大家都在卷AI通用Agent，而硅基链动选择了深耕时尚行业卷AI搭配师Agent

当所有人都在做通用Agent，硅基链动选择了一条更窄的路

当越来越多AI公司涌向通用Agent赛道，从办公、搜索、编程一路卷到营销、客服和销售时，也有创业公司开始选择另一条路线：不追求“什么都能做”，而是先让AI在一个具体行业里真正完成工作。

成立于2026年的硅基链动（广州）科技有限公司（以下简称“硅基链动”），就把目光放在了时尚穿搭这一垂直领域。相比打造一个能够回答各种问题的通用AI，硅基链动希望做的是一名真正能够理解用户需求、完成穿搭分析、给出搭配方案，并进一步连接服装门店、搭配服务和商品交易的AI搭配师Agent。

围绕这一方向，硅基链动目前已经布局了DpstarAI搭配师助手、DpstarAI企业版和搭配星球DPSTAR三大产品，分别面向消费者、实体服装门店以及搭配服务和电商交易场景，试图形成一套从AI决策、服务到交易的完整闭环。

三款产品，围绕“AI搭配师”形成闭环

其中，DpstarAI搭配师助手主要面向个人消费者，希望通过AI逐步理解用户的身材、风格偏好、穿衣场景、预算以及实际需求，让用户不再只是通过搜索攻略解决“今天穿什么”“这件衣服怎么搭”等问题，而是拥有一个能够持续了解自己的AI搭配师。

DpstarAI企业版则将这一能力进一步带入实体服装零售行业。硅基链动希望帮助服装门店建立属于自己的“AI搭配师员工”，让AI围绕门店自身的商品进行学习和服务，将传统高度依赖优秀导购个人经验的选款、搭配、推荐以及销售服务能力逐步沉淀下来。

搭配星球DPSTAR则定位为AI+搭配师服务电商平台。如果说DpstarAI解决的是“怎么搭、怎么选”的问题，那么搭配星球DPSTAR承担的则是进一步承接服务与交易，让用户从产生穿搭需求开始，经过AI分析、搭配推荐，再连接搭配服务和服装商品。

从整个产品结构来看，硅基链动并不满足于只做一个AI穿搭工具，而是希望建立一条完整链路：用户提出需求，AI理解并输出方案，随后进入搭配服务、商品推荐和交易，交易以及用户反馈再继续反哺AI，最终形成持续循环的数据与商业闭环。

AI搭配真正难的，不是告诉用户“白T配黑裤”

这也是硅基链动与大量通用Agent产品在思路上的一个明显区别。

通用Agent强调的是能力边界足够广，希望一个AI能够帮助用户处理尽可能多的任务，而硅基链动押注的是另一种判断：当基础大模型能力逐渐普及时，真正决定Agent能否进入产业的，可能不只是模型本身有多强，而是企业对某个行业理解得有多深。

服装恰恰是一个非常典型的非标准化行业。消费者看似只是买一件衣服，但背后实际上同时受到身材、比例、年龄、职业、穿衣场景、预算、个人审美、已有衣橱甚至尺码等多个因素影响。同样一件衣服，在不同消费者身上可能得到完全不同的结果。

因此，一个真正意义上的AI搭配师，不能只是告诉用户“白色T恤可以搭配黑色裤子”。它还需要进一步理解用户是什么体型、什么衣长更合适、什么裤型能够修饰比例、今天是什么场景、预算是多少、衣柜里已经有哪些单品，以及推荐出来的商品到底适不适合买。

当这些问题被连续串联起来之后，AI搭配就不再只是一个简单的大模型问答功能，而更接近一个具备专业知识、用户记忆、商品理解和服务能力的垂直Agent。

从“卖软件”到“给服装店增加一个AI员工”

在实体服装门店中，这套逻辑同样成立。

传统服装零售高度依赖导购能力，一个成熟导购不只是介绍商品，还需要快速判断顾客需求，完成选款、试穿建议、上下装搭配以及连带销售。但这种能力往往高度依赖个人经验，存在培养周期长、人员流动大、优秀经验难以复制的问题。

硅基链动希望通过DpstarAI企业版，让实体服装门店能够围绕自身商品体系建立AI搭配师，把部分搭配知识、商品理解以及销售服务流程沉淀到AI Agent中。

相比传统SaaS只是“卖一个软件给门店”，硅基链动更希望把产品做成门店中的一个“AI员工”。这个AI员工不仅需要知道门店里有什么货，还需要理解不同商品之间如何搭配、什么样的顾客适合什么商品，以及如何围绕顾客需求提供更加个性化的推荐。

