PUMA AI Creator: 利用 Google Cloud 彻底改变粉丝参与和数字艺术

Lisa Ernst · 25.01.2026 · Artificial Intelligence · 9 min

一件足球球衣通常是设计故事的终点：俱乐部和品牌做出决定，粉丝们做出反应，讨论发生在发布之后。但有了 PUMA AI Creator, ，PUMA 颠覆了这一顺序。品牌没有说“这是我们的球衣”，而是问道： 向我们展示你会创造什么。 结果不仅仅是一个营销噱头。这是一次可衡量的大规模测试，旨在探索当生成式 AI、云基础设施和游戏机制被整合到一个单一体验中时，粉丝主导的创造力会是什么样子。

来源: 自有插图

PUMA (全球主要的鞋类、服装和配饰运动品牌之一) partnered with Google Cloud 将 直接引入其数字生态系统。这项倡议的突出之处不在于它使用了 AI，而在于它以零售规模使用了 AI：快速、可靠、安全地生成图像，以服务庞大的全球受众，而不会将体验变成一个缓慢、卡顿的等候室。

从实际操作上看，这意味着从静态的“品牌讲述/客户倾听”式故事叙述，转变为一个互动的循环，客户可以创造、反应和投票——品牌则在此过程中收集真实的参与信号。

快速总结：PUMA AI Creator 亮点

• 全球范围： 来自 206 个国家/地区的 54,000 名用户参与。
• 高产出创造： 生成了 180,000 个球衣设计。
• 社区反馈循环： 通过滑动/投票记录了 170 万次粉丝评分。
• 云基础： Google Cloud Platform，使用 Google Kubernetes Engine 和 Nvidia H100 GPU。
• 速度提升： 生成四张高清图像的时间从约 60 秒减少到约 17 秒。
• 成本控制： 在实时阶段使用了 306 个 Nvidia GPU，而非最初预计的 600 个。
• 个性化引擎： Vertex AI 上的 Imagen 2 实现了区域感知和情境感知的产品图像。
• 商业提升： 个性化内容 + 分割改善了点击率 (CTR) 和平均订单价值 (AOV)；后续结果包括可衡量的提升（详情如下）。

PUMA AI Creator：一场粉丝主导的设计革命

故事的核心是 PUMA AI Creator ——一个围绕曼城足球俱乐部建立的粉丝共同创造项目。作为该俱乐部的官方球衣制造商，PUMA 不仅仅展示了一个新的设计方向；它邀请粉丝们去生成这个方向。目标是雄心勃勃的：为曼城 2026/27 赛季 third kit (2026/27 season).

创建一个 AI 辅助的、粉丝设计的球衣概念的路径。 December 9 to December 20, 2024. 实时阶段从 2024 年 12 月 9 日持续到 20 日，为期 10 天。在此期间，用户可以注册并通过基于浏览器的工具开始制作概念，该工具将 3D 球衣预览与文本到图像生成相结合。限制很简单但很重要：文本提示的长度不能超过 up to 300 characters. 。这个限制迫使清晰——减少“新颖提示”，增加设计意图。

体验如何运作（分步）

1. 在平台上 并获得 10 个设计点数。
2. 撰写提示 （最多 300 个字符），并在 3D 浏览器应用程序中生成球衣概念。
3. 保存设计 到图库中，并选出最喜欢的。
4. 提交最多两个设计 作为参赛作品（每位用户有两个提交机会）。
5. 投票和赚取奖励 ：滑动评分其他设计； every 10 votes 在初始点数用完后，解锁 2 个额外的点数，保持参与持续进行。
6. 奖励社区 ：曼城粉丝（“Cityzens”）、DEEPOBJECTS.ai 社区成员和 PUMA NFT 持有者获得了 double credits, ，使得投入最多的群体成为最活跃的创造者。

这个循环（创造→分享→投票→赚取点数→再次创造）并非偶然。这是一个经典的参与引擎，但在这里它与生产级的 AI 后端紧密相连。输出量证明了它的有效性： 180,000 designs 和 1.7 million ratings 来自 54,000 users 在 206 countries 内 10-day 实时阶段。

Ivan Dashkov（PUMA 新兴营销技术主管）将这项倡议视为 PUMA 即使在没有既定剧本的情况下也愿意以技术领先的证明。这才是重点：这不仅仅关乎球衣——这是对“AI + 商业 + 社区”在现实世界中进行的一次压力测试。

来源: sgieurope.com

Ivan Dashkov PUMA 肖像。这张图片展示了一个穿着 PUMA 夹克的男士，在现代走廊背景下微笑着。这是一张干净自然的肖像，与“Ivan Dashkov PUMA 肖像”的搜索词相符。图片光线充足，没有分散注意力的叠加或文字，适合作为博客内嵌图片位。

幕后：Google Cloud 和生成式 AI

很酷的活动会死于无聊的问题：延迟、扩展能力、并发性和成本。如果成千上万的用户点击“生成”但系统卡顿，那么魔力就消失了。为了让 PUMA AI Creator 感觉即时（或至少足够快），PUMA 需要能够处理全球流量高峰而不会陷入超时故障的基础设施。

PUMA partnered with FTR 作为主要代理商， Modern English 负责应用的前端/后端开发，以及 Slalom 负责 AI 后端和可扩展的云基础设施。Slalom 将该应用的一个本地版本（最初使用 ComfyUI + a Stable Diffusion image generation model ）迁移到 Google Kubernetes Engine (GKE).

