刚融资700万美元！这款AI购物App不让你搜索商品，而是让AI猜你喜欢什么：电商的下一个入口，可能要变了！

你有没有过这样的经历？

本来只是想在小红书上看看别人怎么装修房子，结果刷到一个很好看的沙发。

点进去看了看，发现旁边的落地灯也不错，再往下看，地毯、茶几、装饰画似乎都很喜欢。

最后，原本没有任何购物计划的你，竟然收藏了一整套家具清单。

这件事其实揭示了一个非常重要的消费心理：

过去二十多年，电商平台一直在优化搜索、推荐、比价和交易效率。

淘宝告诉你怎么搜索商品，京东告诉你怎么快速买到商品，抖音和小红书则通过内容激发你的购买欲望。

但如果有一天，AI 不仅能推荐商品，还能根据你的喜好，实时生成你可能喜欢的购物场景，会发生什么？

最近，一家名叫 Dalet Labs 的 AI 创业公司，给出了一个有意思的答案。

它推出了一款名为 Scene 的 AI 视觉购物 App，并公布了700万美元融资消息。

这款产品的玩法非常特别：

你喜欢什么，它就继续生成什么。

你点击什么，它就逐渐理解你的兴趣。

你甚至不需要明确知道自己想买什么，就可以开始购物。

这家公司想做的事情，可能远不只是一个新的购物软件。

它试图用生成式 AI，重新定义消费者发现商品的方式。

在我看来，这背后至少隐藏着五个值得 AI 创业者关注的商业机会。

先拆解一下 Scene 的产品逻辑。

传统电商的购物流程是什么？

打开淘宝，搜索商品，筛选价格，查看评价，比较品牌，最后下单。

AI 购物助手则进一步优化这个过程。

你告诉 AI：

我想买一双500元以内的通勤皮鞋，黑色，舒适一些。

AI 帮你搜索、筛选、比较，甚至可能直接完成购买。

这两种方式有一个共同点：

但现实中的消费行为并不总是如此。

比如，你最近觉得自己的穿衣风格有些单调，却不知道该买什么。

你想重新装修客厅，却没有明确的装修方案。

你想开始户外运动，却不知道需要哪些装备。

这个时候，让你填写一堆需求，再让 AI 推荐商品，未必是最好的体验。

Scene 换了一种思路。

它不要求用户先提出需求，而是主动创造可以激发需求的视觉内容。

打开 App，你看到的不是密密麻麻的商品列表，而是一组组 AI 生成的生活场景。

可能是一套完整的穿搭。

可能是一个布置精美的客厅。

也可能是一组适合户外运动的装备。

这些图片虽然由 AI 生成，但里面关联的是现实中可以购买的品牌商品。

比如：

你看到一个非常喜欢的客厅场景，点击其中的沙发，系统就能关联到对应商品。

你喜欢某种装修风格，AI 就可以继续生成类似的空间，并尝试组合其他品牌的灯具、地毯和装饰品。

你不断浏览、点击、收藏，系统不断学习你的偏好。

最终形成一个循环：

这和传统电商最大的区别在于：

传统电商主要是在已有商品和内容中寻找适合你的东西。

Scene 则希望通过 AI，把商品重新组合成适合你的视觉内容。

简单说：

这才是它真正值得关注的地方。

Scene 背后的公司叫 Dalet Labs。

创始人 Omer Bar-Tal 并不是传统电商创业者，而是一位有计算机视觉和生成式媒体研究背景的技术创业者。

根据公开介绍，他曾参与真实世界视频编辑、生成式视频模型等相关研究和产品工作，拥有 Google、Pika、Runway 等机构的相关经历。

2025年，他创办了 Dalet Labs。

这里有一个值得创业者思考的问题：

一个拥有生成式视频技术背景的人，为什么不继续开发视频生成工具，而是选择进入购物领域？

我认为核心原因在于：

过去几年，AI视频生成赛道非常热闹。

各种模型不断刷新视频生成质量，创业公司也在争夺创作者市场。

但是，视频生成工具面临一个问题：

用户生成视频之后，如何持续付费？如何形成高频使用？如何建立稳定的商业闭环？

而购物是一个天然存在交易需求的市场。

消费者每天都可能产生购物兴趣，品牌商家每天都需要获取客户，商品交易本身也存在明确的商业价值。

如果 AI 能够帮助消费者更容易发现商品，同时帮助商家提高转化率，那么它就不仅仅是一个内容生成工具。

它可能成为一个新的商业入口。

这也是我认为 Scene 的创业逻辑比较聪明的地方：

不是为了展示AI能生成多漂亮的图片，而是把AI生成能力直接嵌入商品发现和交易环节。

不过，需要注意的是，融资不代表商业模式已经跑通。

目前公开资料还没有充分披露 Scene 的用户规模、日活、GMV和收入数据。

投资人押注的，更多是创始团队的技术背景，以及生成式 AI 改变购物入口的可能性。

我认为 Scene 最值得研究的技术思路，是它提出的 Collaborative Generation，也就是协同生成。

怎么理解？

我们先看看传统推荐算法。

假设你最近连续浏览了十款极简风格的家具。

系统会判断你喜欢极简风，然后继续从商品库中寻找类似的商品推荐给你。

这个过程可以理解为：

而 Scene 想进一步做的是：

根据用户的兴趣，把真实商品组合起来，生成新的视觉场景。

比如：

你喜欢极简风格的家具，同时又对复古灯具表现出兴趣。

系统不只是继续给你推荐极简家具和复古灯具，而是可以尝试把它们组合在一个完整的客厅场景中。

如果你喜欢这个场景，系统就继续沿着这个方向探索。

这意味着，推荐系统的工作方式发生了变化。

