对于AI绘制毛衣肌理，可以使用一些机器学习或计算机视觉技术。

下面是一些可能的方法：

1. 使用GAN：通过训练一个基于GAN（生成对抗网络）的模型，可以生成类似于真实毛衣材质的肌理。GAN模型是由两个神经网络组成的模型，其中一个生成器网络用于生成新的样本，另一个判别器网络则用于评估生成器生成的图像是否真实。通过在训练过程中反复调整这两个网络，可以实现生成更加逼真的毛衣肌理。

2. 使用深度学习：使用卷积神经网络（CNN）进行图像分割，可以将毛衣的正面、背面、袖口等部位匹配并分割出来，然后再对每一个部位分别使用神经网络识别相应的纹理特征，从而生成一个更为自然的毛衣肌理。

3. 使用图像处理算法：可以对一张真实的毛衣图片进行处理，在该图片上添加不同的噪点、毛发纤维等不同特征，从而获取不同纹理的毛衣样本，再使用图像合成技术将不同特征的图像融合起来，形成毛衣肌理。总之，这些方法只是可能的选择，实际应用中应根据具体情况选择合适的技术手段。同时，也需要大量的数据训练和优化，以便让AI可以更好地学习和理解毛衣的纹理特征，生成更加逼真的毛衣肌理。