写这篇文章的初衷本来只是打算完成给读者的一个承诺，讲解一下Android 8.0后的应用图标适配。

可是写着写着，发现安卓现行的图标适配法则和“Z轴拆分法”十分类似，便由适配法牵扯出了许多相关话题。希望通过本文，UI同行们能透过手法本身，进行更多的思考。

一、安卓应用图标适配

众所周知，安卓相较于iOS来说，“建立标准化”一路走来是非常波折的。因为安卓的原始设备制造商 (OEM) 很多，每一个OEM又希望打造自己独立的产品特性，这些产品特性注入到硬件设备和系统软件等诸多方面，造就了安卓的杂屏现象。

所以我们常说安卓“杂屏”，可不仅仅指安卓设备物理像素、倍率繁多等方面，还有软件与各类系统适配的问题。这些问题在近几年其实已经得到了诸多改善，国内小米的创始人雷布斯就为设备的标准化做出了不小的贡献。而Google也一直在致力于解决软件标准化的问题，应用图标的适配就是其中一个方面。

Material Design 规范中倡导：对于安卓应用图标，自Android O（Android 8.0）版本开始，应用程序设计者应提供一套标准化文件。文件应包含：

• 前景层.svg文件：图标主视觉区域 72dp*72dp ；最终输出尺寸 108dp*108dp；

• 背景层.svg文件：最终输出尺寸 108dp*108dp。

可能听起来让你有些一头雾水，一个图标还要拆分输出前景层、背景层，什么鬼？下面我来讲解一下原因。

前面我们说到，不同的OEM的系统视觉规范不同，对于桌面应用图标，有些OEM出厂设备是显示方形，有些OEM出厂设备是显示圆形。如果不采用一套标准输出应用图标的规范，图标很可能会被OEM所提供的形状蒙层裁剪到主体部分。

并且从Android 8.1版本开始，安卓引入了图标的视差和脉动效果。

如何让设计者只需提供一套图标文件，就自动适配解决前面的这些问题呢？

MD选择将应用图标的前景层与背景层分离。

UI需提供给安卓开发人员两个图层.svg文件。

前景层尺寸为108dp*108dp，但主视觉区域为72dp*72dp；背景层尺寸为108dpx108dp，仅包含背景图层。

最后根据各个不同OEM提供的蒙层遮罩，自由适配不同的图标视觉样式。

这样也就可以调节控制前景层与背景层不同的偏移距离，形成视差效果。

看看MD官方展示的最终效果：

这就是MD规范为OEM安卓桌面图标差异性提供的解决方案。尽管MD官方并没有对这种制图手法给出一个官方的名称，但这种手法与“Z轴拆分法”十分类似，并且常被应用在设计体系当中。

二、Z轴拆分法——机器作图的基本逻辑

记得阿里刚推出机器作图AI产品“鹿班”的时候，设计师们纷纷表示感受到了人工智能带来的威胁。

AI机器作图的智能性不用多说，它可以根据产品分析、文案分析等手法，瞬间造出千万张适用于不同应用场景中的图片。并且它还能够不断学习，越来越符合主流审美，简直不要太玄乎。

后期人工智能会强大到什么地步，我们不讨论，但实际上此类机器作图的基本逻辑就是运用的“Z轴拆分法”。

我们看一看京东的人工智能作图产品“羚珑”的设计规则：

实际上人工智能都是提前被录入了一套设计公式，设计者将一张图片的Z轴结构拆分为装饰、背景、前景、文字、按钮等，AI通过筛选、搭配每一层的元素的样式，最终堆叠生成为合理的设计成品。

三、我们可以用Z轴拆分法做什么

Z轴拆分法法其实已经不算新鲜了，我在网上找了一些案例。

Z轴拆分法的优点就在于，它容易形成模块规范，有助于模块批量化生产。

我们知道，团队里每一个设计师的审美与平面能力不同，同一个模块的设计，按照不同的理解，大家可以做出五花八门的设计。就算是让同一个设计师来做，也可能因为不同时间的不同想法，产生不同风格的作品。这个创作过程是非常消耗时间和精力的。

并且...作为UI，我必须承认，有时候锱铢必较一些视觉工作，可能对于业务和增长来说，并不能起到多少的作用。

而使用了Z轴拆分法后，会提升模块作图的统一规范性与效率。

所以Z轴拆分法可以被用于模块批量化生产作图的场景当中，也正是因为“模块批量化”的特征，导致人工智能作图钻了UI设计师的空子。

四、Z轴拆分法让你感到轻松还是焦虑？

Z轴拆分法简单来说就是，将模块批量化的作图场景，在Z轴上拆分为多个结构，替换每一个结构的元素，可以搭配出各式各样的规范化设计成品。让设计师在作图过程中，减少思考成本，提升作图效率。

那么我有一个问题，学会了这个方法，你感到轻松还是焦虑呢？

有一些设计师可能觉得，掌握了这个方法，或多或少可以让自己在美工的道路上减轻一些负担；有一些设计师可能觉得，这是没有灵魂的批量化生产过程，这样的设计师以后一定会被人工智能淘汰吧...

借用京东“羚珑”团队的一段话：

如果把作图工作给到机器学习，它会按照录入的逻辑，搜索合适的素材和配色，按照规则进行组合。而我们的设计师，则回忆起场景中的声音、景象、气味、触感和味道，并把这些感受进行视觉表达，使得每一个人在看到后都有所触动。这是很长一段时间机器设计所无法做到的共情。

前面我说，正是因为“模块批量化生产”，导致人工智能作图钻了UI设计师的空子。但没有一个体系是完全没有漏洞的，想要不被人工智能所取代，我们也要反钻人工智能的空子，因为机器是无法像人一样拥有共情能力的。

机器学习也许会让设计行业受到一定冲击，但更加加大了对优秀设计师的过滤。更加警醒我们做UI这一行的同学，不要只聚焦于视觉，我们应该更加关心设计背后的情感和逻辑，聚焦原理、用户心理与业务这些机器无法解析的场景，才能够不被智能时代所淘汰。

说了这么多，感觉越扯越远了。还是一开始的那句话希望通过本文，UI同行们能透过手法本身，进行更多的思考。

我是Howie，我们下期见。