设计师如何拥抱AIGC？整合创新方法专家杨南给出应对指南

TDW设计周2023，将于7月28日-30日在深圳市福田区会展中心举行。本届设计峰会以“回归创造力”为主题，二十一位跨界设计大咖，将解读智能浪潮下，在设计领域我们“为何而做”与“如何而做”，重新诠释创造力的本质。

德籍设计教育和整合创新方法专家杨南（Yang Nan），将现场进行《AIGC与设计创新》主题演讲。站酷专访对话杨南，关注时下热门话题——“AIGC大势所趋，设计师如何应对”。

杨南（Yang Nan）

设计教育和整合创新方法专家

北京理工大学设计与艺术学院客座教授

斯图加特国立美术学院（ABK）和伍珀塔尔大学（BUW）项目教授

Aquacatta GmbH设计咨询公司创始人，ChainBow株式会社设计总监

AICan社区联合创始人

主要研究方向：整合创新方法、演化美学、认知心理、设计史观。在AIGC设计创新应用中积累大量经验，结合自身研究领域构建了通顺的未来产业、制度和文化模式的逻辑框架。

设计AIGC技术究竟发展到了哪一步？哪些产业、行业更先会被AI设计重塑？AIGC会使创作人才标准重构？设计师的“第一能力”会是什么？“AIGC艺术家”涌现，会否消解艺术价值？针对这些问题，杨南从设计教育和实操视角，给出了深度解读和应对方法。

站酷网：很多设计师反馈，目前还没法直接用AI做品牌设计，精确度和完成度很难达到预期效果。大部分会先用Stable Diffusion等AIGC软件做前期或者寻找创意可能性，再用其他工具来精修。据您研究观察，现在设计类AIGC技术在实际应用层面，究竟是什么水平？设计师是不是真该“抖一抖”？

杨南：从设计落地应用层面看，现在AIGC还处于比较初级的状态。原因非常多，比如目前主流AI生图软件多基于Diffusion扩散模型，哪怕输入prompts或者参考照片再准确，生成效果和设想也会有区别。这种差异，在很多场景里是不能接受的，比如电商图，要求和产品完全一样。在其他创意场景里，也很难准确地把人的想象、创意目标呈现出来。

从底层来说，目前AI算法最核心的是统计，也就是找规律，但有些东西是不符合规律的。比如一些漫画，故事情节天马行空，画风独特小众。如果用统计的观点来完成，是没办法进行的。现在AI擅长的是一些比较有规律的模式化作品，比如游戏制作里的立绘，风格成熟的插画等等。这类有模式的东西，可以通过AI训练，快速找出规律，产出就会相对容易一些。而如果是创意类的产出，要达到预期，只能用后期动用人为手段去改。如果是有规律的内容，通过越来越精准的技术迭代、模型训练，是可以达到几乎不必后期修改的。

至于是不是到了设计师应该很担心、很害怕的程度。首先，如果你静态地来看AIGC技术，自己不做改变，做重复性的劳动，比如一个平面设计师，只做固定模式的广告图，肯定会被替代。但是，其实有更多、更有创造力、更能够发挥人特点的事情值得设计师去做。

举个小例子，在中世纪，很流行画师这个职业，他们给贵族画像。当摄影技术出现，实际上大家对摄影是非常恐惧的。跟我们今天设计师看到AI来了一样，很焦虑。有各种各样负面的抨击。但是你可以看到，直到今天，其实画家、绘画艺术也并没有消失。相反，绘画艺术比以前更丰富，有不同的流派、形式。

所以其实，在往后的一段时间里，传统的、有模式的、重复性的劳动，确实是会被替代。设计师会面临转型的抉择，去做更有创造力的设计。

杨南（Yang Nan）团队AIGC作品

站酷网：设计与千行百业相连，您认为哪些产业、行业更先会被AI设计重塑？比如电商标准化图片设计？哪些行业相对门槛较高？

杨南：不光是设计创意类的行业，全社会几乎所有的行业，都会被影响。但是，过程并不会非常剧烈和非常快。

我们从2022年底看到了巨大变化，像Stable Diffusion这些视觉平台软件，还有ChatGPT的语言、推理能力，这些技术给我们一般老百姓很大冲击。但其实，这些变化在很早以前，2016年左右，就已经在发生了。比如不少互联网大厂内部也在越来越多工作流里使用AI工具，去替代一些重复性劳动。

如果说到优先会被重塑的行业，我没有做过具体统计，但有一些感性观察。比如，Autodesk里，做建筑内部布线，之前需要特别多的人工去做复杂的改稿工作。但现在，只需要人为地把建筑框架输入给AI，它会非常快地把建筑内部上下的水、电力布局做好。

