Onton

越来越多消费者开始用 AI 辅助购物——不只是查参数、比价格，而是让 AI 帮他们理解需求、生成方案、甚至布置房间。在这股趋势中，AI 家居购物平台 Onton（前身为 Deft）正快速崛起。

公司今日宣布完成 750 万美元 A 轮融资，由 Footwork 领投，Liquid 2、Parable Ventures 和 43 等参投。至此，Onton 总融资额达 约 1000 万美元。资金将主要用于扩展服装品类，随后进入消费电子领域。

为什么传统 AI 购物不够用？

尽管 OpenAI、谷歌和亚马逊都在推动 AI 购物助手，但联合创始人 Zach Hudson 指出，大语言模型（LLM）在电商场景仍面临两大问题：

1. 容易“幻觉”：编造不存在的产品特性或参数；
2. 缺乏现实知识：无法理解“聚酯纤维更耐宠物抓挠”这类隐性规则。

Onton 的解法是采用 神经符号架构（neuro-symbolic architecture） ——结合神经网络的理解能力与符号系统的逻辑推理，从根本上减少幻觉，同时让模型能学习产品描述之外的“常识”。

“比如用户想找‘宠物友好’的沙发，我们的系统知道：含聚酯纤维、可拆洗、低矮设计的款式更合适。这些知识来自真实搜索行为，会持续积累。”

不只是聊天：用图像与画布降低表达门槛

Onton 认为，很多用户说不清自己想要什么，但能“看出”想要的效果。因此，它提供了多种非文本交互方式：

• 图片上传：上传房间照片，AI 自动推荐匹配家具并模拟摆放；
• 文本+图像生成：输入“北欧风书房”或上传灵感图，生成完整搭配方案；
• 无限画布：将找到的商品拖入虚拟空间，自由组合、调整布局，类似轻量版设计工具。

这些功能让用户即使无法精准描述需求，也能快速探索选项，大幅缩短决策路径。

效果如何？转化率提升 3–5 倍

得益于更准确的推荐和可交互的体验，Onton 的用户转化率已达传统电商的 3–5 倍。Hudson 表示，关键在于用户信任底层数据——他们知道推荐不是随机猜测，而是基于可解释的逻辑。

平台月活跃用户已从年初的 5 万增长至超 200 万，处理了数百万次搜索与图像生成请求。

下一步：进军服装，直面新竞争

今年早些时候，公司从 Deft 更名为 Onton，以解决原名混淆与域名问题。如今，团队正全力构建服装商品目录，计划很快上线服装垂直品类，将与 Daydream、Aesthetic、Style.ai 等 AI 时尚平台竞争。

Hudson 表示，得益于现有架构的灵活性，扩展新品类的技术成本显著降低——服装的“合身度”“材质适配”“风格一致性”等逻辑，可复用家具领域的推理框架。

团队与未来

Onton 团队从 2023 年的 3 人扩展至目前的 10 人，计划年底前通过招聘工程师与研究员扩充至 15 人，持续强化模型与产品能力。

在 AI 购物从“问答”走向“行动”的浪潮中，Onton 选择了一条更重现实知识、逻辑推理与空间交互的路径。它的目标不是取代电商，而是让购买复杂商品（如家具、衣服）变得更直观、更可靠。