少)、彎曲剛度(它如何垂墜),以及剪切剛度(它如何貼合曲線)。

這套模擬會求解偏微分方程,以計算在重力、碰撞與材料約束之下,布料的每一個點會落在身體的哪個位置。它的輸出不是一張漂亮的圖片。它是一張應力圖 —— 一種以顏色編碼的視覺化圖像,精確顯示服裝在哪裡繃緊(紅色)、剛好貼身(黃色)、寬鬆(藍色),或根本沒有接觸到身體(透明)。

你無法問一個擴散模型:當顧客坐下時鈕扣會不會被繃開。那是一個物理問題,而它需要一個物理答案。

一位顧客若看到中號在臀部呈現紅色區域、而大號呈現黃色區域,就不需要多尺寸下單。他們會直接買大號。一次出貨,零次退貨。

若想完整了解我們模擬流程的技術細節 —— 包括我們如何為 GPU 加速部署處理可微分物理層 —— 請參閱我們的詳細研究論文。

「但它看起來真的好看嗎?」

這是每一位產品負責人都會問我的問題,而這很合理。物理模擬向來給人的印象,就是看起來像 2008 年的電玩遊戲渲染畫面。如果輸出看起來冷冰冰、毫無生氣,那麼無論它多麼精確,顧客都不會與之互動。

我們在這個問題上花了好幾個月。答案是神經渲染 —— 具體來說,就是像高斯潑濺(Gaussian Splatting)這類能產出照片級逼真輸出的技術。但這裡有一個與生成式 AI 的關鍵差異:我們的渲染會受到約束 —— 由底層的物理模擬所施加。這張圖像看起來很美,但它無法產生幻覺。布料無法在不該伸展的地方伸展。身體無法在不纖瘦的地方變纖瘦。這個視覺層,是覆蓋在一副真相骨架之上的皮膚。

為了這件事,我曾和團隊裡的一位成員起過爭執 —— 他想加上一個「美顏濾鏡」模式,把應力圖抹平,以呈現更討喜的外觀。我否決了。整件事的重點就在於:我們做的不是諂媚討好的生意。我們做的是精確的生意。討好帶來轉換。精確帶來的則是留得住的轉換。而損益表只在乎後者。

這對最終獲利意味著什麼?

讓我把這件事具體化。假設有一家中型時尚零售商,年度總銷售額為 2 億美元,退貨率為 30%。這代表 6,000 萬美元的退貨。按照退貨價值約 20% 的營運成本計算(物流、人力、折舊、降價),他們正在燒掉每年 1,200 萬美元,而這僅僅是用來處理退貨而已。

業界數據顯示,具備真實合身驗證的先進虛擬試穿,能將退貨率降低 20-30%。如果我們把那 30% 的退貨率降到 22.5% —— 一個保守的 25% 降幅 —— 那麼這筆帳就會發生劇烈的變化:

• 300 萬美元的直接營運節省,來自於處理更少的退貨
• 750 萬美元的營收回收(被避免的退貨中有一半轉化為留得住的銷售)
• 1,050 萬美元的年度損益總影響

那不是一筆技術成本。那是一項利潤率回復計畫。

此外,還有一個愈來愈無法忽視的永續面向。逆向物流是一顆碳炸彈。每一個退回的包裹,都意味著多一輛卡車、多一次倉庫作業、多一件可能最終進入垃圾掩埋場的服裝。歐盟的《永續產品生態設計規範》(Ecodesign for Sustainable Products Regulation)正著手禁止銷毀未售出的紡織品。將退貨量減少 25%,能為品牌提供一項可量化的 ESG 指標 —— 不是漂綠,而是對不必要出貨量經過實測的削減。

「為什麼不乾脆兩者並用?」

人們經常這樣問我 —— 為什麼不用生成式 AI 來營造視覺吸引力,再用物理來確保準確度呢?把兩者疊合在一起不行嗎?

我理解這種直覺,但它沒抓到重點。生成式那一層會主動破壞物理那一層。如果你把一張討喜、經過幻覺的圖像,和一張誠實的應力圖並排展示給顧客,他們會相信哪一張?那張漂亮的。每一次都是。生成的圖像變成了承諾,而物理則變成了沒有人會讀的附屬細則。

在 AI 時代,終極的奢侈品是真相 —— 數學的、幾何的、物理的真相。而不是一個更令人信服的幻象。

更棘手的問題 —— 這一點我會坦白說 —— 是我們的方法需要某樣生成式 AI 不需要的東西:數位服裝資產。品牌需要使用像 CLO3D 或 Browzwear 這類工具,為他們的庫存建立 3D 數位孿生。這是一筆實實在在的投資。這是工作流程的一種改變。這意味著用於模擬的數位版型,必須與用於生產的工廠版型相符,否則整套系統就毫無意義。

我們會針對這項轉型提供諮詢。這並不簡單。但那些已在設計與打樣中採用數位產品創作(Digital Product Creation)的品牌,已經走到了一半。而那些還沒採用的呢?退貨危機終將逼他們出手。問題在於,他們是主動投資,還是被動投資。

岔路口

時尚產業此刻正在兩種未來之間做出抉擇。

在其中一種未來裡,生成式 AI 在討好這件事上愈來愈厲害。圖像變得與照片再也無法區分。轉換率攀升。退貨攀升得更快。利潤率被侵蝕。品牌競相比拚誰能製造出最令人信服的幻象,同時卻淹沒在逆向物流成本與垃圾掩埋的罪惡感之中。

在另一種未來裡,業界把合身視為它真正的本質 —— 一種材料與身體之間的機械相容性問題 —— 並打造出解決它所需的幾何基礎設施。這條路更艱難。它需要真正的工程,而不是 API 包裝殼。它需要品牌投資於數位資產,而不只是數位行銷。它需要在兩者衝突時,選擇準確性而非美觀。

我很清楚自己正在為哪一種未來而打造。擴散模型並不知道一條腰線是 72 公分。它不知道一種布料每平方公尺重 200 公克。它什麼都不知道 —— 它只是在預測像素。而預測,無論多麼照片般逼真,都不等於理解。

物理就是理解。而理解,是唯一真正解決過問題的東西。