我在德国也经常能观察到设计以外的其他行业，对AI也很焦虑。比如会计师，他们的工作中简单重复性的劳动占比很大，这类工作也是容易被替代的。

总的来说，有很强创意或者人的情绪价值的行业，变革性的影响会慢一些。比如，有的人说直播很快会被数字人代替，我个人认为很难。数字人可以24小时去做直播，但是在情绪触达上，要比人差很多。AI统计模型和人的种种随机性、灵活性，是没办法相比的。从这个角度看，AI技术会有很长很长的路要走，或许留给我们的时间还很多。

杨南（Yang Nan）团队AIGC作品

站酷网：现在基础的、中低端的、重复性的设计工作被取代的苗头已经初显，比如公众号封面设计，AI创作可能更精美，效率更高。但我们看到，从设计新人到成熟优秀设计师，通常都需要一段“职场锻炼期”，当这些基础工作被AI取代，设计专业毕业生就业会更加危机重重？

杨南：这是一个沉重的话题，我过去一年也感受到这种“危机”。我身边就有一些插画行业的朋友，去年年初的时候，还会对传统的设计行业很乐观，觉得自己能力是很ok的。但到2022年年底的时候，变得非常焦虑，可以说是进入了很恐慌的状态。

但我个人觉得，现在真正动手去试，去用心了解AIGC的人，还只是一小部分。大部分人知道AIGC厉害，是通过媒体报道，用过的人其实并不多。90%的人，都是看到媒体报道后就开始焦虑，但是并没有自己去使用和感受。

我建议大家一定要去了解，哪怕你把它当作“敌人”，也需要去了解你的“敌人”是什么样的，生产力到哪儿了。如果它只是差半倍、一倍的生产力，也许还能在文化上、产业惯性上阻挡一段时间。但如果它带来的生产力提升，是非常巨量的增长，这种趋势是任何人没办法改变的，它一定会来，而且会影响到各行各业。

打不过怎么办呢？那就去加入，去拥抱。

我在过去一两年，都在尝试和深耕AIGC领域，作图、各种模态的三维模型动画、PPT等等。从我个人的感受上来说，它离产品级要求，还差很远。但也不能否认，这一年来，技术发展得非常快。

去年我们做一个项目，里面有些是外星文明的游戏概念场景，我的创意其实希望是像寺庙建筑那种。但当我把描述给到AI，比如提到Alien，AI选用了《异形》那部电影的大黑脑袋生物形态，因为《异形》英文名也叫Alien。它是通过统计生成的，但不是我想要的。我脑袋里的创意是外星的，有高度纹理感的，建筑是轻盈的，经过大量尝试和修改，我发现prompts很难跳出现在已经训练好的模型规律。

最后怎么解决的呢？

我画了草图——包括生物、建筑，然后用AI填色、渲染。这个工作量也不小，我最后可能只需要十张图，但是产出的时候要上千张，然后筛选，把需要的东西选出来。但是每张图最核心的价值，其实来源于我前面五分钟画的草图。没有草图，花再大力气也出不来想要的效果。所以现在看起来，对设计师来说，概念的提出和表达，是非常核心的能力。

这就好比你想要有个房子作为家，毛坯房是不能称为家的，你的家里，要有人和环境的互动，有家庭成员的互动，才能称之为家。其实在未来的产业结构里，AI给我们带来的是“毛坯房”建造的生产力大幅提升。但把房子变成家，需要情绪价值、体验互动，这些只有人才能提供。

我前两天看到抖音上有人贩卖焦虑，说一天可以用AI产出100篇小说，这样每周可以收入2万美金。这种逻辑是可笑的，你产出的100篇小说总要有人看吧，好看的小说后续才会产生效益。如果只是用AI产出100篇语法通顺，但情节是碎片拼接，老套无新意，谁会去为这100篇小说付费？触达情绪消费的工作，人在里面要占很大作用。这也意味着将来会需要大量的人做创意，做情绪价值的补充。

站酷网：以前一个好的设计师离不开强大的“技法基本功”，设计过程里的“人机协同”，可能是和ps、ai这样的软件工具协作。但是AIGC时代，一个好的设计师要会跟AI对话，有没有好的创意设想，能不能训练出好的模型，有没有好的prompt都是考验。在您看来，AIGC会重构创作人才标准吗？

杨南：我也在讲创新方法类的课程，包括我在大学研究的方向，叫整合创新方法。在流行文化里认为，创新可能是一拍脑门、电光一闪，就有想法出来的偶然性所得。但从设计教育角度看，创新跟两件事有关，一是你的认知量，这里的认知，指的是内化的、细腻的认知。二是对认知进行联结、重构的能力。

