面向智能交互產品的創意服務設計

劉永紅，白翔天

面向智能交互產品的創意服務設計

劉永紅1,2，白翔天1

（1.湖南大學，長沙 410082；2.泉州湖南大學工業設計與機器智能創新研究院，福建 泉州 362006）

面向數據智能時代發展需要，通過剖析設計服務產業現狀與面臨挑戰，針對存在問題開發基于設計大數據的新工具與平臺，賦能先進制造業和現代服務業。面對當今“人—物理—信息—機器”四元空間，以設計大數據為主線，按照“數據—工具—平臺—應用”的研究框架，創建“海量數據驅動—智能設計決策—云端創意生成—虛擬孿生評價—云生態柔性制造—精準營銷”的全生命周期孿生融合的設計理論體系和商業模式，構建設計范式，并在六大智能交互產品領域開展應用示范。智能交互產品創意服務設計流程向數字化、智能化的方向升級，提升了數字創意與設計賦能經濟發展的準確性和效率，有助于形成大中小企業共生共榮、互相融通，促進生產制造可持續發展。

現代服務業；創意服務設計；智能交互產品

設計是人類為實現某種特定目的而進行的創造性活動，是人類生存和發展的基本活動[1]，從早期生產工具創造到如今機械化生產，創造性設計不斷地推動物質文明的發展[2]。創意服務設計是企業及設計師為客戶提供產品、服務整合創意解決方案的過程。在數據智能時代，我國的科技和制造業從跟跑、并跑到實現部分領跑，建立了較為完善的工業、服務和人才體系[3]，如今工業設計已進化到群智創新時代[4]，但設計工具仍未擺脫依賴問題。展望2035年遠景目標綱要“推動生產性服務業融合化發展”[5]，我國大數據、完善的制造和服務體系優勢[6]，開發新設計工具與平臺，構建設計范式，形成全球的文化認同和市場覆蓋，是文化科技與現代服務業面臨的挑戰[7]。

1 創意服務設計的戰略意義與工具平臺現狀

1.1 創意服務設計的戰略意義

20世紀初至50年代，德國包豪斯學院提出“設計服務產業”的概念[8]。21世紀以來，世界經濟與技術高速發展，全球產業結構已逐步由“工業經濟主導”轉型升級為“服務經濟主導”，以信息革命為基礎的全球化是世界經濟發展的主要特征。近年來，大數據[9]、人工智能、云計算、區塊鏈[10]等新興技術飛速發展，給創意服務設計帶來了新的可能。中國科學院院士吳朝暉[11]教授提出，人類社會已經進入人、物理世界、智能機器和虛擬信息世界構成的四元社會，將對世界各國、各行業領域帶來巨大影響。

在此過程中，我國經濟實現整體高速發展，創造了世界經濟增長奇跡。聚焦我國現代服務業發展，其在國內生產總值（GDP）中的占比和對GDP的貢獻率穩步上升，2013年我國服務業就首次超制造業，占比46.1%，2015年占比首次超過50%，2018年占比已達到52.2%，成為經濟增長的重要驅動力，已涌現出具有影響力的現代服務業領域杰出企業，顯著提高了傳統服務業科技水平。但近年來，貿易摩擦沖擊、新冠肺炎疫情影響和國際沖突激化導致全球性供應鏈危機，我國經濟下行壓力加大，社會面臨多重機遇與挑戰，這同時也刺激了我國現代服務業，尤其是數字技術應用、數字產品開發及數字經濟的發展，我國正處于科技創新強國建設改革的關鍵期[12]。

“十三五”期間，科技部在國家重點研發計劃中啟動實施“現代服務業共性關鍵技術研發及應用示范”專項，文化科技創新領域被列為專項重點支持板塊。2019年，工信部、發改委、教育部等聯合印發《制造業設計能力提升專項行動計劃（2019-2022年）》，規劃在系統設計、人工智能設計等方面形成一批行業標準、國家標準，研發好用的專業設計工具，搭建共創共享的設計協同平臺。2021年3月，《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》發布，要求堅持自主可控，加強工業軟件的研發應用，推進“工業互聯網+智能制造”產業生態建設，深度融合先進制造業和現代服務業，依托國內經濟循環體系形成對全球要素資源的強大引力場，強化國內大循環的主導作用，以國際循環提升國內大循環效率和水平，實現國內國際雙循環互促共進。

