中经记者 吴静 石英婧 上海报道

（受访者供图）

“我为什么不能搭一个做视觉的智能体？”

2025年下半年，当智能体概念开始进入大众视野时，正在经营服装品牌的朴金丹，脑海中突然闪过这个念头。

彼时，她正为一件事苦恼：服装品牌需要大量高质量的时尚图片，从产品白底图到模特上身图，从细节展示到品牌大片，每一季几百个SKU的拍摄任务，意味着数十万甚至上百万元的成本，以及数周的制作周期。

虽然她和团队已经开始试用Midjourney等AI工具辅助生图，但很快发现问题——想要达到满意的效果，往往需要辗转三四个平台，反复调整，效率远没有想象中高。

“那时候我就想，能不能有一个专门为时尚行业设计的视觉智能体？”朴金丹说。这个念头，最终演变成今天的Octo-Lab——一个专注时尚垂类的视觉AI平台，目前已入驻杭州市上城区未来数智港的“OPC独角兽社区”。

从电商老板到AI创业者

朴金丹的创业起点，与她的从业经历密不可分。毕业于纽约时装学院（FIT）的她，做过时尚品牌CEO，也创立过独立品牌。前年，她落地了一个电商品牌，年GMV在1000万到2000万元之间。正是这段经历，让她对时尚视觉制作的痛点感同身受。

“成本高、周期长、返工多，中小品牌根本承受不起专业的棚拍费用。”朴金丹说。

有了做视觉智能体的想法后，她开始在小红书上寻找技术合伙人。“我需要懂技术的人，帮我看看这个想法能不能落地。”

很快，她遇到了现在的CTO Ryan。Ryan此前在阶跃星辰参与多模态大模型的研发，对推理优化和模型训练有深厚积累。更关键的是，他也有自媒体背景，对内容创作和审美有天然的敏感。朴金丹表示：“当时无论是技术面还是对产业用户的理解，我们立刻就有了共识。”

春节前后，团队仅用几周时间就搭建起了MVP（最小可行产品），并迅速开放内测。

据朴金丹介绍，Octo-Lab的产品逻辑并不复杂：用户上传模特、服装、背景等素材，描述需求，AI在30秒左右输出符合商业发布标准的时尚大片。但真正让团队自信的，是背后一套被称为“数据飞轮”的机制。

CTO Ryan解释了这个概念：“AI的生成质量取决于两件事：一是用户数据，二是模型能力。我们在一期会邀请更多用户使用产品，积累数据，然后通过我们的质量评估体系告诉模型，什么样的图是好的，什么样的图是不好的。随着数据量增加，模型会越来越准。”

这套评估体系，是Octo-Lab自己制定的标准。团队会根据时尚行业和广告行业的需求，给用户生成的图片打分。模型通过不断学习这些打分结果，逐渐形成对“好的时尚图片”的理解。

“这是一个自我优化的过程。”Ryan说，“它不需要人工过度参与，模型自己就能区分好坏。”

按照规划，Octo-Lab希望在12个月内积累超过100万条时尚配对数据，形成足够深的数据护城河。

在采访中，朴金丹和CTO多次强调“垂类”的重要性。这不仅是产品的定位，也是团队对竞争格局的判断。

目前市面上已经有不少AI生图工具：Midjourney、可灵、Lovart……但朴金丹认为，大多数工具是“通用型”的，难以精准满足时尚行业的需求。

“时尚行业对图片的要求是最高的。”CTO说，“不管是光影、质感，还是模特的姿态、服装的板型，都有非常细腻的标准。通用平台不会把精力集中在时尚这一块，除非这个群体的用户占比达到百分之四五十。”

而Octo-Lab选择从最高要求的群体切入。“你把时尚行业服务好了，再去服务电商客户，他们得到的审美和质感是更好的。”CTO说。

朴金丹补充了一个更具体的场景：“你进到一个电商店铺，轮播图展示的是品牌的风格和形象。这种视觉效果，传统的AI生图工具理解不了什么叫‘高级’、什么叫‘有品位’。我们做的就是帮助用户在平台上生图时，不会跑偏，不会生成二次元动画或特别假的AI人。”

构建时尚AI的护城河

目前，Octo-Lab的用户主要分为几类：时尚摄影师、AI创作者、广告公司、服装品牌。其中，时尚摄影师和AI创作者的占比较高。

“很多摄影师已经开始用AI帮品牌做图了。”朴金丹说，“另外，小红书上有些AI Creator，他们发布自己的作品，品牌方会找到他们，让他们帮忙按某种风格生成一批产品效果图。”

在收费模式上，Octo-Lab设置了多个档位：C端个人订阅从68元到298元不等，B端SaaS服务在3000元到8000元之间，此外还有按调用计费的API接口，以及面向大型品牌的私有化部署服务。

团队对未来收入做了预测：第二年毛利率预计超过70%，年复购率目标在80%以上。朴金丹对此的解释是：“我们的交互设计让创作者能非常流畅地使用平台，哪怕是一个小白，也能凭直觉生成高质量作品。用户习惯了，就很难离开。”

采访中，朴金丹也提到了落户杭州市上城区的考虑。“上城这边有算力补贴，也有政府支持。同时，社区内的‘I Ha ve A Demo’OPC全链孵化平台也能为我们提供咨询、融资等服务。”

对于创业初期的Octo-Lab来说，算力成本是一个无法回避的支出。“做模型训练，在算力上消耗很大。”朴金丹坦言，“我们希望服务器能承载大流量，如果有算力补贴，核心算力成本能降50%。”

目前，其团队有4个人，计划在未来两个月内扩充——主要招聘海外市场人员，以及2名后台工程师辅助CTO。

当被问及“会不会被大模型公司替代”时，CTO表示：“被替代的可能性存在，所以我们尽快推进、抢占市占率。”

但他同时强调了两点：一是用户黏性，做得越早，用户的素材和使用习惯就和产品绑定越深；二是审美的非标性。“大家比的其实是模板的好坏。我们切的这个垂类里非标场景多，大模型公司也不太容易替代我们。”

这或许正是Octo-Lab最核心的价值——在AI生成内容日益泛滥的时代，为时尚行业提供一种“可控的专业性”。

（编辑：石英婧 审核：童海华校对：颜京宁）