11月3日冲上热榜的「AI版转转」，并不是国内二手平台转转上线了新版本。这个说法出自APPSO当天早上发布在36氪的一篇稿件，主角是它的美国同行——线上二手服装平台ThredUp。 它要解决的其实是个很老的问题：旧衣服每件都不一样，该怎么验、怎么定价、怎么卖出去。36氪
ThredUp给出的办法是让AI接手人的经验：自动识别服装的颜色、类别、尺寸，再结合成色和市场需求定价，每年约1700万件这样的孤品经它转手。它2025年二季度的毛利率做到了79.5%，而传统服装零售商很少能超过30%。 热榜标题里那个80%，就是把“非标品”搬上“标准流水线”的直译。36氪
旧衣服为什么难卖：每一件都是孤品
新衣服同款几千件，仓储、定价、上架都不复杂。旧衣服不行：格子衬衫洗了二十次领口发卷，标着32码的牛仔裤腰围偏大，毛衣摸起来全新却没了吊牌。传统做法靠寄售店店员凭经验收货，摸面料、看牌子、估个价，几个月卖不掉就降价或退回；慈善二手店则按品类定统一价，好货坏货混在同一种价签下，捡漏的人占了便宜，店里却说不清一件好东西值多少钱。小规模行得通，量一大，人力就跟不上了。
把老师傅的眼睛换成流水线
ThredUp是这个行业里把流程彻底工业化的一家。每件入仓的衣服先过12项品质检查，合格才挂上带二维码的衣架，品类、品牌、颜色、尺码、面料和洗涤方式全部录入系统，定价交给专有的机器学习软件——这是《现代物料搬运》2023年报道过的流程。 后来AI接手的环节越来越多：颜色、类别、尺寸自动识别，成色和实时需求一起进定价模型，卖得慢的衣服由强化学习模型自动降价。如今这个平台常年有400多万件在售商品、每天新增数万件，公司在供应链自动化上投入超过4亿美元，覆盖识别、量尺寸和拍摄。它那座约5.6万平方米的自动化仓库给出了同一件事的另一面：衣服入库先由人工检查污渍，随后交给AI自动评级、定价并动态调价。36氪微博
80%是毛利率，不是“赚到钱”
数字要看清口径：近80%的毛利率，不等于这门生意盈利。按美股财经账号流传的业绩口径，ThredUp该季度营收7765.7万美元、同比增长16.4%，超出市场预期，但每股仍亏损0.04美元，只是亏损在收窄。 毛利高，是因为AI替掉了验货、拍摄、定价这些原本最贵的人工；而从毛利到净利之间，还有仓库、物流和履约成本要消化。把这条链跑通的难度，恰恰在于它每一件货都没有可抄的价签。微博
另一半生意：让人敢买AI挑中的旧衣
买入侧的障碍同样具体：二手没有爆款，逛几百万件孤品很容易累。心理学里著名的“果酱实验”显示，摆24种果酱时试吃者中只有约3%购买，摆6种时反而有约30%；2010年一篇汇总几十项实验的元分析指出，选择过载更容易发生在选项复杂、偏好又不明确的时候——逛二手的人恰恰多是“没有具体目标”的那类。AI的作用，是把几百万件缩成十几件：输入“秋天婚礼穿什么”给出整套搭配，上传照片就能在库存里找到相似款。Adobe的数据显示，7月从AI渠道进店的用户，转化率比其他流量来源高出六成，这个优势已连续保持11个月。 ThredUp自己的披露同样指向这一点：用过图像搜索的消费者最终下单的可能性高出85%，48%的二手购物者购物时用过AI工具。36氪
从“帮你挑”到“替你买”，规则还没定
下一步是AI替你下单。2025年9月，OpenAI与Stripe把即时结账做进了ChatGPT，首批接入Etsy和部分Shopify商家。 但到2026年3月，OpenAI把重心移回“商品发现”，允许商家沿用自家结账流程接单，原因包括商家接入麻烦、商品数据难保鲜、多件购物车和会员积分不好处理。Morgan Stanley去年12月的报告估计，到2030年AI购物助手可能占到美国电商的10%到20%、对应1900亿到3850亿美元的销售额，且约23%的美国人上个月已通过AI买过东西。方向没有降温，只是节奏变了：先把“挑得准”做实，再谈“替你买”。36氪
“替你买”的责任边界仍是空白：退货纠纷谁承担？Agent理解偏差造成“便宜的错买”，金额上限挡不住，目前没有公开规则。对二手平台，这类问题会加倍——旧衣卖出一件就少一件，退回来还得再走一遍检验、拍摄和定价，靠规模压下来的单件处理成本可能在这里被重新抬高。 反过来看，ThredUp早年把非标商品做成结构化数据的苦功夫，到了Agent时代可能恰好成了它的优势。36氪
所以这条热榜真正值得读的不是“转转出了AI版”，而是“旧衣服+AI”已经在海外跑出了接近80%的季度毛利率样本。两个可核对的观察点：国内平台尚未公开可比口径的服装毛利率，别把80%顺手记在转转头上；而AI估价与自动降价这套流水线，正是国内二手平台处理海量非标旧衣时共同需要的能力——同样的路国内能不能走通，才是这个热榜留下的真问题。