过去：

未来可能变成：

这里至少涉及五项核心技术能力：

这里我要特别强调：

因为图片生成模型可以被其他公司使用，但一个能够持续理解用户偏好、准确匹配商品、不断优化购买转化的系统，需要长期积累数据和业务能力。

当然，这套模式还有一个非常现实的问题。

AI生成图片必须保证商品真实性。

例如，沙发的尺寸、面料、颜色、结构，服装的版型和细节，都不能因为追求视觉效果而被随意改变。

否则，消费者看到的是一个商品，买到的却是另一个商品。

因此，未来真正成熟的 AI 购物平台，需要解决一个关键问题：

这也是技术研发和商业落地之间最大的挑战之一。

Scene 目前采用的商业模式，主要是电商联盟营销佣金。

简单理解：

用户通过 Scene 发现商品，完成购买，平台通过联盟营销或品牌合作获得交易佣金。

这套模式并不新鲜。

淘宝客、购物导购网站、内容带货平台，都在采用类似的方式。

但 Scene 有一个不同之处：

传统导购平台需要依赖大量人工生产的商品内容。

而 Scene 希望通过 AI 自动生成不同风格的购物场景，降低内容制作和个性化展示的成本。

举个例子。

过去，一个家具品牌想推广一款沙发，可能需要请摄影师搭建场景，拍摄不同风格的客厅图片，再通过广告投放寻找潜在消费者。

整个过程成本不低，而且一套素材很难满足所有消费者的偏好。

但如果 AI 能够准确理解商品信息，就可以让同一款沙发出现在不同风格的客厅中。

喜欢现代简约风格的人，看到的是简约客厅。

喜欢中古风格的人，看到的是复古客厅。

喜欢轻奢风格的人，看到的是另一种空间搭配。

这才是生成式 AI 对电商营销最大的想象空间。

从商业模式来看，我认为未来可能存在四种收入来源：

当然，后面三种属于可以探索的商业延伸，并不意味着 Scene 已经实现了这些收入。

还有一个重要问题：

生成式推荐需要计算资源。

如果用户每天浏览大量 AI 生成的场景，却没有产生任何购买，平台就可能承担较高的生成成本。

因此，Scene 必须证明：

AI生成带来的增量交易价值，能够覆盖额外的模型调用和内容生成成本。

很多人看到 Scene，第一反应是：这不就是 AI 版的淘宝吗？

我认为这个理解并不准确。

它真正争夺的，是消费者发现商品的入口。

我们看看几个不同平台。

它们都在解决一个问题：

如何让消费者看到自己感兴趣的商品。

但 Scene 想把内容生产这件事也交给 AI。

这就产生了一个值得关注的变化：

过去，平台需要大量创作者、摄影师、设计师和商家，提前生产内容。

未来，AI 可以根据每个消费者的兴趣，实时生成个性化商品场景。

不过，Scene 也有一个天然短板。

小红书上的穿搭内容，背后是真实用户的体验。

TikTok 上的商品展示，可能有真实创作者试穿、试用和评价。

而 AI 生成的场景，虽然视觉效果不错，却不一定具备真实体验和信任背书。

消费者最终购买的不是一张图片，而是真实商品。

所以我认为：

如果只做出漂亮的 AI 图片，却没有商品真实性和交易转化，最后很可能只是一个有趣的图片浏览工具。

另外，Pinterest、TikTok 和大型电商平台也完全有能力把生成式 AI 整合进现有产品。

Scene 要建立竞争优势，就必须在用户兴趣数据、商品供应链、个性化体验和交易效率上形成自己的积累。

说到这里，我觉得这才是整篇文章最重要的部分。

我们研究国外 AI 产品，不是为了简单感叹别人又融资了多少钱。

而是要找到：

我认为至少有五个方向值得探索。

研究完 Scene，我还有一个非常重要的判断：

国内创业者不要轻易复制它的完整产品。

原因很简单。

做一个面向所有消费者的 AI 购物 App，需要解决非常多的问题：

商品供应链、品牌合作、用户获取、支付系统、库存同步、售后服务、内容审核、模型成本。

而且你还要和淘宝、京东、小红书、抖音这些成熟平台竞争。

对于普通创业团队来说，难度非常大。

我更建议从一个垂直场景切入。

例如：

这里有一套相对务实的 MVP 落地路径。

重点关注：

如果这些指标能够跑通，再考虑扩大商品品类和用户规模。

记住：

最后，再回到 Scene 这款产品。

我觉得它最值得关注的，并不是 AI 生成图片有多漂亮，也不是它拿到了700万美元融资。

而是它提出了一个不同于传统 AI Agent 的产品思路。

过去，很多 AI Agent 都在追求一件事：

让用户用最少的时间完成任务。

比如帮你搜索商品、比较价格、预订酒店、安排旅行。

但购物并不总是一项需要尽快完成的任务。

有时候，人们就是喜欢逛。

喜欢发现原本不知道的东西。

喜欢看到一个场景，突然产生一个新的想法。

喜欢在浏览过程中，慢慢形成自己的消费需求。

这可能是生成式 AI 给互联网产品带来的一个重要变化。

以前，平台竞争的是谁拥有更多内容、更多商品和更强的推荐算法。

未来，平台可能还要竞争谁更懂用户的兴趣，谁能更快地生成用户喜欢的内容，谁能把这些兴趣转化成真实交易。

对于 AI 创业者来说，我认为有三个值得记住的趋势：

当然，Scene 目前仍然处于早期探索阶段，能否真正跑通用户增长和商业模式，还有待市场验证。

但它至少给我们提供了一个很有价值的思考方向：

这才是我认为这款产品值得国内 AI 创业者认真研究的原因。