人工智能與生成：計算機介入產(chǎn)品設(shè)計

摘要：人工智能技術(shù)的更新與迭代“有效加速”，其已開始介入產(chǎn)品設(shè)計實踐生產(chǎn)?；谌斯ぶ悄艿纳稍砼c方法，本質(zhì)上是計算機向操作者深度學習的過程。針對產(chǎn)品設(shè)計領(lǐng)域，計算機開始由“輔助”設(shè)計走向“介入”設(shè)計，計算機智能平臺將審美轉(zhuǎn)變?yōu)樗惴?。從概念設(shè)計環(huán)節(jié)影響產(chǎn)品設(shè)計流程，形成設(shè)計師和計算機多元化的主體創(chuàng)作方式。產(chǎn)品設(shè)計師與人工智能技術(shù)“超級對齊”，合力推動產(chǎn)品設(shè)計過程高效開展。

關(guān)鍵詞：人工智能；產(chǎn)品設(shè)計；計算機；大模型；介入；設(shè)計流程

中圖分類號：TB47 文獻標識碼：A文章編號：1003-0069（2024）09-0077-04

Abstract：The update and iteration of artificial intelligence technology have been effectively accelerated， and it has begun to intervene in product design practice and production. The generation principles and methods based on artificial intelligence are essentially the process of deep learning from computers to operators. In the field of product design， computers have shifted from “auxiliary” design to “intervention” design， and computer intelligent platforms have transformed aesthetics into algorithms.From the conceptual design stage， it affects the product design process and forms a diversified creative approach for designers and computers. Product designers and artificial intelligence technology are super aligned， working together to promote the efficient development of the product design process.

Keywords：Artificial intelligence； Product design； Computer； Large scale model； Intervene； Design process

引言

2024年3月，OpenAI公司創(chuàng)始人山姆·奧特曼（Sam Altman）表示GPT-5的性能將獲得超出預(yù)期的提升，并自信地闡明“沒有局限”。OpenAI的產(chǎn)品將改變?nèi)祟悮v史。其近期針對好萊塢發(fā)動了一場“魅力攻勢”——與派拉蒙、環(huán)球和華納兄弟等主要電影公司舉行會議，展現(xiàn)人工智能生成視頻的Sora技術(shù)，緩解人工智能模型對電影行業(yè)造成的擔憂。人工智能技術(shù)在近兩年來“有效加速”，產(chǎn)品平臺已逐漸走向成熟，通過不斷迭代與升級正在悄然改變不同行業(yè)的生產(chǎn)效率。迭代的奇點是設(shè)計的未來，設(shè)計已不再是基于技術(shù)的設(shè)計，而是一種社會設(shè)計、組織設(shè)計和思想設(shè)計。[1]

針對產(chǎn)品設(shè)計領(lǐng)域，人工智能的發(fā)展改變了傳統(tǒng)的產(chǎn)品設(shè)計方式與流程，將人工智能技術(shù)嵌入設(shè)計環(huán)節(jié)，拓展設(shè)計邊界與創(chuàng)新能力。[2]突破由設(shè)計師單一主體的設(shè)計方式。產(chǎn)品設(shè)計走向多元化的創(chuàng)作主體——計算機和設(shè)計師。例如：汽車造型設(shè)計正由計算機輔助技術(shù)向人工智能參與設(shè)計邁進。將設(shè)計師的審美轉(zhuǎn)變成算法，建構(gòu)生成式設(shè)計方案。[3]人工智能技術(shù)應(yīng)用在工業(yè)設(shè)計流程上能夠充分節(jié)省時間、提高效率，降低設(shè)計成本，具有一定的有效性。同時，由于智能化程度較為初級，目前無法解決工業(yè)設(shè)計流程中的全部環(huán)節(jié)，存在著局限性。[4]人工智能技術(shù)是建立在深度學習和模仿人類藝術(shù)風格的基礎(chǔ)上開展模型編碼與解碼的生成過程，缺乏原創(chuàng)性是其短板之一。[5]從產(chǎn)品設(shè)計的角度，如何構(gòu)建設(shè)計師與人工智能的關(guān)系？人工智能是否將替代設(shè)計師的角色？人工智能怎樣改變產(chǎn)品設(shè)計流程？這些問題有待于深度的探討與研究。

