10月1日，OpenAI为ChatGPT上线了一项购物新功能：用户上传个人照片后，即可虚拟试穿服装与配饰，查看上身效果，并把心仪的商品存入Favorites收藏库，方便后续比较与复购。这家公司此前已经把商品检索与站内结账接进了对话流程，这次补上的试穿环节，让从提问、挑选到确认购买的全链条第一次在同一个对话框里走完。功能上线后，试穿图与商品会一并保存在个人收藏中，用户可以随时回看对比。从产品节奏看，这已经是ChatGPT在一个月内第二次加码购物场景，检索、结账、试穿三个环节分三步落地，显露出把对话助手变成交易平台的完整规划，而不是零散的功能试探。
操作流程被刻意做得极简。用户在对话里上传一张自己的照片，再描述想试的商品，模型会生成穿着该商品的合成效果图。效果图的看点在于合成的自然程度：服装的版型、垂坠感与人体姿态需要匹配，鞋帽配饰还要处理透视与遮挡。这类生成依赖的是OpenAI自家图像模型与人体建模能力的组合，把商品图与用户照片在保持身份特征的前提下融合。从公开演示看，上衣、外套、鞋履等品类的效果相对稳定，面料细节则仍有合成痕迹。
Favorites收藏库的加入让试穿从单次体验变成了可持续的购物流程。用户试穿后可以把商品与试穿图一起收藏，跨会话保留，后续比价或下单时直接调取。这个设计的意图很明显：让用户沉淀在ChatGPT里，而不是试完图再去电商平台搜索。购物车的心理账户一旦建立，复购与比价行为都会发生在平台内部，这正是传统电商最看重的用户资产。对服装品牌来说，收藏库里的试穿图还是一份天然的兴趣清单，用户的偏好以视觉形式沉淀下来，后续的推荐与召回都有了更精确的依据，品牌与用户的连接方式随之改变。
回看ChatGPT购物功能这条线，节奏是分三步走的。第一步是导购问答，用户描述需求，模型推荐商品并给出理由；第二步是站内结账，选定商品后可以不跳出对话直接下单；第三步就是这次的虚拟试穿，解决的是买衣服最核心的决策障碍：穿上到底什么效果。三步连起来，一个不依托传统电商界面的购物流程就完整了。
这个闭环对零售行业的意义在于入口的迁移。过去用户买衣服的路径是打开购物应用、搜索、翻评价、下单，平台的界面设计与推荐算法决定了一切。现在用户可以在对话里说一句想要一件适合春秋穿的休闲外套，模型理解意图后直接给出候选并支持试穿。决策的起点从搜索框变成了自然语言，货架逻辑被对话逻辑替代了一半。更深远的影响在数据层面：用户的身材特征、风格偏好、试穿记录会沉淀在助手一侧，这份数据的粒度远超电商平台的行为日志，谁掌握它，谁就掌握了服饰消费的决策入口。OpenAI暂未公布支持的品类与地区范围，但方向已经清楚：AI不只是流量入口，而是要成为交易前端的决策工具。
功能最受关注的问题当然是隐私。虚拟试衣要求用户上传本人照片，人脸数据属于最敏感的个人信息类别，照片会被如何存储、用于何种训练、保留多久，OpenAI在上线时并未给出完整说明。业内对此普遍持审慎态度：如果试穿图与原始照片被用于模型改进，用户的人脸特征就可能以某种形式留存，泄露后的伪造风险远高于普通照片。
合成图的真实性边界同样值得讨论。试穿图本质是生成内容，上身效果与实物之间必然存在色差与版型偏差，尺码信息更是无法通过一张合成图传递。如果用户依据试穿效果下单后实物不符，纠纷责任如何划分，目前没有答案。行业观察者建议把这类功能定位为参考工具而非决策依据，平台侧也应考虑在生成图上做明确的合成标识，避免试穿图被二次传播后引发冒用问题。这些细节的完善程度，将直接决定功能能走多远。行业也在观望监管的态度，人脸数据的采集与使用在多个法域都有专门规则，虚拟试衣如果大规模铺开，大概率会成为AI应用隐私合规的标志性案例，处理方式会被后来者参照。
把镜头拉远，虚拟试衣是AI助手抢夺电商入口这盘大棋的最新一步。此前已有多个AI购物助手在商品比价与推荐环节发力，浏览器厂商也在把购物能力内置进AI侧边栏。传统电商平台的反应则相对防御：有巨头已经出手阻止第三方智能体代用户在自己平台下单，理由是违反平台条款，这说明平台方对交易入口外流的警惕是真实的。
对服装这类高试错成本的商品，虚拟试衣恰好切中了线上购物最大的痛点，也最容易建立用户心智。如果OpenAI接下来把尺码推荐、身材数据管理与跨商家比价补齐，对话式购物的完成度会进一步提高。当然，挑战同样存在：商品供给需要商家配合接入，履约与售后依然要依赖传统电商的基础设施，AI助手目前更像一层决策界面而非交易平台。但方向已经没有悬念，购物这件事的交互方式，正在被大模型重写一遍。对国内从业者而言，试穿类功能在电商场景的渗透同样在加速，图像模型的编辑能力与人体建模精度已经足够支撑商用，关键在于商品数据的标准化与退换货体系的配合，这是比模型能力更现实的门槛。