试衣间没关门，是被人绕过了身体。
AI虚拟试衣技术到底在做什么？在美国，这家名为 Lumesa 的初创公司，与Anne Klein合作的虚拟试衣功能目前处于 beta 阶段：消费者在品牌官网浏览单品时，会看到“Build a Look”选项，系统基于用户已选的商品，自动生成一整套搭配——从上装、下装、连衣裙到腕表与鞋履，并以自然的方式分层叠穿。用户可以选择把搭配穿在 AI 生成的模特身上，也可以上传一张自己的照片，生成一个与自身体型对应的“数字分身”（digital twin）来试穿。
技术的细节里有几个值得留意的点。
第一，它把“品牌 DNA”编码进了算法：Lumesa 用 200 多个品牌专属视觉参数（据 AlleyWatch 对融资的报道）训练定制模型，能识别“衬衫是否掖好、外套是否敞开”这类微妙但决定调性的造型细节，让 AI 生成的图通过品牌专业拍摄的标准。
第二，它强调 size-inclusive——用户可选择大码 AI 模特，或让数字分身反映对应体型。
第三，画面可动态化，以查看衣料垂坠；品牌还能设置“护栏”（guardrails），确保搭配“不跑偏”。未来还可能支持把整套造型分享到社交媒体。
这家公司本身也颇有故事。它前身叫 Flock AI，2026 年初因不愿与争议性的监控摄像头公司 Flock Safety 混淆，改名为 Lumesa（源自 lumen，意为“光”）——“把购物者的想象照亮”。创始人 Mallela 曾任 Bloomingdale's、Jet.com/Walmart 的买手与创意运营，CTO Malavika Reddy 有十余年计算机视觉经验。
2026 年 2 月，Lumesa完成 600 万美元种子轮，由企业软件风投 Work-Bench 领投，January Ventures、Red Bike Capital、Outlander VC、AI Furnace、Dorm Room Fund 等跟投，总融资达 750 万美元，团队约 41 人。
有意思的是，这笔合作是在阿里巴巴 Alibaba.com 的 CoCreate 2026 大会上宣布的——Lumesa 定位面向服装、美妆与家居品牌，连接创作者与海内外制造商。一个纽约团队，在杭州的跨境电商主场露面，本身就暗示了这条赛道的中外同台。
实际上，虚拟试衣并不是一个新概念。Yahoo Tech 在转载这篇报道时曾写道，虚拟试穿在零售时尚里已存在二十多年，从 2D 可视化演进到 AR 试衣镜，但始终卡在“纸片人感”与“只显示局部”的体验断层。真正让它从噱头走向规模的，是近两年的数据与资本——这也正是“试衣间消亡”不再是一句修辞，而是正在发生的基础设施迁移。
其实，真正支撑虚拟试衣赛道增长的，是服装行业的顽疾——退货率。
服装是电商退货率最高的品类，Pmarketresearch数据显示时尚退货率普遍在 30%–40%，且大多卡在尺码；Shopify 的研究则称，使用 AR 试穿的顾客退货可能性低约 40%。
把镜头切回中国，逻辑完全一致只是体量更大：据行业转引数据，2025 年中国服装电商退货率约 35%，其中 65% 因版型/尺码不合；工信部《虚拟现实产业发展白皮书》已明确“2025 年沉浸式试穿技术渗透率需超 40%”。
另外，据中研普华产业研究院监测，2023 年搭载虚拟试衣的电商平台 GMV 提升 23.7%（行业均值仅 9.2%），转化率提升 18.4 个百分点，退货率下降 19.8%。当试穿能直接降低退货与仓储成本，品牌才愿意把它从营销预算挪进基础设施预算。
第一股力，是退货率背后的真金白银。每一单退货都意味着双向物流、质检与库存沉没。据市场转引测算，AI 试衣可降低 18%–25% 的退货率，为行业年省超百亿元。这是品牌愿意为“试穿”持续付费的根本动机，而非尝鲜。
第二股力，是生成式 AI 第一次把“纸片人”变成了“可信的数字孪生”。过去虚拟试衣的致命伤是“不像”——衣服像贴图、布料不分材质。
而今天，Lumesa 用 200+ 品牌参数 + 强化学习让 AI 懂品牌的调性；同一道题，中国公司从不同侧面给出了更重的答案：杭州凌迪 Style3D 用自研柔性体仿真引擎，积累了几十万种面料的物理参数库，能还原褶皱、自接触与多点缠绕；北京心咚 Heartdub 用物理引擎还原真实材质的垂坠与纹理，已进入 LVMH 的 Retail Lab 与开云（Kering）的数字化转型；杭州知衣科技则把服饰大模型 Fashion Diffusion 推向“10 多秒出一张实穿效果图”。算法 + 数据，让“虚拟”第一次逼近“真实”——这正是中外玩家共同啃下的保真度瓶颈。
第三股力，是流量去中心化，“内容即货架”。Lumesa 特意留出“分享到社媒”的接口，因为一套好看的虚拟穿搭天然适合传播；这背后是 TikTok Shop 把“发现”与“购买”并在一起的趋势。
