简而言之。 在美妆中，一张图像的可信度取决于眼睛在一瞬间就会做出判断的两个细节。首先是光如何穿过半透明的材质，皮肤、口红的蜡质、精华、香水瓶，这就是 subsurface scattering，即次表面散射。其次是品牌色的准确度，它不是氛围，而是一个精确的数值。在第一点上，以 Nano Banana Pro 为首的最好的图像模型，如今已能做出非常令人信服的皮肤与材质。在第二点上，AI 瞄准的是貌似可信，而非精确：色调会偏移，只能在后期一帧一帧地追回来，而且无法保证从一款产品到另一款产品都对得上。相反，CGI 计算光线，并把颜色当作数据来处理：三十款产品、一百个角度上都是同一个数值。正因如此，面对一件必须与门店试用装一致的真实产品，一旦涉及整条产品线，3D 工作室就保持优势。在 Digiteyes，AI 服务于上游，单张孤立的最终画面也可以交给 AI；但一旦牵涉整条产品线或品牌色，最终画面仍是一帧一帧做出来的。
简而言之。 在美妆中，一张图像的可信度取决于眼睛在一瞬间就会做出判断的两个细节。首先是光如何穿过半透明的材质，皮肤、口红的蜡质、精华、香水瓶，这就是 subsurface scattering，即次表面散射。其次是品牌色的准确度，它不是氛围，而是一个精确的数值。在第一点上，以 Nano Banana Pro 为首的最好的图像模型，如今已能做出非常令人信服的皮肤与材质。在第二点上，AI 瞄准的是貌似可信，而非精确：色调会偏移，只能在后期一帧一帧地追回来，而且无法保证从一款产品到另一款产品都对得上。相反，CGI 计算光线，并把颜色当作数据来处理：三十款产品、一百个角度上都是同一个数值。正因如此，面对一件必须与门店试用装一致的真实产品，一旦涉及整条产品线，3D 工作室就保持优势。在 Digiteyes，AI 服务于上游，单张孤立的最终画面也可以交给 AI；但一旦牵涉整条产品线或品牌色，最终画面仍是一帧一帧做出来的。
拿一支口红。它的颜色带着一个代号、一个参照、一个市场部审定了数月的编号。现在让一个图像生成器去复现它。画面会很美，皮肤会很准，颜色会很接近。接近，但不精确：一个偏橙的红，一种自作主张造出反光的质感。只有一张图时，调色师在后期把它追回来。面对三十款产品的一整条产品线，没有人能靠手工一一追回。
美妆是图像什么都不宽恕的战场。人们凑得极近看皮肤，把色与手背上的色相比，凭直觉判断材质。决定一张画面听上去是真是假的是两个机制：次表面散射与颜色忠实度。在前者上，生成式 AI 一年之内实现了飞跃。在后者上，它仍停留在近似，而这正是计算出的 3D 保持优势之处，尤其是在需要撑起一整条产品线的时候。以下是原因，用数字说话。
美妆，对图像最严苛的考验
白底上的一张球鞋产品图，如今 AI 能干净利落地出。一张特写的脸、或被光穿透的琥珀色瓶子，用最好的模型同样能出。真正难的是精确：美妆把半透明的材质、复杂的反射，以及精确到十分之一色调的颜色要求，一件产品接着一件产品地叠在一起。而市场对此毫不含糊。2025 年线上销售的美妆与个护在全球规模超过 2500 亿美元，年增长 11% 至 13%（Statista）。颜色不对，客户就退货。
- ◆3.67 / 5 : 在受测的主流 AI 模型中，品牌色忠实度的最高分；多数仍低于 3（IMG.LY 基准测试，2026）
- ◆约 23% : 线上购买粉底的退货率，在允许退货的情况下，主要由色调不符所致（2026 年基准数据）
- ◆2570 亿美元 : 2025 年全球线上美妆与个护销售额（Statista），一个颜色准确度要用真金白银来买单的战场
这三个数字讲的是同一个故事。在美妆中，颜色不是审美细节，而是商业承诺。当一张画面展示了产品守不住的色，退货就出去了，利润也随之而去。而这恰恰是生成式 AI 最脆弱之处。
次表面散射：AI 现在做得好的部分，以及它无法控制的部分