一、理解迭代：“ChatGPT”對話平臺蛻變“Sora”世界模型場景

2022年11月，ChatGPT橫空出世，掀起國內(nèi)外社會的熱議，一種基于自然語言處理（Natural Language Processing， NLP）的對話平臺，建立計算機智能與人類溝通的介質(zhì)平臺。其本質(zhì)是將人類的語言轉(zhuǎn)化成計算機可識別的代碼。計算機通過識別代碼來深度學習人類的思維與意識，通過模型和數(shù)據(jù)庫進行運算，生成文本與圖像。隨著人工智能技術(shù)的模型推廣，人工智能平臺相繼迭代出文生文、文生圖、圖生文等多元化輸入路徑。OpenAI公司在人工智能的賽道中“有效加速”脫穎而出。其實，早在2018年，OpenAI公司就已經(jīng)開始研究GPT （Generative Pre-Trained）模型，一種基于互聯(lián)網(wǎng)的、可用數(shù)據(jù)來訓練的、文本生成深度學習模型。研發(fā)公司相繼推出了GPT-1、GPT-2、GPT-3。經(jīng)歷了從無到有的過程，最終與自然語言處理融合，形成智能化生成平臺。如今，ChatGPT已經(jīng)升級至GPT-5版本，從算力到模型結(jié)構(gòu)都獲得了大幅度提升，并逐漸演變成多維度的模型產(chǎn)品。

備受矚目的Sora視頻生成平臺更是以“世界模擬器”的概念打破了人們對于人工智能的認知，Sora通過文生視頻、圖生視頻的方式，巧妙地利用視頻轉(zhuǎn)場，生成獨特的視頻效果，60秒超長時間，針對影視設(shè)計行業(yè)具有顛覆性的沖擊。雖然目前未對用戶開放使用，但能夠推測其勢必降低視頻設(shè)計的門檻。Sora的出現(xiàn)無疑是一種“蛻變”，改變了由ChatGPT形成的單一模型系統(tǒng)，其通過對場景模型的虛擬運算，利用分鏡頭視角在模型中漫游、穿梭，形成動態(tài)視頻影像。

從設(shè)計的角度分析，Sora已能夠通過算力建立動態(tài)的模型場景。這無疑對設(shè)計行業(yè)帶來了巨大的沖擊與挑戰(zhàn)，人工智能將直接介入設(shè)計的模型建構(gòu)并生成。以三維的路徑營建智能化的場景模型。這些模型包括了自然、人類、植物、動物、建筑、產(chǎn)品、文化、歷史等。以更直接的現(xiàn)實模型，描繪操作者、設(shè)計師的潛在生成目標，輔助人類的實踐生產(chǎn)，推動生產(chǎn)效率的提高。

智能化生成三維模型與產(chǎn)品設(shè)計存在著密切的聯(lián)系，其將有效的輔助產(chǎn)品設(shè)計生產(chǎn)的開展。人工智能平臺通過多個來源收集三維模型數(shù)據(jù)，例如：三維掃描、建模軟件等。并基于對收集到的三維數(shù)據(jù)進行歸類、轉(zhuǎn)化和梳理，利用卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）技術(shù)從三維數(shù)據(jù)庫中提取特征。以此，結(jié)合適用的人工智能大模型，對收集的三維數(shù)據(jù)進行訓練，從而獲得生成式三維模型。這種構(gòu)建三維模型的生成方式直接影響到產(chǎn)品設(shè)計方案的形成。

二、原理與方法：深度學習智能生成產(chǎn)品設(shè)計方案

（一）目標：模擬人類思維與自動建構(gòu)產(chǎn)品設(shè)計概念。

人工智能與生成技術(shù)的主要目標是計算機模仿人類的行為與思維，并通過計算機運算自動化的生成。1950年，人工智能之父——艾倫·麥席森·圖靈（Alan Mathison Turing）提出“如果一臺機器與人類進行對話，但卻無法辨識這臺機器是人類還是機器，那么機器就具備了人工智能特征”。由此，圖靈測試（The Turing test）成為檢測計算機是否具備智能的標準與門檻。

