今天分享的产品是一款 AI 视觉购物应用：Scene，https://daletlabs.com/

初看这款产品，你可能会觉得：这有什么新奇的，又是陈词滥调。

别急，看完。它如果真的很“平庸”，我肯定不会花时间写的，何况投资人也不是傻子（me too）。

我很喜欢这个产品的理念。

你有没有过这样的经历？

原本只是想在小红书上看看别人怎么布置客厅，结果刷到了一个很好看的落地灯。点进去看了看，又发现旁边的沙发、地毯和茶几也不错。最后，原本没打算买东西的你，收藏了一整个购物清单。

很多时候，我们并不是先想好买什么，再去寻找商品。恰恰相反，是因为看到了某个东西，才突然产生了购买的欲望。

但现在大部分 AI 购物助手，似乎都在解决另一个问题。

你告诉它想买一件什么样的衣服，预算多少钱，希望是什么风格，它再帮你搜索、比较价格、推荐商品，甚至直接完成下单。

如果你很清楚自己要买什么，这当然很方便。可如果你只是想随便看看呢？

最近看到一家刚刚获得 700万美元融资的 AI 创业公司 Dalet Labs，做了一个叫 Scene 的购物 App。

Scene 的思路和大部分 AI 购物助手正好相反。

不是你告诉 AI 想买什么，而是 AI 根据你的喜好，不断生成你可能喜欢的商品画面，让你边看边逛。

你不需要搜索，也不需要和 AI 聊天。

打开 App，就会看到一组组 AI 生成的生活场景：有人穿着搭配好的衣服，房间里摆放着家具和装饰品，或者是某些运动用品的使用画面。

这些画面是 AI 生成的，但里面的商品来自真实品牌，可以直接购买。

你对哪张图片感兴趣，点进去看看。接下来，AI 就会参考你的互动行为，继续生成新的画面。

这有点像把 Pinterest、小红书和电商平台放到了一起，只不过，你看到的内容不再完全依赖博主拍摄，也不是事先制作好的商品广告，而是 AI 为你生成的。

这家成立仅一年的公司，想做的事情不只是换一种商品展示方式。

它认为，过去二十多年电商一直在优化搜索、推荐和购买效率，但 AI 时代可能出现一种新的购物入口：

商品不再只是被搜索出来，也可以根据每个人的兴趣被实时组合成不同的场景。

这个想法能不能成立，目前还是未知数。但它背后的产品逻辑，我觉得很值得分享。

没有搜索框的购物网站，怎么知道你喜欢什么？

先看看 Scene 究竟是怎么工作的。

Scene 的首页不是传统电商平台那种密密麻麻的商品列表，而是一条可以不断浏览的图片信息流。

图片里可能是一位穿着某种风格服装的模特，也可能是布置完整的客厅，或者一组适合某种户外活动的运动装备。

比如你最近想重新布置卧室，但还没有明确的购物计划。

在传统电商平台，你可能先搜索“卧室装修”、“床头灯”、“北欧风地毯”，再逐一查看商品。

在 Scene 里，你可以先浏览 AI 生成的卧室场景。

某张图片中的床头柜吸引了你，你点进去看了一眼。系统便获得了一个信号：你可能对这种家具风格感兴趣。

之后，它就可以继续生成相似风格的空间，或者把不同品牌的灯具、床品和装饰品重新组合起来。

你看到喜欢的商品，可以加入购物车。不同品牌的商品可以通过 App 内的统一结账流程购买，不必分别跳到多个商家的购物网站。

Scene 目前覆盖的品类包括服装、家居和运动用品。创始人表示，平台已有数百个品牌和零售商的商品目录。

这里是这个 App 最特别的地方：AI 不只是负责推荐商品，还负责创造商品出现的环境。

过去，商家需要自己拍摄产品图，或者请博主、达人把商品放进某个生活场景里。

Scene 则试图把这件事变成实时生成。

同一张沙发，可以出现在不同装修风格的客厅里；同一件外套，可以搭配不同的鞋子、裤子和配饰。

用户看到的，不再只是商品本身，而是商品进入某种生活方式之后的样子。

不过，Scene 目前仍在早期阶段。

公司没有公开详细的商品图像准确率、生成成本或用户体验测试数据，因此还不能确定它是否能够稳定、准确地还原所有商品细节。

尤其是服装版型、面料质感、家具尺寸这些直接影响购买决策的信息，AI 生成图片和真实商品之间的差异，未来可能成为一个需要持续解决的问题。

创始人曾在 Runway 做视频 AI，为什么突然转去卖东西？

Scene 背后的创始人 Omer Bar-Tal，经历有点特别。

他不是从传统电商平台出来的，主要背景是计算机视觉和生成式媒体研究。

根据公布材料，Bar-Tal 曾在魏茨曼科学研究所从事研究，参与过利用文本编辑真实世界视频的技术工作，并在 CVPR、ECCV、ICML、ICLR 等学术会议发表研究成果。

