2026年的纺织服装行业，呈现出一条耐人寻味的裂痕：内需在温和修复，1—5月全国服装零售额达6425亿元，同比增长7.2%，高于同期社零增速5.8个百分点;但制造端的利润却在加速失血——纺织制造板块上半年收入与净利润同比分别下降10%和17%，申洲国际归母净利润同比大降40%，华利集团二季度净利润同比下降37%。品牌端同样分化剧烈，服装家纺板块上半年净利润同比下滑50%，第二季度净利率甚至跌入负值区间。
数据在变得前所未有的廉价，而判断力在变得前所未有的昂贵。
CHIC 2026秋季展上，依明科技董事栾靖邦的判断被反复引用：“当AI抹平表达门槛，市场将出现大量同质化供给，真正稀缺的将是个体独有的审美力与判断力。当90分成为标配，91分才是壁垒。” 这句话几乎可以视为当下纺织服装行业竞争格局的判词。数据分析工具、趋势预测模型、AI辅助设计系统，正在以极快的速度从“差异化能力”滑向“入场基础设施”。森马的AI设计系统已服务超过40%的设计师，设计研发整体效率提升35%;歌力思自研的AI闪链侠系统将算料、齐套、下单环节的人力大幅压缩。当几乎所有玩家都能用上同一套工具得出同一份趋势报告时，报告本身就不再构成战略。
真正难以被机器复刻的，是那些根植于真实场景、难以编码和传递的经验。战略学者加布里埃尔·舒兰斯基称之为“粘性知识”——它依附于具体场景、具体的人与关系，掌握者未必能言说，局外人即便拿到“结论”也难以理解其所以然。在纺织服装行业，这种知识从来都是差异化最原始的土壤。
AI把“分析”拉平之后，什么在拉开差距
过去十年，服装行业在供应链优化和线上零售两个方向上投入了巨量资源，从柔性生产到算法推荐，效率改善有目共睹。但见实资本涂士尧在CHIC 2026秋季展上点出了一个被长期遮蔽的事实：这些优化始终围绕“货”和“效率”展开，“人”是缺位的。AI可以告诉企业哪类廓形在过去30天的搜索量上升了17%，却无法告诉企业为什么某个区域的消费者在特定生活节点上会对一件衣服产生“被理解”的感觉——因为后者所依赖的信息，大多从未被结构化，也未被言说。
这正是分析工具与粘性知识的分野。分析处理的是已经浮出水面的相关性;粘性知识处理的，是那些“说不清但奏效”的因果逻辑。一家面料企业的研发人员能在车间里凭手感判断一批功能性面料的吸湿表现是否达标，这种判断来自多年一线积累的体感记忆，无法从检测报告中直接读出。申洲国际之所以能在代工环节建立起远超同业的利润韧性，核心不在于它拥有更多的分析报告，而在于它将面料研发与制衣环节深度咬合，研发投入常年占收入5%左右，是行业平均水平的2.5倍，面料实验室与生产现场之间的知识流动构成了竞争对手难以复制的壁垒。报表可以告诉你申洲的毛利率比别人高，但报表无法告诉你那个毛利率是在6000平方米的面料实验室和车间之间的日常往返中长出来的。
三类粘性，三种竞争壁垒
纺织服装行业的粘性知识，大体落在三个层面，每一层都对应着AI难以独立跑通的场景。
第一层是认知层面的黏性——经验在人的身体里，不在数据库里。 优衣库与东丽合作超过十五年，AIRism系列做到“3秒吸汗、1小时速干”，经典款速干能力是全棉面料的1.9倍。这些参数最终会出现在吊牌和详情页上，但参数背后的知识——哪一种极细纤维的截面形状在什么湿度条件下与皮肤接触时的体感最优、编织密度怎样调整才能在速干与柔软之间取得平衡——是在无数次试织、试穿、体感反馈中沉淀下来的。它不拒绝数据，但它绝不等于数据。AI可以拟合已有的测试结果，却无法替代那个在织机旁用手背感受面料回潮状态的判断瞬间...
会员内容
来源：