创新、创意和认知量、认知广度是非常有关系的。但在我们之前的人才培养构架里，会让人尽量沿着垂直方向去学习。上大学要选专业，学材料的可能不去了解工艺，学工艺的不去了解设计。这样他的认知系统里，可能就会有很大的空隙缺口。

但比如像iPhone、戴森吸尘器这些产品设计，就是从用户使用需求出发，打通了很多横向知识领域的优秀案例。比如戴森吸尘器，怎么分离尘土、解决过滤器容易堵塞等等，一系列问题要设计解决。粉尘分离器1885年就有专利了，之后还用在直升机上，把干净的空气抽进去。后来演变成戴森吸尘器里的吸尘技术，把家里地板上的灰尘过滤出来。场景在变，但利用离心力去分离尘土和空气的原理没有变。这种创新，就需要设计师、工程师去学习了解，需要具备跨行业的横向认知能力。

未来人才，会被要求提升和强化跨专业的能力。AI可以在一定程度上，改变我们的一些学习方式。因为在AI时代，有明确模式的东西，将不再需要大家把它完全掌握。比如我们做设计，有种叫“生成式设计”，过去会用到Grasshopper软件，写一些小模块。像写一些模块程序，可以实现在杯子、碗这些物体上实现相同的肌理。以前这些小模块，很多都要自己开发。现在可以用ChatGPT生成，只要你告诉它想要做什么纹路，描述清楚，它可以直接把脚本写出来或者稍微修改一下，就可以使用。这种模式化的生成，伴随技术迭代，很快应该能达到90%不需要人工干预，就能做出模块。也就是说，某些专业性的、纵深度深的知识或者技能，对人的要求会降低。

图源：猎聘 

站酷网：招聘市场上AI绘图师等职业兴起，熟练掌握Stable Diffusion等AI软件，在求职市场上也是加分项。从设计教育专家角度看，设计师该如何应对机遇与挑战，实现设计职业“进化”？

杨南：具体场景具体分析。从我自己工作领域里看，工作流在不停变化，因为底层技术迭代太快。现在很多应用在工作流上的技巧或者工具，可能我说出来的时候，它就已经过时了。但有一点是确定的，你要不停地在你工作中总结、更新你的知识。

关于怎么样去学习——扩大你的认知量和知识面。我给的建议可能不太接地气。我建议大家可以稍微退一步看。从教育心理学上来讲，人学习效率最大的驱动力是兴趣，如果你给自己特别大的压力，每天很机械地去完成很多事情，你的内驱力就会削弱。适当地给自己留一些时间和精力，去发展你的兴趣爱好。钻研你喜欢的东西，比如画漫画、写一些故事、做自己喜欢的设计。我们以前觉得没有特别大功利性作用的事情，在未来时代，也许会变成大有作用的事。我们对AIGC也是，尽量拥抱，不要拒绝。

站酷网：AIGC时代，设计师的第一能力是什么？设计师的“内功”，对于AI创作来说还重要吗？设计师的哪些能力，是AI无法取代的？

杨南：设计其实是一个很宽泛的领域，视觉传达、环境艺术、工业设计、产品设计、游戏设计等等，这些分类不好一概而论。但总结起来，我认为一个非常重要的能力，是共情能力，或者说创造和传递情绪价值的能力。有种说法是，之前我们是“流量价值”时代，很快会迎来“情绪价值”的时代。人其实是靠感性认知去理解世界的，情绪需求仍然会很大。而且重复性的生产力大幅提升后，情绪需求会变得更有价值。未来不管是做环艺，还是做产品、做游戏，或者视觉传达类的广告，最值得关注的共性能力，就是触达人情绪的能力。也就是“人之所以称之为人”的价值，会变成人的核心价值。

杨南（Yang Nan）团队AIGC作品

站酷网：在社交平台，涌现了很多“AIGC艺术家”。大家从业背景非常多元，不仅有插画、设计、艺术，还有很多广告人、艺术爱好者等等。怎么看AI降低艺术创作门槛这一现象？有人说是艺术效率的提升，但也有人认为会消解艺术价值，您的观点是？

杨南：我的家人其实都是搞艺术的，我对艺术的理解是，每个人本来生来就应该是艺术家。不过，艺术其实是分为几个层面的，创作层面的，商业目的的，资本金融目的的，这些概念很容易被混淆在一起。

首先第一层面是艺术创作的审美体验，重在体验创作过程。比如我会去画水彩画，这个过程里，纸笔接触的感觉，对我来说很享受，它本身就是美好的体验。这跟最后产出的这张画，没什么大关系，因为我画得很开心。就算全世界的人，都不愿意买水彩画，我也还是会去画水彩。

