ChatGPT 虚拟试穿挑战 Google 的 AI 购物领先地位

尽管 Google 已花费多年打造自己的 AI 试衣间，ChatGPT 虚拟试穿仍于 10 月 1 日推出了两项相互关联的购物功能。OpenAI 现在允许购物者生成自己穿着所选服装或配饰的图片，也可以将商品保存到 ChatGPT 内的 Favorites 收藏夹。

此次更新将购物对话变成了更连贯的决策过程。购物者可以描述一套穿搭、浏览匹配商品、预览某件商品，并保留有潜力的选项，无需离开助手。不过，生成的图片仍只是可视化效果，并不能证明服装一定合身。

这一区别界定了其与 Google 的竞争。Google 在 2025 年推出了个人照片试穿功能，此后将这一体验扩展到 Search、Shopping、Images、Chrome 以及实验性时尚产品中。OpenAI 入场较晚，但 ChatGPT 能在同一界面内连接商品发现、对话、图像生成和已保存的选择。

ChatGPT 虚拟试穿将商品发现与可视化连接起来

重要的变化不只是图像生成本身。OpenAI 已将视觉化试验接入 ChatGPT 现有的购物流程。

ChatGPT 购物结果中符合条件的服装和配饰商品可能会显示新的 Try on 按钮。选择该按钮后，用户可以拍摄或上传自拍照，然后请求生成一张展示该商品穿在自己身上的图片。

OpenAI 表示，结果由 ChatGPT Images 生成。购物者还可以上传单独的商品图片，包括截图，并要求 ChatGPT 将其可视化呈现在自己身上。这一路径很重要，因为灵感并不总是从结构化的商品列表开始。

用户可能会拍下店内的一件配饰、截取社交媒体上的一套穿搭，或保存零售商提供的图片。ChatGPT 可以将该参考内容放入同一段对话中，用于讨论颜色、风格、场合和替代选项。

该公司于 2026 年 10 月 1 日宣布这些功能。根据其发布说明，这些功能可通过移动设备和网页端的 ChatGPT 使用。

OpenAI 的文档称，参考照片会被保存，以便日后试穿。用户可以在 Personalization 设置中替换或删除该图片。重复使用同一张参考图，可降低在一次购物过程中测试多件商品的操作门槛。

Favorites 构成了此次更新的第二部分。书签控件可让用户将商品保存到 ChatGPT Library，而文件夹则可将这些商品整理为较小的收藏集。

计划旅行的购物者可以为鞋子、夹克和配饰分别建立文件夹。比较面试穿搭的人则可以保留多种搭配，再决定前往哪些零售商处选购。

Library 的作用不只是存放书签。OpenAI 一直将其开发为一个可持久保存上传文档、生成文件、图片、商品和地点的区域。新的购物控件让商品决策也成为一种可重复利用的内容。

这种持久性改变了 ChatGPT 的角色。助手不再需要从空白提示词或被遗忘的商品链接开始每一次购物讨论。

保存的参考照片提供了视觉连续性。Favorites 保留了候选商品集合。对话则提供偏好与反馈，可用于优化下一次请求。

OpenAI 的购物说明还包含一项关键警示：生成的试穿图片可能无法准确呈现顾客或商品，也不保证尺码或合身程度。

用户仍需查看商家的尺寸信息、商品描述和退货政策。该工具对风格问题的回答比对尺码问题更具说服力。

这一限制让此次发布保持了现实基础。ChatGPT 可以帮助用户想象一套穿搭，但无法复现真实试衣间所能提供的实体信息。

OpenAI 希望覆盖更多购物决策环节

虚拟试穿和 Favorites 让 ChatGPT 更深入地进入结账前的阶段，即购物者缩小选择范围并形成偏好的环节。

OpenAI 已通过多次产品发布搭建了这一路径。2025 年 11 月，该公司推出购物研究功能，这是一种专门研究商品并准备个性化购买指南的体验。

购物研究会提出澄清性问题，并搜索库存、规格、评价和图片等细节。用户可以将建议标记为不感兴趣，或要求提供更多具有相似特征的商品。

2026 年 3 月，OpenAI 增加了更丰富的商品展示、并排比较、视觉浏览和基于图像的商品发现功能。该公司还扩展了 Agentic Commerce Protocol，使商家和电商服务提供商能够向 ChatGPT 发送结构化商品信息。