2021年5月，為落實“十四五”期間科技創新部署安排，科技部在國家重點研發計劃中啟動實施“文化科技與現代服務業”重點專項。2021年8月，工信部、科技部等六部門聯合印發《關于加快培育發展制造業優質企業的指導意見》，推動自主可控工業軟件推廣應用，培育綜合性強、帶動面廣的示范場景，建設推廣工業互聯網平臺，積極發展服務型制造新模式、新業態。緊接著，2021年12月，工信部、教育部、科技部等8個部門聯合發布了《“十四五”智能制造發展規劃》，推動制造業實現數字化轉型、網絡化協同、智能化變革，到2025年，工業軟件技術水平的國內市場滿足率超50%。創意服務設計是推進產業轉型優化發展的重要驅動力。

1.2 創意服務設計工具平臺發展現狀

聚焦智能交互產品領域，我國創意服務設計行業軟件在市場、用戶、創意、設計、工程等方面，超過90%被國外壟斷，國際上形成了巨頭鼎立的局面。具體在工具層面，國外有包括以Adobe創意設計系列軟件群、Rhino三維造型設計、C4D場景動畫、Sketch矢量繪圖、CorelDRAW平面設計為代表的CAD計算機輔助設計軟件；以Ansys有限元分析、Dassault產品生命周期管理、Simulia系統仿真為代表的CAE計算機輔助工程軟件；還有以Powermill數控加工編程為代表的CAM計算機輔助制造軟件。同時在平臺層面，有Behance創意作品領先在線、Pinterest圖片社交、Dribbble設計在線服務，以及基于云計算的Google Cloud工業互聯、Microsoft Azure；有以Mindsphere、PTC ThingWorx為代表的云開發平臺；還有以Autodesk、Fushion 360、Dassault Catia為代表的CAX一體化平臺。“工具”“平臺”的驅動核心是“數據”，包括Behance、Pinterest中的創意數據，以及SizeNorthAmerica、NIOSH、CAESAR中的人因工程數據等多個方面。國內方面，對應有視覺中國、UI中國、站酷、花瓣等創意分享交流平臺，CNIS中國標準化研究院建構的人因數據庫，還有中望軟件、天河智造、浩辰CAD、華天軟件等生產制造工具平臺，以及COSMOPlat、Oceanconnect、阿里云、騰訊云、京東云、太火鳥等工業互聯平臺[13]，見圖1。

總體來看，國內創意服務設計工具平臺從過去被國際巨頭稱霸壓制，到軟件協同時期的借鑒追趕，再到云時代的整體方案推進，已經有了長足的發展，且在部分細分領域已有突破，形成較大規模。但與發達國家相比，還存在自主知識產權不夠、產業鏈不完整、國際市場份額少等問題，離自主可控還有一定距離。在加快構建以國內大循環為主體、國內國際雙循環相互促進的新發展格局下，基于國內完整的制造產業鏈、廣闊的消費市場、發達的互聯網和人工智能技術，能夠催生新的創意服務設計軟件生態，催生新的設計工具開發，研發面向智能交互產品的創意服務設計技術與平臺，契合國家重大發展戰略。掌握數據智能，就是把握了產業未來[14]。

圖1 國內外創意服務設計工具平臺發展現狀

2 創意服務設計新模式與面臨挑戰

2.1 傳統串行工作流程

我國傳統制造行業體量規模大，總體來看，傳統制造行業多存在自主創新能力較弱，生產管理效率較低、資源利用率不高等問題，企業多采用“市場調研—用戶研究—產品定義—概念設計—設計優化—方案評審—生產制造—市場營銷—服務體驗”的串行工作流程，基本為“大規模生產”“先生產后銷售”模式。串行流程不可避免地會造成人力、物力、財力的浪費和環節間的部分脫節。各環節主要對應產生的包括市場、人因工程、品牌基因、文化風格、產品特征、用戶反饋、CAM/CAD、產品銷售、服務體驗等在內的多方面數據，目前尚未得到有效利用。如今，在全球產業互聯變革與中國經濟新常態的雙重背景下，傳統制造行業正經受來自需求、成本、流量、渠道等多方面沖擊。全球產業處于新時期數字化轉型升級的關鍵時期[15]，只有借數字化力量加大自主創新能力，不斷提高產品競爭力，我國企業才能更好地發展壯大。