这一层面的艺术创作，是不太会受AIGC影响的。现在它来了，我还是会用纸笔去画水彩。可能有影响的是，比如我之前想画二次元的小姑娘，但是我不会画，画不出来，但现在用AIGC，我能做到了，这个过程我很享受。这么看，AIGC其实相当于给了我们一种不同的媒介，增加了一种艺术创作手段，实现之前做不到的创作。

但如果我考虑的不是我画的时候开不开心，而是考虑去买它的人是不是喜欢，那就是第二个层面。就像我们设计了一个很美很可爱的小杯子，但做的过程里，我不一定开心，而是瞄向我的用户，购买它的人，是不是喜欢。我们用客观理性的工作，来满足购买者的审美需求。这个过程里，这个设计，或者艺术，是商品，我们在售卖美学体验。我们大部分人所说的艺术品，都是这一类。包括现在有一些数字艺术品，有直接的感官审美体验，比如颜色好看，造型喜欢等等。

除了售卖审美体验，还有社群归属感。比如某奢侈品出了一款很难看的包包，你看了它并不觉得开心，觉得美，但它营造了一种归属感，我可以花这么多钱去买这个东西。它的目的是，显示出我的阶层，或者某种文化圈子的归属感。包括过去有一段时间流行“杀马特”，并不一定每个“杀马特”都觉得那个造型就特别赏心悦目，但是它可以证明自己属于某个文化群体，会有一种归属感。但是总体来讲，这些跟我个人的艺术创作审美体验的快乐是没有关系的。

再往上一层，是真正在拍卖行、交易所交易的艺术品。比如收藏梵高作品，其中很小成分是“我喜欢这张画”或者“我真的很欣赏他”，主要目的还是现在我花钱买了它，希望明天能以更高价格把它卖出去。这是艺术品金融属性，现在的NFT数字资产，核心逻辑也是讲故事支撑稀缺性。

回到AIGC会不会消解艺术价值的讨论，我们先看支撑艺术品价值的三个属性，稀有、独特、稀缺。这三者是不一样的，但我们老百姓经常把它们混淆在一起。

AIGC产出的图，有没有价值？如果随随便便一天产出10万张，你可以认为每张都不一样，是独特的，但是它既不稀有，也不稀缺。你可以大量产出这些图，所以价值支撑不起来。再比如，我做一张AIGC的图，某位厉害的艺术家或者大明星签过名的，那它的价值更多在于人赋予它的某种稀缺的意义。所以评估艺术品的价值，还是要从三个属性入手。

杨南（Yang Nan）团队AIGC作品

站酷网：面对AIGC的快速发展，中国设计教育近期有什么变化和发展？

杨南：这也是我现在最关注的，基本上所有精力都投入进去的方向。我在北京理工大学有一些合作，输入一些关于AIGC和设计，尤其是和工业设计相结合的教育经验，会在课程、教材设计上有一些体现。

我的感觉是，现在国内各大院校都在做这方面的事，都想把AIGC能力引入到传统设计教育、工科教育里来，但是目前还面临很多问题。

比如国内AI技术层面的发展难题，以及高校教师职称评级机制等问题。技术迭代非常快的状态下，教师们投入精力去做研究，但很快研究成果就被迭代了，论文写不出来，导致科研风险很大，投入成本可能就白费了。这让很多高校教师对AI学术研究持有比较拒绝的态度。

但学生的态度非常不一样，他们特别热情积极。因为他们很焦虑，希望在马上在毕业后，在工作里用到。他们对世界始终还抱有强烈的的好奇心，有兴趣去学习。

近期来说，AI对教育体系不会有革命性、颠覆性的变化。但和企业的合作会更密切，包括邀请企业一线人员来分享他们工作流里怎样应用AIGC。因为现在企业对AI的实际应用，要比学校领先很多。

站酷网：在TDW设计周，您将带来《AIGC与设计创新》主题分享，提前剧透一些将解读的关键问题？

杨南：主要会提及，一是创新的要素。刚才我们也有提到一部分，包括你的认知的广度和构建连接机制。二是在AIGC时代，如何提高这两点创新要素。有一些学习方式上的变革和大家分享。TDW给了一个很好的机会，让我能把这些内容去跟大家做一个分享。我个人现在也在尝试把这些内容整合到社区和自媒体平台上，尽量把想要分享的知识和故事，讲全也讲好。我自己的团队现在在着手做兴趣社区和微信公众号的一些工作，在逐步把这些AIGC相关的输出以圆桌会议、线上直播的形式传递给更多希望了解和学习AIGC的同好。大家可以在微信上搜索“AICan”或者“AICan学习交流罐头”来找到这个交流社区，欢迎各位来一起探索AIGC的世界。

更多专访推荐