一份白皮书里有一组数字，值得反复看。淘天集团联合《天下网商》发布的《AI 重塑经营，2026 中国电商 AI 应用白皮书》，调研并深访近千户商家，超过 95% 已应用 AI 工具，超过 60% 每天高频使用，88% 计划继续维持或加大投入。
另一组数字来自腾讯新闻 10 月 22 日的报道。服装电商卖家中超过 35% 已使用 AI 换装或 AI 模特工具，淘宝服装卖家的使用率约 40%，行业预计 2026 年渗透率超过 60%。同一篇报道提到，76.95% 的调研商家应用过 AI 素材生成能力，这个数字覆盖全品类。
用的人这么多，钱在账上却看不到。这是很多董事长在年会上被问到 AI 进展时的尴尬。问他投了多少，答得出来。问他省了多少，答不出来。
问题出在归集方式上。
一家服装公司的成本表是按科目分的，销售费用、管理费用、研发费用、营业成本。AI 带来的节省散在这些科目里，且金额都不大。拍摄费少花了三十万，客服人力少用了五个人，报表分析的时间省了两天。三笔加起来的价值可能上百万，但在利润表上，它被稀释在几十个科目里，谁也看不见。
看不见的投入，第二年就会被砍。这是 AI 项目最常见的死法，原因在价值无法证明，技术本身往往是够用的。
还有一个更麻烦的问题。AI 省下来的时间，通常不会被记成收益，而是被拿去做了更多的事。原来一周出三个方案，现在一周出十个。方案变多了，决策质量不一定提高，人的工作量反而上升。这种现象在行业里有个说法，效率提升被新增的工作量吃掉了。
希纪在给服装企业做 AI 落地诊断时，会要求管理层先做一件事，把 AI 项目按「省成本」和「增收入」两类分开。两类的验收方式完全不同。
省成本类，验收看绝对值。一个具体的流程，改造前花多少钱、多少人、多少天，改造后是多少。数字要能对上财务科目，能在月结里查到。做不到这一点的项目，不能算成功。
增收入类，验收看增量归因。AI 带来的新客户、新款式、新市场，要能被单独标记，能和对照组比。这一类比省成本难得多，因为它需要实验设计，而大部分公司没有这个习惯。
分完这两类，通常会发现一个分布。省成本类项目容易落地，天花板低；增收入类项目天花板高，成功率低。合理的组合是七三开，七成资源放在能算清的省成本上，三成放在有赌性的增收上。
中国服装协会在 2026 年 10 月 19 日发了一份通知，面向全社会征集服装产业 AI 技术应用先进解决方案，优秀方案将编入《服装产业 AI 技术应用图谱》，在 2026 服装产业 AI 技术应用大会前后发布，申报截止 11 月 30 日。
这份通知透露了一个信号。行业层面正在系统梳理 AI 在服装各环节的应用现状，准备给企业一份技术选型的参考。对一家几十亿的公司，这件事有两种用法。一种是等图谱出来，照着挑供应商。另一种是趁征集期，把自己内部的实践整理一遍，看看哪些环节真的跑通了。
第二种用法更有价值。整理的过程本身会暴露一件事，公司里到底有几个环节是真的在用 AI，几个环节只是买了工具没人用。
有一个判据很好用。问一线主管一个问题，如果明天把这个 AI 工具停掉，你的工作会有什么不同。答得出具体不同的，是真在用。答不出的，是买了个摆设。
另一个判据是看会议。如果 AI 只出现在战略会和年度汇报里，不出现在周会的问题讨论里，它就没有进入经营。落地的标志是，一线在遇到具体问题时，第一个反应是问能不能让机器先跑一遍。
写到这里，可以给一个能带走的框架，用来管 AI 这笔钱。三张表。
第一张是投入表，把当年所有与 AI 相关的支出列出来，包括软件订阅、外部服务、内部人力、数据治理。内部人力这一项最容易被漏掉，而它通常是最大的一块。
第二张是产出表，只填能对上财务科目的数字。省下的费用、减少的人头、增加的收入。填不满的表，说明项目还没到时候。
第三张是责任人表，每个项目一个名字，一个人，不是一部门。这个人要能回答两个问题，这个项目今年省了多少，明年打算省多少。
三张表放在一起，AI 就从一件说不清的事变成了一笔可管的投资。管得住的投资才能追加，管不住的只能靠信仰，而信仰在董事会上撑不过三年。
希纪 · 服装产业观察