2.2 創意服務設計新模式

在技術發展的浪潮中，傳統行業也在逐步進行數字化轉型升級，部分高技術和知識密集型企業也在不斷創新，促進產業與互聯網、物聯網等新興技術的融合發展[16]。通過把握“數據智能”的歷史性發展機遇，誕生了一批代表性企業，見圖2。在新消費領域，誕生了面向消費類產品設計生態鏈企業——小米；在智能制造領域，誕生了面向健康類產品設計生態鏈企業——邁瑞；在互聯網領域，誕生了面向精準營銷[17]的產品生態鏈企業——京東；在智能設計領域，誕生了面向智能產品創意服務生態鏈企業——太火鳥，這些企業無一例外都將設計生態鏈、創意服務生態鏈視作本企業在行業競爭、時代發展中的制勝法寶。以“太火鳥”為例，其是我國第一家工業設計服務生態鏈創新平臺，是“設計+科技”的踐行者，孵化了鰭源、素士、宗匠、安聲等200多家“隱形冠軍”企業。太火鳥智能設計系統是基于大數據、深度學習和信息可視化等技術研發的人工智能驅動式設計工具，包含智能設計決策引擎（基于大數據驅動的產品決策報告生成）和智能生成設計系統（從草圖到效果圖方案快速生成）兩大模塊，服務企業快速應對市場動態變化，提高協同研發效率，降低市場風險與創新成本，整體增強自主品牌創新能力。

設計促進信息化與制造業深度融合，助推實現產品智能化升級[18]，設計或設計服務已成為拉動我國經濟發展和創新驅動的重要力量[19]。但放眼全國各級各類企業，我國設計創新服務能力總體相對較弱，普遍存在設計大數據支撐不夠、設計工具仍未擺脫依賴等問題，同時不同行業間的差異特征導致設計過程、設計工具等呈現不同形態，難以形成普遍性的設計范式指導[20]。在傳統制造業向現代服務業和先進制造業轉型的過程中，串行流程和孤立數據難以支撐智能設計對全流程數字化管理與服務提出的要求，特別是難以滿足設計大數據、設計工具群、設計服務平臺、精準營銷等提出的網絡化、實時性、一體化、聯動性的要求，見圖3，迫切需要通過數據智能方法將傳統串行工作流程轉化為基于設計大數據的網狀設計創新體系，提升產品定義、服務體驗與賦能產業發展的精準度與效率，形成數據智能驅動的創意設計服務新模式[21]，是實現經濟長期穩定發展的新動力。

圖2 數據智能代表性企業

圖3 創意服務設計新模式

2.3 智能交互產品創意服務設計面臨的挑戰

智能交互產品是與互聯網相連接進行通信和信息交換，再通過反饋以實現智能化識別、定位、監控和管理，從而為用戶提供服務的產品[22]，不斷產生的數據是智能交互產品優化升級的重要設計來源，將復雜的科學技術邏輯轉化為優質產品體驗成為設計的重要工作[23]。新時代設計服務產業面臨著嚴峻挑戰，可歸納為設計數據模糊、設計工具缺乏、設計平臺零散、設計模式低效等方面。

2.3.1 設計數據模糊

數據，已成為新時代推動經濟增長的新引擎，在經濟高質量發展中的作用日益提升。黨的十九屆四中全會通過決定，首次將數據列為新的生產要素。數據要素具有共享性、即時性、易復制等特征[24]。當前，設計數據雖然規模龐大、種類豐富、來源廣泛，但行業內、企業間、院所間數據孤島、數據壁壘問題比較嚴重，淺數據與冷數據、數據主權與割據、數據開放與保護間的辯證矛盾等普遍存在，無法實現規模匯聚、互聯互通。“大數據”未進化成為精準的“設計大數據”，設計數據模糊分散且未形成較完整的數據體系，設計師、品牌方、生產商無法與數據分析師進行有效聯動，數據無法高質高效支持創意設計。

2.3.2 設計工具缺乏

設計工具由國外軟件集團壟斷嚴重，相比之下，國內設計工具數量較少、軟件功能不強，未形成較好的數據分析工具來輔助設計師捕捉設計數據，設計產出效率和質量低，無法形成工具競爭優勢，且存在卡脖子問題。2022年3月，美國數字化軟件Figma封禁大疆等被美國制裁公司的賬號。Figma在2020年的市場占比就超過百分之五十，是新一代設計協同高效工具。應對之下，國產同領域軟件功能范圍均達不到平替要求，設計師只能組合使用多款替換軟件，在一定程度上導致效率下降和成本的不必要增加。