之后，他在 Google、Pika 和 Runway 等机构参与过视频基础模型与生成式视频相关工作，也负责过应用研究团队和产品推出。

2025年，他离开 Runway，创办 Dalet Labs。

过去几年，生成式视频领域最受关注的事情，是让 AI 生成越来越逼真的画面。Runway、Pika 等公司都在探索如何降低视频制作门槛。

但 Bar-Tal 最后选择的方向，不是再做一个视频生成工具，而是把生成式媒体技术放进一个普通消费者每天都可能使用的场景里：购物。

他在公开发言中提到，AI Agent 很擅长执行任务，但购物不只是一个任务。

人们会浏览、发现原本没搜索过的东西，甚至在购物过程中改变主意。

这个判断，也是 Scene 的产品起点。

大模型擅长理解明确的需求，但消费者的需求，有时候恰恰是在浏览过程中才形成的。

举个例子：

如果你告诉 AI “帮我找一双500元以内、适合通勤的黑色皮鞋”，它可以进行搜索、比较和筛选。

但如果你只是觉得最近想改变一下穿衣风格，却不知道自己适合什么，传统聊天式购物助手就没那么容易发挥作用。

因为你根本不知道该向它提出什么问题。

Bar-Tal 希望通过图片浏览解决这个问题。

让用户不用先把自己的喜好总结成语言，而是通过不断观看、点击、收藏和购买，逐渐表达自己的偏好。

这背后还有一个很值得注意的融资细节。

Dalet Labs 的 700万美元融资，其实在 2025年年底就已完成，当时公司的产品路线甚至还没有最终确定。

直到 2026年10月，公司才正式公开宣布融资，并推出 Scene。

也就是说，投资人当初押注的，并不是一个已经跑出用户规模的购物 App，而是创始人的技术背景，以及他对于下一代 AI 交互方式的判断。

这笔融资还吸引了 SV Angel，以及 Fred Ehrsam、Adam D'Angelo、Scott Belsky 等科技行业投资人参与。

对于一家产品还未大规模开放的公司来说，这个融资阵容确实不弱。

但这也意味着，Scene 目前的估值逻辑更多建立在团队和技术方向上，而不是经过验证的用户增长或收入表现。

不是在改造电商，而是在重新思考推荐算法

过去十几年，互联网公司已经很擅长推荐了。

你在淘宝看过一件衣服，接下来可能就会刷到一大堆类似商品。

你在小红书收藏了几张装修图片，平台也会不断推荐同类型的笔记。

这些推荐系统的核心，通常是从已经存在的内容里，找到最适合你的那部分。

但 Scene 想做的事情往前走了一步。

它不仅决定推荐什么，还可以生成推荐内容本身。

Dalet Labs 在10月16日介绍过自己的技术思路，并把它称为 Collaborative Generation，即协同生成。

简单来说，就是一个循环：AI 先生成内容，用户与内容互动，系统再根据这些信号生成下一批内容。

这与传统推荐系统最大的区别，在于内容本身不再完全固定。

比如一个用户喜欢极简风格的家具，却又对复古灯具表现出兴趣。

传统推荐系统可能从现有商品图片和内容库里，挑选相关商品继续推荐。

Scene 则希望进一步生成一种新的组合：把极简家具和复古灯具放在同一个空间里，让用户直接看到搭配效果。

如果用户喜欢，系统就可以沿着这个方向继续探索。

这里面其实有一个值得关注的技术变化。

以前，一张商品场景图的制作成本比较高。商家需要搭建场景、拍摄素材、修图，甚至邀请模特和摄影师。

