Google 升级搜索 AI Mode：动嘴就能找穿搭灵感，还能直接对话挑商品

每个人大概都经历过这种崩溃瞬间：脑子里明明有一套非常具体的画面，比如一条版型刚好、不要太松垮的秋季牛仔裤，或者一间带点复古撞色风的卧室，但一打开搜索框，敲了几个词又全部删掉，因为你根本不知道该怎么用一句话精准描述它。

Google 为搜索里的 AI Mode 推出了重磅更新，专门解决这种「话到嘴边说不清」的问题。现在，你不需要再在传统电商或搜索框里费劲勾选版型、腰线、品牌等几十个筛选标签，直接像跟朋友聊天一样描述你的想法，或者干脆扔一张照片，AI 就会直接吐出一整排视觉化结果，并支持你一路顺着追问下去。

甩掉筛选器，找灵感也能像聊天一样层层追问

这次更新最直接的变化，是让原本单向的「搜图」变成了双向的多模态对话。

举个例子，你想给卧室找极简或极繁风格的装修搭配，现在只要告诉 AI Mode 你想要的氛围，它就会拉出一组贴合意图的图片。看到某张感觉对了，你可以直接补一句「想要暗色调一点、印花更大胆的」，系统就会立刻调整画面方向。

每一张展示的图片都附带原始网页链接，看中了随时可以点击跳出。如果你在手机上浏览，甚至还能在某张特定图片内部框选细节，指着角落里的抱枕或台灯直接开口追问。

在购物场景下，这个逻辑更是直接干掉了繁琐的参数筛选。你只要说一句「找一条不要太垮的桶形牛仔裤」，它就会整理出可购买的商品流；觉得不够合身，接着打一句「想要更多九分裤的长度」，候选列表就会实时收窄。

为了支撑这套购物体验，Google 搬出了自家的购物图谱（Shopping Graph），里面收录了全球超过 500 亿个商品页面。官方表示，其中有超过 20 亿条商品数据每小时都在动态刷新，确保价格、优惠和库存都是最新的。

拆解图片里的每一个角落：背后的「视觉搜索展开」

要做到听懂人话还能看懂图，底层靠的是 Gemini 2.5 的多模态能力与 Google Lens 视觉技术的结合。

但这套体验的核心技术，在于 Google 引入的「视觉搜索展开」（visual search fan-out）技术。过去搜索看一张图，往往只能识别出最中间的主体；而新技术允许模型深入分析画面里的次要物体和微小细节。

说白了，当你丢出一张图或一句模糊需求时，AI Mode 会在后台一口气并发拆解出多个细分搜索请求。它一边理解自然语言里的细微情绪，一边解析图像背景里的搭配元素，再把综合结果拼装呈现在你面前。

这项新功能本周率先在美国面向英文用户推送，移动端和桌面端均有覆盖。

为什么重要

我们认为，Google 这次在 AI 搜索上的改造抓得很准：它没有去卷那些空洞的文字总结，而是切中了人类表达需求时最天然的痛点——视觉意图往往很难用文本编码。

对普通消费者来说，这种自然语言结合图片微调的体验，极大地降低了审美探索和特定商品选购的门槛。你不再需要掌握专业穿搭或家装术语，也不用在各个电商平台忍受机械的分类筛选标签，随手一拍、随口一问就能逐步收敛到想要的东西，非常值得开放后第一时间上手尝试。

对行业而言，这是 Google 抵御新兴 AI 搜索工具分流流量的一张王牌。当生成式搜索工具还在比拼文本答案的准确度时，Google 迅速把战场拉回了自己壁垒最深的领域：海量的网页视觉索引与深不见底的商业供应链图谱。超 500 亿商品库和每小时 20 亿次的实时刷新，是任何纯大模型创业公司短时间内无法跨越的数据护城河。

不过隐患也同样明显。一旦搜索完全转向视觉流和对话式收口，用户在传统网站间的跳转路径会被进一步压缩，中小型零售商能否在激进的算法分发中分到流量，依然取决于他们与 Google 购物图谱绑定的深度。