Meta 推出 AI 穿搭應用程式 Style Sketch，可依使用者既有衣櫃與個人風格建立虛擬試穿及每日 outfit 規劃。應用程式現於印尼、新加坡與泰國的 iOS 與 Android 平台免費提供，尚未登陸美國及英國，Meta 也未公布更廣泛的推出時程。
Style Sketch 可串接 Instagram 或 Facebook，運用使用者先前分享的照片建立虛擬衣櫃，亦能透過拍攝衣物、錄製短影片或匯入相簿手動新增品項。功能涵蓋單品搭配推薦、依身型與膚色進行虛擬試穿、依天氣安排每日服裝，以及依目的地、旅程長短、活動與天氣預測擬定旅行穿著。
這款產品的關鍵差異，並非單純生成漂亮穿搭，而是把使用者累積多年的社群照片轉化為可操作的商品資料庫。從社群內容整理、演算法推薦到虛擬試穿，Meta 正嘗試將社交平台身分網路延伸為時尚決策與導購入口。
Style Sketch 的真正重要性在於，它把「AI 穿搭工具」的競爭從功能競賽，推向對既有社群資產與行為資料的控制權競賽。傳統時尚科技多要求使用者逐件拍照、上傳商品條碼或建立全新衣櫃；Meta 則可利用 Instagram 與 Facebook 中累積的照片降低導入成本，讓既有社交帳號直接成為時尚資料層。這種模式具備明顯的網路效應：使用者越多、照片越完整，AI 產出的搭配與視覺試穿便越貼近個人需求，也越難被純工具型競爭者取代。
其背後存在三層結構性矛盾。第一，便利性與隱私治理之間的張力：從社群照片推斷衣物、身形、膚色乃至風格偏好，需要新的授權邊界；僅憑既有公開照片建立虛擬衣櫃，與要求使用者另行上傳完整衣物影像，在資料最小化原則上存在本質差異。Meta 如何區分「曾經公開分享」與「願意供 AI 進行穿搭推理」，將直接影響歐美市場的監管接受度。
第二，個人化推薦與商業導行之間的張力。虛擬試穿能降低消費者不確定性，也會縮短從「看到趨勢」到「擁有商品」的轉換路徑。Meta 不僅可推薦使用者自己的舊衣，也可能藉此導入外部品牌或自有電商商品。一旦推薦同時承擔商品曝光功能，使用者所感受到的「最佳搭配」便不再只是風格服務，而可能成為精準行銷的決策介面。
第三，平台生態與專業時尚資料之間的落差。社群照片能反映真實穿著，卻也混有濾鏡、廣告、秀衣照片與二手轉售資訊；若演算法缺乏商品類別、材質、尺寸及庫存資訊，搭配結果可能停留在視覺相似，而無法處理洗滌、場合與預算限制。這也是 Style Sketch 挑戰 Alta、Google Photos 等既有工具的核心門檻。
目前先在東南亞三國測試，具有明顯的策略意義：該區域行動購物普及、時尚電商滲透快速，平台既有社群使用率也足以支撐 AI 穿搭需求。更重要的是，印尼、新加坡與泰國可讓 Meta 在美國與英國隱私規範較嚴格的市場之外，先驗證推薦成效、留存率與導購轉換。
從網路平台發展史來看，Style Sketch 可能重演「社群工具功能化、購物入口化」的路徑。Facebook 從同學錄走向廣告與 Marketplace，Instagram 從照片分享走向限時動態、Reels 與購物功能；這次延伸則是把個人影像與社群圖譜轉化為每日時尚決策。若 Meta 能將使用頻率由偶爾分享提升為每天查衣、規劃與試穿，社群平台便有機會再取得一條高頻消費入口。
此外，AI 代理的演進將改變競爭規則。下一階段不只要回答「我該穿什麼」，還要主動整合天氣、行程、預算與洗滌狀態，完成可執行的衣著安排。若使用者最終少買衣服、卻更常參與社群分享，平台便能同時獲得使用者福祉敘事與商業回報；反之，若功能只是生成更多線上購物衝動，ESG與消費者信任問題便會迅速升溫。
01 起因觸發：Meta推出Style Sketch，測試以既有Instagram與Facebook照片建立AI虛擬衣櫃。
02 一階傳導：AI穿搭新創與Google Photos等工具面臨社群入口、資料規模及分發能力的競爭壓力。
03 二階擴散：時尚品牌、電商平台與廣告技術業者重新評估商品資料、虛擬試穿與導購合作模式。
04 隱私規範傳導：歐美監管機關須釐清社群照片用於個人化試穿是否超出原始分享目的，產品推出時程因此存在變數。
05 消費行為擴散：使用者從被動瀏覽趨勢轉向主動諮詢AI搭配，可能提高導購轉換、退貨下降與舊衣再使用率。
06 宏觀終局：若Meta完成社群內容、AI穿搭與交易閉環，數位時尚競爭將由單一應用功能轉向平台生態與資料控制權之爭。
領域延伸情報推薦 相關延伸研讀
依主題領域自動關聯之高參考價值外電情報