2.3.3 設計平臺零散

相較于國外成熟設計平臺，我國設計平臺規模尚小，且不互通，缺乏明晰的整合和智能響應機制，無法快速形成有效合力，無法支持全流程的開放應用，難以形成規模平臺效益。2022年8月，Behance毫無預兆封禁中國地區賬號，國內賬號將無法繼續使用Behance相關資源，此次封禁也對設計師創作和部分企業運營帶來一定困擾。“十四五”《軟件和信息技術服務業發展規劃》中提出，明確量化目標和推進落地方式，為具有規模優勢的國內軟件龍頭向平臺型企業發展提供持續驅動力。

2.3.4 設計模式低效

由于數據、工具、平臺的局限，創意設計線上線下缺乏深度融合機制，設計產業數字化[25]程度較低，設計和上下游間產業間存在斷層，無法滿足產業全生命周期發展需要，設計多元協作效率低，激勵和分配機制不明晰，輻射面窄[26]，未形成成熟的設計產業生態數字化網絡。

3 聚焦設計大數據與智能設計

研究團隊長期關注“文化科技與現代服務業”發展，參與了面向2035年的第6次國家中長期科技發展規劃，深刻思考“三新”和“四個面向”形勢下的時代需求和設計領域面臨的緊迫需求，在“新征程、新工科、新設計”的規劃指導下，依托國家級實驗教學示范中心、數字文化創意智能設計技術文旅部重點實驗室等優質資源，聯合國內領先設計院校、企業、科研機構展開緊密合作，協同浙江大學、同濟大學、中國科學院自動化研究所、北京太火紅鳥科技有限公司、深圳邁瑞生物醫療電子股份有限公司、北京中科院軟件中心有限公司、北京小米移動軟件有限公司、長沙京東云計算有限公司等十家優勢單位組成項目研究團隊，共同開展“設計大數據與智能設計”的設計方法與工具研究，將消費體驗研究延伸到健康體驗、工作體驗，項目成果將在醫療、健康護理、通訊電子、可穿戴設備、智能家居、教育文娛六大領域展開全場景服務與應用示范。

項目研究按照“數據—工具—平臺—應用”四個層次展開，面向智能交互設計的需求和創意服務提供之間存在的錯位、斷位問題，以設計大數據為主線，意在解決多源異構數據驅動的設計決策、云原生多場景敘事建模與人機交互、多場景融合的文化風格與設計美學主客觀評價機制、群智協同交互與創意內容智能生成[27]等，將傳統的串行工作流程升級轉化為數據智能驅動的網狀設計創新體系，將極大地提升產品定義、服務體驗的精準度與效率。

4 面向智能交互產品的創意服務設計技術與平臺

圍繞智能交互產品在創意設計方面存在的關鍵問題，以驅動產業變革為目標開展技術攻關與應用示范，研發面向智能交互產品的創意服務設計技術與平臺，賦能先進制造業和現代服務業。

4.1 數據處理：挖掘構建設計大數據

面向醫療、健康護理、通訊電子、可穿戴設備、智能家居、教育文娛領域，研究智能交互產品設計大數據框架模型。針對用戶行為、使用場景、產品功效、終端反饋等海量多源異構數據在設計、營銷中應用難的問題，面向典型領域智能交互產品設計需求，整合來自企業的產品全生命周期數據（市場數據、用戶數據、生產制造數據、設計研發數據、售后維護數據等）和來自科研機構的設計研究數據（用戶體驗數據、人因工程數據、設計文化數據、設計評價數據、設計案例數據等）。

經過數據清理、數據集成、數據規約、數據變換等智能分析處理后，使其結構化、可讀取、可運算[28]，挖掘其中的“人—物—場”全要素關系，構建設計大數據，實現數據的互聯共生，拓展設計空間。研究智能化產品畫像、設計決策、精準營銷技術，形成全場景用戶行為和設計決策分析平臺，構建基于數字智能的群體智慧[29]，驅動全價值鏈路智能創新設計和服務[30]，提升智能交互產品的設計價值定義的科學性與服務體驗的準確性[31]，形成用戶參與、數據融合、系統化的前瞻性評估，建立風險控制、設計決策與精準營銷體系，形成可復制、可推廣的設計大數據支撐模式。

