AI模特兒來了!誰最先被搶走飯碗?AI對上真人,你會更信誰?
AI模特兒來了!誰最先被搶走飯碗?AI對上真人,你會更信誰?

在你眼前的這個模特兒,穿著白色T恤和中長牛仔連身裙,露出一個標準的職業微笑。如果圖片出現在某個網購平台,很大機率會被淹沒在五光十色裡,被我們的手指輕易地劃過。

AI模特
圖/ 愛范兒

停留下來多看一眼,你可能就覺得不太對勁了,她的肢體略顯僵硬,脖子下面的陰影有些奇怪,靴子像是劣質的芭比娃娃同款。沒錯,這是一個不夠完美的AI模特兒,但以後會越來越真實。

我是一名模特,我知道 AI 最終會取代我的工作。

三年前,加拿大模特Sinead Bovell 為時尚雜雜誌《Vogue》寫下了這篇文章。現在,她的預言似乎正在實現。

AI模特兒時代已至,「AI模特兒經紀公司」應運而生

這個 AI 模特兒,來自牛仔品牌Levi’s。3 月,它和 AI 模特公司 Lalaland 達成合作,計劃在今年啟用 AI 生成的模特。

真實性暫時不在一個次元,AI 模特兒就在速度和多樣化上和人類競爭。

AI模特兒
圖/ 愛范兒

按照 Lalaland 的說法,AI 模特兒的靈感來自真人,但由 AI 生成。

它們的各方面都可以自定義,包括髮型、體型、膚色、姿勢、情緒等,整個流程甚至不到 5 分鐘。

延伸閱讀:Levi's推AI模特兒,胖瘦老醜都可打造!更貼近真實還是想省錢?Levi's緊急滅火

更多 AI 模特公司,正如雨後春筍一樣蓬勃生長。

新創公司 Botika 推出了一項 AI 模特服務,計劃每月收費 15 美元,主要面向小型企業,現在還屬於啟動階段,等候名單已經排到 1000 名以外。

AI模特兒
圖/ 愛范兒

在官網影片裡,一張遮住臉的照片被裝上了頭部:

單一模特兒適合所有人的日子,已經一去不復返了。只需點擊一個按鈕,即可根據臉部表情、膚色、髮型、背景等更改模特兒。

AI模特兒
圖/ 愛范兒

AI 內容生成網站 ZMO,示意圖(上圖)將皺摺和觸感做得不錯,但沒有影子顯得背景太假。目前只開放等候名單,但光是他們宣傳文案就很想讓人連夜排隊:

只需幾分鐘,而不是幾周,就可以將您的產品放在模特兒上!

荷蘭新創公司 Deep Agency,更是高調地自稱為「AI 照相館和模特兒經紀公司」。

他們的服務聽起來物廉價美:每月支付 29 美元,輸入提示詞,調整背景、鏡頭、姿勢等等,便可以用 AI 生成模特。

AI模特兒
圖/ 愛范兒

平心而論,生成的圖片又生硬又有一種塑膠感,價格還比 ChatGPT Plus 貴。

將視線放回中國,不少電商從業者也在用Stable Diffusion 等 AI 工具自主探索,甚至基於這些工具二次開發 AI 模特兒換裝系統,早在 3 月就有人做出了完成度很高的 AI 模特兒圖片。

小紅書之前有一條熱搜:「這是不是第一個被 AI 顛覆的職業?」說的就是淘寶模特兒。

但在模特兒經紀公司高管Simon Chambers 看來,AI 模特們的用處還很有限,既沒有感情,也沒有創造力:

AI 模特最適合出現在用來參考的基本圖像,而不是與客戶建立關係的行銷或推廣。

當下,大多數 AI 模特兒確實只能走中低端的基本款路線,但重要的是未來的可能性。就算再粗制濫造,它們也已經開始了商業化。

AI入侵各行業,模特兒成為原畫師和好萊塢編劇的後繼者?