1956年，人工智能概念在美國達特茅斯學院提出，史稱“達特茅斯會議”，會議由約翰·麥肯錫（John McCarthy）倡導(dǎo)，邀請來自語言學、信息學、機器感知、經(jīng)濟學等不同學科的專家共同討論基于計算機誕生背景下的未來科技發(fā)展方向。在學科交叉與交流中觸發(fā)科技的神經(jīng)火花，人工智能概念（Artificial Intelligence，AI）由此誕生，1956年也成為人工智能元年。隨著人工智能的革新，1997年，“深藍”擊敗國際象棋冠軍。2016年，AlphaGo擊敗世界圍棋冠軍，人工智能的智能化水平不斷提升。

人工智能是通過人類輸入的語言進行深度學習，針對操作者輸入的文本與內(nèi)容進行編碼，掌握人類的思維意識，從而獲得潛在的生成目標，開展智能化的實踐運算。這樣的運算具有隨機性、連續(xù)性、多樣性的特征。例如：人工智能隨機的生成產(chǎn)品概念效果圖、產(chǎn)品三維模型、產(chǎn)品材質(zhì)結(jié)構(gòu)等。拓展產(chǎn)品設(shè)計的思路，利用原有的產(chǎn)品設(shè)計風格進行“遷移”，將操作者輸入的文本與產(chǎn)品風格進行運算，形成創(chuàng)新設(shè)計作品方案。

（二）路徑：自然語言外部反饋與修正生成產(chǎn)品設(shè)計方案

基于自然語言處理的生成路徑，利用操作者輸入的文本、圖像，人工智能平臺通過識別與深度學習，開展智能化的生成創(chuàng)作與設(shè)計。設(shè)計師根據(jù)設(shè)計需求，結(jié)合設(shè)計創(chuàng)意效果，利用“提示詞”（Prompt）組成輸入本文，其中包括：主題、風格、情感、色彩、視角、細節(jié)、環(huán)境、動作、時間、技術(shù)參數(shù)等類別，如表1、表2。人工智能模型通過識別這些提示詞來獲取對用戶潛在生成目標的感知，并進行編碼、解碼，從而運算出產(chǎn)品設(shè)計方案與概念。

“提示詞”成為操控人工智能技術(shù)平臺的“變量”（Variable）。針對設(shè)計領(lǐng)域的人工智能技術(shù)模型不斷的迭代與升級，從模型的空間分布與邏輯關(guān)聯(lián)的角度分析，計算機對潛在的“提示詞”形成了較為細化的空間維度特征，計算機通過識別設(shè)計師的“提示詞”并對其在模型中進行編碼、解碼。由于算力的隨機性，很難生成兩幅完全一致的圖像，由此出現(xiàn)了生成式設(shè)計作品的多樣性和隨機性。從而生成了不同的隨機圖像，伴隨不同的大模型被人工智能公司推出，生成的設(shè)計作品也更具創(chuàng)造力和契合力。一定程度上滿足了設(shè)計師初步的設(shè)計構(gòu)想——“頭腦風暴”，激發(fā)創(chuàng)意萌生。因此，人工智能技術(shù)已開始協(xié)助設(shè)計師運算生成設(shè)計方案，并可直接生成產(chǎn)品設(shè)計效果圖。

筆者經(jīng)過測試與評估研究發(fā)現(xiàn)，不同人工智能模型針對產(chǎn)品設(shè)計專業(yè)的生成作品在品質(zhì)上存在著差異性，生成作品的效果、水準參差不齊。目前，僅有較少的幾個人工智能平臺有能力生成與傳統(tǒng)產(chǎn)品設(shè)計概念較為契合的設(shè)計作品，這其中的本質(zhì)其實是基于“大模型”的維度框架所形成的不同運算方式，從而直接導(dǎo)致了生成設(shè)計作品的質(zhì)量與效果。同時，后臺數(shù)據(jù)庫的“容量”更新與優(yōu)化也是影響其生成作品質(zhì)量的另一個重要因素。

但由于這種理解識別路徑是以單維度的語言模式為基礎(chǔ)，計算機無法從多維度的角度直接了解人類操作者的意圖與思維，加之計算機算法的隨機性，單次的理解與識別無法匹配潛在的設(shè)計意圖，需要操作者多次、連續(xù)地向人工智能平臺發(fā)出指令，不斷反饋與修正，從而校準目標對象的要求與標準。這種單一維度的“對話”路徑也正是目前人工智能技術(shù)的局限性，未來通過行為跟蹤、面部識別、體感溫度、腦機接口等多維度的深度學習交互路徑，或許將改變這種意圖理解的局限性。并結(jié)合大模型的不斷迭代與升級，擴容數(shù)據(jù)庫，兼顧“識別路徑”和“大模型更迭”，以“雙向”進化的途徑，將是人工智能技術(shù)針對產(chǎn)品設(shè)計領(lǐng)域的升級突破口。