4.2 工具開發：構建人因設計與美學評價工具體系

開發具有中國思維特征的智能設計工具與評價指標體系，提升數字環境下跨平臺的人機協同設計效率和質量[32]，引領自主創新。

針對多模態人因數據面向自然交互融合度低、耦合性弱，缺乏規范標準等問題，研究智能交互產品人因數據的獲取、融合、挖掘與應用技術，構建面向自然人機交互的物理—認知—情感等云原生多模態人因數據庫，打造設計—開發—驗證—升級的數據閉環；研究智能產品的多模態人機交互技術和體驗計算，建立面向全場景—跨平臺的智能交互產品人因設計規范、體驗設計標準和智能輔助設計軟件平臺，實現多通道交互與跨終端產品設計的舒適性可用性評估，提升人因數據在產品全生命周期中的參與度、耦合度和易用性。

針對設計大數據與文化風格、美學評價割裂，以及缺乏協同工具和審美評價標準等問題[33]，研究面向虛擬孿生的文化風格挖掘與分類，以及文化風格與數字美學的適度融合技術，研發設計美學的智能評價工具，構建多場景融合的文化風格與設計美學主客觀評價體系。運用美學、符號學、語義學、組織行為學及認知心理學等理論，對交互場景下的三維產品評價產品美學設計元素的提取與分析，進行產品文化風格定義研究；通過設計美學評價指標體系技術及工具，應用設計大數據研究設計美學與用戶審美體驗的深層關系，構建多場景融合的文化風格與設計美學主客觀評價指標體系，實現人機協同智能評價與優化推薦，對接精準制造。

4.3 平臺構建：研發群智協同的智能設計工具系統

針對傳統創意設計模式流程長、效率低、設計工具匱乏等問題，基于對設計過程的建模分析，研究云邊端協同的群智交互設計技術與基于機器學習的創意內容智能生成技術。集成智能化設計服務技術，聚集多學科資源[34]，開展協同創新設計，在六大領域開發群智協同的智能設計工具系統，構建從健康體驗到消費體驗的全場景服務創新模式與應用。

在設計內容生成方面，基于生成對抗網絡、圖卷積網絡、Transformer 等模型，采用多尺度漸進生成思想，實現二維與三維內容的生成；采用模式識別、協同過濾等算法，實現設計內容的智能檢索與推薦。在群智設計方面，基于數據挖掘和機器學習方法，實現群智設計知識圖譜構建與優化，對群智交互設計工具[4]的數據、控制和管理進行功能擴展和資源分配優化。基于軟件工程設計理論，構建支持“終端協同交互—云端創意生成”的智能設計平臺，包括基礎功能、設計輔助[35]、設計評價模塊等，實現行業專家、市場調查員、設計師、工程師、用戶的群智協同交互設計[36]，優化產業鏈，實現產品的快速生成與迭代，帶動智能交互產品的技術進步和深度應用。

4.4 應用示范：構建設計迭代和智能評估服務平臺

探索建立面向典型行業產品生態鏈的PSSD（Product Service System Design）資源庫和智能協同設計體系，開發基于智能交互、模式識別、全場景分析數據驅動的PSSD設計迭代和智能化評估服務平臺。以設計為核心，構建消費者（Consumer）到設計（Design）到制造（Manufacturing）的C2D2M全生命周期的線上線下融通服務新模式，打造智能交互產品創意服務設計一站式服務，在醫療、健康護理、通訊電子、可穿戴設備、智能家居、教育文娛等行業的6個專業領域開展產品服務生態驗證，形成示范應用樣板。在邁瑞的主要業務領域（監護系統、麻醉機、呼吸機、彩超系統等），開展基于全場景的健康產品服務設計系統企業典范；在小米的重點產品板塊（智能手機、智能手表/手環、智能音箱等），開展面向生態鏈的消費產品服務設計系統企業示范；在創新工業設計服務平臺太火鳥和精準營銷平臺京東，開展面向中小企業的行業應用示范，見圖4，帶動智能交互產品的技術進步和深度應用，發展和引領價值共創的形式、途徑和類型，探索長期、開放、可持續運行機制。

圖4 產品服務設計系統企業應用示范

5 結語

項目開展“設計+技術+商業”一體化研究與應用示范。以設計大數據為主線，創建“海量數據驅動—智能設計決策—云端創意生成—虛擬孿生評價—云生態柔性制造—精準營銷”的全價值鏈創意服務設計流程和商業模式，形成中國創意服務設計理論，構建設計大數據驅動的設計創新模式，有效推進智能交互產品創意服務設計流程向數字化、智能化的方向升級，提升數字創意與設計賦能經濟發展的準確性和效率，賦能先進制造業和現代服務業。項目發揮頭部企業的領頭作用，以期形成全球市場的文化認同與市場覆蓋，形成大中小企業共生共榮、互相融通，同時引導資源的配置優化，促進生產制造可持續發展。

[1] 何人可. 工業設計史(第五版)[M]. 北京: 高等教育出版社, 2019.

