往期AI干貨：

最近一段時間一直在思考目前設計師的作業模式是否已然被 AI 改變？ 設計工具經歷了從傳統的 Photoshop 到各種 AI 工具的轉變，AI 逐步覆蓋設計領域的各個方面，從圖像 GC、文本 GC、音頻擬合到視頻生成，AI 的應用覆蓋了媒體的所有模態。現在，設計師可以通過簡單的文字描述生成高質量的矢量圖標和 3D 插畫，甚至幾分鐘內生成虛擬人物圖像，且不用擔心版權問題。通過 SD 不僅能快速生成高質量的設計素材，還能根據用戶需求進行個性化定制。

全文圖解

視覺設計方向的大部分工作已經被 AI 完成，從業多年的設計師所追求的美感被降本增效的老板摧殘，不再去打磨細節了。而剛入職場的菜鳥，如果你不具備駕馭 AI 的能力或相關使用經驗，你甚至找不到一份設計的工作。

因此，我先說一個暴論：AI 時代下，設計師會被干掉 90%。

但設計師這個崗位是不會完全消失的，設計師是被 AI 取代的嗎？其實也不能說是取代，只能說 AI 作為一個工具，很多人不會用。就像 PS 軟件一樣，放普通人手里就真的只是 PS，而放到設計師手里就是 Photoshop。AI 也一樣，僅面向設計師來說，它就是一個劃分傳統設計師和新時代設計師的分割線。 現在大多數設計師都不用 PS 了，注意，先別噴，我說的是大多數！而還有一部分大神依然憑借 PS 的高超技法，讓目前的 AI 生圖望塵莫及。但是又有多少人呢？又有多少差距？

AI 的覆蓋不僅在響應效率上，有的人說 AI 不就是生成的快嘛，但是生成的一塌糊涂，質量不行。但你要知道 AI 從進入大眾視野，到現在才發展了多久？從 23 年初 AI 生成人手都慘不忍睹，6 個指頭、7 個指頭的。到現在 Flux 模型出的圖足以以假亂真。你不可否認，目前設計師打開 AI 工具（MJ、SD 等）的頻率是遠超于 PS 的，起碼我在整個一年的設計工作中，打開 PS 的次數不會超過 10 次。在這樣的一個 AI 洪流的沖擊下，設計師的作業模式已然悄聲發生改變。

一、AI 時代，設計師的價值在哪里？

先說結論，設計師肯定是具備先天優勢的，因為現在缺的是會提問的人，而不是有能力回答問題的人。為什么這么說？是因為現在是大模型時代，任何的結果都可以通過模型快速得到結果。你就算是 PS 大神、就算是可以一下午畫 10 張圖、20 張圖那又怎樣？只要模型訓練好，老板可以一分鐘拿到 100 個結果，如果不滿意點擊刷新，又是 100 個。盡管模型生成的圖片質量可能只有 60、70 分，比不上你人工做的 90+的效果，但是架不住它響應快且產量大啊，而且模型是具備線性成長的，只要不停訓練，給它“升級”。它之后的輸出質量會穩定在 70+、80+ 甚至 90+ ！！！而人工的輸出不具備這種穩定性，即便你有能力產出 100 分的結果，你也不可能次次都能保持巔峰水平，而模型可以！

因此現在會輸出、會解答的人并不缺，缺的反而是懂得提問、懂得制定規則的人。當你提問的時候，你就已經知道會有什么結果。而需要做什么的規則制定才能讓結果更接近你的預期，這才是現在版本需要去思考的點！！

尤其是在圖像生成方面，一個懂構圖、光影、色調等美學的設計師，顯然比僅僅依靠個人美感判斷的人更能與 AI 溝通，創造出更具價值的設計作品。例如，設計師可以通過 AI 生成初步設計，然后利用自己的專業知識進行細節調整和優化，最終完成高質量的設計作品。

1. 批量生圖 SOP

還是以目前我們部門目前的批量素材生成需求為例，就可以很清晰看到當你把自動化流程、規則前置好，輸出的結果是人力遠遠不及的。我們去搭建了一整個 SOP，將批量生圖做成工程化，批量產圖 SOP 的設計需要明確每一個流程節點，保證高效、標準化的操作。

