设计人工智能2.0时代来临！AI 重塑设计未来

人工智能不应该只有左脑，只精通算计；也应该有右脑，它会设计；设计人工智能是为设计服务的人工智能研究、实践。

——节选自「设计人工智能的介绍」

设计人工智能2.0

2025年春节，我在美国的几所高校做了参访。正值DeepSeek爆发，中国科技创新话题在美国很受欢迎；美国大学对于运用人工智能与设计创意话题的结合还是有顾虑的，因此这也是一次种草之旅。

结合我在雪城大学（Syracuse University）的「L. C. Dillenback讲座」的演讲（感谢Speaks院长和老朋友王飞教授的邀请），以及在普林斯顿大学、宾夕法尼亚大学、特拉华大学、卡耐基梅隆大学的参访、交流，总结了如下8个观点，概括了ChatGPT出现之后，我在设计人工智能领域的研究和实践。ChatGPT之前，我从事了7年的「设计人工智能1.0」研究和实践，都已经记录在《教“设计”做“人工智能”的这些年》一文中。「设计人工智能2.0」刚刚起步，还有诸多不成熟的地方，期待同好指正。

不是任何「设计」都需要人来做

据说中国电商生态有200万设计师，收入水平在设计师群里里比较高。仔细观察他们的工作，工作强度很大（往往需要996），其中，90%时间在做重复、机械的工作，如：电商图的重组、排版、尺寸修改、文字翻译等。设计师往往会根据用户的数据反馈（点击率、跳转率、转化率、成单率……）进行设计迭代和优化。我认为存在两种设计：一、由人的创造力驱动的「0-1的设计」（如：苹果的Think Different广告设计）二、由工具驱动的「1-∞的设计」（如：大量电商、社媒等的内容延展）0-1的设计中，新的技术、工具，会启发人产生新的灵感和想法（Machine-in-the-Loop）；但是，人是0-1的主导，即使一支笔、一张纸，也可以进行0-1的设计。1-∞的设计中，即使需要人的选择、指导、操作（human-in-the-loop)；但是，工具是1-∞的主导，没有合适工具，那么只能把人当做工具来用。人工智能会出现在0-1和1-∞两种设计中；但是，没有人工智能，1-∞的设计是不可能实现的。

「可计算性」是人工智能对人创意的理解

维特根斯坦说：语言的边界就是世界的边界。大语言模型解决了语言的可计算性问题。「计算」对于人类发展至关重要，如果「物理」是通过「数学模型」对「客观世界」进行建模的话；那么，「语言模型」则是通过「数学模型」对「主观世界」进行建模。「设计的可计算性」把设计翻译成机器可以理解的语言；设计人工智能1.0痴迷于把设计翻译为数据，下面👇是其中的一些研究：

• DesignNet：把平面设计特征（色彩、元素、字体等）翻译为数据集
• 普罗米修斯：把设计学术知识（文献、书籍、论文等）翻译成知识图谱
• 亚文化色彩数据集：把亚文化色彩的搭配翻译成数据集
• 金山农民画数据集：把传统中国工艺美术的元素、搭配、排版、手法翻译成数据集

为此，我们开发了「设计数据的采集、管理、协作工具MuseDAM」，让设计可以被翻译为数据，从而可以被计算，设计可计算的方式，并不只有「生成」这一种，也包括：理解、搜索、匹配、推荐、分析等。 www.musedam.cc里的功能，上传文件后可以自动 / 手动触发「AI 智能解析」与设计的「可计算性」共存的，是设计的「不可计算性」；即使把所有文学名著都内化了，语言模型还是无法写出经典，而只能是泛泛之词；这就是创作中「不可被计算」的部分。亚里士多德说：我们知道的越多，知道自己不知道的越多。设计的可计算性越多，我们越是对不可计算更珍惜和好奇。0-1的设计中，由不可计算的成分主导；1-∞的设计中，由可计算的成分多主导。

通过可计算性，让人工智能进行「设计推理」人工智能有一个经典原则：GIGO（garbage in，garbage out），输入的数据质量越高，AI输出的结果质量越高；0-1的质量越高，1-∞的质量越高。DeepSeek的技术文档中讲述了两个有启发的人工智能思路：一、引入混合专家模型（MOE），让不同专家处理不同任务，可以优化模型处理复杂问题的效率；高质量的设计师的0-1，就是设计专家处理设计问题的表现。二、给模型更少结构、让模型更多自我决策权，给模型更长的推理时间，会出现更好的结果；设计人工智能1.0的「设计可计算性」是「创意理解」；设计人工智能2.0的「设计可计算性」是「创意推理」。毕加索说过（乔布斯后来引用过）：好的艺术家抄袭（copy），卓越的艺术家窃取（steal）。Steal = 推理。

大语言模型的突破，让设计人工智能从垂直学科到「水平能力」

设计人工智能1.0 = Design AI是一个垂直学科，研究为设计服务的算法、模型、数据集，建立一个与产品设计、交互设计、环境设计、设计理论等平行的人工智能设计学科；设计人工智能2.0 = Design +AI成为一种水平能力，研究为AI如何在设计问题的工作流中，建立一个与产品设计、交互设计、环境设计、设计理论等结合的人工智能基础能力；