三、改變設(shè)計單一主體：計算機介入產(chǎn)品設(shè)計

（一）計算機從“輔助”產(chǎn)品設(shè)計走向“介入”產(chǎn)品設(shè)計

產(chǎn)品設(shè)計是一個產(chǎn)品開發(fā)過程中，將用戶需求和技術(shù)可行性相結(jié)合的迭代過程，其根本目的是創(chuàng)造出滿足用戶需求、具有商業(yè)價值的實用產(chǎn)品。產(chǎn)品設(shè)計起源于設(shè)計史的開端，19世紀下半葉，威廉·莫里斯倡導(dǎo)的英國工藝美術(shù)運動率先提出強調(diào)手工藝生產(chǎn)的理念。隨著工業(yè)化水平的提升，在眾多包豪斯現(xiàn)代主義設(shè)計師的推動下，產(chǎn)品設(shè)計開始適應(yīng)工業(yè)化的發(fā)展，重視標準化、批量化、成本效益等因素。二戰(zhàn)后，產(chǎn)品設(shè)計的商業(yè)價值在美國“流線型”運動中獲得重塑，20世紀五、六十年代，通用汽車設(shè)計師哈利·厄爾（Harley Earl）提出“有計劃地廢止制度”——產(chǎn)品營銷策略，進一步凸顯了設(shè)計的價值與意義。

20世紀80年代，計算機輔助設(shè)計被廣泛應(yīng)用于設(shè)計領(lǐng)域，代表軟件為CAD （Computer Aided Design），一種模擬人類專家解決特定領(lǐng)域問題的計算機程序系統(tǒng)。[6]計算機輔助產(chǎn)品設(shè)計是將傳統(tǒng)的手繪表現(xiàn)技法轉(zhuǎn)化為軟件工具，便于設(shè)計方案直觀、便捷、高效地呈現(xiàn)。常用的計算機輔助產(chǎn)品設(shè)計軟件包括：犀牛（Rhino3D）、3DMax、Blender、C4D、Keyshot等。這些輔助軟件通過輸入命令的方式，輔助產(chǎn)品設(shè)計建構(gòu)模型、渲染效果，以點、線、面的多元化命令方式，從不同的角度營造產(chǎn)品模型，其中包括：車削、布爾運算、放樣、擠出等命令。從原理上采用工業(yè)化模型的制作方法，輔助設(shè)計師創(chuàng)造產(chǎn)品設(shè)計方案。

由于自然語言處理（NLP）系統(tǒng)的出現(xiàn)，傳統(tǒng)計算機輔助設(shè)計軟件也開始轉(zhuǎn)向以輸入語言文本為基礎(chǔ)的建模造型方式，操作者不再需要熟悉命令和菜單，僅通過簡潔的語義輸入就能夠在智能軟件中獲得潛在的產(chǎn)品模型和渲染燈光場景效果。甚至為建模軟件提供二維圖像直接生成三維模型的建構(gòu)路徑。減輕了設(shè)計師利用計算機輔助軟件制作產(chǎn)品設(shè)計方案和效果圖的負擔，以更智能的方式幫助設(shè)計師開展方案構(gòu)思的工作環(huán)節(jié)。

但通過評估、比較現(xiàn)有的智能生成模型和渲染效果，其風格樣式的差異性有待進一步提高。由于計算機智能軟件直接介入到產(chǎn)品設(shè)計的方案建構(gòu)中，但智能模型和數(shù)據(jù)庫具有一定的“有限性”，因此，生成的產(chǎn)品造型和渲染效果風格、形式較為相似，造成“泛化”設(shè)計方案。這些問題在大模型與數(shù)據(jù)庫的升級和更新中應(yīng)當獲得改進。從整體到局部，考慮產(chǎn)品設(shè)計的細節(jié)，在同質(zhì)性中尋求差異性。