AI 模特兒和欣創公司不斷興起的原因很簡單,有需求就有供給。

聘雇專業模特兒,對中小企業來說是一筆很大的開銷。Tracy Porter 是一個經營服裝品牌的獨資企業,為了省錢親自上陣做模特兒,她之前招募過短期的攝影師、模特兒、髮型師和化妝師,但拍攝一次就要花費5500美元。

在中國較早探索AI模特兒的電商從業者「浪豬灰頭」也表示:「今年我們拍衣服不需要花四五萬一天雇用攝影師和模特兒了… 完全夠我們用了。」

AI 大力入侵的電商業務,恰恰是模特兒最可靠的收入來源。先不說完全取代,AI 的出現讓市場有了更多選擇,就可能讓人類的待遇降低。好萊塢編劇和原畫師便是前車之鑒。

好萊塢編劇抗議 AI 參與創作,怕的不是 AI 會替代他們,而是編輯們自己動手明明寫得更好,卻要被迫改寫 AI 生成的垃圾內容,薪資也在這個過程裡變相貶值。

類似地,不少原畫師變成了 AI 改畫師,甲方覺得圖像已經生成了,原畫師只需簡單地修一修,就把價格壓得很低,導致修圖的時薪遠遠不如原創。

現在也有人認為,與其用不夠成熟的 AI 模特,不如直接雇用剛入行的模特,平均下來時間和花費不一定更高。

AI 模特兒不只是影響到人類模特兒,失業的陰雲籠罩在全產業鏈,化妝師、髮型師、攝影師甚至創意人員,都可能受到波及。

時尚雜誌《Vogue》在巴西和新加坡的春季刊,已經使用 MidJourney、Dall-E 等工具,讓 AI 模特兒登上封面。

AI 正在證明自己,它既可以從事電商攝影,也可以涉獵時尚雜誌封面等高難度領域。

首當其衝的,還是那些被視作 AI 模特兒「平替」的、默默無聞的模特兒們。包括美國在內的許多地方,模特兒屬於獨立合約員工。所以,當 AI 模特兒浪潮襲來,他們可能很難得到保護。

這就是華盛頓大學 AI 倫理學者 Os Keyes 所說的,普通的模特兒、攝影師和藝術家,都特別容易受到生成式 AI 影響,因為他們缺乏結構化的力量:

Deep Agency 等應用,如果它們有效的話,將進一步踢出本已不穩定的創意工作者的位置,並將錢轉移給這類新創公司,讓利潤更加集中。

botika2
圖/ 愛范兒

與之相反,盛裝出席 Met Gala、活躍在紅毯和大秀的超模,暫時還能安下心,在技術面前,他們的個人形象仍有價值。

幾年前的 CGI 模特就是一個參考。她們穿著 Prada、Dior 和 Gucci,被人類編造的故事賦予個性,創造著豐富的商業利潤。

CGI 模特
圖/ 愛范兒

功成名就的模特,已經在未雨綢繆。4 月底,50 歲的超模 Eva Herzigová 稱參與了身體掃描、動作捕捉等拍攝,計劃創造出數字分身「MetaHuman」,將它用到未來的廣告活動中。

MetaHuman
圖/ 愛范兒

「我們可以完全改變她的容貌,從頭髮、衣服、化妝、姿勢到虛擬環境,只需點擊一下按鈕。」

方便是一回事,粉絲接不接受是另一回事。人們可能不再相信「有圖有真相」,就像面對「被捕」的川普、「穿羽絨衣」的教宗方濟。在 MetaHuman 的評論區,一位粉絲留言道:

想念你的靈魂和你眼中閃爍的光芒。

AI模特兒展示多元容貌,但不是多樣性的代名詞

AI 模特兒不乏支持的呼聲,因為它們是一種展示更多面孔、膚色、體型的捷徑。

Lalaland 首席執行長 Michael Musandu 創業的部分原因,就是他自己很難找到合適的模特兒:

作為一個在辛巴威長大的男孩,我很少在照片、廣告或秀場上看到長得像我的人。

但 AI 模特兒的多樣性,也為時尚產業的人士所質疑。

宣布引入 AI 模特兒的 Levi’s,因為這件事被送上了風口浪尖。人們憤怒的是,這家 2022年銷售額 62 億美元的大公司,嘴上說著要實現多元,卻不願意直接聘用多元的模特兒。

嗅到危機的 Levi’s 回應,不會減少人類模特兒的現場拍攝,AI 模特兒的作用是補充而不是替代,當每個產品由一到兩個人類模特兒拍攝,它們負責錦上添花,更快地產出更多樣的照片。