先行后知，是设计人工智能对的打开方式

设计人工智能1.0的主张是「先知后行」；因为「行」的投入高、效果差、人才少，所有，我们把精力主要投入在「知」上。设计人工智能2.0的主张是「先行后知」；因为「行」已经投入低、效果好、技能门槛低，人人都玩过Windows的「扫雷」，扫雷不只是一个游戏，而是为训练人们使用鼠标。鼠标在我们过去的习惯和本能中都不存在，但是使用鼠标，会成为我们在PC时代的新本能。设计人工智能2.0并没有选择以原理、范式、法则……等「知」的方式作为开篇，而是以「创客松」作为抓手，创客松就是AI的扫雷游戏；让我们行动起来，做一个创建者（builder & creator），先行而后知！

人工智能让设计师从「小设计」走向「大设计」？

现代设计（以包豪斯为例）代表了工业化的思路，工业化的思路是全球化生产、精细化分工。设计师作为千行百业分工的一环，与其他工种一起协作，产生了巨大的工业化价值。以Thonet椅（维也纳咖啡椅）为例，设计师设计了造型、材质、工艺，甚至还有全球化的物流方式。

大语言模型是「反工业化」、反对精细化分工的，人工智能会让工种变少，人会通过人工智能，补充自己的短板， 能力变得变广。重新回到现代主义萌芽时期，达芬奇式的「全能的人」；设计师从工业化职业分工的重要一环（小设计），发展为解决端到端复杂问题的「复合型创新人才」（大设计）。重要的是，这种全能的人不是以闭环、优化、效率的收敛模式为目标的；而是可以以意义、价值、进化的发散模式来行动的。

用「创建者」的身份来设计人工智能

因为上面说的这些背景，我们改变了自己做设计人工智能科研和实践的方式，在设计人工智能1.0，我们拒绝了几乎所有产业应用课题；在设计人工智能2.0，我们积极拥抱各种产业应用场景和实践。与产业的合作，我们的角度与其说是AI专家，不如说是作为builder和creator；我们无法标榜自己对的更多，只能标榜自己犯过的错更多。

合作通过如下三种模式：一、创客松：1-2天，基于问题的AI应用工作坊，与合作方共创AI的价值共识；二、POC（Proof of Concept）：2周搭建原型，快速测试迭代，让合作方形成AI的价值验证；三、深度融合：持续合作，落地、形成对合作方AI的价值影响。下面是一些Design +AI的产业实践：

产品设计 +AI：为<某国际食品公司>用AI来进行「产品创新流程设计」

• 通过AI在社交媒体进行用户需求识别
• 通过AI针对需求形成产品创新思路的发散
• 通过AI进行产品创新想法的择优
• 通过AI进行产品设计概念的发散脑暴
• 通过AI对产品设计概念进行反馈

系统设计 +AI：为<某国际粮食集团>用AI来进行「运输航路优化设计」

• 通过AI分析航路现状
• 通过AI进行航路优化策略设计
• 通过AI进行实时航路优化

服务设计 +AI：为<某国之重器集团>用AI进行「研发知识库建设」

• 通过AI进行研发知识标签库搭建
• 通过AI进行研发知识文件的自动打标
• 通过AI进行研发知识库的自然语言搜索
• 通过AI进行研发知识之间的关联、推荐

营销设计 +AI：为<某医药公司>用AI进行「专业知识科普」

• 通过AI对医学论文进行理解
• 通过AI对医学论文翻译成科普语言
• 通过AI把医学科普语言生成科普卡片、视频等内容

交互设计 +AI：为<某心理学专家>用AI开发「个人疗愈玩具」

• 通过AI进行个人心理建模
• 通过AI进行建模后的疗愈模型匹配
• 通过AI进行疗愈形象生成
• 通过AI进行人与疗愈玩具之间互动设计

平面设计 +AI：为<某时尚杂志>用AI开发「时尚媒体新思路」

• 通过AI进行杂志选题脑暴
• 通过AI进行杂志视觉意向发散
• 通过AI进行编辑
• 通过AI进行校对

服务创意的人工智能「发散推理模型」

大语言模型是语言模型，让机器产生语言文字的能力，大语言模型通过思维链（Chain of Thoughts）等方法，把思维过程融入到大语言模型产生回答结果的过程。

GPT o1是第一个商业化的思维模型，DeepSeek R1是第一个开源的思维模型，把思维过程非常详细、透明的表现了出来，Deep Research是第一个服务科学研究进行优化的思维模型。是否存在一种服务创意的思维模型？面对科学问题，解题需要优化「收敛」的过程 - 找到答案；面对创意问题，创意需要优化「发散」的过程 - 发现可能。我们正在研发一个面向创意发散的模型（Creative Reasoning α），会进行自发的、长时间、多元的、开放的创意发散。👇 www.musedam.cc里的Demo，可以点击Muse Copilot激活「创意推理」来体验我们相信：创意 = 过去的重组 x 灵光乍现 x 迭代的数量 x 反馈的质量采用「拉姆斯菲尔德矩阵」Rumsfeld Matrix的方式来分析，「创意发散模型」就是上述四种思考模态的自组织：

• 已知 - 已知的：过去的东西
• 未知 - 未知的：灵光乍现
• 已知 - 未知的：迭代的数量
• 未知 - 已知的：反馈的质量

创意，都可以通过这个创意发散模型进行推理，从而，激发更多的可能，找到更好的设计。