這種輸入語言文本——提示詞的建構(gòu)路徑直接讓計算機介入到建模的造型設(shè)計中，而不再依賴操作者——設(shè)計師單一的建構(gòu)主體方式，計算機智能路徑通過識別輸入文本的語義，將文本轉(zhuǎn)化成計算機可識別的代碼，并對代碼進行編碼、解碼，形成生成式的模型樣式。其潛在的邏輯是將設(shè)計師的審美標準轉(zhuǎn)化成算法，隨機性的生成產(chǎn)品造型風格，降低了針對產(chǎn)品設(shè)計造型的精力投入與細節(jié)思考，設(shè)計師通過基本的專業(yè)建模提示詞就能夠在不斷的優(yōu)化與修正中獲得潛在的設(shè)計目標方案，從而推動產(chǎn)品設(shè)計實踐活動的開展。

如圖1，以咖啡機產(chǎn)品造型設(shè)計為例，左側(cè)為犀牛輔助軟件建模路徑，右側(cè)是人工智能平臺計算生成的咖啡機造型設(shè)計方案。由此可見，計算機輔助產(chǎn)品設(shè)計開始逐漸轉(zhuǎn)向介入產(chǎn)品設(shè)計。計算機人工智能軟件平臺主要包括：Midjourney、DALL·E 3、Stable Diffusion、文心一格、通義萬相等。人工智能在技術(shù)進化中逐漸接近設(shè)計師的思維與意識，介入產(chǎn)品設(shè)計實踐活動。

（二）計算機智能算法改變產(chǎn)品設(shè)計流程

產(chǎn)品設(shè)計的流程主要通過用戶需求、概念設(shè)計、方案評估、原型產(chǎn)品制作、升級與優(yōu)化、生產(chǎn)與推廣6個環(huán)節(jié)開展。20世紀60年代，美國宇航局（NASA）提出“階段評估流程”，用于評估和管理項目進度、風險和績效。1969年，諾曼·博斯（Norman P. Norman）和彼得·艾倫構(gòu)建了一個由6階段組成的基礎(chǔ)流程，這一流程為近年來推出的眾多流程奠定了基礎(chǔ)。其中包括：探索、篩選、商業(yè)評估、開發(fā)、測試和商業(yè)化，為產(chǎn)品設(shè)計流程提供了重要的參考。

70年代，溫斯頓·羅伊斯（Winston Royce）提出著名的“瀑布模型”（Waterfall Model）。20世紀80年代，由羅勃特·G.庫珀（Robert G. Cooper）提出“門徑流程”（Stage-Gate System，SGS），其被視為產(chǎn)品開發(fā)過程中的基礎(chǔ)程序和過程管理工具。由此，產(chǎn)品設(shè)計流程更加注重市場需求、技術(shù)可行性和生產(chǎn)需求等方面的因素，人因工程學、用戶體驗設(shè)計、交互設(shè)計、可持續(xù)設(shè)計等理念逐漸進入產(chǎn)品設(shè)計流程，促使產(chǎn)品設(shè)計更加科學化和系統(tǒng)化，從而減少資源浪費，提高產(chǎn)品運營效率。

21世紀，全球經(jīng)濟呈現(xiàn)數(shù)字化、智能化、綠色化趨勢。這些趨勢驅(qū)動產(chǎn)品設(shè)計強調(diào)“個性化”，“設(shè)計”逐漸成為一個復(fù)雜問題，不再是單一的、膚淺的同質(zhì)化方法解決普遍性問題。由此，產(chǎn)品設(shè)計流程更加注重設(shè)計思維和邏輯，例如：在服務(wù)設(shè)計領(lǐng)域，通常采用思維導(dǎo)圖、愿景、案例分析、情景等工具和方法，借助故事板、接觸點與用戶體驗地圖等可視化設(shè)計方案確立設(shè)計概念。[7]但不論利用怎樣的策略與方法都離不開以用戶為中心的服務(wù)對象。產(chǎn)品設(shè)計其實是在平衡用戶需求與技術(shù)的交匯點，以“生態(tài)”“交互”“五感”“情境”“精細化”和“人因工程”等理念追求人、物、環(huán)境三者之間的平衡。