中国市场的对应物更直接：抖音的 AR 逛店、火山引擎开放的虚拟试穿 SDK，都是把试穿做成可被算法分发的“内容资产”。当试衣从门店功能变成社媒货币，需求侧就被彻底点燃。
顺着“为谁做、解决哪一段”的逻辑来拆解，赛道上也已经跑出了三种清晰的打法。
首先是C 端体验派（轻 SaaS / 硬件）。
Lumesa 属于这一类：直接面向消费者，用自拍分身 + 品牌护栏降低试穿门槛，按 SaaS 收费。在中国市场，最像它的是“薇光点亮”——这家硬科技公司 2026 年完成超 1 亿元人民币 Pre-A 轮，由红杉中国与蓝驰创投联合领投，蚂蚁战投、鼎晖投资跟投，老股东九合创投追投；它做的是“时尚 AI Agent”产品矩阵，并秘密研发首款“时尚 AI 原生终端”——一面落地镜，能据身材、天气、场合实时给穿搭建议。换句话说，把试衣间直接做成了硬件。
简单说，Lumesa 还在软件里，薇光已经把镜子搬进了更衣室。
然后是B 端研发派（工业软件）。这一派不卖给消费者，卖给品牌的研发部，用“数字样衣”替代实物打版。
凌迪 Style3D 是头部：客户涵盖波司登、安踏等超 3000 家企业，把设计周期从 30 天压到 3–5 天、样衣采用率从 30% 提至约 60%；融资累计超 10 亿元（2017 年天使、2022 年近 1 亿美元 Pre-B+ 由高瓴与鼎晖等投资、2023 年 B 轮 2 亿元），2024 年入选国家级专精特新“小巨人”，2026 年 2 月发布具身仿真系统 SynReal 并与银河通用合作，还是英伟达 Newton 物理引擎平台的形变体模拟合作伙伴。
广东时谛智能 Revobit 则聚焦鞋服 3D 协同，客户含安踏、FILA、HUGO BOSS、百丽、李宁等，覆盖全球 20 多个国家、超 100 家客户，获红杉、CMC、顺为、线性、GGV 纪源、钟鼎等数亿元投资。
心咚 Heartdub 以面料物理仿真切入，客户含李宁、山东如意、Dior、万事利，2021 年完成数千万 Pre-A 轮（合鲸资本等）。
还有一类，是平台（流量入口）。淘宝“魔搭”覆盖 4.3 亿 SKU、日均调用 1.7 亿次（据中研普华，属咨询口径）；阿里 FashionAI 面料库覆盖超 1.2 万种材质物理特性；京东虚拟试衣间采用奥比中光 3D 摄像头 + 商汤 SenseMARS 渲染，线下已部署数百家门店（据市场转引）；抖音则把 AR 试穿做成可被中小商家调用的 SDK。百度、腾讯的虚拟试衣方案据博研咨询报告已有 200 余家品牌接入。
一条更重的中国路线：海外 Lumesa 是“轻 C 端 SaaS”，单点突破；中国则在同一窗口里同时跑出“重 B 端工业软件”（凌迪、时谛、心咚——已深入研发与供应链）、“硬件终端”（薇光点亮）与“平台级入口”（淘宝/京东/抖音），底层引擎、应用场景与资本密度都更重、生态更完整。
这恰是中美两条路线的差异：美国从消费体验单点切入，中国从产业全链路同时下手。
站在 2026 年往回看，试衣间的故事其实已经写好结局：它不是被一面面拆掉，而是被折叠进每个人的数字分身——从 Anne Klein 官网那次一键“Build a Look”，到凌迪的数字样衣、薇光点亮那面等待量产的“时尚魔镜”，试穿正从营销噱头滑向零售基础设施。
但要说这场折叠“何时真正完成”，还得先有一些需要面对的真实问题，它们是这道未来研判的前提约束。
保真度与算力成本。丝绸的垂坠、针织的纹理，仍是高难物理仿真。中研普华成本模型显示，4K 级渲染单次成本仍高于 0.37 元；凌迪创始人刘郴也坦言，高仿真样衣“需要一定的制作成本”，且“无法解决手感问题，不能完全替代物理样衣”。虚拟试穿能替代“看”，还替代不了“摸”。
人体数据的隐私红线。网信办安全报告将人体扫描数据的泄漏风险评级为 AAA 级，监管正在收紧。而 Lumesa 这类 C 端方案恰恰要求用户上传照片、生成数字分身——隐私不是加分项，是硬约束。国内《中华人民共和国数据安全法》与个人信息保护框架下，身体数据如何合规采集与销毁，仍无统一答案。
“数字孪生”能否替代试穿的体感？中研普华引述耐克技术实验室测试称，运动场景的虚拟试穿适配率不足 30%；其问卷还显示 72.3% 的用户拒绝试穿操作超过 3 步。技术跃进与人性化体验之间，仍有一道落差。虚拟试衣解决了“好不好看”的预览，却还没解决“合不合身、舒不舒服”的终极信任。
上一代试衣间，靠一面镜子加一具身体；这一代，靠一套算法加一个数字分身。
无论哪家，真正要赢的护城河，不是谁的引擎更逼真，而是消费者愿不愿意把身材数据交出去，并相信“屏幕上那个我”就是真实的我。试衣间或许不会从商场里彻底消失，但它作为“试衣服的唯一场所”的身份，正在被那只看不见的算法悄然接管。SJ Technology