① 傳統的 SOP 流程

之前傳統的產圖 SOP，需要投入的人力大概在 5 個：

1. 技術開發同學：負責編寫工程文件，預留 SD 的 API 接口，保證系統能夠靈活調用 SD 進行圖像生成。
2. 模型煉制設計師：負責煉制 Lora，確保產出的素材符合公司需求的統一風格，能夠滿足不同類型素材的需求，如 3D 風格、插畫風格和真實場景等。
3. prompt 編寫設計師：編寫 CSV，確定圖像生成的具體需求（即生圖 prompt）。
4. 素材審核員：在圖像生成完成后，整理和審核輸出的素材。制定素材入庫的視覺標準，區分素材為三類：一類是達到視覺標準，無需二次調整的素材；一類是有略微瑕疵，二次調整后可達到入庫標準的素材；一類是嚴重異形、畫面雜亂等素材，無修改價值的素材。
5. 素材管理員：針對素材的業務、類型、標簽、命名做有效分類，確保素材在平臺上的可查找性和可管理性。

整個 SOP 的運行中最核心的是 prompt 編寫設計師的角色，他需要調控 prompt 和替換 lora，需要去調試工程文件中的節點。技術開發同學和模型煉制設計師其實都是前置資源，從產圖到入庫可使用的這個邏輯是這樣的：

由 prompt 編寫設計師編寫 csv 條目，一個條目是一個圖像生成的 prompt，所以批量生產同樣的需要批量寫 prompt，prompt 影響最終產圖的質量。例如我們編寫 10 個 prompt，那就可以產出 10 張素材。編寫 100 個，那就可以產出 100 張素材。但人工編寫的過程非常耗時耗力，這個節點是否可以借助 AI 的能力去提效？又該如何接入 AI？這個可以先思考一下，我們接著鏈路往下看 ??

當批量產出素材后，例如今天產出 2000 張素材，將素材轉接給素材審核員，按照入庫的視覺標準將素材進行分類和二次調整。2000 張圖需要多久，不包含調整的過程，只去審核區分素材就需要 1-2 個小時。那 20000 張呢？這個節點是否有 AI 運作的空間？??

當素材處理完，假設良品率為 40%，可直接入庫的素材為 800 張，由素材管理員進行分類和素材信息標注。當然我們也可以只給素材命個名，如:3D 紅包.png 那如果有 200 個不同的紅包素材，素材如何有效召回，所以素材如何有效管理，之前傳統的素材管理，是將命名作分級，如：業務 A/3D/紅包/裝滿金幣。那僅這個命名過程，假設一張素材命名需要 5s，那 800 張僅命名大約需要 1.11 小時。那這個時間是否可以借助 AI 給吃掉？

② AI 節點式提效后的流程

ok，我們梳理一下整個產圖到入庫的流程鏈路，其中費時費力的節點：

1. prompt 批量編寫
2. 素材審核
3. 素材分類及信息標注

這些節點如何借助 AI 做提效或者直接用 AI 的能力給吃掉。我是借助 GPT 的能力，讓技術同學預留出 GPT 的 API 接口，我負責煉制 GPTs，將調試好的 prompt 發給前端，在工程文件中調用。在多個節點安插 GPT：

輸入想要的素材關鍵詞及數量--批量產出 prompt 條目（AI 助力）--導入 csv 需求單--運行程序--調用 SD 做批量產圖--素材質量篩選，將素材分類（AI 助力）--素材信息標注（AI 助力）

所以除了前置資源，前端提供的工程文件和模型煉制設計師提供的 lora，剩余的事情只需要一名設計師即可，不僅減少人力成本，而且效率還比之前高數倍甚至數十倍。

具體的 3 個助力節點暫時就不一一細講了。我僅著重說一下關于生成規則的制定和產出邏輯：

③ 批量產出 prompt 條目

圖像命名(不可重復),圖像內容(50 字以內),不希望圖像出現(沒有填無即可),圖像模型風格(必填),圖片預生成數量(1-30)

如果有同學用過生圖的軟件，就會知道提示詞。不同軟件的提示詞結構都是不同的，但核心不變，就是講清楚你要生成的主體。那上面這個提示詞撰寫的規則也非常好理解。“圖像命名”有點類似于 ID 的邏輯；“圖像內容”正向提示詞，描述要生成的圖像主體；“不希望圖像出現”反向提示詞，規避不想要的元素；“圖像模型風格”確定模型 lora，模型煉制設計師目前已經煉制了 13 個不同風格的 lora，需要在提示詞中明確出來你想要的圖像風格：“圖片預生成數量”確定生成數量，同一提示詞多次產出。