这意味着商品图片通常是提前制作好的，很难为每个消费者单独拍一套。

但如果生成式 AI 能将内容制作成本持续降低，电商平台就有机会按照不同用户的偏好，动态生成不同的商品展示方式。

一件商品不再只有固定的几张展示图，而可能有成百上千种场景组合。

从这个角度看，Scene 想改变的不是商品搜索的准确率，而是商品被发现的过程。

当然，这个机制能不能形成商业价值，还取决于两个问题。

第一，AI 生成的场景是否真的能提高购买转化，而不只是让图片看起来更漂亮。

第二，实时生成图片需要付出计算成本。如果用户浏览了大量内容却没有下单，平台可能承担了生成成本，却没有获得收入。

这也是生成式推荐和传统推荐算法在商业模式上的重要差别。

Scene 需要证明，生成内容带来的增量购买价值，能够覆盖额外的计算成本。

刚拿到700万美元，它准备怎么赚钱？

Scene 选择的商业模式比较直接：电商联盟佣金。

用户在平台看到喜欢的商品并完成购买后，Scene 通过联盟营销网络等合作渠道获得交易佣金。

这个模式并不新鲜。

不少内容网站、购物导购平台和社交媒体创作者，都通过类似方式赚钱。

区别在于，Scene 希望把“内容制作—商品发现—购买转化”整合进一个 App。

传统的内容带货，往往需要博主先生产内容，再吸引用户，最后将流量导向商品。

Scene 则希望让 AI 参与内容生成与个性化展示，让每个用户都能看到更适合自己的购物画面。

按照创始人的说法，Scene 并不打算取代网红或内容创作者，因为它的目标不是提供娱乐内容，而是帮助用户购物。

不过，从实际商业竞争来看，两者显然存在重叠。

如果用户原本需要通过穿搭博主发现商品，现在直接通过 AI 生成的穿搭画面就能发现并购买，那么一部分商品发现流量可能会转移到 Scene。

这也是为什么，虽然 Scene 没有自称社交平台，但它的竞争对手不只是电商网站。

它还需要面对 Pinterest、TikTok Shop，以及其他通过内容帮助消费者发现商品的平台。

问题在于，这些成熟平台已经拥有庞大的用户基础，也拥有大量真实内容。

Scene 如果想吸引用户额外下载一个 App，就必须提供足够明显的新体验。

目前，公司的获客计划主要包括社交媒体推广、与内容创作者合作，以及在年底购物季推出优惠券活动。

不过，公开资料中还没有披露 Scene 的具体注册用户数、日活跃用户、交易规模或收入。

公司也没有公布合作品牌的完整名单及实际佣金水平。

所以，它目前更接近一场刚刚开始的产品实验，而不是已经跑通的商业模式。

Pinterest 和 TikTok 已经在做购物，Scene 凭什么竞争？

我觉得 Scene 面临的最大挑战，不一定是 AI 技术。

而是用户为什么需要另一个购物 App。

Pinterest 已经建立了很成熟的视觉搜索和灵感发现体验。用户可以根据自己喜欢的服装、家居、婚礼和生活方式图片，找到相关内容和商品。

TikTok Shop 则把内容消费和购买进一步连接起来。用户原本只是看短视频，却可能因为一个商品演示或者创作者推荐而下单。

这些平台已经证明，消费者确实会在没有明确购物目标的时候，因为内容产生购买行为。

Scene 真正想验证的是：

当内容不再需要由人提前制作，而是可以由 AI 根据用户兴趣即时生成时，购物转化是否还能进一步提高？

但这里存在一个重要区别。

Pinterest 和 TikTok 上的内容，往往来自真实的人。

