月薪2萬的電商美工，正在被AI淘汰

作者｜文定

編輯｜白婉佳

“我已經裁掉3個美工，加上減少模特、場地等開支，預計一個季度可以省下幾十萬。”女裝賣家魚兒告訴派代，他已經跑通AI做圖工作流，完全替代真人拍攝。

魚兒透露，這套流程，新手美工（1-2年經驗）就能操作，他們月薪通常在6-8千。而月薪1-2萬的資深美工（5-10年經驗），可以被完全替代掉。

魚兒主營淘寶天貓、小紅書、得物三個平臺，售賣中高端小眾女裝，春季客單價300-500元，冬季達到400-1000元，年銷售額數千萬元。

但是這兩年，有一個明顯的趨勢，客單價往下掉，“以前春天一件衣服可以賣到 300塊出頭，現在只能賣260-280塊。”魚兒表示，對他來說，圖不是附屬品，是生意里的基礎供給。

圖跟不上，上新就慢；圖太貴，利潤就薄；圖太少，平臺和場景就鋪不開。

所以他急于解決一個問題：增加圖片的產出數量，同時降低圖片生產成本。這個問題，AI恰好能夠完美解決。

真人拍攝成本貴，把商家逼向AI

女裝商家的難處，不只在流量。更深的一層，是內容供給開始跟不上生意復雜度。

平臺更多了，SKU 更碎了，顏色更多了，消費者對場景的要求也更細了。

但真人拍攝這條鏈路，仍然是線性的、預約制的、重人工的。它適合做精品圖，不適合高密度、持續性、跨平臺地供圖。

魚兒說，傳統外拍，一個款的成本，保守估計要大幾百元，控制不好一千多元也有可能。

可他的貨不是只上一個平臺，也不是一個款只有一個顏色。他透露，一個季度要上新200 個款左右，疊上兩三個顏色，會變成四五百個色。一個色如果要 30 到 40 張圖，就是一兩萬張圖片需求。如果真人拍攝，成本巨大。

這里面的費用，按一天計算，主要由這幾部分組成：攝影師 1000 多元，模特1000-2000元，場地幾千元，還有化妝師8 小時 800 元起，距離遠的拍攝地，還要加差旅和住宿……一天支出就是上萬元，這還沒有攤掉美工（調色、修圖、做圖）的成本。

“更大的問題是，一天只能拍二三十個款，為了控制成本，一個款通常只拍 5 到 8 張圖，算下來一天只能拍攝100-200張圖。”魚兒補充道，錢花得很多，并沒有換來高密度的內容供給，只是換來一組相對有限的商品圖。

而且款數多，會把成本迅速放大。魚兒透露，春夏季上一兩百個款，秋冬季得上三四百個款。對應的拍攝支出，一個季度已經是數十萬元。

而且還有時間成本。拍攝不是今天想做，明天就能全開工。模特要約、場地要約，攝影師和化妝師也要排期。這條真人拍攝的鏈路，不只是貴，還拖慢上新節奏。貨在等圖，運營在等內容，整個團隊都要被預約制綁住。

時間和預算一緊，動作、角度、場景就會被壓縮。魚兒說，以前費用有限，每個款的 5 到 8 張圖里，不一定有想要的模特動作和拍攝角度。

在這種壓力下，他開始嘗試 AI 做圖。

用AI干掉整個真人拍攝系統

很多服裝商家用 AI，可能是選定一個做圖工具，就直接用。

魚兒不是這么想，他想干掉的，是整個真人拍攝系統。因此他花的試錯時間、費用，比很多人要多得多。

2025年12月，他開始籌備。

第一步，選模型。這一步最重要，他足足花了2個月，先后測試了國內豆包、千問，國外Midjourney、Nano Banana等十多款工具。光是各種模型會員費，就花了數千元。

“前前后后測了十幾個（AI做圖工具），后面能用的就剩下三個。”魚兒強調，這些不是隨手試試，而是真花了錢去買會員、買積分、買接口，“有些買一個月不行就換掉，有些只能買一個季度的，不行也換掉。反正花了很多冤枉錢。”

魚兒曾測試過的AI作圖工具

他的結論是，國產基本不行。主要存在三個問題：一是面料有差異，圖片都是模糊的，面料做不到那么細；二是顏色有偏差，比如藏藍色，就做不到跟衣服一致；三是場景理解不到位，你給一個青春校園風，它可能生成成那種嚴肅學院類型，不是你要的感覺，而且還會在圖片里亂加元素。

