Amazon Introduces AI-Generated Images in Search Results

•亞馬遜此項功能最初主要針對服裝和家居用品類別，並計劃逐步擴展至更多商品類別，以協助用戶視覺化特定風格或材質的商品，例如「堆堆領」襯衫或「藤編」沙發等模糊描述詞彙。
•當用戶點擊AI生成的圖像時，系統會透過亞馬遜的視覺搜尋技術，將用戶導向至與該AI圖像視覺上相似的真實可購買商品頁面，而非直接銷售AI圖像所示的虛構商品。
•這項功能是亞馬遜在零售業務中廣泛整合生成式AI的其中一環，其他應用還包括AI生成的評論摘要、可購物拼貼（shoppable collages）以及為賣家提供的AI廣告圖像生成工具等。
•此舉引發了業界和消費者對於「非真實商品呈現」可能導致的誤導和信任問題的擔憂，因為用戶可能誤以為AI圖像展示的是實際庫存中的商品，進而產生落差感。
•亞馬遜長期以來一直利用機器學習和AI來優化產品搜尋和提供個人化推薦，每天分析超過10億個數據點以理解用戶意圖，這項新功能是其AI驅動購物體驗的最新演進。

該功能利用生成式AI模型根據用戶的文字描述來「創造」虛構的商品圖像，以彌補用戶在搜尋時無法精確描述商品名稱或風格的空白。
AI生成的圖像直接顯示在iOS和Android設備的搜尋欄下方，作為自動完成建議的補充。
當用戶點擊AI生成的圖像時，亞馬遜會啟動其視覺搜尋功能，在現有商品庫中尋找與該AI圖像視覺上最相似的真實產品。
亞馬遜在更廣泛的AI應用中，已利用大型語言模型（LLMs）來個人化產品推薦和描述，並使用「評估器LLM」來挑戰和改進結果，確保產品資訊的準確性。
亞馬遜的虛擬試穿解決方案利用Amazon Nova Canvas和Amazon Rekognition生成逼真的產品視覺化，而Amazon Titan Multimodal Embeddings則用於理解視覺相似性以提供智慧推薦，這些技術可能為此搜尋功能提供底層支援。
針對賣家的「畫布」（canvas）體驗，亞馬遜也採用了Amazon Bedrock，並使用包括Amazon Nova和Anthropic Claude在內的模型，顯示其在生成式AI領域的技術投入。
圖像生成的品質高度依賴於「提示工程」（prompt engineering），即系統化地制定圖像描述以引導AI生成符合預期的結果。

AI生成的商品圖像將成為電商搜尋的標準功能，顯著提升產品發現效率。

透過彌合模糊搜尋詞與視覺概念之間的鴻溝，此功能可大幅改善用戶體驗和轉換率，促使其他平台跟進採用類似功能。

真實商品與AI生成視覺內容之間的界線將日益模糊，需要更明確的揭露機制。

隨著AI圖像品質不斷提高，消費者可能難以區分合成圖像與實際產品照片，若缺乏透明管理，可能導致潛在的信任問題。

電商平台將面臨更多關於AI生成內容的法律和道德審查，特別是在智慧財產權和消費者誤導方面。

亞馬遜此次實施引發的爭議凸顯了對潛在誤導的擔憂，以及AI可能無意中侵犯現有設計或商標的風險。

2003

亞馬遜發布「商品對商品協同過濾演算法」，利用用戶瀏覽和購買歷史進行產品推薦。

2019

亞馬遜高層在re:MARS大會上討論AI在智慧搜尋中的應用，包括預測性輸入和優化頁面佈局。

2022

亞馬遜推出眼鏡和鞋類的「虛擬試穿」功能，增強產品視覺化體驗。

2024-06

亞馬遜廣告平台推出AI圖像生成（測試版）獨立頁面，供廣告商為廣告活動生成生活風格圖像。

2024-09

亞馬遜利用生成式AI和大型語言模型，進一步個人化其商店中的產品推薦和描述。

2026-06-03

亞馬遜在其搜尋介面中整合AI生成的商品圖像，以根據搜尋意圖協助用戶視覺化商品。

亞馬遜在搜尋結果中加入 AI 生成商品圖像