标题和作者
本文的标题为“Amazon's search bar will invent AI-generated products you can't buy”（亚马逊的搜索栏将发明你买不到的AI生成产品），作者是 Emma Roth。文章主要报道了亚马逊在其移动应用中引入AI生成图像功能，以帮助用户通过自然语言描述来寻找外观相似的真实商品。作者 Emma Roth 是一名新闻撰稿人，主要报道流媒体大战、消费科技、加密货币和社交媒体等领域，此前曾任职于 MUO 担任撰稿人和编辑。
摘要
本文报道了亚马逊更新其应用内搜索栏，推出根据用户文字描述显示AI生成产品图像的新功能。在此之前，Google 去年已经在 AI Mode 中推出了类似的功能，通过生成虚假服装和装饰图像来帮助用户寻找现实中的相似产品；同时，许多在线零售商也正在与 Gemini 和 ChatGPT 合作，将AI深度融入购物体验中。尽管如此，亚马逊依然需要推出此功能以填补自身平台在视觉搜索领域的空白，并解决用户记不住特定纹理或风格名称（如“cowl neck”）时的搜索难题。在具体实现上，当用户在应用中输入描述时，系统会生成服装和家居用品的AI图像，用户点击这些虚拟图像后，系统会搜索并展示相似的真实商品；此外，亚马逊还推出了“shop by style”功能，生成包含真实可购买服装的AI拼贴画。目前来看，该功能在寻找复杂或难以具名的款式时非常方便，但对简单搜索（如“blue t-shirt”）帮助不大，这些功能已在 Android 和 iOS 平台的亚马逊应用中推出。
本节中的术语解释：AI Mode 是 Google 推出的一种搜索功能，允许用户通过生成虚拟图像来寻找现实中的相似商品。Gemini 和 ChatGPT 是目前主流的大型语言模型和人工智能助手，被零售商用来增强用户的购物体验。“shop by style”（按风格购物）是亚马逊的一种功能，通过AI生成穿搭拼贴画，但拼贴画中的单品是真实的且可以直接购买。
主要主题和概念
基于AI图像生成的视觉搜索功能
What：亚马逊应用引入了一项新功能，在用户通过文字描述搜索服装或家居用品时，系统会直接生成并展示虚拟的、不可购买的AI产品图像。
Why：用户在购物时往往对某种特定的设计、纹理或风格有需求，但不知道其准确的专有名词（例如知道想要“带有垂领的衬衫”，却不知道这叫“cowl neck”）。传统的纯文字搜索在这种情况下难以精准匹配，导致搜索效率低下。
How：用户在亚马逊应用的搜索栏中输入对物品外观的自然语言描述，系统会实时渲染出符合描述的AI图像。用户可以从生成的图像中选择最符合心意的一张，系统随后会基于这张虚拟图像，在商品库中寻找并展示外观相似的真实可购买商品。
AI辅助的真实商品搭配展示
What：亚马逊推出的另一种结合AI技术的购物功能，向用户展示由AI生成的服装搭配拼贴画，但拼贴画中的服装是真实的。
Why：消费者在购买单件商品（如牛仔短裤）时，往往需要灵感来了解这件商品如何与其他服饰搭配。单纯的商品展示缺乏整体的穿搭氛围，无法有效激发用户的购买欲望和提供搭配参考。
How：当用户搜索某件特定的服装时，亚马逊会提供一个建议穿搭的轮播图。这些穿搭场景是由AI技术生成的拼贴画，但拼贴画中包含的每一件单品都是亚马逊平台上真实存在的商品，用户可以直接点击购买图片中的所有单品。
本节中的术语解释：视觉搜索是指利用图像作为搜索词来查找相关信息或商品的技术。拼贴画在本文中指AI将多件真实服装商品组合在一个虚拟模特或场景中生成的整体穿搭效果图。轮播图是一种网页或应用界面的展示形式，用户可以通过左右滑动查看一系列相关的图片或内容。
重要引文
论点：亚马逊推出AI生成图像搜索功能是为了帮助用户在无法准确说出特定款式或材质名称时，更直观地找到所需商品。
论据：亚马逊在博客文章中提到，该功能旨在帮助用户在记不住特定纹理或风格名称时进行搜索，例如当用户想不起来“cowl neck”这个词时，可以描述为“shirt with a draped collar”。同时，该功能目前仅限于服装和家居用品，且点击生成的图像可搜索相似的真实物品。
论证：通过亚马逊官方的博客说明以及具体的应用场景举例（如垂领衬衫与 cowl neck 的对应关系），文章论证了这项新功能的设计初衷。此外，文章指出对于像“blue t-shirt”这样简单的搜索，该功能作用不大，进一步反向证明了其核心价值在于解决复杂、难以具名的商品描述问题。
本节中的术语解释：cowl neck 是一种服装领型的专有名词，指的是宽松且在颈部有堆叠褶皱效果的领口设计，中文常称为“堆堆领”或“垂领”。
总结
亚马逊正在通过引入生成式AI技术彻底改变传统的电商搜索体验。最引人注目的创新在于，系统不再仅仅依赖关键词匹配，而是化身为“虚拟设计师”，直接根据用户的模糊描述“捏造”出服装和家居用品的图像，然后再去寻找现实中的替代品。这种“先画图，后找货”的逆向搜索模式，极大地解决了消费者“词穷”的痛点。与此同时，亚马逊巧妙地区分了“虚拟灵感”与“真实购买”，在“shop by style”功能中，虽然穿搭场景由AI生成，但商品却件件保真，兼顾了灵感启发与实际交易闭环。目前，这些前沿的AI购物体验已全面登陆 Android 和 iOS 平台。当前存在的局限是，它对简单的需求提升不明显且品类仅限于服饰和家居。未来，随着AI对自然语言和图像理解的不断深化，这种基于模糊描述和视觉直觉的搜索方式有望扩展到更多商品品类，进一步消除用户表达与商品特征之间的语义鸿沟。