魚兒表示，普通用戶用AI工具，要的是畫出來，畫得好看。但商家要的，是能拿去賣，女裝貨架電商就是賣圖片。前者看新鮮感，后者看的是一致性、可控性、材質準確度、顏色還原和場景適配。魚兒篩工具，不是看誰更驚艷，而是看誰更接近真實商品圖，誰更能過運營和消費者那一關。

而對于上述問題，國外大模型，能很好解決。比如Midjourney、Nano Banana，還有集成智能體Lovart，這三個成了他的主力做圖工具，一張圖成本在3-5毛。

魚兒表示，國產生成質量，比較接近國外大模型的，是最近才上線的千問 3.6。不過成本貴很多，一張圖大約要 9 毛多。

不過，所有大模型不能解決的問題是：人物不穩，不能保持人臉的一致性。

魚兒的解決方案是，先讓美工畫模特臉，再喂參考圖和場景，“這樣就能保證，整個生成出來的圖片都是模特的臉，不變的。”

不過要避免肖像侵權，“因為我們把模特畫得很好，畫得跟我們以前用的真人模特風格差不多，但是一定要做一點區分，不能完全一樣。就是怕人家說什么肖像權。”

模特也不是隨便弄一個，而是讓美工花了幾天時間，畫了七八個版本、再通過數據測試，最終選定的一個。

工具問題解決后，接下來是搭工作流。這一步簡單很多，魚兒用的是扣子 Coze + ComfyUI，根據網上的教程，幾天就搭建出來了，而且完全免費。

魚兒的工作流搭建教程

“我們不是那種自己弄了一個工作流，然后貼幾個大模型。”魚兒認為，重點不在模型有幾個，而在于它們有沒有被接進一套穩定流程，能不能持續地解決出圖質量和數量問題。

“我搭了兩個工作流，一個處理模特圖，一個處理產品細節圖，因為兩個需求不一樣。”魚兒補充道。

第一個工作流專門做模特圖：要生成模特的正面、反面、左右面等不同角度。需要美工喂參考圖。

AI打標工作流-模特圖上傳界面

第二個工作流專門做衣服白底圖：要衣服的上面、下面、翻領、背面等視角，還要近一點的、遠一點的不同景別。

AI生圖提示詞配置界面

這兩套工作流搭好，就能投入生產了。“作為老板你不要只想著‘用工具’，而要想著‘建流程’，這樣才能真正介入組織系統，整體提升效率和效果。”魚兒提醒道。

硬件和組織都要升級

軟件準備好了，還得有適配的硬件。在電腦硬件上，魚兒曾反復踩坑。

“一開始想著買便宜的，幾千塊的電腦，發現帶不動。后來換成1萬多，圖片產出效率還是有問題，再到2萬多，3萬多……”魚兒補充道，他用的是組裝臺式電腦，如果買回來不合適，還得到閑魚轉手賣掉，又得虧上一筆。

“這里面最貴的是顯卡，價格從幾千到幾萬塊。很多型號，比如 5060、5070、5080、5090 我都買過。CPU 也是從 AMD 換到英特爾，都搞過。”

魚兒一路從低顯存、中檔配置往上試，中間不斷換顯卡、換CPU等配件。到最后，才確定現在這套 4 萬多元的組裝機配置。能保障圖片生產的效率和質量。

AI工作站裝機配置單

魚兒說，不是要你“買貴機器”，而是不要低估生產級 AI 作圖對硬件的要求。你以為是在省錢買中配，最后往往是來回折騰、反復換件、轉賣虧損，綜合成本反而更高。

為什么要這么折騰？因為他跑的不是簡單文生圖，而是貼模特、接參考圖、跑整套流程。

幾千塊的普通電腦太卡，時不時死機，根本帶不動。現在這臺機器，才能穩定跑起來，已經被他當成半臺服務器在用。

不過白天還有員工使用這臺電腦，所以“白天就不能給它干那么多了”，速度是“一個小時 60-70張圖這樣子”；到了晚上，把顯卡和顯存往 90% 以上推，“一個小時可以產出90-100張圖”。但不能再往上頂，不然內存跟顯存用滿了就爆了。

