一件Burberry风衣，40美元从跳蚤市场收进来，转手能卖到200–300美元。一个中文账号转述的美国案例，从这种差价起步，后来把生意做到年入650万美元。 把40美元进、250美元出套进毛利率公式，数字是84%。于是中文互联网上长出了更刺激的版本：AI识货、AI定价、AI上架，开一家二手衣店，毛利80%。小红书
但这笔账只算了一件衣服，而且只算了衣服。店租、人工、拍照、清洗、包装、快递、退货、压货，一样都没进去。
真正把二手衣做成大生意的公司，财报里是另一个数字。ThredUp 2023年营收3.22亿美元，毛利率66.4%，净亏损7120万美元；公司自己给2024年的毛利率指引，上限也只有71.5%。时尚无国界
Vinted 2025年营收11亿欧元，净利润6200万欧元，净利率大约5.6%。 这两家是全球二手服饰电商的头部，AI用得很早。ThredUp用AI分级、定价、搜索；Fleek用视觉语言模型给旧衣识别品牌、风格、瑕疵，并预估售价和清仓时间。 它们没有做到80%，不是因为AI不够好，而是因为“把一件旧衣服变成可售商品”有一长串成本。ThredUp的自动化仓库占地5.6万平方米，每天处理4万件二手服装，衣服入库后先人工检查污渍，再交给AI分级定价。环球市场播报小红书微博
AI真正替掉的，是过去最吃经验的那部分：识货、查价、写描述。现在拍张照，模型就能给出品牌、成色、价格和上架文案；闲鱼上甚至有人用开源监控工具盯着关键词，AI筛一遍再推送。但工具的作者自己写得很清楚，AI分析只适合做第一轮筛选，商品实际成色、卖家信用、维修情况、描述真假，仍要买家自己确认。 AI写的商品描述也一样，能把“褪色”翻译成“轻微自然褪色”，却没法替你对“无瑕疵”三个字负责。知乎知乎专栏
放到国内，第一道坎是货。中国每年产生超过2000万吨废旧纺织品，回收率不足三成，看起来货源很多。 但旧衣回收平台的高价预估、低价结算、质检模糊，一直是投诉重灾区：有消费者18件Zara、Puma旧衣被预估能卖44.5元到200元，最后只拿到0.7元。好货被挑走出口或进直播间，普通门店很难拿到稳定、成色可控、能支撑复购的货源。AI能帮你在货堆里挑出值钱的，却变不出更多值钱的货。中国经济网
第二道坎是店。国内二手服装的线上盘子已经很大，闲鱼2025年商品交易量超过5000亿元。 线下店要付房租、人工、水电，还要解决卫生和来源问题。北京青年报写过一家开在水果店二楼的二手店，只有一位全职人员，靠寄卖减轻现金流压力；店主坦言“二手店利润微薄，房租压力不小”，新店只能找免租金合作。洞见商机北京青年报
第三道坎是价格。日本2nd STREET到2025年开了800多家店，比优衣库在日本的门店还多，靠的是高温消毒、除味、瑕疵标注和一套让人敢买的信任。 中国的情况相反：新衣服太便宜了，二手衣的价格优势很容易被抹平。知乎
“三十九块九就能买到有全新吊牌的衣服”，这是二手店在中国很难绕过的一关。 当新衣把价格压到同一水平，二手店很难再靠“省钱”说服人。洞见商机
所以，回到那个问题：国内普通人能照搬这个模式开店吗？
能照搬的，是工具和打法：用AI识货、比价、写文案，先从闲鱼、市集、垂直社群这类低成本渠道试单，做一个小而窄的品类，比如古着、工装、童装或某个品牌的配饰；用寄卖代替囤货，减轻现金流压力；把清洗、瑕疵说明、退货规则写清楚，先攒信任再谈规模。这些都不需要80%的毛利，也不需要先签一间店。
不能照搬的，是“80%毛利+实体店”这个打包叙事。80%是单件、未扣成本的毛利，是选对一件好货后的上限，不是一家店的平均值，更不是净利。单件毛利决定每件赚多少，周转天数决定一年转几次，滞销率决定压死多少现金。三个数一起看，才是这门生意真实的回报。算完还想开，再开。
AI把“识货”变便宜了，但没有把“好货”变多，也没有把“信任”变便宜。
