ARTICLE · 1372105
一个没有搜索框的购物App:凭什么让用户买东西? 我拆解了一个700万美元的AI创业项目
易创AI一站式 · AI 创业拆解
一个没有搜索框的购物App凭什么让用户买东西?我拆解了一个700万美元的AI创业项目
未来最赚钱的AI电商,可能不是帮用户找到商品而是让用户看见自己想要的生活。
易创AI一站式 · 2026年11月17日
最近,我关注到一家海外AI创业公司 Dalet Labs 推出的产品:Scene。它做了一件很有意思的事:把购物App里的搜索框、商品列表全部拿掉,换成AI生成的视觉场景。打开App,你看到的不是传统电商平台上密密麻麻的商品,而是一个个精心生成的生活画面。比如:一个穿搭非常时尚的模特,身上的衣服都可以直接购买;一个装修精致的客厅,沙发、茶几、地毯、落地灯都可以加入购物车;一套户外运动装备,帐篷、背包、鞋服都能直接下单。你不需要搜索,也不需要输入关键词。只需要不断浏览图片,看到喜欢的东西就点击、收藏或者购买。更有意思的是,AI会根据你的浏览、停留、点击和收藏行为,继续生成下一批符合你兴趣的场景。这已经不是传统意义上的AI导购了。它想做的是:让AI成为一个懂你审美、帮你发现需求、甚至创造购买欲望的购物入口。

▲ AI 示意图:没有搜索框的购物入口——先看见一种生活,再决定买什么。
据公开报道,Dalet Labs曾完成700万美元融资,领投方是 Lightspeed Venture Partners,投资方包括SV Angel,以及Fred Ehrsam、Adam D'Angelo、Scott Belsky等投资人。创始人Omer Bar-Tal曾在Google、Pika、Runway等公司参与计算机视觉和生成式媒体相关工作。
目前,Scene覆盖服装、家居、运动用品等品类,并接入数百个品牌和零售商的商品目录。
需要说明的是,融资和产品发布并不等于商业模式已经跑通。目前公司尚未公开用户规模、交易额、收入、生成成本及商品还原准确率。
但我认为,这个产品背后的创业思路,非常值得中国AI创业者研究。
一、AI电商正在发生一次重要变化:从搜索商品到创造需求
先看传统电商的购物逻辑。
用户打开淘宝、京东或者拼多多,通常已经知道自己要买什么。比如:我想买一双运动鞋。于是输入关键词,平台推荐商品,用户比较价格、品牌、评价,最后下单。
这套逻辑的核心是:用户先有需求,平台再匹配商品。
后来,直播电商和短视频电商改变了这套逻辑。
用户原本没有购物计划,只是刷视频,突然看到一个好用的产品,被主播或者短视频内容种草,最后产生购买行为。
这套逻辑变成:内容激发需求,商品承接需求。
而Scene想做的事情更进一步。
用户甚至不需要先看到一个真实商品,也不需要知道自己喜欢什么风格。AI直接生成一个场景,让用户在视觉体验中发现自己的偏好。
比如,你本来没有装修房子的计划。但AI给你展示了一个原木风客厅:浅色沙发、实木茶几、暖色落地灯、柔软地毯。你突然觉得,这就是自己喜欢的家。于是开始点击商品、收藏搭配,甚至购买。
注意这里的变化:
传统电商卖的是商品。内容电商卖的是商品体验。AI场景电商卖的可能是用户对一种生活方式的想象。
这就是我认为Scene最值得研究的地方。它不是单纯提高购物效率,而是在尝试改变用户产生消费需求的方式。
二、Scene真正的产品创新:AI生成、用户反馈、持续进化
