人工智能不應該只有左腦，只精通算計；也應該有右腦，它會設計；設計人工智能是為設計服務的人工智能研究、實踐。

——節選自「設計人工智能的介紹」

設計人工智能2.0

2025年春節，我在美國的幾所高校做了參訪。正值DeepSeek爆發，中國科技創新話題在美國很受歡迎；美國大學對于運用人工智能與設計創意話題的結合還是有顧慮的，因此這也是一次種草之旅。

結合我在雪城大學（Syracuse University）的「L. C. Dillenback講座」的演講（感謝Speaks院長和老朋友王飛教授的邀請），以及在普林斯頓大學、賓夕法尼亞大學、特拉華大學、卡耐基梅隆大學的參訪、交流，總結了如下8個觀點，概括了ChatGPT出現之后，我在設計人工智能領域的研究和實踐。ChatGPT之前，我從事了7年的「設計人工智能1.0」研究和實踐，都已經記錄在《教“設計”做“人工智能”的這些年》一文中。「設計人工智能2.0」剛剛起步，還有諸多不成熟的地方，期待同好指正。

不是任何「設計」都需要人來做

據說中國電商生態有200萬設計師，收入水平在設計師群里里比較高。仔細觀察他們的工作，工作強度很大（往往需要996），其中，90%時間在做重復、機械的工作，如：電商圖的重組、排版、尺寸修改、文字翻譯等。設計師往往會根據用戶的數據反饋（點擊率、跳轉率、轉化率、成單率……）進行設計迭代和優化。我認為存在兩種設計：一、由人的創造力驅動的「0-1的設計」（如：蘋果的Think Different廣告設計）二、由工具驅動的「1-∞的設計」（如：大量電商、社媒等的內容延展）0-1的設計中，新的技術、工具，會啟發人產生新的靈感和想法（Machine-in-the-Loop）；但是，人是0-1的主導，即使一支筆、一張紙，也可以進行0-1的設計。1-∞的設計中，即使需要人的選擇、指導、操作（human-in-the-loop)；但是，工具是1-∞的主導，沒有合適工具，那么只能把人當做工具來用。人工智能會出現在0-1和1-∞兩種設計中；但是，沒有人工智能，1-∞的設計是不可能實現的。

「可計算性」是人工智能對人創意的理解

維特根斯坦說：語言的邊界就是世界的邊界。大語言模型解決了語言的可計算性問題。「計算」對于人類發展至關重要，如果「物理」是通過「數學模型」對「客觀世界」進行建模的話；那么，「語言模型」則是通過「數學模型」對「主觀世界」進行建模。「設計的可計算性」把設計翻譯成機器可以理解的語言；設計人工智能1.0癡迷于把設計翻譯為數據，下面??是其中的一些研究：

• DesignNet：把平面設計特征（色彩、元素、字體等）翻譯為數據集
• 普羅米修斯：把設計學術知識（文獻、書籍、論文等）翻譯成知識圖譜
• 亞文化色彩數據集：把亞文化色彩的搭配翻譯成數據集
• 金山農民畫數據集：把傳統中國工藝美術的元素、搭配、排版、手法翻譯成數據集

為此，我們開發了「設計數據的采集、管理、協作工具MuseDAM」，讓設計可以被翻譯為數據，從而可以被計算，設計可計算的方式，并不只有「生成」這一種，也包括：理解、搜索、匹配、推薦、分析等。 www.musedam.cc里的功能，上傳文件后可以自動 / 手動觸發「AI 智能解析」與設計的「可計算性」共存的，是設計的「不可計算性」；即使把所有文學名著都內化了，語言模型還是無法寫出經典，而只能是泛泛之詞；這就是創作中「不可被計算」的部分。亞里士多德說：我們知道的越多，知道自己不知道的越多。設計的可計算性越多，我們越是對不可計算更珍惜和好奇。0-1的設計中，由不可計算的成分主導；1-∞的設計中，由可計算的成分多主導。

通過可計算性，讓人工智能進行「設計推理」人工智能有一個經典原則：GIGO（garbage in，garbage out），輸入的數據質量越高，AI輸出的結果質量越高；0-1的質量越高，1-∞的質量越高。DeepSeek的技術文檔中講述了兩個有啟發的人工智能思路：一、引入混合專家模型（MOE），讓不同專家處理不同任務，可以優化模型處理復雜問題的效率；高質量的設計師的0-1，就是設計專家處理設計問題的表現。二、給模型更少結構、讓模型更多自我決策權，給模型更長的推理時間，會出現更好的結果；設計人工智能1.0的「設計可計算性」是「創意理解」；設計人工智能2.0的「設計可計算性」是「創意推理」。畢加索說過（喬布斯后來引用過）：好的藝術家抄襲（copy），卓越的藝術家竊取（steal）。Steal = 推理。

大語言模型的突破，讓設計人工智能從垂直學科到「水平能力」

設計人工智能1.0 = Design AI是一個垂直學科，研究為設計服務的算法、模型、數據集，建立一個與產品設計、交互設計、環境設計、設計理論等平行的人工智能設計學科；設計人工智能2.0 = Design +AI成為一種水平能力，研究為AI如何在設計問題的工作流中，建立一個與產品設計、交互設計、環境設計、設計理論等結合的人工智能基礎能力；

