EP07 AI如何颠覆设计流程讨论会纪要
关注共识粉碎机，获取历史讨论会纪要
详细的讨论会分享背景请见我们上一篇文章《AI如何颠覆软件：你能为AI打工吗？》。
我们尽量每周都会组织不同领域的AI讨论会，覆盖软件行业的所有细分。为了保持一个活跃的讨论环境，对参与人群会有限制。
下一期将定于本周日（8.13）上午10点，主题为《AI如何颠覆可观测性工具》，详细的下一期内容和报名形式请见文末的阅读原文。
本期讨论会参与者：
张晨老师，Canva设计总监
徐作彪老师，Nolibox创始人，旗下有画宇宙、图宇宙等AIGC落地产品
黄祯老师，AI Vanguard发起人，GenAI创业者，AI+服装分享人
头部互联网公司设计负责人
高宁，Linkcloud创始人，我思锅我在主理人
互联网行业UI/UX：目前被AI改变最小的领域
各类互联网公司都尝试过了，初期在Banner图和插画有帮助，但是越用到后面，越会感觉到可控性的难度。
UX：帮助非常小，主要是文案产出，在主工作流上没有帮助。
UI：和视觉高度相关，局部流程被AI改变。典型的是找素材的流程，过去设计师会去站酷等地方找素材创意，或者自己有一个素材库，现在可以让AI迅速把草模减出来；但是找素材本身是UI流程中的一环，其他的环节对AI的需求也不是很大，整体提升有，但不会非常明显。
UI/UX只是产品搭建步骤中的一个流程，需要大量和产品经理、工程师对接，需求也会经常变动，AI在其中的帮助也没那么大。
平面设计师：半程工作明显提效
平面设计师的前半程工作很多可以替代了：背景图不需要自己画了。例如做一个春季出游图，需要一个整体的框架氛围，那如果我是一家旅游公司，再往春天的氛围图上面加内容和微调。现在是春季的氛围图可以用AI来做了，设计流程的前半部分80-90%已经可以被AI替代了。
但是后半程的微调、可控要求非常高，只是依靠AI工具微调达不到要求。例如所有公司的Logo都有明确的要求，颜色和比例不能修改，这部分还是要依靠设计师原有的流程去调整。
平面设计需要完全精准的表达商业含义，国外普遍的设计院校都叫做视觉传达，AI工具现在很多不能精准传达商业的需求，或者甲方的要求。需求永远需要设计师来解读，AI还需要时间来解读需求。
插画师：提效幅度更大
插画师和平面设计师比较像，插画师一般有比较鲜明的个人风格，要求高的插画师也是用AI来做背景图，剩下的自己来修改。
对于大部分普通到中等要求的插画师场景，目前看到的AI帮助是非常大的。例如在Canva中，很多场景是妈妈给孩子画一份贺卡，或者淘宝店做一份海报，没有那么多高精度的要求，AI设计师完全可用的。
游戏美术/原画：原画领域自由度高适配AI
游戏原画本身就是概念图，没什么设计规范，自由度最高，非常适合AI。
但游戏原画里也有个例，这个行业里能画游戏原画的人一般也是最强的人，对画法和技法的要求也是最高的，有自己的Ego在，会觉得他们作为行业最顶尖的人不应该依靠AI。大部分的原画师还是AI大量出图，然后选中合适的做微调或者直接做主题调整。
工业设计：到生产流程还需要优化
产品概念图很喜欢用AI做，但是概念图没什么意义，因为最后需要的是一个能上3D打印机的产品图。
目前的AI设计还不太好支持直接生成完整的3D模型需求。
工业设计中很多高精度要求，比如毫米级、微米级别的要求，AI还完全做不了。
电影/动画动效：长流程中的一步
电影/动画的流程很长，是一个典型的工业体系，AI只能对其他的部分环节有帮助。
目前看来比如概念设计，故事板，AI能起到帮助。
服装设计目前的一些痛点：
- 目前服装设计的流程是灵感→实验→效果图→工艺图制版→发布。
灵感大概占到全周期的20%，是件很难被量化，也不易被压缩，非常依靠设计师的经验和认知。
在打样和发布前，设计师没法充分得到市场的反馈，因为还没有实际的呈现。