之后，他還想新增更高級的機器。原因很直接，現有這臺機子，只夠把當前圖量勉強扛住。

魚兒表示，現在只能夠滿足兩三個平臺的圖片需求。要是不做更多，別的平臺就做不到差異化。一旦小紅書、淘寶、天貓、得物都要做不同風格和場景的圖，算力會不夠。SKU 一旦疊上顏色，圖量會迅速放大到一兩萬張圖片的量級，單臺機器一個月很難從容承接。

軟件、硬件搞定后，適配的人才、組織也得跟著改。

原來做圖部門有6個人，1個攝影+1個調色+4個美工。現在跑這套新流程，只需要 3 個人。一個人負責“選圖、挑場景”，選好后，交給另外兩個人走不同工作流，一個負責模特圖，一個負責產品圖。

原來的分工邏輯是“攝影就攝影，修圖就修圖”，現在開始圍著工作流轉，原來 4 個修圖美工，現在 2 個美工就能搞定；攝影、調色也不用了，兩個崗位并到一個前置崗位。魚兒算下來，已經少了 3 個人，僅工資一年就能省掉二三十萬。

更重要的是，崗位的能力模型變了。以前拼的是誰會拍、誰會修、誰會調色；現在更值錢的是誰會判斷場景、誰能控制人物一致性、誰能把任務塞進流程、誰能在批量產圖后快速篩選和二次加工。

用人結構也跟著變。根據魚兒的經驗，以前要用5年以上經驗的老美工，現在剛畢業的小年輕也可以用了，那些老美工可以逐步淘汰。

“換人的原因，一方面是用人成本，另一方面是學習能力。”魚兒表示，老美工（5-10年經驗）的薪酬一個月要1-2萬，新手美工（1-2年經驗）只要6-8千，應屆生甚至只要4-5千。用上AI做圖工作流后，新手操作就可以了，沒必要用更貴的人。

“而且老人學習主動性更差，新人可塑性強、未來成長空間大，也更好管理。”魚兒補充道。

AI 做圖產能翻8-10倍，日產1000張

經過一番折騰，魚兒的團隊終于用上AI工作流。效果，是顯著的。

原來真人拍攝一天只能拍100多張，現在AI一天能干1000張。魚兒表示，“這 1000 張還不是全成品，大概有百分之一二十是廢的，有百分之八九十是好的、可以用的。”

AI生圖隊列與作品管理界面

這意味著，AI做圖開始具備批量供給能力了。魚兒終于敢把以前想拍、但又覺得太貴的多場景圖片，都做出來。而且他有足夠多的圖片版本，可以篩、可以拆、可以按平臺重組。

“以前一個款只能做5到8張圖，現在一個款我做70到80張圖。”魚兒感慨道。他還給派代做了幾組對比：

以前：一個模特，做一個動作拍一張圖。

現在：一個動作，直接讓AI做三張圖。

以前：買家想要一個逛街的場景，我們沒有拍到，那她就可能覺得，這件衣服不適合穿去逛街，因此沒有下單。

現在：不僅能做街景，商場、辦公室、公園、學校等場景都可以一鍵生成，場景豐富度提高，而且能夠根據不同平臺特性，針對性地出一套圖，這樣就可以提高轉化率。

“不過商品圖點擊率，沒有明顯變化，還是維持在6-8%。”魚兒透露，同行的商品圖點擊率一般在4-5%，如果是低客單價白牌女裝可能低至2-4%。

“我的體會是，這跟AI做圖關系不大，我們現在AI圖跟真人實拍圖，已經能做到看不出區別了。影響點擊率的，要看產品，還要看推廣策略、人群精準度。比如你（推廣計劃）開得廣一點，曝光量大，點擊率就會低。”

魚兒在派代「龍蝦電商群」透露，雖然效果沒太大變化，但是整體成本大幅度下降，一個季度算下來，能剩下幾十萬。這些都是利潤。

至此，魚兒已經真正跑通AI電商生圖流程，歷時2個月。對于很多商家來說，2個月變化不大，對于魚兒團隊來說，電商生產模式、組織架構，已經徹底改變。

如果要給這件事，下一個更準確的定義，它不是一個商家嘗鮮 AI 作圖，而更像是一個女裝商家，在客單價下滑、圖量膨脹、拍攝成本持續上升的壓力里，重做了一套圖像生產系統。

AI 在這里，不再只是一個新工具了。它開始變成一段生產鏈。