如果只是用AI生成几张漂亮的商品图片,这个产品其实没有太高的技术门槛。
真正有价值的是它背后的循环机制。
我把它拆成三个环节。
第一步:AI生成购物场景。
系统根据商品库、品牌信息、用户偏好,生成不同风格的穿搭、家居和运动场景。
这里不是简单地生成一张图片,而是要把真实商品嵌入生成场景。例如,用户看到一张客厅图片,里面的沙发必须对应真实品牌的具体型号,落地灯也必须能够找到真实商品。否则,画面再漂亮,也只是AI绘画作品,不是真正的购物入口。
第二步:用户用行为表达审美。
用户不需要填写复杂的兴趣问卷,也不需要告诉AI自己喜欢什么。他的每一次行为,都是数据。
停留时间长,可能说明感兴趣。点击某件商品,说明有进一步了解的意愿。收藏一个场景,说明喜欢整体风格。加入购物车,说明购买意愿更强。最终成交,才是真正的商业价值。
第三步:AI根据反馈生成下一批场景。
假设你连续收藏了三组北欧风客厅,点击了原木家具,却跳过了工业风设计。系统就可以判断,你可能更喜欢自然、温暖、简约的家居风格。下一轮,AI就生成更多符合这些偏好的场景。
这实际上形成了一个循环:
用户浏览 → 行为反馈 → 偏好分析 → AI生成 → 再次浏览 → 继续优化。
这套机制可以理解为一种生成式推荐系统。传统推荐系统是从已经存在的商品和内容中挑选。Scene则尝试让AI根据用户反馈,动态创造新的视觉内容。
它最大的产品价值,不是会生成图片,而是把用户的审美数据变成持续优化的推荐能力。

▲ AI 示意图:浏览、反馈、再生成——推荐不是挑出来的,是长出来的。
三、从技术角度看,它至少需要五套系统协同
很多AI创业者看到Scene,第一反应可能是:接入一个图片生成模型,再连接电商商品库,不就可以做了吗?
实际上,真正落地并没有这么简单。
我认为,一个成熟的AI场景购物平台,至少需要五层技术架构。
1. 商品数据中台
这是整个产品的基础。需要接入不同品牌和电商平台的商品数据,包括:商品名称、价格、品牌;商品图片、材质、尺寸、颜色;商品型号、库存、SKU;商品购买链接和佣金信息。
关键是建立统一的商品数据标准。不同平台的商品信息格式不一样,AI必须知道什么商品是真实存在的,什么商品可以购买,什么商品已经下架。
2. AI场景生成引擎
根据用户偏好和商品库,自动生成不同的购物场景。这里涉及大模型、图像生成、图像编辑、商品参考图控制、视觉一致性等技术。特别是商品一致性。AI不能把一张真实的沙发生成得非常漂亮,却把沙发的颜色、结构和材质全部改变。
3. 商品与图片精准匹配系统
这是我认为最关键的技术环节之一。用户看到一张AI生成的客厅,点击沙发,系统必须准确识别它对应的真实商品。否则就会出现一个非常尴尬的问题:图片里是一张漂亮的沙发,点进去却是另一张沙发。这会直接摧毁用户信任。
因此,需要结合商品图像特征、视觉识别、商品ID映射和场景生成过程中的商品追踪机制,确保图片中的商品和实际购买链接对应。
4. 用户兴趣画像与推荐系统
通过用户的浏览、停留、点击、收藏、加购和购买行为,建立动态兴趣模型。不仅分析用户喜欢什么商品,还要分析用户喜欢什么风格、颜色、材质、搭配和生活场景。这比传统商品推荐多了一层审美理解。
5. 电商交易与商业化系统
最后还要解决商品跳转、购物车、统一结账、订单追踪、佣金结算、售后和退货等问题。尤其是跨品牌购物。如果用户在一个AI生成的客厅里,同时购买三个不同品牌的商品,平台如何统一结账?谁负责物流?退货如何处理?