先行后知，是設計人工智能對的打開方式

設計人工智能1.0的主張是「先知后行」；因為「行」的投入高、效果差、人才少，所有，我們把精力主要投入在「知」上。設計人工智能2.0的主張是「先行后知」；因為「行」已經投入低、效果好、技能門檻低，人人都玩過Windows的「掃雷」，掃雷不只是一個游戲，而是為訓練人們使用鼠標。鼠標在我們過去的習慣和本能中都不存在，但是使用鼠標，會成為我們在PC時代的新本能。設計人工智能2.0并沒有選擇以原理、范式、法則……等「知」的方式作為開篇，而是以「創客松」作為抓手，創客松就是AI的掃雷游戲；讓我們行動起來，做一個創建者（builder & creator），先行而后知！

人工智能讓設計師從「小設計」走向「大設計」？

現代設計（以包豪斯為例）代表了工業化的思路，工業化的思路是全球化生產、精細化分工。設計師作為千行百業分工的一環，與其他工種一起協作，產生了巨大的工業化價值。以Thonet椅（維也納咖啡椅）為例，設計師設計了造型、材質、工藝，甚至還有全球化的物流方式。

大語言模型是「反工業化」、反對精細化分工的，人工智能會讓工種變少，人會通過人工智能，補充自己的短板， 能力變得變廣。重新回到現代主義萌芽時期，達芬奇式的「全能的人」；設計師從工業化職業分工的重要一環（小設計），發展為解決端到端復雜問題的「復合型創新人才」（大設計）。重要的是，這種全能的人不是以閉環、優化、效率的收斂模式為目標的；而是可以以意義、價值、進化的發散模式來行動的。

用「創建者」的身份來設計人工智能

因為上面說的這些背景，我們改變了自己做設計人工智能科研和實踐的方式，在設計人工智能1.0，我們拒絕了幾乎所有產業應用課題；在設計人工智能2.0，我們積極擁抱各種產業應用場景和實踐。與產業的合作，我們的角度與其說是AI專家，不如說是作為builder和creator；我們無法標榜自己對的更多，只能標榜自己犯過的錯更多。

合作通過如下三種模式：一、創客松：1-2天，基于問題的AI應用工作坊，與合作方共創AI的價值共識；二、POC（Proof of Concept）：2周搭建原型，快速測試迭代，讓合作方形成AI的價值驗證；三、深度融合：持續合作，落地、形成對合作方AI的價值影響。下面是一些Design +AI的產業實踐：

產品設計 +AI：為<某國際食品公司>用AI來進行「產品創新流程設計」

• 通過AI在社交媒體進行用戶需求識別
• 通過AI針對需求形成產品創新思路的發散
• 通過AI進行產品創新想法的擇優
• 通過AI進行產品設計概念的發散腦暴
• 通過AI對產品設計概念進行反饋

系統設計 +AI：為<某國際糧食集團>用AI來進行「運輸航路優化設計」

• 通過AI分析航路現狀
• 通過AI進行航路優化策略設計
• 通過AI進行實時航路優化

服務設計 +AI：為<某國之重器集團>用AI進行「研發知識庫建設」

• 通過AI進行研發知識標簽庫搭建
• 通過AI進行研發知識文件的自動打標
• 通過AI進行研發知識庫的自然語言搜索
• 通過AI進行研發知識之間的關聯、推薦

營銷設計 +AI：為<某醫藥公司>用AI進行「專業知識科普」

• 通過AI對醫學論文進行理解
• 通過AI對醫學論文翻譯成科普語言
• 通過AI把醫學科普語言生成科普卡片、視頻等內容

交互設計 +AI：為<某心理學專家>用AI開發「個人療愈玩具」

• 通過AI進行個人心理建模
• 通過AI進行建模后的療愈模型匹配
• 通過AI進行療愈形象生成
• 通過AI進行人與療愈玩具之間互動設計

平面設計 +AI：為<某時尚雜志>用AI開發「時尚媒體新思路」

• 通過AI進行雜志選題腦暴
• 通過AI進行雜志視覺意向發散
• 通過AI進行編輯
• 通過AI進行校對

服務創意的人工智能「發散推理模型」

大語言模型是語言模型，讓機器產生語言文字的能力，大語言模型通過思維鏈（Chain of Thoughts）等方法，把思維過程融入到大語言模型產生回答結果的過程。

GPT o1是第一個商業化的思維模型，DeepSeek R1是第一個開源的思維模型，把思維過程非常詳細、透明的表現了出來，Deep Research是第一個服務科學研究進行優化的思維模型。是否存在一種服務創意的思維模型？面對科學問題，解題需要優化「收斂」的過程 - 找到答案；面對創意問題，創意需要優化「發散」的過程 - 發現可能。我們正在研發一個面向創意發散的模型（Creative Reasoning α），會進行自發的、長時間、多元的、開放的創意發散。???www.musedam.cc里的Demo，可以點擊Muse Copilot激活「創意推理」來體驗我們相信：創意 = 過去的重組 x 靈光乍現 x 迭代的數量 x 反饋的質量采用「拉姆斯菲爾德矩陣」Rumsfeld Matrix的方式來分析，「創意發散模型」就是上述四種思考模態的自組織：

• 已知 - 已知的：過去的東西
• 未知 - 未知的：靈光乍現
• 已知 - 未知的：迭代的數量
• 未知 - 已知的：反饋的質量

創意，都可以通過這個創意發散模型進行推理，從而，激發更多的可能，找到更好的設計。