最新功能填补了两个剩余缺口。试穿增加了个人可视化，而 Favorites 则为用户提供了保存初步比较后保留下来的商品的地方。

设想一位为 10 月婚礼寻找穿搭的购物者。此人可以用自然语言说明地点、预期天气、着装要求、颜色和服装偏好。

ChatGPT 可以返回候选商品、进行比较并接受反馈。购物者随后可使用参考照片预览一条连衣裙或一件夹克，并将最合适的选项保存到婚礼文件夹中。

这一序列比回答一个孤立的商品问题更具商业价值。每增加一步，用户就会在购买逐步临近时继续留在 ChatGPT 内。

OpenAI 不需要每位购物者完成每一个步骤。它需要让 ChatGPT 成为将模糊意图转化为商品短名单的场所。

该公司此前已测试过更直接的电商策略。2025 年 9 月，它宣布为符合条件的商品推出 Instant Checkout，最初将 ChatGPT 与 Etsy 卖家连接，并计划支持 Shopify。

OpenAI 与 Stripe 合作开发支持该功能的电商标准。正如一份早期电商报道所解释的那样，此举让该助手更接近交易平台。

虚拟试穿走的是另一条路线。它专注于购买前的不确定阶段，即人们比较选项并询问某件商品是否适合自己时。

这一阶段比结账环节更适合对话。它也契合 ChatGPT 解读模糊表达的偏好、并通过后续问题调整推荐的能力。

Favorites 强化了这一策略，因为购物决策往往跨越多个会话。购物者可能在手机上发现某件商品，之后在笔记本电脑上重新考虑，再在查看零售商尺寸信息后返回。

Library 为这一过程提供了连续性，也为 ChatGPT 提供了用户主动选择保留内容的结构化记录。

OpenAI 表示，其商品结果不是广告，也不会受到公司合作关系的影响。它还表示，广告始终与商品推荐分开。

随着 ChatGPT 越来越深入参与电商，这一承诺将受到更多审视。即使推荐没有被标记为广告，商品排序仍可能影响购买决策。

更棘手的问题是透明度。购物者需要了解某件商品为何出现、其信息是否最新，以及是否遗漏了可比的替代选项。

OpenAI 表示，影响因素可能包括提示词、对话上下文、价格、库存、评价和易用性。记忆和自定义指令也可能影响 ChatGPT 展示哪些商品。

这些信号可以提升相关性，但也可能让两位用户收到实质不同的商品集合，却看不到造成这些差异的全部原因。

Google 仍拥有更强大的购物基础

OpenAI 并非首个推出个人照片试衣间的公司。它正以更具对话性的路径挑战 Google 已建立的品类。

Google 于 2023 年开始为服装提供生成式虚拟试穿，最初是在一组真实模特身上展示服装。这一方法旨在呈现不同体型、肤色、尺码和姿势。

2025 年 5 月，Google 增加了上传个人照片的能力。购物者可以选择符合条件的服装，并使用自己的图片而非预设模特生成可视化效果。

Google 的试穿指南建议用户提供光线充足、展示全身且穿着贴身衣物的照片。该功能也允许用户保存或分享生成的造型。

该能力现已覆盖支持市场中 Search、Shopping 和 Images 的大量商品目录。Google 表示，其系统可处理数十亿件服装，但符合条件的类别和地区要求仍然适用。