HE Ren-ke. History of Industrial Design (Fifth Edition)[M]. Beijing: Higher Education Press, 2019.

[2] CROSS N. Designerly Ways of Knowing[J]. Design Studies, 1982, 3(4): 221-227.

[3] 婁永琪. 從“追蹤”到“引領”的中國創新設計范式轉型[J]. 裝飾, 2016(1): 72-74.

LOU Yong-qi. From Catching to Leading: The Paradigm Shift of China's Design and Innovation[J]. Zhuangshi, 2016(1): 72-74.

[4] 羅仕鑒. 群智設計新思維[J]. 機械設計, 2020, 37(3): 121-127.

LUO Shi-jian. New Thought of Crowd Intelligence Design[J]. Journal of Machine Design, 2020, 37(3): 121- 127.

[5] 人民日報. 中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要[EB/OL]. (2021-03-13)[2022-02-01]. http://paper. peo-ple.com. cn/rmrb/html/2021-03/13/nbs.D110000ren-mrb_01.htm.

People's Daily. Outline of the People's Republic of China 14th Five-year Plan for National Economic and Social De-velopment and Long-range Objectives for 2035 [EB/OL]. (2021-03-13)[2022-02-01]. http://paper.people.com.cn/rmrb/html/2021-03/13/nbs.D110000ren-mrb_01.htm.

[6] 肖靜華, 毛蘊詩, 謝康. 基于互聯網及大數據的智能制造體系與中國制造企業轉型升級[J]. 產業經濟評論, 2016(2): 5-16.

XIAO Jing-hua, MAO Yun-shi, XIE Kang. Transformation of Chinese Manufacturing Industry: Insight from Intelligent Manufacturing System Based on Internet and Big Data[J]. Review of Industrial EconoMics, 2016(2): 5-16.

[7] 季鐵, 閔曉蕾, 何人可. 文化科技融合的現代服務業創新與設計參與[J]. 包裝工程, 2019, 40(14): 45-57.

JI Tie, MIN Xiao-lei, HE Ren-ke. Innovation and Design Participation of Modern Service Industry Integrating Culture and Technology[J]. Packaging Engineering, 2019, 40(14): 45-57.

[8] 陳茂清, 曹小琴, 趙璧, 等. 基于CiteSpace的國內外設計服務產業領域知識圖譜研究[J]. 科技管理研究, 2021, 41(14): 149-155.

CHEN Mao-qing, CAO Xiao-qin, ZHAO Bi, et al. A Study on Knowledge Mapping of Domestic and Foreign Design Service Industry Based on CiteSpace[J]. Science and Technology Management Research, 2021, 41(14): 149-155.

[9] 孟小峰, 慈祥. 大數據管理: 概念、技術與挑戰[J]. 計算機研究與發展, 2013, 50(1): 146-169.

MENG Xiao-feng, CI Xiang. Big Data Management: Concepts, Technique and Challenges[J]. Journal of Computer Research and Development, 2013, 50(1): 146-169.

[10] DUAN Y, EDWARDS J S, DWIVEDI Y K. Artificial Intelligence for Decision Making in the Era of Big Data: Evolution, Challenges and Research Agenda[J]. International Journal of Information Management, 2019, 48(5): 63-71.

[11] 吳朝暉. 四元社會交互運行, 亟須深化數字治理戰略布局[J]. 浙江大學學報(人文社會科學版), 2020, 50(2): 5-9.

WU Zhao-hui. A Deepened Strategic Layout of Digital Governance in an Interactive Quaternion Society[J]. Journal of Zhejiang University (Humanities and Social Sciences), 2020, 50(2): 5-9.

[12] 陳勁, 尹西明. 中國科技創新與發展2035展望[J]. 科學與管理, 2019, 39(1): 1-7.

CHEN Jin, YIN Xi-ming. Outlook of China's Technology Innovation and Development 2035[J]. Science and Management, 2019, 39(1): 1-7.