设计师的构想或者线稿图，与最终生产的成衣也可能会不符，对时间周期以及原材料耗费都会有影响。
AIGC可以让服装设计的结果做前置呈现：
对外可以做提前的策划。
对内可以把设计的想法，呈现给整个生产设计部门的成员，包括提前给市场部门看到设计结果。
那像之前提到的流程中，对于结果的预测可以在最开始的生成阶段就有已经有了判断。
通过管线微调，可以带来服装涉及领域生产周期废料以及管理成本的急剧下降。
AIGC也可以帮助客户做融合设计：
例如某大牌之前没有做过羽绒服的设计，但是结合过往其他品类的生成风格，可以通过Lora生成符合其的羽绒服。
看AI在工作流程中影响的多少：
例如插画师，原来设计流程中只有两步，背景图+主题内容，背景图场景被AI大幅优化，整体就非常明显。
插画师、摄影师等都属于短线程的工作，靠自己就能完成，那提效幅度也会更大。
但像互联网、电影/动画等，因为流程很长，10步中有1步被完全替代了，那也只能优化10%效率。
同样也看评价的维度：
评价设计产品一般是从数据反馈和美术价值来评判。
例如海报，点击率高，就是数据好。那如果评判美术价值，需要非常专业的人来鉴赏，甚至美术评论家来评论。
如果所设计的作品或者场景，和这两个维度很相关，那AI的帮助就不是最主要的。如果不太相关，例如插画很多时候是功能性的，就像地产公司要做一张圣诞贺卡，就非常容易被AI替代。
会有很多垂直的场景效果非常明显：
例如做投放素材，类似我们之前《EP03 生成式广告讨论纪要》中描述的，可以大幅减少人力。
例如做网站素材，字体和物体素材，结合定制后，都可以有10倍级别的提升。
例如做服装生成模特图，结合定制后，也可以做到90%的成本节省。
外包行业比较容易受到冲击：
美术外包在不同客户上的应用不太一样，例如电商行业就会有非常多的促销图需求，但是设计要求也没那么高。像很多非常成熟管线的公司，美术外包是可能比正式员工还要多的。
有了AI设计后，就比如原来可能40个外包/实习生，每天画3-4张图，一个月完成的项目。现在一个正职+AI工具，可能一周就能完成。
但外包本来就是公司觉得不希望维持高额的固定自有设计师成本，而做出的优化项目。替换成AI有很大的效率提升，但这笔支出本身在公司内部也没多大，而且外包也需要和流程中其他员工有很多沟通。
Adobe Firefly适合传统设计师现有的工作流：
过去设计师习惯的图层、锚点在Firefly中都可以很好地适应。Firefly在出一张图的时候，都会出一个新的图层，叠到老图层上。而不是把旧的整张图改变了。
对传统设计师非常适用，比如设计师的需求是有一个图像的左右延展，延展的两块东西是个新的图层，那关掉这个延展老图层还在。举个例子，要做一个斑马和斑马在喝水的动作，以及它在湖中的倒影，Firefly会把斑马相关的做成一个新的图层，然后可以随时隐藏或者换位置。
SD虽然也可以依靠插件来解决，插件对于很多有一定研发基础的设计师来说也很好实现，但是对于大部分的设计师群体仍然会觉得复杂。以及也要看插件背后的维护团队，目前插件背后的维护团队都不是很成熟，对可靠性也没有特别强的期待。
Canva的AI尝试：
设计需求：生图，修图。Canva中有大量的小B和2C用户，本身对于高精度要求不是很高，AI对他们的提效非常明显。
协同场景：文档总结，扩写，自动生成PPT，类似Worksuit场景。
Canva也在依靠AI+视觉进一步挖掘Worksuit客户。
图层和锚点的设计习惯也可能改变：
例如在Canva的设计流程以及Canva AI上就不依赖图层和锚点，是直接奔着结果去的。
AI可以让没有设计基础，没学过素描，没学过立体/色彩构成的普通人，完成设计方案。
长期来看AI如果能做到言出法随，完全跳过固有的流程，那也可以不依赖图层、锚点。
客户很多时候要的是一个细颗粒度的整体方案：