这些都不是生成模型能够解决的。
所以,Scene真正的竞争力不只是AI模型,而是AI生成、商品数据、推荐算法和交易系统的组合。

▲ AI 示意图:图片好看只是起点,点进去是同一件商品,才是信任。
四、这个模式最值得关注的,是它背后的商业账
AI创业不能只看技术有多先进,还要看能不能赚钱。
Scene采用的一个商业思路是电商联盟佣金:用户通过平台购买商品,平台从合作渠道获得佣金。
这个模式的优点是,不需要自己囤货,也不需要建立完整的供应链。
但它有一个非常现实的问题:
AI生成每一个场景,都可能产生计算成本;用户浏览得越多,平台不一定赚得越多。
传统电商推荐系统,大量内容可以重复使用。一张商品图片拍摄一次,可以展示给几百万用户。但如果每个用户都要求AI实时生成不同场景,推理成本就会持续增加。
这意味着平台必须考虑几个问题:
第一,生成一组场景需要多少钱?第二,用户平均浏览多少次才会产生一次购买?第三,每笔订单能够带来多少佣金?第四,退货之后,已经获得的佣金是否需要退回?第五,用户的浏览成本能不能通过缓存和模板复用降低?
我认为,未来真正能赚钱的AI场景电商,不会完全依赖实时生成。
更合理的方案可能是:
基础场景模板 + 商品智能组合 + 用户个性化生成。
比如,系统先准备1000套不同风格的客厅模板,再根据用户偏好调整颜色、家具组合和装饰品。这样既能保留个性化体验,又能控制生成成本。
还有一个更重要的指标:
不能只看点击率,必须看真实成交率、退货率和单用户贡献利润。
因为一张漂亮的AI图片,很容易让用户点击。但让用户收到商品之后仍然觉得满意,才是真正的商业能力。
这笔账,创业者要先算清再动手
浏览次数 × 单次生成成本,对比成交订单数 × 单笔佣金,中间还要扣掉退货、客服和售后成本。
生成越便宜、成交越稳、退货越少,场景电商才越成立。只算点击率的账,算到最后一定是亏的。
五、巨头为什么可能很快复制?独立创业者还有机会吗?
这个问题非常重要。
Pinterest本身就是视觉发现平台。TikTok Shop已经把内容和交易连接起来。淘宝、京东等电商平台拥有庞大的商品数据库、供应链和用户流量。一旦AI场景购物被验证,巨头完全有能力把类似功能整合到自己的App中。
那么,独立创业公司还有没有机会?
我认为有,但不能简单复制Scene。
独立创业者要找到大平台不愿意做、做起来又比较复杂的细分市场。比如:
方向一:AI家居设计购物。
用户上传一张自己的客厅照片,AI识别空间结构和现有家具,再生成不同装修风格。用户喜欢哪种风格,就能直接购买里面的沙发、灯具、窗帘、地毯和装饰品。它不只是装修设计工具,而是一个AI家居购物入口。
方向二:AI穿搭购物。
用户上传自己的照片,AI根据身材、风格、预算和使用场景,生成不同穿搭方案。比如上班通勤、商务会议、约会、旅行。用户看到喜欢的搭配,可以直接购买整套商品。这里需要特别重视尺码推荐、真实试穿效果和退货率。
方向三:AI五金机电场景采购。
这个方向我觉得尤其值得中国传统行业创业者研究。
比如,一个工厂需要改造车间照明。传统采购流程是先找产品、查参数、问价格,再找供应商。未来能不能让AI直接生成一个车间改造方案?展示改造前后的效果,自动搭配工业灯具、电缆、开关、配电设备,再匹配真实商品和供应商。
用户看到的不是一堆枯燥的商品参数,而是一个完整的解决方案。这就从卖单品升级为卖场景、卖方案、卖组合。
方向四:AI本地生活场景消费。
比如用户想周末带孩子出去玩。AI直接生成周末亲子活动场景,包括目的地、餐饮、住宿、游乐项目和交通安排。用户喜欢哪个方案,就可以直接预订。这实际上是把AI内容生成与本地生活服务交易结合起来。

▲ AI 示意图:巨头做通用入口,小团队的机会在垂直场景里。
六、对中国AI创业者来说,真正的机会在哪里?