完整示例：科技感轎車 1,單個科技感轎車，藍色系，立體呈現，q 版圓潤風格，極簡風格，簡單構圖，白色背景，3D 渲染，等距視角,復雜細節，多余的元素，最差質量，低質量，低分辨率，糟糕的手，手指缺失，壞解剖，錯解剖，模糊，額外的數字，低質量，水印,3D-通用模型,20

僅僅這一條提示詞，就可以生產出 20 張相似風格的轎車素材。然后我們借助 Agent，將生圖規則投喂給模型，就可以做到提示詞量產。那就會是 20*20、100*20 的數量級產出，而這僅僅只需要不到 1h 的時間，你告訴我人力如何追趕？

而在這里面重要的是什么？是提示詞怎么寫嗎？我覺得是個人都有描述能力：一個什么顏色的車、什么視角、什么裝飾元素…這都是再基礎不過的編寫而已。而最最終重要的就是這個規則如何定義！可以讓模型亦或是其他人可以根據你制定的規則去做到量產。所以為什么說設計師的創意和審美是AI無法替代的，AI更像是一個有巨大天賦的幼童，如果你可以明確告訴他應該怎么去做、做成什么樣算好的，那你才算是真正會用 AI。僅以圖像GC來說，美學標準和設計師自身的審美，會極大的影響生成效果。這也就是當下設計師的價值所在。因為再往后，新入行的設計師還需不需要去了解光影、結構、環境色、色調等等，還真的不知道….因為 AI直接一鍵生成，根本不需要用傳統的繪畫技法再去精雕細琢了。你覺得老板是要藝術家還是要一個秒出圖的AI設計師呢？

二、作業流程變化

而設計師的設計流程也受到 AI 的影響在發生著深刻變革，傳統的線性設計流程逐漸被更加靈活、高效的非線性流程所取代。AI 工具的引入，使得設計師能夠在短時間內生成大量的創意原型，然后進行篩選和優化。例如，利用 AI 進行圖像生成、文本創作、音頻處理和視頻制作，可以大幅提升設計效率和質量。具體實例中，設計師可以使用 AI 工具如 Midjourney 生成卡通人物圖像，只需簡單輸入關鍵詞，幾分鐘內即可得到多種風格的圖像供選擇。AI 工具還可以幫助設計師進行智能排版和圖像后期處理等工作，縮短設計周期，提高工作質量。

1. 傳統作業模式（UI）

在 AI 加持下，產品形態也越來越豐富，作業模式也與傳統的作業模式也悄然發生變化。現有的 GUI 作業流程大多依賴于人工設計師的精細操作。這些流程通常包括以下幾個步驟：

1. 需求分析與溝通：設計師通過與客戶或產品經理溝通，獲取產品的功能需求，并進行可行性分析。
2. 原型設計：基于需求分析，設計師制作 UI 原型圖，通常使用設計工具（如 Sketch、Figma）進行視覺排版。
3. 交互設計：設計師根據用戶體驗要求，設計交互效果和用戶操作流程，確保 UI 界面順暢、易用。
4. 高保真設計與實現：最終設計稿完成后，交給開發人員進行前端實現。

這一流程是線性的，依賴于設計師的人工參與，且時間較為冗長，容易受到人為錯誤和偏差的影響。此外，由于各環節之間的反饋周期較長，跨部門的協作溝通也時常導致效率低下。

2. 新型作業模式（AI&UI）

AI&UI 融合生成，即通過人工智能和用戶界面設計的結合，能夠實現從需求到設計的智能生成，并自動化多個設計環節。主要步驟：

1. 智能需求分析與提煉：通過 AI 模型對客戶需求的自動化提煉，系統可以快速生成初步的設計方向，減少人工在需求分析階段的負擔。
2. 自動化原型生成：利用 AI 算法，結合用戶輸入的需求，自動生成多個設計方案，并依據用戶反饋快速調整和優化原型設計。
3. 智能交互與視覺效果設計：AI 能夠根據用戶行為和交互數據，智能預測并生成最佳的交互設計方案，優化用戶體驗，減少手動調整的時間。
4. 實時反饋與優化：通過 AI 的自學習能力，系統能夠實時根據開發階段的進展和反饋自動調整設計，從而提高產品上線的速度。