例如对电商客户来讲，同样是商品图的背景生成，要让图片不变形，文字细节不失真，以及效果符合他对应消费者的偏好，那需要根据客户情况做调整。也需要结合客户的SKU库，以及客户特有的审批流程。
在工业设计场景客户也会有更高的要求。客户要的不是一个单纯的文生图的产品，客户要的是一个概念图到生产环节的相对更全套的工具。
真正在2B场景，不是看Point Product，还是要一个细颗粒度的整体方案。
小红书和抖音上有很多AI设计流程，但是真正到企业场景，对可控性和稳定性的要求很高，客户很难直接用几个点产品复制。
长期看希望能提供给客户一套低代码的工具：
未来的AI设计产品应该能给客户一套低代码就能够完成Finetune的工具，满足客户的可控性和稳定性要求。
但目前还是需要一个咨询团队，或者先给客户工具，客户有问题再帮客户解决。
以及设计师群体与程序员群体不太一样，可能游戏公司的设计师群体对于AI工具的动手能力很强，大多数设计师还是需要一套即插即用的工具。
客户对云化的接受程度不错：
产品模型经常更新，云端产品更好更新。
极少数的KA大客户会要求本地化，主要是出于数据合规需求。
不一定都需要A100，很多客户用3080或者更差的显卡就能做了。
但比如一张A100部署一个SD中大模型，但比如优化好的Nolibox可以一张消费级卡部署几十个模型，生成速度也会更快。
在算力需求上，也会取决于模型的优化程度。
客户在付费时候的痛点：
性价比不也是最核心的，最核心的还是效果，能不能提高整个设计流程的ROI。
对于效果，客户一般会有一些定制化的需求，但如果能完成需求，客户的付费能力都还是不错的。
如果客户场景合适，中国的KA客户也能给出人均100到大几百的付费。
好品类的垂直场景可以衍生成标准化产品：
例如电商领域很多大客户的定制化需求，在打磨好后是可以向中腰部客户延伸的。
而且在头部客户的需求明确，为头部客户解决问题带来的ROI也高，付费能力也强。
模型的差异在垂直场景理解与风格化：
文生图模型之前可能主要在功能和性能上面，但随着不断地优化，也比较趋同。
垂直场景理解：比如行业自然语言，类似于行业名人，地标建筑，指定物体，模型是否可以准确的理解。
风格化：例如Midjourney与Dalley2生成的图片风格就有很大区别；而这些文生图模型在中国也很难做出水墨画风格的图片，因为底层都是欧美人做的。
设计师现阶段会偏向于用一个模型：
设计师都会有自己的风格，能力集不是全能的，会挑选最适合自己的模型。
另外真使用模型后，也需要做落地的Finetune，例如需要二次元画风，需要暗黑画风，Finetune也有前期成本，而且越Finetune就越适合设计师需求。
可能只有非常大的公司才会选用几个模型，其他大部分公司的设计师需求都是比较垂，有自己的擅长领域的。
【讨论会】
我们已经组织了七期“AI颠覆软件讨论会”，前面六期分别是数据库、游戏软件、生成式广告、办公协同CRM、AI与产品经理、网络安全、设计工具，分别邀请了行业里面最资深的从业者、创业者朋友。
第一期纪要请见《EP01：AI如何颠覆数据库讨论纪要》。
第二期纪要请见《EP02：AI如何颠覆游戏讨论纪要》。
第三期纪要请见《EP03：生成式广告讨论纪要》。
第四期纪要请见《EP04：AI如何颠覆办公与CRM讨论纪要》。
第五期纪要请见《EP05：AI时代产品经理的新要求讨论纪要》。
第六期纪要请见《EP06：AI如何颠覆网络安全讨论纪要》。
第八期讨论会我们将于本周日（8.13）上午10点举办《AI如何颠覆可观测性工具讨论会》，本次讨论会邀请到了业界知名可观测性软件公司观测云的CEO Samuel老师，同时还会有其他资深嘉宾老师。
所有的讨论纪要，请关注公众号“共识粉碎机”，在功能界面“芋圆子”→“讨论纪要”。
感兴趣加入后续讨论会活动的，请私信后台“微信号”、“工作单位”、“擅长什么AI方向的讨论”。
【AI如何颠覆软件：你能为AI打工吗】