上的容器化部署中。一个关键的架构组件是定制的队列系统，用于对用户请求进行排序、缓冲和排序，旨在容忍高达 50,000 incoming prompts. 。这种缓冲是在需求混乱时保持用户体验稳定的关键。

第二个成功因素是硬件： Nvidia H100 GPUs. 在最后的 15 days before launch, 中，Slalom 和 Google 专家团队专注于性能瓶颈和 GPU 优化——回报是显著的。生成时间从大约 60 seconds 降至大约 17 seconds 用于 four high-definition images.

。速度并不是唯一的胜利。效率也得到了提高：在实时阶段，系统仅使用了 306 Nvidia GPUs, ，而非最初预计的 600. 。这一差异至关重要，因为在 GPU 密集型 AI 工作负载中，成本很容易迅速螺旋上升。

来源: indiamart.com

Nvidia H100 GPU 卡。这张图片展示了 NVIDIA H100 PCIe 卡在一个干净的白色背景下的侧角视图。它清晰地展示了卡片的支架、端口和整体轮廓，使其成为物理硬件的绝佳代表。简洁的展示和没有叠加层使它成为博客内嵌图片槽的理想选择。

为什么基础设施细节很重要

• 感知到的创造力取决于响应速度： 如果“生成”耗时太长，用户就会放弃。
• 队列保护体验： 缓冲可防止流量高峰击垮系统。
• GPU 效率 = 成本控制： 将预期的 GPU 需求减半会改变运行类似活动的经济效益。
• 容器编排实现规模化： GKE 有助于在不可预测的需求下管理分布式系统。

Vertex AI 上的 Imagen 2：实现本地化的个性化体验

AI Creator 抢占了头条新闻，但 PUMA 更广泛的 AI 故事是关于使用 Imagen 2 on Vertex AI 来生成动态的、情境感知的产品图像——不仅仅是“很酷的 AI 图片”，而是适合特定地点特定用户可能做出反应的图像。 个性化商务

的概念很简单：同样的产品可以被置于不同的环境中，以匹配当地的文化和偏好。在日本的顾客可能会看到一双生活方式鞋款在 Ginza, 的街道上展示，而一双越野鞋款则出现在 Mount Fuji. 的山脚附近。这种本地化很难通过手动大规模生产，但当流程自动化时就变得可行。

Imagen 还支持 PUMA 的内容团队处理重复的图像编辑任务——阴影、构图、颜色准确性、分辨率和产品定位。运营影响是直接的：减少手动制作时间，加快营销活动推出速度，缩短跨地区的上市时间。

更广泛的 AI 采纳和未来计划

PUMA 早在今年初就将其电子商务生态系统（包括 puma.com）的关键部分迁移到了 Google Cloud。根据该倡议报告的结果，此举支持了更好的个性化，并帮助提升了 average order value (AOV), ，同时还减少了产品发布的所需时间。

下一步的重点是扩大方法的推广：PUMA 计划探索使用 Imagen 3 (来扩展活动创建，并打算在更多子公司扩大) 的使用，以强化发现、相关性和转化表现。 Vertex AI Search for Retail Google 最新的文本到图像模型

来源: geekwire.com

Thomas Kurian Google Cloud CEO 肖像。这张图片展示了一个穿着蓝色纽扣衬衫的男士，在纯白色背景下微笑着直视镜头。这是一张干净自然的肖像，没有任何分散注意力的元素或文字叠加。这使其成为需要清晰专业地描绘 Thomas Kurian 的博客内嵌图片槽的绝佳选择。

在分析方面，PUMA 正在通过 BigQuery 利用 Google Cloud 的机器学习能力，通过高级受众细分来深化客户参与。该方法使用第一方数据构建自定义机器学习模型，生成预测性洞察，并在不同接触点更准确地归因转化。

据报告，这项细分工作的性能提升包括 4.6% increase in conversion rates, 6% increase in AOV, 和 149.8% increase in click-through rates （与其它广告目标相比，针对排名前三的受众细分）。

PUMA AI Creator 的关键技术和合作伙伴

其他品牌可以学习的经验（无需复制球衣）

球衣的故事是特定的，但其机制具有普遍性。如果除去足球的背景，剩下的就是一个可重复的模式： creation + feedback + personalization + infrastructure. 如果你正在考虑在商业中使用 AI，这里有一些重要的经验教训。

• 从人们关心的用例开始： 粉丝们不是因为 AI 存在而生成设计；他们这样做是因为身份和社区存在。
• 设计约束会改善输出： 300 个字符的提示限制减少了噪音，使意图更加清晰。
• 使参与可持续： 点数 + 投票奖励使用户在第一次“惊艳时刻”后仍保持参与。
• 工程技术就是产品本身： 队列、扩展性和 GPU 效率决定了体验是高端优质还是残缺破损。
• 及早规划治理： 生成系统需要审核、提示过滤和品牌安全边界（尤其是在全球范围内）。

结论

PUMA AI Creator 是一个清晰的例子，展示了当生成式 AI 被视为不仅仅是新奇事物时会发生什么。PUMA 使用 AI 将粉丝拉入创意过程，但真正的成就是运营上的：成功发布了一个全球性的、高容量的、AI 驱动的体验，同时保持了高响应度、可衡量且成本可控。 PUMA 使用 AI 将粉丝拉入创意过程，但真正的成就是运营上的：成功发布了一个全球性的、高容量的、AI 驱动的体验，同时保持了高响应度、可衡量且成本可控。

在十天内，这次活动产生了大多数品牌梦寐以求的参与度（设计 + 评分）——同时展示了一个现代化的 AI 堆栈：GKE 上的容器化生成、Nvidia H100 GPU 上的优化性能，以及通过 Vertex AI 实现的个性化。如果零售业正朝着这个方向发展，那么教训很简单：电子商务的未来不仅仅是“推荐”。 它是 interaction ——并且越来越是 co-creation.