亚马逊把生成式 AI 放进了搜索栏。用户在 Android 与 iOS 的 Amazon App 内输入商品描述后，系统会先生成一张对应的 AI 商品图，再根据这张图去搜索外观相近的真实商品；这项功能目前只覆盖服饰与居家用品两大品类。
这套机���瞄准的不是“我已经知道要买什么”的搜索，而是另一类更模糊的需求。比如用户想找“有垂坠领口的上衣”，却不知道这种剪裁叫 cowl neck，就可以先用白话描述，再由系统把想象中的样式画出来。图像不是商品库里的预览，而是 AI 按描述生成的结果，用户点选最接近的一张后，平台才开始寻找现实中外观相似的商品。
看到的图不一定买得到
问题也很直接。AI 生成的商品图并不对应亚马逊货架上的现货，它只是一个“理论上存在”的款式。真正出现在搜索结果里的，是系统随后匹配出的相似品。这意味着，用户先看到的理想化图像，与最后能买到的商品之间，可能存在明显落差，体验摩擦就出在这里。
若搜索目标本来就很明确，这种方式的帮助并不大。像“蓝色 T 恤”这类标准化需求，直接关键词搜索通常更快，也更容易得到准确结果。先生成一张蓝色 T 恤的 AI 图，再去找相似商品，并没有显示出更高的效率。
亚马逊把 AI 前移到“需求形成”阶段
把这项更新放回电商竞争环境里看，逻辑就清楚了。Google 去年已在 AI Mode 中上线相近功能，通过生成虚构的穿搭图和家居布置图，引导用户寻找风格相似的真实商品。亚马逊这次跟进，目标也是把生成式 AI 嵌入购物搜索最前端，也就是用户还在描述、还没完全形成购买意图的时候。
传统电商搜索更像漏斗，用户带着相对明确的需求进入平台，系统负责筛选商品。新功能试图往漏斗上游再推进一步：当用户脑中只有模糊印象、缺少准确名称时，AI 先把这个意图可视化，再把浏览路径导向可购买商品。对平台来说，这关系到一个核心指标——商品发现率，也就是用户在没有明确目标时，能否被引导到最终愿意下单的商品。
零售平台都在加码 AI 导购
这类变化不只发生在亚马逊。素材显示，阿里巴巴已把大型语言模型 Qwen（千问）接入淘宝超过 40 亿件商品，搭建对话式导购界面；多家线上零售商也在与 Gemini、ChatGPT 等模型合作，把 AI 更深地嵌入购物流程。
亚马逊内部其实也有另一条路线。名为“shop by style”的功能同样会展示 AI 生成的穿搭拼贴图，但拼贴中使用的全部都是平台上真实���在、可以直接购买的商品。两者区别很明显：一个先生成可能并不存在的商品想象图，再去匹配相似现货；另一个则直接用真实在售商品完成风格组合。