[13] HUO Ru, ZENG Shi-qin, WANG Zhi-hao, et al. A Comprehensive Survey on Blockchain in Industrial Internet of Things: Motivations, Research Progresses, and Future Challenges[J]. IEEE Communications Surveys and Tutorials, 2022, 24(1): 88-122.

[14] 吳軍. 智能時代：大數據與智能革命重新定義未來[M]. 北京: 中信出版社, 2016.

WU Jun. Intelligent Age[M]. Beijing: China CITIC Press, 2016.

[15] 劉永紅, 劉倩. 工業4.0視角下工業設計對制造業轉型升級的作用[J]. 包裝工程, 2018, 39(8): 113-116.

LIU Yong-hong, LIU Qian. Effect of Industrial Design on Manufacturing Transformation and Upgrading in Industrial 4.0[J]. Packaging Engineering, 2018, 39(8): 113-116.

[16] 黃江杰, 湯永川, 孫守遷. 我國數字創意產業發展現狀及創新方向[J]. 中國工程科學, 2020, 22(2): 55-62.

HUANG Jiang-jie, TANG Yong-chuan, SUN Shou-qian. Development Status and Innovation Direction of China’s Digital Creative Industry[J]. Strategic Study of CAE, 2020, 22(2): 55-62.

[17] 劉海, 盧慧, 阮金花, 等. 基于“用戶畫像”挖掘的精準營銷細分模型研究[J]. 絲綢, 2015, 52(12):37-42.

LIU Hai, LU Hui, RUAN Jin-hua, et al. Research on Precision Marketing Segmentation Model Based on Mining "Persona"[J]. Journal of Silk, 2015, 52(12): 37-42.

[18] 顧新建, 張棟, 紀楊建, 等. 制造業服務化和信息化融合技術[J]. 計算機集成制造系統, 2010, 16(11): 2530-2536.

GU Xin-jian, ZHANG Dong, JI Yang-jian, et al. Integration for Manufacturing Servitization and Information[J]. Computer Integrated Manufacturing System, 2010, 16(11): 2530-2536.

[19] 賴紅波.設計驅動型創新系統構建與產業轉型升級機制研究[J]. 科技進步與對策, 2017, 34(23): 71-76.

LAI Hong-bo. Research on Design Driven Innovation System Construction and Industry Transformation and Upgrading Mechanism[J]. Science & Technology Progress and Policy, 2017, 34(23): 71-76.

[20] WILLEMIEN V. Design: One, but in Different Forms [J]. Design Studies, 2009, 30(3), 187-223.

[21] 季鐵. 季鐵：湖南大學設計藝術學院“新工科·新設計”人才培養教學體系與實踐研究[J]. 設計, 2021, 34(20): 50-57.

JI Tie. Ji Tie: Research on the Teaching System and Practice of "New Engineering-New Design" Talent Cultivation in School of Design, Hunan University[J]. Design, 2021, 34(20): 50-57.

[22] 程彬, 王鶴. 基于任務的智能交互產品服務設計優化研究[J]. 包裝工程, 2017, 38(22): 161-166.

CHENG Bin, WANG He. Service Design Optimization of Intelligent Interaction Products Based on Task[J]. Packaging Engineering, 2017, 38(22): 161-166.

[23] 劉寧, 楊芳. 智能互聯時代的工業設計創新發展研究[J]. 包裝工程, 2021, 42(14): 101-107.

LIU Ning, YANG Fang. Development of Industrial Design in Intelligent and Internet Era[J]. Packaging Engineering, 2021, 42(14): 101-107.

[24] 蔡躍洲, 馬文君. 數據要素對高質量發展影響與數據流動制約[J]. 數量經濟技術經濟研究, 2021, 38(3): 64-83.

CAI Yue-zhou, MA Wen-jun. How Data Influence High-quality Development as a Factor and the Restriction of Data Flow[J]. The Journal of Quantitative & Technical Economics, 2021, 38(3): 64-83.

[25] 羅仕鑒, 張德寅. 設計產業數字化創新模式研究[J]. 裝飾, 2022(1): 17-21.

LUO Shi-jian, ZHANG De-yin. A Preliminary Study of Innovation Mode for Design Industry Digitalization[J]. Zhuangshi, 2022(1): 17-21.

[26] 初建杰, 李雪瑞, 余隋懷. 面向工業設計全產業鏈的云服務平臺關鍵技術研究[J]. 機械設計, 2016, 33(11): 125-128.