一位穿搭博主为什么选择这件衣服，实际穿着是什么效果，值不值得购买，可能都有真实经验作为支撑。

Scene 生成的画面虽然可以很漂亮，却不一定具备这样的可信度。

例如，一张 AI 生成的客厅图片中，沙发、灯具和地毯搭配得非常协调。

但你购买之后才发现，现实中的沙发尺寸不合适，灯具材质也与图片里的视觉效果有差异。

那么，这张图片究竟是在帮助消费者理解商品，还是制造了一个不太真实的购买预期？

这是 Scene 需要面对的问题。

另一个竞争方向，则是 AI 虚拟试穿。

此前我们关注过的 Alta，以及 Doji 等产品，都在探索让用户通过虚拟形象试穿衣服。

但它们和 Scene 的产品出发点不同。

虚拟试穿主要帮助用户判断：这件衣服穿在我身上是什么效果？

Scene 则希望帮助用户发现：原来还有这样一种搭配，我可能会喜欢。

一个更接近购买决策的后半段，一个试图占据需求形成的前半段。

长期来看，这两种能力也有可能被整合到同一个购物平台里。

因此，Scene 能否持续建立优势，关键不只是图片生成能力，而是它能否理解用户不断变化的兴趣，并将这种理解转化为更好的商品发现和购买体验。

AI 购物越来越聪明，但人们真的只想提高购物效率吗？

我觉得 Scene 最值得分享的地方，也是我喜欢的地方，是它与当前 AI Agent 的发展方向存在一点微妙的分歧。

现在很多 AI 公司在谈购物时，都在强调如何减少操作步骤。

比如你告诉 AI 想买什么，它负责寻找商品、比价、查看评价，最后替你下单。

这套逻辑没有问题，特别适合买机票、酒店、日用品和其他需求比较明确的商品。

但并不是所有购物都以效率为目标。

有时候，逛街的乐趣就在于不知道自己会遇到什么。

你原本没想买衣服，但看到一套很好看的搭配，就会想试试。

你可能没有计划换家具，但看到一个喜欢的客厅设计，又突然想重新布置一下房间。

人们会因为内容产生兴趣，也会因为兴趣改变原本的购买计划。

这种消费行为，并不适合完全交给一个追求效率的 AI Agent。

甚至可以说，如果 AI 直接帮我们把购物任务做完，某种程度上也消除了购物过程中发现新东西的乐趣。

Scene 想保留的，恰恰是这部分体验。

不过，我并不觉得它一定能成功。

因为如果用户只是喜欢浏览 AI 生成的精美图片，却没有因此产生更多真实购买，那么 Scene 可能最终只会变成一个有趣的图片应用。

如果用户发现 AI 生成的商品效果与实物差别太大，信任也可能迅速下降。

还有一个不能忽略的问题：

如果这套模式真的有效，Pinterest、TikTok 或大型电商平台完全可能把类似的生成式内容能力整合进自己的产品。

Scene 必须在这些巨头完成整合之前，找到自己的用户和商业优势。

但它至少提出了一个很有意思的方向。

过去，互联网公司的竞争主要围绕如何分发已经存在的内容。短视频平台优化推荐算法，电商平台优化商品排序，搜索引擎优化搜索结果。

生成式 AI 则让平台有机会直接参与内容本身的创造。

对于购物来说，这可能意味着，每个人看到的商店不再是同一个商店。

你喜欢极简风，AI 就为你组合一个极简风格的商品世界；你最近开始跑步，它可能逐渐展示更多运动服装、跑鞋和相关生活场景。

这种体验能否比传统电商更有吸引力，现在还不能下结论。

但我觉得，Scene 至少提醒我们一件事：

AI 不一定只是帮人更快完成任务，也可能改变人们产生需求的方式。

以上，祝你今天开心。