這話對於被捲入漩渦的模特兒來說,並沒有什麽說服力。

事實上,恰恰是有色人種、大尺碼模特兒等邊緣化的模特兒,最容易被自動化浪潮影響,因為他們更可能從事更底層的工作,可供選擇的機會也更少。

根據《Vogue》商業尺碼包容性報告,在去年秋冬時裝季(包括紐約、倫敦、巴黎和米蘭)展示的造型中,只有 0.6% 是大碼身材。今年 3 月,墨爾本時裝節因為缺少殘障模特兒而被批評。

然而諷刺的是,品牌們忽視真正的少數群體,用 AI 模特兒來代表少數群體。多倫多城市大學教授 Richard Lachman 認為,這種趨勢是令人不安的:

品牌希望創造出看起來符合社會狀況的模特兒,包括各種膚色、體型、種族,但它正在產生一種理想化的幻覺。AI 不是真人,它們實際上沒有豐富多樣性、增加崗位數量。

lalaland3
圖/ 愛范兒

與此同時,AI 模特兒本身也會被數據和眼算法的偏差影響,然後再加重某些偏見。

Vice 記者 Chloe Xiang 發現,Deep Agency 默認生成金髮白人女性模特兒,想要更改模特兒的外觀,必須另外添加種族、年齡等附加詞。那麽存在這樣的可能:在多出來的成千上萬張 AI 圖片裡,其他髮型和種族的女性將更加少見。

DEEP-AGENCY3
圖/ 愛范兒

所以,有些專家建議,AI 模特兒應該配備一個多元化的幕後團隊,其中包括邊緣化的人類模特兒,他們有償提供拍攝,彌補人口統計數據在時尚產業的不足。但又有一個灰色地帶隨之而來:誰真正擁有這些數據。

當我們在探討 AI 模特兒對時尚產業的各種影響時,始終繞不開加拿大模特兒 Sinead Bovell 的疑問:

看到多樣性是好事,但究竟誰得到了利益,誰得到了自動化?

熊彼特所提出的「創造性毀滅」或許可以解答:一項新發明的到來,比如 1880 到 1920 年代出現的電力和電器,就像是一陣大風刮過,改變了各個行業和整個經濟體。

一方面,新技術會消滅廣泛存在於經濟中的某種商業和工業;另一方面,新技術和新工業取代了那些崩潰了的技術或工業。

更便宜、更快速、更多樣化的 AI 模特兒,固然可以為少數群體代言,但受益的往往不是這些群體本身,至少他們無法直接受益,好處更有可能歸於技術精英。

從歷史的長期來看,技術將造福人類,所有人都能從中得到好處。但在不短的過渡期裡,將有人充當無聲的代價,一如眼淚消失於雨中。

延伸閱讀:工程師、設計師、CEO 和產品經理,誰會最先被AI取代?馬斯克這樣選

本文授權轉載自:愛范兒

責任編輯:蘇祐萱

關鍵字: #AI
往下滑看下一篇文章
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?

走進蔬果加工廠,同樣是100公斤高麗菜,最後能做出多少成品?答案不見得相同。氣候、產地與品質影響原料條件,客戶要求的切法、重量與交期也各不相同。對曾任科技業研發主管十多年的宜展科技農業執行長林佑澤而言,這是與科技製造截然不同的世界。

「農業部分全部都不一致。」林佑澤以青江菜為例,即使機械手臂已經訓練好辨識特徵,面對形狀各異的蔬菜,仍難以判斷該從哪裡抓取。農產品的天然變數,卻得面對學校團膳、連鎖餐飲、航空空廚等企業客戶對品質與交期的要求。如何讓加工流程穩定運作,成為宜展投入數位轉型的起點。

從紙本、LINE到數據,先把現場經驗留下來

目前宜展一年處理數千噸蔬果、服務超過120家企業客戶,業務涵蓋採購、截切、清洗、包裝與配送。林佑澤觀察,農產加工的關鍵經驗往往掌握在資深員工手中:該買多少菜、原料損耗多少、訂單增加又該安排多少人力,都仰賴現場判斷。

「主要就是把人的經驗變成數據。」林佑澤說。過去客戶透過LINE或紙本下單,現場靠人工整理訂單、對照不同客戶的加工規格;如今宜展利用AI辨識訂單內容並匯入ERP,再依客戶、品項與規格進行標籤化派工。製程則透過QR Code記錄原料投入量與成品產出量,逐步掌握各環節的加工損耗。