Google 还受益于其 Shopping Graph——一个汇集商品列表、卖家、品牌、评价和库存信息的大型集合。这一基础设施让它拥有组织快速变化的零售数据的直接经验。

ChatGPT 则从相反方向处理同一问题。Google 从搜索结果开始，再添加个性化图像层；OpenAI 则从对话开始，并将商品结果引入这段对话。

这种对比塑造了两家公司的优势。

Google 可以将试穿功能与广泛的商品覆盖和熟悉的购物搜索相连。它可以将该功能放在已经通过搜索特定连衣裙、夹克或鞋子表现出强烈商业意图的用户附近。

OpenAI 则能更自然地保留定性语境。一段 ChatGPT 对话可能包含活动、天气、现有衣橱、偏好的廓形、不喜欢的颜色、预算限制，以及对早期建议的反馈。

当顾客尚未决定要搜索什么商品时，这种上下文记录很有帮助。在用户将不确定的目标转化为具体标准时，助手可以参与其中。

Google 并未忽视这一领域。其 AI Mode 及其他对话式搜索体验能够理解复杂问题，而 Doppl 等产品则探索了 AI 生成的个人造型。

Doppl 允许用户上传穿搭图片，并在自己的动态数字版本上预览这些服装。Google 还推出了 Wardrobe 功能，可整理用户照片库中检测到的服装。

这些实验说明 OpenAI 面临着一位强劲对手。Google 可以在多个既有界面中连接商品搜索、个人照片、浏览器活动、图像发现、广告、商家数据源和时尚实验。

OpenAI 的优势在于界面集中化。用户无需了解哪一款专门的 Google 产品负责每个阶段。ChatGPT 将这种体验呈现为熟悉对话中的另一项能力。

这种简洁性也带来了风险。将商品发现、推荐、可视化、记忆和保存项目结合起来，可能让助手的输出显得比底层证据所能支持的更具权威性。

即使服装尺寸或生成细节不准确，一张精美的图片也可能在情感上说服购物者。对话式呈现还可能进一步模糊知情推荐与看似合理建议之间的界限。

这就是为什么核心竞争不只是比谁生成的图片更好看，而是 ChatGPT 能否让多步骤购物流程保持连贯，同时不助长不恰当的信任。

Google 现有的领先优势并不能解决这个问题。搜索领域的主导地位带来了分发能力，但当新界面减少重复操作时，购物行为也可能随之改变。

OpenAI 必须证明，这种便利性能经受真实商品目录、不完美的图片、不断变化的库存，以及服装尺码复杂现实的考验。

ChatGPT Try-On 如何运作，以及它的边界

ChatGPT try-on 会生成对商品与人物的视觉化诠释。它不会模拟实际合身度，也不会验证商品本身。

虚拟试穿系统会结合人物图片的信息与服装或配饰的视觉特征，随后生成一张新图，尝试同时保留两者的身份特征。