看一支点燃的蜡烛、一只逆光的耳朵、灯下一小坨面霜。光并不只是在表面上简单地弹回：它进入材质，在内部游走，染上颜色，再柔和地离开。在皮肤上，这段旅程偏向红色，因为表皮之下有血。这个现象有个名字，subsurface scattering，即次表面散射，正是它给了皮肤、蜡、大理石与香水那种有生命的感觉。没有它，皮肤看起来就像塑料。3D 渲染引擎多年来一直从真实物理出发计算它：材质的厚度、密度、散射的颜色。
而生成式 AI 什么也不计算：它看过数以百万计的皮肤图像，按统计再现它们的外观。而且说句公道话，它做得越来越好。以 Nano Banana Pro 为首的最新一代模型，能出非常令人信服的皮肤、精华与半透明瓶子，以至于单看一张图，假已经不再一眼就能识破。如今缺的不再是外观，而是控制：一款面霜的扩散厚度、一层蜡质的半透明、一瓶香水液体的内部颜色，都不是你能设定的参数，而是你在一次次生成中或得到、或得不到的结果。只有一张图时，挑一张好的就行。面对一整条产品线，你要的是每一款产品、每一种光线下都有同样的材质感，而这正是物理计算重新掌握主动权的地方。
品牌色不是氛围，而是数值
这是最具体的一点，也是对试过的人最扎心的一点。如今图像生成器接受提示词里的十六进制码，有的甚至把这当成卖点。但它不像设计软件那样读取它：它读的是语言，而这个数值对它而言只是一串靠猜来解释的字符。结果是，它优化的是貌似可信，而不是分光光度计。IMG.LY 的基准测试在 15 个模型上衡量所要求的颜色与返回颜色之间的差距，结论毫不留情：最好的也止步于 5 分中的 3.67，15 个模型中有 12 个停在 3 这条线之下。要求两个精确的品牌色，模型会让其中一个偏移，加上一段渐变，甚至塞进第三种色调。目前已知唯一能接近精确数值的办法，是提供一块色块作为参考图然后反复迭代，或者在后期把色调修正回来。只有一张图时，调色师几分钟就能做完。面对一整条产品线，这种手工追补要在每一张画面上重来一次，而且无法保证两张图彼此呼应。
CGI 从问题的另一端入手。给它精确的数值、十六进制码、转换到工作色彩空间的 Pantone 参照、玻璃的折射率、在真实产品上测得的散射轮廓，它就会以可复现的方式渲染。写下的东西就出现在屏幕上，但有一个严肃的工作室都清楚的前提：一条端到端受管理的色彩链路（ACES 或 OpenColorIO、经过校准的显示器），以及为了精确匹配，用分光光度计对真实产品进行测量。差别不是艺术才华的问题，而是本质的差别：生成是概率性的，品牌的要求是确定性的。为了一个标志、一种签名色、一只必须与货架上试用装一致的瓶子，人们不能去赌提示词的彩票。
在美妆中，一个错误的色调不是一张失败的图像，而是一件顾客认不出的产品。而认不出的东西，就会被退回。
一个错误色调的代价
这个话题，可以说一点也不「化妆」。在线上出售的粉底与遮瑕上，在允许退货的地方，退货率攀升到约 23%，几乎全因色调出错。就线上出售的全部美妆而言，近三分之二的退货来自实物被认为与屏幕所示不同的产品。每一个被退回的包裹都是物流、是失去的利润、有时是无法再用的产品。一张承诺了皮肤找不到的颜色的画面，不只是令人恼火，它直接在喂养这项成本。
相反，一张忠实的画面令人安心并促成销售。这正是美妆产品图的全部意义：展示真实的色调、真实的质感、真实的光泽，让盒子里到手的东西与屏幕所承诺的一致。计算出的 3D 之所以能做到，是因为它从产品的数值出发。这是一笔投资，但这笔投资在服务图像的同时也守住了利润。
AI 真正帮得上忙之处，以及 3D 依然必要之处
这一切都不意味着 AI 在美妆里没有位置，恰恰相反。在 Digiteyes，它在上游工作，在它出色的地方：探索艺术方向，一小时内试十种光线氛围，生成一个品牌世界来框定情绪板，在 3D 制作前把场景先粗略搭出来。而当生成出来的皮肤或材质够好时，它就成了 3D 团队的渲染参考。在这些工作里，AI 省下宝贵的时间；而它今天在皮肤上达到的质量，让这种探索比一年前有用得多。 用 AI 做最终画面，在我们这里并不是禁区，而是条件问题：一张孤立的图，没有整条产品线要对齐，没有必须精确到色号的品牌色，并且交付前由一位艺术家把关。