由于人工智能技術(shù)的發(fā)展，如圖2其主要改變產(chǎn)品設(shè)計流程的環(huán)節(jié)是“概念設(shè)計”。傳統(tǒng)的概念設(shè)計環(huán)節(jié)主要分為：手繪概念草圖、確立深化方案、制作效果3個方面。生成式產(chǎn)品設(shè)計概念僅需要輸入自然語言文本，界定產(chǎn)品設(shè)計概念和創(chuàng)意描述，便能夠?qū)嵤┤斯ぶ悄艿姆桨干膳c運算任務(wù)。從而推動產(chǎn)品設(shè)計實踐工作進入下一個流程環(huán)節(jié)。

人工智能生成產(chǎn)品概念方案提高了產(chǎn)品設(shè)計流程的工作效率，縮短了傳統(tǒng)產(chǎn)品概念設(shè)計由于借助計算機輔助軟件所消耗的時間。將產(chǎn)品設(shè)計過程的注意力集中在創(chuàng)意、結(jié)構(gòu)、材料和造型研究等方面。擺脫了困于表現(xiàn)技法而造成喧賓奪主的設(shè)計情境，為設(shè)計師爭取了更多精力和時間投入到概念的思考與創(chuàng)新中。如圖3、圖4為人工智能平臺生成的交通工具產(chǎn)品造型方案。

利用人工智能技術(shù)生成的產(chǎn)品概念方案具有一定的優(yōu)勢，同時也存在著局限性。人工智能產(chǎn)品設(shè)計軟件生成產(chǎn)品概念設(shè)計極大推動了產(chǎn)品設(shè)計流程的工作效率，可有效地協(xié)助設(shè)計師開展產(chǎn)品設(shè)計的前期方案篩選和優(yōu)化工作，生成式概念設(shè)計可直接成為潛在的設(shè)計對象方案，也可通過優(yōu)化與完善“蛻變”為產(chǎn)品設(shè)計師構(gòu)思創(chuàng)意的起點。便于設(shè)計師熟悉已有的產(chǎn)品設(shè)計風格、語言，利用人工智能試驗設(shè)計對象的創(chuàng)意可行性。如圖5，人工智能平臺生成未來智能機器人造型設(shè)計，考慮了基本的機器感知、行為、結(jié)構(gòu)、信號、反饋等因素，協(xié)助設(shè)計師拓展產(chǎn)品設(shè)計造型創(chuàng)意，以高效的算力將潛在的設(shè)計目標與表象可能性相結(jié)合。其彌補了由于表現(xiàn)技法局限性阻礙設(shè)計思路深化與萌發(fā)的短板。

計算機智能算法改變產(chǎn)品設(shè)計流程，由于人工智能算力模型具有隨機性、多樣性的特點。一方面，計算機智能算法拓寬產(chǎn)品設(shè)計思維。另一方面，生成的設(shè)計方案較為隨機，需要設(shè)計師通過不斷修正與反饋才能獲得相對較為理想的設(shè)計方案。這就造成了生成式產(chǎn)品設(shè)計概念設(shè)計無法完全契合設(shè)計師或設(shè)計對象的標準與要求，生成式產(chǎn)品設(shè)計作品仍然需要產(chǎn)品設(shè)計師的優(yōu)化與完善才能夠進入下一步的產(chǎn)品設(shè)計流程。反復(fù)修正與反饋同樣消耗一定程度的時間，其本質(zhì)是以自然語言處理的路徑幫助人工智能深度學習操作者潛在的設(shè)計目標。智能生成的局限性有待于在未來的迭代中升級并優(yōu)化，從而生成與操作者意圖高度一致的目標。

（三）計算機介入產(chǎn)品設(shè)計形成多元主體創(chuàng)作形式

計算機從“輔助”產(chǎn)品設(shè)計走向“介入”產(chǎn)品設(shè)計，計算機算力介入到產(chǎn)品設(shè)計的流程中，從而形成多元化產(chǎn)品設(shè)計主體，改變傳統(tǒng)的設(shè)計師單一主體創(chuàng)作方式。多元化創(chuàng)作主體強調(diào)的是設(shè)計師主導(dǎo)人工智能，并協(xié)同人工智能共同構(gòu)建產(chǎn)品設(shè)計方案。其中，設(shè)計師通過思考與想象勾勒出產(chǎn)品設(shè)計藍圖，人工智能則是通過語義的文本轉(zhuǎn)化，從而識別潛在的設(shè)計對象，并通過大模型編碼運算，根據(jù)現(xiàn)有的產(chǎn)品設(shè)計風格、形式生成產(chǎn)品設(shè)計方案。兩者相輔相成，優(yōu)勢互補。合力促成富有創(chuàng)意、表達完整、突顯價值的產(chǎn)品設(shè)計方案。