这项任务远比把一张图片贴到另一张上更困难。服装会随身体产生褶皱、响应姿势、遮盖已有衣物，并因材质不同而呈现不同形态。

图案、标识、扣件、肩带和面料纹理也可能在图像生成过程中发生变化。即使结果在视觉上令人信服，仍可能改动对买家很重要的细节。

OpenAI 并未公布这项购物功能的详细技术拆解。其支持材料指出，生成式试穿由 ChatGPT Images 完成。

该流程可接受符合条件的商品页面，或用户上传的商品图片；还会使用用户提供的自拍照或其他已保存的参考照片。

这一机制有助于评估整体外观。色彩搭配、轮廓、整体风格，以及与可见个人特征的协调性，都可能更容易想象。

但结果无法揭示面料的触感、接缝是否磨皮，或鞋子如何支撑足部。它也无法保证标注的尺码与购物者的实际测量数据相符。

它同样无法准确展示成品在真实光线下的垂坠效果。即便是忠实的商品照片，也只能呈现一个样品、一个角度和一组特定条件。

从事虚拟试穿系统研究的研究人员，长期以来一直将尺码控制视为与外观生成不同的挑战。模型可以生成吸引人的图片，却未必拥有预测合身度所需的足够物理数据。

OpenAI 直接说明了这一边界。其文档告知用户，结果不保证尺码或合身度，并建议咨询商家信息。

这段说明应当指导消费者如何使用该工具。ChatGPT 虚拟试穿更接近视觉灵感板，而不是远程量体裁衣服务。

该功能仍可能减少不确定性。在两种颜色之间犹豫的购物者，可以获得有用的判断方向，而无需期待厘米级精度。

它也能帮助用户探索原本不会在门店里尝试的风格。生成多套造型，比在试衣间里收集多件衣物的社交和操作成本更低。

商品图片上传路径扩大了这种探索空间。只要图片合适且请求符合平台规则，它可以处理在 ChatGPT 之外找到的灵感来源。

不过，截图会引入另一项可靠性问题。模型可能无法知道图片中商品的确切款式、面料、剪裁或可选变体。

对话请求可以澄清部分背景信息，但无法恢复源材料中不存在的事实。购物者在把生成造型视为购买参考前，应回到零售商的商品页面核实。

生成结果还可能影响人们对身体外观的预期。图像模型可能平滑纹理、改变比例、调整面部特征，或修改服装，以形成更协调的构图。

OpenAI 承认，商品和用户都未必会被准确呈现。这项警告值得获得比成图真实感更多的关注。

最理想的结果，是带有明确限制条件的决策支持；最糟糕的结果，则是一张具有说服力但并不准确的图片，压过了尺寸和退货条件所提供的更可靠证据。

已保存照片带来隐私考验

反复试穿的便利依赖于保留个人图片，因此数据控制也成为购物体验的一部分。

OpenAI 表示，参考照片会被保存，以供未来虚拟试穿使用。用户可通过 Settings、Personalization 和 Reference photos 进行管理。