接下來是整理現場的判斷依據。林佑澤透過與資深員工對談,了解採購、派工與品管的作業方式,再利用AI協助找出規則、建立SOP。AI整理出的流程仍須由現場人員逐項確認、修正,才能實際執行。

品質管理也在持續改善。傳統金屬檢測器難以辨識菜蟲、橡皮筋等非金屬異物,宜展正與技術夥伴規劃導入AI影像辨識,輔助產線末端檢查。林佑澤表示,每批農產品品質不同,比起單看良率,他更重視客訴是否減少。隨著訂單與製程資訊逐步累積,宜展也希望進一步建立需求預測、採購建議與生產排程模型,減少營運對資深員工個人經驗的依賴。

不只把菜切好,乾燥加工尋找第二成長曲線

除了改善截切本業,宜展也開始發展乾燥加工。學校團膳在寒暑假面臨需求波動,生鮮蔬果則有保存期限短、價格易受產季影響等限制。林佑澤希望藉由乾燥技術延長農產品保存期限,開拓附加價值更高的加工業務。

不過,乾燥同樣有依賴經驗的問題。傳統做法是太乾就降低溫度、縮短時間,不夠乾就反向調整。每批原料的水分與成熟度不同,反覆試做不僅增加成本,也難以維持品質一致。「品質目標沒有設定的話,前面的製程參數就不知道怎麼調整。」林佑澤將過去研發車用面板的思維帶進農產加工:先決定產品希望達到的口感、含水率與水活性,再回頭檢視原料成熟度、截切厚度及乾燥參數等條件。

團隊進一步結合不同乾燥技術、自行改造設備,並接洽桃園的設備業者合作。林佑澤曾比較其他地區的設備,最後選擇設備構造、乾燥均勻度與可靠度較符合需求的桃園業者。宜展也持續累積製程參數,希望未來透過AI找出適合不同原料的乾燥曲線,減少反覆試做。

「我們主要還是要做代工,想要做一個功能性的原料平台。」林佑澤說,果乾目前更像是展示技術能力的產品,未來希望將服務延伸至辛香料、中藥材、太空食品、超級蔬菜及寵物食品等領域。現階段宜展主要營收仍來自蔬果截切本業,乾燥事業尚未形成主要收入。未來若能建立穩定的乾燥製程與代工能力,宜展便有機會從既有蔬果供應鏈,切入附加價值更高的食品原料市場。

從彰化走向桃園,驗證營運方法能否跨區複製

隨著加工流程逐步數位化,宜展也開始思考,這套管理方法能否帶到彰化以外的場域。

參與桃園市政府青年事務局天際線加速器及Meet桃園+後,宜展擴大與桃園產業生態系的連結。林佑澤提到,天際線協助邀集不同局處了解團隊需求,並提供資源媒合機會。宜展也開始與桃園市農會及在地農民合作,增加北部原料來源。這項合作不只拓展了供應來源,更成為宜展因應極端天候、穩定供貨的重要助力。林佑澤回憶,先前中南部連日降雨,蔬菜供應受到影響,宜展便從北部調度蔬菜,以不同產區互相支援,降低天候對供貨的衝擊。此外,團隊也透過天際線資源,獲得參與日本國際伴手禮設計競賽的輔導,並成功榮獲金賞獎肯定,除了展現產品的創新與設計實力,也為宜展拓展海外市場、提升國際能見度創造更多機會。

下一步,宜展規劃以桃園大溪作為第二個驗證場域,將彰化累積的資料、SOP與加工管理經驗,轉化為可複製、可優化的營運管理模式,帶到不同產地、供應鏈及人員條件下驗證。林佑澤指出,未來若要跨區域擴張,不可能每到一個新地方,就把原有團隊整批搬過去。因此,宜展希望將資深員工的實務經驗,轉化為標準化流程與數據模型,結合AI進行生產排程、資源配置及營運決策,讓新場域能依據當地條件快速調整,降低對特定人員經驗的依賴。

從彰化到桃園,宜展接下來要驗證的,是這套從傳統農產加工現場整理出來的管理方法,是能夠跨區域複製、快速部署並持續優化的農產加工營運系統。 長期目標是降低新場域的建置成本與管理複雜度,提升擴張效率,讓傳統農產加工業具備規模化發展的能力。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