試衣間的神經網路革命：Zalando、Zara 與 ASOS 押注 AI 解決時尚電商的十億美元退貨難題

線上時尚業有個不太光彩的秘密：它賣出去的商品，有相當大一部分很快就會被退回來。網購服飾的退貨率介於 20% 到 40% 之間，其中約一半的原因是尺寸不合——而整個產業基本上拿這個問題沒轍。本週，《Bloomberg》發表了一篇親手實測的報導，檢視零售商如今寄望能破解這個難題的技術：AI 虛擬試衣間，今年正在 Zalando、Zara 母公司 Inditex 和 ASOS 陸續上線。這篇報導的結論比一般的「AI 改造零售」故事更有意思，因為它捕捉到一個消費級 AI 品類從展示Demo走向基礎設施的時刻——過程參差不齊，而且充滿真實的取捨。

問題比多數人想像的更大

服飾是電商退貨率最高的品類，而且遙遙領先。2026 年的產業基準顯示，網購衣物的退貨率在 20% 到 40% 之間，而整體線上退貨率約為 19%。一個常被引用的對比是：同樣一件衣服，網購的退貨率約 22%，實體店面購買只有 6.2%。如今有一半的線上購物者習慣同一件衣服買多個尺寸、再把不合的退掉——業界把這個行為稱為「bracketing」（括號式購買），好像給失敗行為取了名字，它就變成某種功能似的。

經濟代價相當殘酷。美國消費者近年每年退回價值數千億美元的商品，而每件被退回的衣服都要吃掉來回運費、重新上架的人力，而且往往最終被清倉拍賣或直接銷毀，而不是重新販售。一篇 2025 年的學術研究估計，時尚退貨在單一年度就讓英國產業損失 70 億英鎊，並因廢棄衣物產生 75 萬噸二氧化碳排放。對毛利偏低的線上零售商來說，退貨常常就是一筆訂單賺錢或虧錢的分界線。

三家公司，三種哲學

這個時刻之所以值得注意，在於幾家大廠是從截然不同的技術方向，同時向這個問題收斂。

Zalando——量測與模擬。 這家擁有約 5,000 萬顧客的德國平台，走的是最工程導向的路線。顧客提供身體數據後，系統會建立一個 3D 虛擬分身，然後模擬某件特定衣物穿在上面的樣子——還附帶一張顏色標示的「合身熱圖」，顯示哪裡太緊、哪裡偏鬆。它刻意不在虛擬分身上放顧客的臉，避開了盯著「數位版的自己」看所帶來的自我認知扭曲。Zalando 表示，2023 年以來的試點顯示，牛仔褲品類的退貨率最多降低 40%，如今正從試點走向全面推廣，同時搭配一套以數百萬筆購買與退貨紀錄訓練的尺碼推薦系統。

Zara／Inditex——生成式影像。 Zara 的做法於 2026 年 1 月在西班牙上線，並被 Inditex 高調定位為旗艦 AI 專案，其哲學正好相反：不做物理模擬，而是用生成式 AI 展示衣物穿在一個「長得像你」的虛擬分身上的效果。在 Bloomberg 的實測中，這是更有趣、視覺上更吸引人的體驗——但每個造型要等大約兩分鐘才能生成，每天限看五套，而且它告訴你的是穿搭「看起來」如何，而不是「合不合身」。

ASOS——推薦優先。 ASOS 主要依靠「合身助理」工具，根據購買與退貨數據引導購物者選對尺碼，並表示這提升了顧客滿意度、減少了尺寸相關退貨。這是最不炫的做法，值得注意的是，它也是唯一不需要你交出身體掃描資料的做法。

這個對比很重要，因為它正好對應了 2026 年整個生成式 AI 技術棧的一道斷層：逼真的圖像生成既便宜又無所不在，但「真實資料」（ground truth）——知道某件特定 32 腰的牛仔褲到底合不合你的腰——仍然需要量測數據，而這恰恰是圖像模型沒有的東西。

試點與平台之間的落差

有一個數字，應該能讓所有「AI 解決退貨問題」的標題冷靜下來：Zalando 在 2022 年的試點約有 3 萬人參與，到 2024 年底，虛擬試衣間的累計使用人數約 8 萬——只佔其 5,000 萬顧客的一小部分。如果 40% 的退貨減幅能全面適用，部署速度理應快得多。與此同時，Zalando 悄悄把退貨期限從 100 天縮短到 30 天——胡蘿蔔與棍子同時出手。

今年的獨立測試也在整個領域發現同樣的模式。一篇比較 21 家虛擬試穿供應商的評測，在「實際合身預測」這一項上，幾乎給了所有廠商 1 分（滿分 5 分）：Google 基於擴散模型的試穿能生成漂亮的圖片，卻完全不知道你的身體數據；Snapchat 式的 AR 疊加無法模擬布料的垂墜；只有那些完全不顯示圖片、不起眼的尺碼推薦引擎，才能穩定交出兩位數的退貨降幅。視覺最好的工具告訴不了你合不合身，真正懂合身的工具卻什麼都不給你看。

還有更尖銳的研究發現。愛荷華州立大學針對 8,000 多名顧客的研究發現，虛擬試衣間提高了低 BMI 購物者的購買意願，卻降低了高 BMI 購物者的消費與自尊——而且效應比在實體試衣間更強——在超過 60% 美國女性穿大尺碼衣物的市場裡，這是個嚴重問題。此外，這些工具蒐集的生物特徵資料（身體掃描、臉部幾何）自 2021 年以來，已經在伊利諾州 BIPA 法之下累積了 15 起以上的集體訴訟，和解與駁回抗辯的判決不斷出現。

為什麼這依然是一件大事

撥開炒作，方向其實很清楚。Zalando 明言正在把自家精準量測的路線，與 Zara 更具啟發性的生成式呈現結合——這句話某種程度上概括了消費級 AI 的整體走向：用生成換取參與，用量測換取信任。各個環節正從兩端互相靠攏。時裝設計師使用的物理布料模擬技術（CLO3D、Browzwear）正被神經網路加速——近似布料垂墜的計算比傳統求解器快上數百倍；從照片萃取身體量測的技術正在商品化；開源試穿模型如今在消費級 GPU 上就能跑。

試衣間問題多半不會被一張更漂亮的圖片解決。它如果被解決，靠的會是交易兩端更精準的量測：你身體的實際尺寸、衣物的實際尺寸，以及一個誠實到願意告訴你「哪裡貼身、哪裡空著」的模擬。這比較是資料問題，而不是生成問題——這也是為什麼握有退貨數據的零售商（Zalando、ASOS、Inditex），在結構上比純做 AI 試穿的新創更有優勢。

此刻，下次當一個 AI 虛擬分身穿著那條牛仔褲帥給你看時，請記得那張圖回答不了的問題：腰圍到底合不合？2026 年真金白銀投入這件事的零售商們都知道，這才是唯一重要的問題——而答案最好的那一家，會安安靜靜地拿走其他人的毛利。