编者按： 效率是AI的长板，创意却是它的暗礁。当几乎所有服装企业都在拥抱大模型，为何有的品牌迎来爆款井喷，有的却陷入设计“千人一面”的同质化泥潭?本文基于哈佛商学院、沃顿商学院等联合研究的最新学术成果，结合纺织服装行业的真实案例与数据，为你拆解AI赋能创新的“能”与“不能”。

　　一、同一套工具，为何产出天差地别?

　　如今，从汉正街的商户到安踏、波司登这样的头部品牌，几乎都在用大模型。但一个令人困惑的现象正在蔓延：一部分企业靠AI实现了创意爆发，另一部分却被大量同质化、毫无记忆点的设计淹没——这些设计读起来仿佛出自“同一双手”。

　　问题不在于你用的是哪款模型。中国纺织工业联合会信息化部指导编制的《AI+纺织服装产业发展白皮书》显示，当前纺织服装行业设备数字化率达57.4%、联网率达51.8%，均已超越全国制造业平均水平。工具已不是壁垒，真正的瓶颈藏在人的认知和组织机制里。

　　一项来自哈佛商学院、沃顿商学院、西北大学与哥伦比亚大学的联合研究，沿着创意生成、创意筛选、消费者洞察、市场学习四大环节，逐一剖析了AI与创新瓶颈的交互逻辑。下面，我们把这项学术框架“翻译”成服装行业的语言。

　　二、创意生成：AI越“听话”，设计越“撞衫”

　　服装创意生成是寻找“例外”的探索，而非追求“合格”的流水线。但如果设计师直接打开大模型输入“设计一件2026秋冬女装”，会发生什么?

　　大模型的天性是输出统计意义上最常见的回答——它的训练逻辑就是根据概率续写文本。于是，AI先给出“最安全”的设计方向，再进一步锚定设计师的思维边界，形成两步式思维收窄。更严重的是，多数生成式模型训练数据集高度趋同，不同公司的设计团队用AI做所谓“创意工作”时，很容易收敛到少数几类设计方向。

　　这正是服装行业正在遭遇的现实。有研究指出，服装产品设计领域因市场周期快速迭代及对流行趋势的过度模仿，图案设计已呈现显著同质化现象。西班牙《世界报》近日报道也发出追问：算法究竟激发了创新，还是加剧了创意的同质化?这种矛盾在时尚领域尤为显著。

　　市场分析： 同质化带来的直接后果是价格战。当设计本身无法构成差异化，品牌只能靠降价争夺存量市场。有专家指出，受原创设计不足、供应链响应滞后等因素制约，叠加电商平台比价机制，服装产业同质化竞争、价格内卷等问题日益凸显。而AI如果不加约束地使用，恰恰是在加速这个过程。

　　破局之道： 问题出在模型，而非人的思维。有服装企业已经在尝试“思维链”式提示词——引导模型先完成初稿，再明确要求它向更大胆、差异化的方向迭代。但需要警惕的是，这套方法可以帮助AI，却无法帮助人类提升自身的思考质量。一旦设计师的思维被AI给出的初始想法锚定，单纯告诉自己“拓宽思路”基本无效。

　　三、创意筛选：精致≠优秀，流畅≠正确

　　创意筛选阶段，企业需要决定哪些设计获得资金支持、进入生产。服装行业的评审团队向来对“新颖”设计抱有偏见——原创想法风险感更强、难以预判市场表现，于是评审会下意识地选择稳妥、熟悉的方案。

　　生成式AI以一种全新方式放大了这种偏见。AI生成的提案天然行文流畅、结构完整，而流畅度很容易被误等同于方案质量。迪尚集团设计师王传馨的表述颇具代表性：“我们的核心价值转移到了对设计方案的审美把控、细节优化以及最终筛选上”——当AI可以批量产出精致方案，评审者的判断力反而面临更大考验。

　　还有一个更隐蔽的风险：如果你拿评审委员会过往通过/否决的历史决策去训练筛选大模型，并没有消除流程偏见，反而是把偏见大规模固化，包装成客观的算法结果。一项实地实验发现，当评审者拿到大模型给出的建议并附带模型撰写的理由时，他们更容易直接盖章否决提案，但分辨AI判断对错的能力并没有提升。

　　破局之道： 解决方案要从流程制度入手，而非依赖技术——所有提交方案统一格式化，再交由评审打分，并隐...

会员内容