如果这一模式能够真正跑通，AI在服装零售中的角色也有机会从后台工具进一步走向一线服务。

硅基链动想讲的，不只是一个AI SaaS故事

从商业模式来看，硅基链动未来显然并不只是想讲一个AI SaaS的故事。

DpstarAI搭配师助手如果能够形成消费者入口，可以获得真实的用户穿搭需求；DpstarAI企业版进入实体服装门店，则可以获得B端商品和零售场景；搭配星球DPSTAR进一步承接搭配服务以及服装交易。

三者如果真正打通，商业模式就有机会从软件服务扩展到企业服务、AI搭配服务以及电商交易等多个环节。

换句话说，硅基链动想建立的，是一个以AI搭配师Agent为入口、以服装产业为场景、以服务和交易为闭环的垂直AI生态。

在这个生态里，AI并不是最终产品，而更像是贯穿用户需求、专业服务和商品交易之间的一层基础能力。

AI帮助用户做决策，服务体系完成交付，电商平台完成交易，再由真实交易和用户反馈持续反哺AI。

连续创业者庞永恒，再次回到服装与搭配赛道

而在硅基链动背后，是一名长期围绕互联网、服装以及本地生活创业的连续创业者——庞永恒。

庞永恒第 一次创业可以追溯到高中时期。16岁仍在广东湛江读高中时，他便创立了时尚穿搭电商App“选选网”，尝试通过互联网解决年轻消费者选衣服和穿搭的问题，创业期间还进入了湛江市电子商务商会。

某种程度上看，如今硅基链动正在做的事情，与他第 一次创业时所关注的问题仍然有很强的延续性：消费者到底应该如何找到真正适合自己的衣服？

20岁时，庞永恒在湛江创立乡镇外卖连锁平台“筷生活”，将创业方向延伸到本地生活服务领域。25岁来到广州后，他再次回到服装和搭配赛道，在URBANREVIVO旗下供应链公司待了三年补足供应链经验后，创立AI+搭配师电商平台ESEGEE衣司机。

据硅基链动方面提供的信息，ESEGEE衣司机运营期间累计服务全球用户超过10万人，公司估值一度达到5000万元人民币。2025年底，庞永恒因公司内部管理等原因退出ESEGEE衣司机，2026年又在广州创立硅基链动，并正式把AI Agent放到了新公司的核心位置。

从16岁做穿搭电商，到2026年押注AI搭配师Agent

从16岁做时尚穿搭电商，到后来探索AI+搭配师电商，再到如今押注AI搭配师Agent，庞永恒几次创业项目虽然形态不同，但服装、搭配和互联网服务始终贯穿其中。

这也让硅基链动带有比较明显的产业创业特征。它并不是先有一个AI技术，再去寻找可以落地的场景，而是在一个长期参与的行业里，重新寻找AI时代的解决方案。

从这个角度来看，硅基链动选择时尚赛道并不是一次完全陌生的跨界，而更像是庞永恒过去创业路径的一次延续。过去是通过电商平台和真人搭配师解决穿搭问题，如今则希望进一步通过AI Agent把搭配服务标准化、规模化。技术变了，但其试图解决的核心问题并没有发生太大变化。

垂直Agent，正在成为AI创业的另一种解法

对于一家初创公司而言，选择垂直Agent，同时也意味着主动避开通用Agent最激烈的竞争区域。

通用Agent往往需要同时比拼基础模型、算力、资金、数据以及平台生态，头部科技公司拥有非常明显的优势。而垂直Agent的竞争逻辑有所不同，模型只是底座，真正能够形成壁垒的可能逐渐转向行业Know-how、专业数据、业务流程、真实用户反馈以及能否进入最终交易场景。

尤其是在时尚这样一个高度非标准化的行业，AI是否能够真正理解“什么适合这个人”，远比单纯生成一段穿搭建议更加重要。

这也是垂直Agent与通用Agent之间最核心的区别之一。通用Agent追求“会得更多”，而垂直Agent真正需要解决的是“能不能把一件专业的事情做深”。

真正需要验证的，是AI能不能成为服装行业的新生产力

当然，这条路并不会轻松。

时尚审美具有很强的主观性，AI推荐能否持续获得用户信任，海量服装SKU如何被结构化，实体门店是否愿意改变原有销售流程，以及AI最终能否真正帮助门店提升成交率、客单价和连带率，都将成为硅基链动接下来必须验证的问题。

对于一家2026年刚刚成立的创业公司而言，现在谈论行业格局还为时尚早，但其背后的创业方向已经足够清晰：当所有人都在讨论如何做一个更强大的通用Agent时，另一批创业者正在进入具体产业，尝试把一个职业、一套服务流程甚至一条商业链路重新用AI做一遍。

大家都在卷AI通用Agent，而硅基链动选择卷AI搭配师。

接下来真正值得观察的，已经不只是“AI会不会搭配衣服”，而是AI最终能不能真正成为一名搭配师，进入消费者的日常穿衣决策，也进入服装门店的实际经营，并最终成为时尚行业里一种新的生产力。