但一旦涉及一整条产品线、一张必须与货架上试用装对得上的产品图、一组必须彼此呼应的图像，画面就仍要从产品的实测数值出发、在渲染引擎里做出来。不是出于原则，而是出于必要：这是保证同一个红能在三十款产品、一百个角度上都出得来的唯一办法。AI 加快思考，CGI 为整条产品线签名。把两者混为一谈，就是在一个不宽恕的市场上冒险用错色调。把两者衔接好，就是在质量上分毫不让的前提下做得更快。
常见问题
- ◆什么是次表面散射（subsurface scattering）？ 它是光在半透明材质表面之下的散射。光进入，在内部扩散，染上颜色，再柔和地离开。正是它给了皮肤、蜡、大理石或香水那种有生命的外观。在 3D 渲染中，它是从材质的真实物理出发计算的，并且可以调节。生成式 AI 则从图像中模仿它，如今在单张图像上模仿得非常好，但既无法调节，也无法保证每次生成的结果一致。
- ◆为什么生成式 AI 会弄错品牌色？ 因为生成模型接受色号，却不像设计软件那样读取它：它解释语言，优化的是一张貌似可信的图像，而不是一个精确的数值。2026 年的 IMG.LY 基准测试表明，即便最好的模型也远达不到期望的颜色忠实度，最好的也仅为 5 分中的 3.67，15 个模型中有 12 个低于 3。色调会偏移，渐变会出现，有时还多出一种颜色。只有一张图时，色调可以在后期修正；面对一整条产品线，这种手工修正无法保证不同画面之间的一致性。
- ◆在美妆产品图上，CGI 比 AI 更可靠吗？ 对于一件必须与门店版本一致的真实产品，是的。CGI 从产品的精确数值出发，色号、材质、折射率，并在受管理的色彩链路中以可复现的方式渲染：所指定的就会出现在屏幕上。当颜色是一项商业承诺而非仅仅一种氛围时，这一点是决定性的。
- ◆AI 在美妆制作中有用武之地吗？ 有。首先是在上游：探索艺术方向、测试光线氛围、生成情绪板或把品牌世界先粗略搭出来。最好的模型如今能很好地还原皮肤与材质，这让这些探索成了真正的渲染参考。而在颜色与材质必须精确、且每一张画面之间都必须一致的整条产品线上，它把位置让给计算出的 3D 渲染。 而对于既没有整条产品线、也没有合同色号的单张最终画面，只要交付前由一位艺术家把关，AI 也可以胜任。
- ◆为什么颜色在美妆里如此重要？ 因为一个色调就是一件产品。顾客会把画面里的颜色与她所期待的相比，不符就退货。在线上出售的粉底上，退货率达到约 23%，主要由色调出错所驱动。因此一张忠实的画面既守住了图像，也守住了利润。
一张配得上产品的美妆画面？
Digiteyes 为美妆与奢侈品打造高端产品图与 CGI 影片，颜色与材质的要求以真实产品为基准校准。聊聊你的色调、你的瓶子、你的材质：contact@digiteyes.fr。
来源
- ◆IMG.LY GenAI Benchmarks · Why AI Image Models Miss Your Brand Colors （以 CIEDE2000 衡量的颜色忠实度，最佳模型 3.67 / 5）
- ◆ITU Online · What Is Subsurface Scattering? （次表面散射的定义及其在皮肤与蜡质真实感中的作用）
- ◆Eightx · Beauty & Cosmetics Return Rate Benchmarks 2026 （粉底退货率约 23%，64% 的美妆退货因产品「实物不同」）
- ◆Loop Returns · 电商中退货最多的产品（2026） （化妆品退货原因：色调与偏好）
- ◆Statista, via Oberlo · Beauty and personal care e-commerce market （线上美妆与个护销售额：2025 年 2570 亿美元，年增长率）
- ◆W. Bakkali (Google Cloud Community, Medium) · Color Code Adherence in AI Image Generation （所要求色号与渲染颜色之间的实测差距，以及作为权宜之计的参考色块）