我一直认为,AI创业不能只盯着模型和工具。
模型会越来越便宜,生成能力会越来越普及。
真正有商业价值的,是把AI能力嵌入一个具体行业,解决真实的交易问题。
从Scene这个产品,我看到了三个值得关注的创业趋势。
趋势一:从AI工具转向AI交易入口。
过去创业者做AI工具,解决的是用户如何更快完成一项工作。未来更大的机会,可能是让AI直接参与消费决策、商品匹配、交易和服务交付。AI不只是告诉你买什么,还可能帮你完成购买。
趋势二:从商品中心转向场景中心。
传统电商以商品为中心,用户自己寻找搭配。AI场景电商以用户需求和生活场景为中心,AI自动组合商品。谁能把商品变成场景,把场景变成交易,谁就有机会获得更高的商业价值。
趋势三:从流量竞争转向数据与供应链竞争。
图片生成模型可以调用,AI推荐算法也可以逐渐标准化。但真实商品数据、品牌合作、库存信息、交易履约、用户反馈和售后服务,不是简单接入一个大模型就能获得的。未来AI电商真正的壁垒,很可能是数据、供应链、交易和信任。
七、如果让我创业,我不会一开始就做一个新的AI购物App
这是我对这个项目最重要的创业判断。
如果现在让我做类似的产品,我不会一上来就投入大量资金,开发一个独立的AI购物平台。
因为独立App最大的难题不是技术,而是流量。你需要让用户下载、注册、养成使用习惯,还要解决商品供应、交易和售后。这对于一个初创团队来说,成本太高。
我会选择一个更轻的切入方式:
先做一个垂直行业的AI场景购物智能体。
例如,先从家居或者五金机电入手。
第一阶段,不做复杂的独立App。先让用户通过网页、微信小程序或者AI智能体,输入需求、上传图片。
第二阶段,AI自动生成场景方案,匹配真实商品,展示价格和购买链接。
第三阶段,接入供应商和经销商,建立商品库、报价系统和订单追踪。
第四阶段,积累用户的审美偏好、采购需求和真实成交数据。
等某个细分品类跑通之后,再考虑扩大品类、建立平台。
这样做的好处是:
不需要一开始就烧钱获取大量用户。不需要自己生产所有商品。可以直接利用现有供应商和经销商资源。可以通过商品佣金、采购服务费和企业解决方案赚钱。可以先验证用户是否愿意为AI场景方案买单。
对于传统行业创业者来说,这种模式尤其值得研究。因为你不一定需要自己掌握最先进的AI模型,但你必须掌握行业商品、客户需求和交易渠道。这才是AI与传统产业结合的真正机会。
写在最后:未来的电商,可能不是搜索框,而是一幅画
Dalet Labs的Scene,目前还不能证明自己已经跑通商业模式。
但它提出了一个很值得思考的问题:
当AI能够理解用户的审美、生成购物场景、匹配真实商品,并且完成交易,未来用户还需要自己搜索商品吗?
过去,电商平台争夺的是搜索入口。后来,内容平台争夺的是用户注意力。未来,AI可能争夺的是用户的需求入口。
谁能更早理解用户想要什么,谁就可能更早影响用户买什么。
但有一点必须记住:
AI可以创造美好的想象,却不能让虚假的商品变成真实的商品。生成能力决定体验的上限,商品质量、交易履约和用户信任决定商业的下限。
对普通AI创业者来说,不要只盯着AI生成图片这个技术噱头。真正值得研究的是:
如何用AI把一个行业的商品、场景、需求和交易重新连接起来。
这可能才是下一代AI电商值得关注的创业机会。

易创AI一站式 · 关注 AI 产品、技术与商业模式本文为来稿解读,不构成投资与购买建议;合作、采购与创业决策前请以官方口径与实际验证为准。














































