設(shè)計（Design）最早是指把一種設(shè)想通過合理的規(guī)劃、周密的計劃以各種方式表達出來的過程，是造物活動的預(yù)先計劃，是造物實踐活動中技術(shù)與流程的交融?！霸O(shè)計”強調(diào)的是計劃、過程、技術(shù)。人工智能以其大模型的算力介入到產(chǎn)品設(shè)計的“計劃”環(huán)節(jié)，其在設(shè)計過程中的地位逐漸獲得提升。產(chǎn)品設(shè)計師開始與人工智能“肩并肩”共同造物。

人工智能技術(shù)介入到產(chǎn)品設(shè)計領(lǐng)域，介入到產(chǎn)品設(shè)計流程，是一個“起點”，是一種破維產(chǎn)品設(shè)計流程的過程。隨著人工智能技術(shù)的逐漸成熟，破維效應(yīng)會愈發(fā)顯現(xiàn)。與此同時，人工智能技術(shù)的發(fā)展顯然會受到“保守派”傳統(tǒng)禁錮思想的抵制。甚至會認為其牽涉道德、倫理、法律等社會問題。不能否定，人工智能存在著這樣的隱患，但這些問題促使人工智能在“分歧”與“質(zhì)疑”中生存、生長，通過實踐驗證自身的價值與意義，發(fā)揮其智能化的技術(shù)作用。

一個新技術(shù)的誕生往往引發(fā)爭議與擔憂，人工智能技術(shù)的誕生正像人類第一次、第二次工業(yè)革命一般，沖擊著人類的生活與生產(chǎn)。2023年4月，埃隆·馬斯克等人對人工智能在無安全監(jiān)管狀態(tài)下將暴走失控的發(fā)展趨勢表示憂慮。這是出于人類自御的責任感——堅守傳統(tǒng)，還是應(yīng)當面對生產(chǎn)力迭代的“跳躍”節(jié)點？一時間引發(fā)熱議。如圖6，歷史總是驚人的相似，一張來自1900年代的西方反對用電技術(shù)的宣傳漫畫，圖中將電力與電燈技術(shù)丑化、妖魔化，會將人電暈致死，從而宣傳抵制利用。在如今，拿出這幅漫畫作品時，充滿了諷刺意味，似乎讓我們看到了“質(zhì)疑”與“分歧”的答案。電力系統(tǒng)和電燈已然成為人類生活、生產(chǎn)必不可少的生產(chǎn)能源與生活必需品。

因此，多元化產(chǎn)品設(shè)計創(chuàng)造主體，促使人工智能介入設(shè)計的實踐范圍獲得提升，是未來產(chǎn)品設(shè)計流程的發(fā)展趨勢。但基于目前的人工智能化水平，產(chǎn)品設(shè)計創(chuàng)作仍舊是以人類——設(shè)計師為主導(dǎo)的生產(chǎn)實踐活動。在產(chǎn)品設(shè)計領(lǐng)域，人類繼續(xù)以經(jīng)驗和審美險勝人工智能技術(shù)，這樣的優(yōu)勢還能保留多久？產(chǎn)品設(shè)計的本質(zhì)是“用戶需求”與“技術(shù)迭代”的“進化”，人類的物質(zhì)文化追求在不斷改變，科學技術(shù)水平也在高速變通。這其中離不開捕捉產(chǎn)品設(shè)計之“變”，設(shè)計師擁有最敏感的聞“變”能力，假使人工智能擁有這種能力，那么將會對產(chǎn)品設(shè)計產(chǎn)生顛覆性的沖擊。