通過 AI 與設計的深度融合，設計師不再需要耗費大量時間在繁瑣的細節上，而是將更多精力集中在創意方向的引導和決策上，從而大幅提高了工作效率。

模式的迭代，其主要原因在于：

① 設計對象發生轉變

設計對象從單一的設計師轉變為設計師、產品經理、工程師和算法訓練師的協同作業。每個環節都緊密相連，任何一個環節的輸出都會影響其他環節。

② 環節間的協同作業

AI 融合的設計流程不再是單向傳遞，而是形成了一個閉環。設計師、產品經理、工程師和算法訓練師需要緊密合作，共同維護設計標注規范和評測集。每個環節的輸出都可能成為其他環節的輸入，形成協同作業模式。

③ 新增“模型訓練師”角色

新增了“模型訓練師”這一角色，主要負責訓練和優化 AI 模型，確保輸出的文案、圖表等內容符合設計規范和用戶需求。

④ 設計表達樣式實現方式的變化

AI 融合后的設計表達樣式不再局限于傳統的視覺呈現，還包括了模型訓練生成的內容。設計表達范式更加注重信息的清晰度和結構的合理性，強調重點信息的加粗和分段展示。

⑤ 內容范式的明確

在 AI 的輔助下，內容范式更加明確，強調信息的層級和結構。設計輸出的內容需要遵循一定的規范，包括重點信息的加粗、分段展示、圖表和圖文的合理搭配等。

三、AI“百家爭鳴“，我們能做什么？

隨著 AI“百家爭鳴”，新的崗位也不斷涌現，如 AI 訓練師、Prompt 工程師、數據標注師等。傳統的設計崗位也在發生裂變，出現了模型煉丹設計師、AIGC 設計師、AI 視覺設計師等新角色。例如，AI 訓練師負責訓練和優化 AI 模型，使其更好地適應設計需求；Prompt 工程師則通過優化輸入指令，提高 AI 生成內容的質量和準確性。

在 AI 時代下，設計師如何擁抱變化呢？我覺得可以大致分為兩個方向：視角和認知擴展，以及能力邊界擴展。

1. 視角和認知擴展

設計師的視角和認知需要擴展，尤其是在面對 AI 和大模型的深度融合時。這不僅僅是技術層面的適應，還包括從更高層次上理解設計的角色和責任。具體的擴展動作包括：

1. 熟悉上下游作業 設計師不僅需要理解自己的設計工作，還需對整個作業流程的上下游環節有清晰的認知。這意味著，設計師要深入了解需求分析、產品規劃、開發實現、測試反饋等各個階段，以及與這些階段緊密關聯的團隊成員和工作內容。這種全流程的理解有助于設計師更好地把握設計目標與客戶需求，并在與其他部門協作時形成共識。
2. 認知不同實現方式 隨著大模型技術的引入，設計師需要了解 AI 在設計中的應用與實現方式。傳統設計是依賴人工操作的，而在大模型下，設計方案可以由 AI 生成，甚至可以根據數據和用戶反饋實時優化。設計師需要認識到這種轉變，并理解 AI 如何輔助或替代傳統的設計流程，同時把握 AI 在設計中的局限性與優勢。

2. 能力邊界擴展

隨著設計工具和工作流程的進化，設計師的能力邊界也在不斷擴展。新的工作環境不僅要求設計師具備傳統的設計能力，還要求他們具備更多技術性和戰略性技能。具體的能力擴展動作包括：

1. 表達范式設計 在 AI 和大模型的環境下，設計師不僅要設計視覺界面和交互，還需要參與到“表達范式”的設計中。這意味著設計師要考慮如何利用新的技術表達設計想法。例如，如何通過 AI 生成的設計快速表達不同的創意方向，如何利用 AI 優化設計文檔與提案的呈現方式等。這是一個新的挑戰，要求設計師跳出傳統的設計思維，具備更廣泛的創意和表達能力。
2. 模型 prompt 學習 設計師需要學習如何通過模型的 prompt 來引導 AI 生成所需的設計結果。AI 模型的輸出通常依賴于輸入的 prompt 質量，設計師需要掌握如何精準地設計 prompt，以獲得最佳的設計方案。這不僅涉及到對 AI 工具的使用技巧，還需要設計師具備一定的計算思維，能夠根據設計目標調整 prompt，從而高效地利用 AI 完成復雜的設計任務。

結語

AI 技術的發展正在深刻改變設計行業的格局，設計師需要不斷學習和適應新的技術和工具，才能在未來的職場中立于不敗之地。雖然 AI 可能會取代大部分基礎設計工作，但設計師在創意、美學和人機協作方面的價值依然不可替代。通過不斷提升自己的技能和創新思維，設計師可以在 AI 時代找到新的價值和機會。