CHU Jian-jie, LI Xue-rui, YU Sui-huai. Key Technologies of Cloud Service Platform Oriented to the Whole Chain of Industrial Design[J]. Journal of Machine Design, 2016, 33(11): 125-128.

[27] 劉永紅, 黎文廣, 季鐵, 等. 國外生成式產品設計研究綜述[J]. 包裝工程, 2021, 42(14): 9-27.

LIU Yong-hong, LI Wen-guang, JI Tie, et al. Review of Research on Generative Product Design Abroad[J]. Packaging Engineering, 2021, 42(14): 9-27.

[28] CHAKRABORTY D. Energy and Carbon Footprint: Numbers Matter in Low Energy and Low Carbon Choices[J]. Current Opinion in Environmental Sustainability, 2013, 5(2): 237-243.

[29] MICHELUCCI P, DICKINSON J. The Power of Crowds[J]. Science, 2016, 351(6268): 32-33.

[30] SIDDHARTHA C, VLADLEN K. Data-driven Suggestions for Creativity Support in 3D Modeling[J]. ACM Transactions on Graphics (TOG), 2010, 29(6): 1.

[31] MAGUIRE M, BEVAN N. User Requirements Analysis[C]// Proceeding of IFIP World Computer Congress. Berlin: Springer-Verlag, 2002: 133-148

[32] SONG B, GYORY J T, ZHANG G L, et al. Decoding the Agility of Artificial Intelligence-assisted Human Design Teams[J]. Design Studies, 2022, 79: 101094.

[33] 白翔天, 戴端. 基于感性意象的高速列車座椅設計及美學規律研究[J]. 圖學學報, 2020, 41(5): 805-813.

BAI Xiang-tian, DAI Duan. Modeling Design and Aesthetic Rules Studies of High-speed Train Seats Based on Perceptual Image[J]. Journal of Graphics, 2020, 41(5): 805-813.

[34] 袁翔, 季鐵, 何人可. 工業設計“新工科”專業改革下的畢業設計教學——湖南大學設計藝術學院的行動與思考[J]. 裝飾, 2021(6): 24-26.

YUAN Xiang, JI Tie, HE Ren-ke. Rethinking Industrial Design Graduation Project under the Context of the "New Engineering Disciplines" Educational Reform: A Perspective from School of Design, Hunan University[J]. Zhuangshi, 2021(6): 24-26.

[35] FRICH J, VERMEULEN L M, REMY C, et al. Mapping the Landscape of Creativity Support Tools in HCI[J]. Human Factors in Computing Systems, 2019, 42(12): 5-19.

[36] TAUSCHER K. Leveraging Collective Intelligence: How to Design and Manage Crowd-based Business Models[J]. Business Horizons, 2017, 60(2), 237-245.

Creative Service Design for Intelligent Interactive Products

LIU Yong-hong1,2, BAI Xiang-tian1

(1.Hunan University, Changsha 410082, China; 2.Innovation Institute of Industrial Design and Machine Intelligence Quanzhou-Hunan University, Fujian Quanzhou 362006, China)

Facing the development needs of the data intelligence era, the work aims to develop new tools and platforms based on “big data in the design field” to address the existing problems and empower advanced manufacturing and modern services by analyzing the current situation and challenges of the design service industry. Facing the current "human- physics-information-machine" quadratic space, and based on the research framework of "data-tool-platform-application", with big data in the design field as the main line, a design theory system and business model of "massive data driven-intelligent design decision-cloud creative generation-virtual twin evaluation-cloud ecological flexible manufacturing-accurate marketing" for the whole life cycle twin integration was created to build a design paradigm. Andapplication demonstrations were carried out in six major areas of intelligent interactive products. The design process of intelligent interactive product creative service is upgraded to the direction of digitization and intelligence, which enhances the accuracy and efficiency of digital creativity and design-enabling economic development, helps to form a symbiosis and mutual integration of large, medium and small enterprises, and promotes the sustainable development of production and manufacturing.

modern service industry; creative service design; intelligent interactive product

TB472

A

1001-3563(2022)24-0020-08

10.19554/j.cnki.1001-3563.2022.24.003

2022–07–22

國家重點研發計劃（2021YFF0900600）

劉永紅（1972—），男，博士，湖南大學教授、博士生導師，主要研究方向為智能產品設計、設計協同創新研究。

白翔天（1996—），男，博士生，主要研究方向為智能產品設計研究。

責任編輯：陳作