得物做了超 17 亿次鉴别,AI 怎么学会辨真假?

在第九届进博会的得物展台，一台机械臂翻开鞋舌，夹住鞋垫边缘，把鞋垫取出来。相机从多个角度拍摄，触觉传感器采集材料表面的信息。完成采集后，系统把纹理、材质和走线等特征与正品样本比对。

得物同时披露了两组数字。平台累计提供超 17 亿次鉴别服务，AI 与得物鉴别专家的结果吻合度超过 99.9999%。一个讲业务做了多大，另一个讲 AI 的判断跟专家有多接近。要读懂这台机器人，先得把两笔账分开。

   01｜机器人为什么要先取出鞋垫？

一张鞋子的外观图能拍到鞋型和配色，却可能漏掉鞋垫底部的印刷、内侧走线和不同材料的接合处。机械臂能翻开、取出、转动商品，让鉴别师过去需要动手查看的位置，变成可以反复采集和比较的数据。得物与千觉机器人合作开发的设备，已在今年 7 月的世界人工智能大会公开亮相。

进博会现场报道提到的 2 秒，是采集完成到系统输出鉴别结果和依据的时间。实际走一单，还要计入摆放、采集、补拍和疑难样本复核。如果要算一个工位一天能处理多少件，需要计量从收件到鉴别完成的全流程耗时。

   02｜超 17 亿次鉴别，能看出多大的业务规模？ 

今年 4 月消博会上，得物累计鉴别服务量已超 13.7 亿次。7 月的国家标准研讨会披露了近 16 亿次，11 月进博会披露超 17 亿次。这些数字有的是下限，有的是近似值，适合看累计服务规模。要计算某一阶段新增多少次，需要同口径的精确期初和期末值。

图 1｜2026 年得物累计鉴别服务量的三个披露时点。

11 月的报道还提到，相关鉴别系统覆盖 26 个品类、6000 多个品牌、10 万多个商品。覆盖范围说明系统能处理哪些商品，训练样本量和各品类处理量需要另外统计。3 月，《中国质量报》刊载的案例称，得物的 AI 查验鉴别体系已累计查验超 8 亿件商品。这项披露的时间、业务范围和计量单位与 11 月的服务量有差异，两项直接相除，算不出平台的自动化率。

   03｜最费工夫的，是弄清楚正品可以有多少种样子  

同一个品牌的衣服，换了年份、销售地区或生产批次，领标、洗标、面料和工艺都可能有变化。模型如果只见过某一版正品，遇到新版本时，正常差异就可能被它判为异常。

据进博会官网转载的报道，为研究 Supreme 不同款式的鉴别特征，得物团队在 7 个国家采买了 5000 多件商品。鉴别师比对领标、洗标、面料和工艺等细节，最终形成一份上百页的专项鉴别报告。每个版本有哪些正常差异、该拍哪些位置、哪些特征要放在一起判断，都要先有人研究清楚。

这也解释了样本库为什么要持续更新。新品上市要补正品参照，更换采集工位要验证新旧数据能否稳定比对。遇到罕见版本或关键部位采集不全，可以转给鉴别师，把复核证据和最终结论留存下来，用于下一轮测试。

   04｜99.9999% 吻合度，为什么还要看假货漏放率？ 

得物披露的 99.9999% 以上，衡量的是 AI 与得物鉴别专家的结果吻合度。要估计消费者收到假货的风险，还要知道测试样本里有多少件经独立复核确认的假货、其中多少被放行，以及新款、小众品牌和高仿样本各自的表现。进博会公开报道没有给出这些明细。

用一组假设数据来算。假设测试有 100 万件商品，独立复核确认其中 100 件是假货。专家找出 90 件，AI 找出其中 89 件，其他判断均与专家一致。这样一来，AI 与专家只在 1 件商品上有分歧，但 AI 漏掉了 11 件假货。

图 2｜假设算例。两项指标分别以全部商品和已确认假货为分母。

同样一批商品，整体吻合度的分母是 100 万件，假货漏放率的分母是 100 件。 验收时，两项指标要分别看，还可以按品牌、版本和仿冒难度拆分。这样才能查出平均数下面，哪些商品仍容易被漏掉。

   05｜鉴别进入发货流程，平台该盯住哪些数字？ 

鉴别结果关系到一件商品能不能发货。放过假货，会带来售后和信任成本。误拦正品，会增加人工复查和履约等待。要把 AI 接进日常流程，可以先用四个指标定位问题。

行业也在推进服务标准化。《消费品鉴别服务通用指南》是正在起草的推荐性国家标准，计划号为 20260807-T-469，由全国服务标准化技术委员会归口。中国标准化研究院今年 4 月组织启动会，7 月又举行专题研讨会。对采购鉴别服务的平台来说，样本如何确认、证据怎样留存、结果有争议时怎么复核，都是比较供应商服务能力时可以追问的细节。

一家企业能否把鉴别 AI 用到日常经营，可以问三个问题。遇到没见过的版本，系统会不会主动转人工？出现分歧，能不能回看原始采集证据？复核推翻模型判断后，这个错误会不会进入下一轮测试？ 每回答好一个问题，平台就多了一种办法，让今天处理的商品给下一批鉴别留下可用的数据。