不足為奇，人類已開始警惕人工智能技術(shù)發(fā)展所帶來的隱患，OpenAI聯(lián)合創(chuàng)始人兼首席科學家伊爾亞·蘇茨克維（Ilya Sutskever）提出了理想化的人工智能發(fā)展方向。當人工智能技術(shù)的革新超過某個臨界點時，人類仍然可以有效掌控人工智能技術(shù)。從而確保人工智能永遠受到人類的控制，這樣的理想化期望即為“超級對齊（Superalignment）”。產(chǎn)品設(shè)計領(lǐng)域同樣遵循“超級對齊”的協(xié)作關(guān)系，設(shè)計師成為“總策劃”角色，合理的、周密的規(guī)劃整個產(chǎn)品設(shè)計流程，與人工智能技術(shù)一道把控產(chǎn)品設(shè)計的價值與意義，堅守聞“變”的洞察力與敏感力，把控產(chǎn)品設(shè)計中“需求”與“技術(shù)”的交融。

針對產(chǎn)品設(shè)計領(lǐng)域的人工智能技術(shù)，從宏觀的角度評估，人工智能技術(shù)催生的生成式產(chǎn)品設(shè)計流程方法是以“局部”的環(huán)節(jié)發(fā)揮其作用，產(chǎn)品設(shè)計師仍然是產(chǎn)品設(shè)計流程中“整體”的規(guī)劃設(shè)計主體。局部依附于整體，“整體”利用“局部”推動設(shè)計生產(chǎn)力。未來，人工智能水平通過多模態(tài)路徑和維度獲得操作者——設(shè)計師的潛在設(shè)計要求，“感智能力”將獲得大幅度提升，其能夠更精準地把握發(fā)出命令者的意圖與思維，降低由于單一語言識別模態(tài)所花費的時間，避免由于識別過程中捕捉信息不足而造成的誤差與損失。技術(shù)水平的提升有助于設(shè)計師更好把控、利用技術(shù)開展設(shè)計計劃。

結(jié)語

人工智能與生成已經(jīng)形成計算機“介入”產(chǎn)品設(shè)計的創(chuàng)作方式，操作者——設(shè)計師與人工智能技術(shù)協(xié)同發(fā)展成為如今產(chǎn)品設(shè)計領(lǐng)域的發(fā)展趨向。計算機直接介入產(chǎn)品設(shè)計大幅度提升了概念方案的設(shè)計效率，改變了傳統(tǒng)的產(chǎn)品設(shè)計流程，形成以智能生成式作為設(shè)計出發(fā)點的多元創(chuàng)作主體產(chǎn)品設(shè)計方法。

這種以人工智能技術(shù)“介入”產(chǎn)品設(shè)計的設(shè)計方法積極地推動了產(chǎn)品設(shè)計開展，為設(shè)計師提供了多樣的創(chuàng)作靈感與啟發(fā)，假使將人工智能技術(shù)視為產(chǎn)品設(shè)計的“工具”，那么如同在數(shù)學計算過程中使用計算器。更好地推動產(chǎn)品設(shè)計，精準把握設(shè)計對象、設(shè)計要求、設(shè)計可行性、設(shè)計創(chuàng)新力、設(shè)計生產(chǎn)力。人工智能技術(shù)介入產(chǎn)品設(shè)計流程，即為“大模型”介入產(chǎn)品概念設(shè)計，推動產(chǎn)品設(shè)計向多元化方法的探索。

參考文獻

[1].杭間.“迭代”的危機[J].裝飾，2023（12）：12-18.

[2].曾欽宇，孟凱寧，王媛麟.人工智能語境下的皮革制品設(shè)計路徑研究[J].皮革科學與工程，2024，34（02）：91-98.

[3].郝瑞敏，李勇，陳奎文.從經(jīng)驗到算法：人工智能驅(qū)動的汽車造型設(shè)計研究[J].裝飾，2023（11）：114-118.

[4].馮玉泉.AIGC在工業(yè)設(shè)計上的應(yīng)用與思考[J/OL].包裝工程：1-11[2024-03-29].

[5].馬立新，楊冬妮.身份、產(chǎn)權(quán)、競爭力——理解AI繪畫的三個基本維度[J].美術(shù)，2024（03）：11-17.

[6].李杰，蔡新元.人工智能使設(shè)計重返“意義”[J].設(shè)計，2024，37（02）：30-35.

[7].繆珂.服務(wù)設(shè)計中的流程與方法探討——以米蘭理工大學設(shè)計創(chuàng)新與設(shè)計方法課程為例[J].裝飾，2017（03）：93-95.