这一设计免去了重复上传，并加快了探索过程。但这也意味着，该功能并非只是处理一张临时图片后立即丢弃。

自拍照或全身照可能包含敏感的背景信息，包括面部、体型、大致年龄、家居环境、位置线索，或背景中的其他人。

因此，用户应慎重选择参考图片。纯色背景，以及专门为试穿拍摄的照片，可以减少不必要的信息暴露。

OpenAI 的购物页面说明了如何替换或删除已保存的参考照片。但该页面没有像 Google 那样，提供关于生物识别数据和模型训练的、面向试穿功能的详细承诺。

Google 的照片政策指出，其试穿体验不会收集生物识别数据；同时还表示，上传图片不会用于训练，也不会与第三方共享。

这并不自动意味着其中一项服务比另一项更安全。但它确实让用户拥有一组更明确的声明可供比较。

OpenAI 用户应查看其账户和组织对应的数据控制设置。消费者、企业、教育和企业级环境可能有不同的数据处理安排。

人们也应避免未经许可上传他人的照片。逼真的试穿结果或许看似无害，但源照片仍属于可识别的个人。

零售商也面临类似挑战。生成图片可能错误呈现服装细节，进而制造实际商品无法满足的预期。

变形的标识、长度、领口或材质，都可能影响购物者的决定。即使零售商并未生成该图片，消费者也可能将这种错误与商家联系起来。

OpenAI 关于商品排序的声明也需要持续观察。该公司表示，购物结果是独立的，不受商业合作关系影响。

然而，商品发现系统依赖商家数据源、结构化元数据、第三方内容和库存信号。这些输入在不同零售商之间并不同样完整。

数据更规范的商家，可能更容易被自动化系统理解。这并不意味着系统有意偏向该企业，但仍可能影响其可见度。

同样的问题已经存在于搜索引擎和电商平台中。对话式购物让选择过程更不透明，因为用户看到的可能是一条简洁推荐，而不是数页备选结果。

Favorites 会加深这一影响。一旦购物者保存了多件商品，之后的对话可能越来越围绕这个保留集合展开，而不是更广泛的市场。

这种持续性固然方便，但也可能限制探索。用户应定期询问替代选项，并核实已保存商品是否仍以所述规格在售。

OpenAI 必须让删除、更正和推荐控制项易于找到。围绕个人图片和累积偏好构建的功能，依赖于用户信心。

准确性同样影响信任。如果反复试穿会不一致地改变身体特征或服装细节，已保存的参考图片就不再像稳定的呈现。

该公司自身的限制说明设定了恰当的谨慎标准。OpenAI 应在生成图片出现的任何地方保留这一警告，而不只是将其放在支持文档中。

将决定 AI 购物竞争的因素

下一项考验是人们是否会反复使用 ChatGPT 购物，而不是是否会生成一张有趣的试穿图片。

第一个信号，是用户跨多个商品和多个会话的持续使用。Favorites 应能揭示购物者是否会回到先前的决策，而非仅将虚拟试穿当作新奇玩法。

OpenAI 尚未披露新功能的采用数据。重复使用、创建文件夹，或从已保存商品跳转至商家页面的证据，将增强其一体化购物策略的说服力。

短暂的图像生成热潮则表明另一种情况：它展示了人们对视觉效果的兴趣，却无法证明 ChatGPT 会影响严肃的购买决策。

第二个信号是商品和图像准确性。OpenAI 需要让生成服装的细节保持可识别性，同时持续一致地保留用户外观。

当错误改变商品的关键特征时，其影响最为显著。移位的下摆、缺失的口袋、被弱化的图案或改变的配饰，都可能让可视化变成误导信息。

系统还需要最新的商品数据。如果用户到达结账页面前，颜色、尺码、卖家或库存情况已经变化，再吸引人的推荐也会失去价值。

OpenAI 扩展后的商业协议旨在改善商品目录呈现。商家参与度和数据新鲜度，将决定这一技术基础能否匹配 Google 的购物基础设施。

第三个信号是 Google 的回应。Google 可以将虚拟试穿扩展到更多场景，让 Wardrobe 与 Shopping 更紧密连接，或加强围绕商品的对话式引导。

Google 还可以利用浏览器层面的优势，将试穿直接带到零售商页面上。其现有 Chrome 实现已经指向一种可随用户在网络中流动的购物层。

Google 更快的推进速度将削弱 OpenAI 的界面优势；零散或令人困惑的回应，则会为 ChatGPT 成为更简洁的起点留下空间。

零售商应同时关注两家公司，而不要假定某一方会控制整个购物旅程。商品数据源、准确图片、完整尺码信息和一致标识符，有助于任何 AI 系统正确呈现商品。

购物者应采用更简单的检验标准：使用 ChatGPT 虚拟试穿比较风格，而不是用它替代尺寸测量、材质细节或退货政策。

如果结果看起来不一致，请使用不止一张参考照片尝试同一件商品。在依赖可视化结果前，检查具有辨识度的商品细节是否在生成过程中得到保留。

在 Personalization 下查看已保存照片，并删除不再需要的图片。购买前重新检查 Favorites，因为商品信息和库存可能发生变化。

最重要的是，将生成图片与零售商的原始图片进行比较。即使看上去像照片，助手生成的版本仍然只是一种诠释。

OpenAI 已经打造出一条连贯路径，可从模糊的服装想法走向已保存的商品候选清单。Google 在商品搜索和虚拟试穿历史方面，仍拥有更强的基础。

最终结果将取决于使用行为，而不是发布首日的新鲜感。购物者会信任一段对话来引导发现、可视化、比较和回忆，还是会回到专业购物工具？

目前，应将 ChatGPT 虚拟试穿视为有用的视觉筛选器。用真实商品细节检验它，留意其已保存照片控制项，并观察 OpenAI 是否会在未来几个月提高一致性。