AI行业的爆发始于2022年ChatGPT和Midjounery的发布，到现在已经快4年了，整个发展过程用突飞猛进、日新月异形容一点都不过分。
但不管它过去还是现在，发展得有多迅猛，都依旧处于行业早期的开荒和发展阶段，离真正成熟的理想形态还有很长的一段路要走，这是我们首先要达成的共识。
而之所以有这样的结论，原因就是AI的发展速度是超过现实世界匹配它的速度的，这造成了一种经济和机会成本上的巨大阻力。
简单来说，我们可以把AI技术的应用拆分成上、中、下游三个层，上层是AI的核心，主要是算法、大模型，中游是负责运行AI模型的硬件和支撑，即AI芯片、光模块CPO、高速内存HBM、服务器液冷、特高压电路等，下游即AI具体的应用工具，包括AI软件、硬件、智能体等。
这是一个非常庞大且复杂的产业链，它们之间是需要相互耦合，才能顺利应用到具体的使用场景中。
简单来说，就是AI模型厂商需要根据技术路线和成本选择硬件并购买算力中心，以及消耗海量的电力来训练自己的模型并维持它的正常运转。虽然这些背后的基建作为普通用户可能感受不深，但头部厂商的竞争已经到了白热化的阶段。
比如大模型的开发必然要关注硬件规格和架构，大洋彼岸除了英伟达外，还陆续推出了谷歌 TPU、微软Maia、英特尔 Gaudi等芯片，它们代表了不同的技术方案，应用在了不同的模型上。
而因为贸易和地缘政治的因素，国内是无法进口这些高端芯片，所以我们只能自研生产以满足国产大模型的需求。如阿里在自研并应用自家的真武系列芯片， DeepSeek 近期更新缓慢的重要原因就是因为要适配华为的昇腾系列芯片等。
之所以要提这点，是因为AI大模型的发展也适用马太效应，赢家通吃。在接近性能和水平下谁家应用的算力、电力成本最低，谁就具备了最大的优势。
而每家大模型厂商都要面临技术路线的选择，并投入海量的成本孤注一掷做基建，很难走回头路。这种发展路径注定会让行业发展充满波折和动荡，会有很多企业倒在半路上，连带着它们提供的产品和服务一起逐渐消亡。
比如文生图的OG Midjounery，已经无法跟上大厂的技术和训练规模掉队，在今天已经无人问津，而一年多前网上还到处都是用 MJ生成UI界面设计，UI设计师要下岗的帖子。
强如 OpenAI，也要应对 Google、X AI、Anthropic、Seedance的冲击和成本管理失控（GPT5训练量需要消耗一个中等规模城市1年用电量），也在近期放弃旗下的文生视频工具 Sora。
模型和硬件端都充满了巨大的不确定性，因为技术的发展是需要“试”出来的，总有前浪会被拍死在沙滩上。至于谁会被拍死在沙滩上就不是站在今天的视角上能回答的。
再回到我们今天的主角Anthropic，这是一家非常务实的 AI公司，专注于开发有商业应用场景的大模型，是写作、编程等领域中的最佳选择。与之相对的则是类似ChatGPT、Gemini 这类全能多模态大模型。
因为其模型可用性极高，所以从去年开始付费用户量暴增，在今年初预估年化收益已经超过300亿美，不仅用户付费率远高于 OpenAI，且运行成本也远比它低。
而这家公司想要年底要上市（估值8000亿美金），产品矩阵的拓展就成为非常重要的资本策略。通过发布 Claude Design，能很好的和 Claude Code 实现联动，完成使用AI开发软件的闭环。
至于现阶段Claude Design够不够用不重要，毕竟故事和逻辑是成立的，作为初版它也有后续升级迭代和优化的空间。在我们目前的试用中，它的生成效果也就那样，但消耗的 Token量（你最好确保自己有个足够鼓的钱包）……
Claude Design 有新上市的光环风头正盛，那是否还记发布也还不久的Google Stitch、OpenClaw、FigmaMake、Rive、Pencil等等。
再往前是否还记得使用 StableDiffusion 训练 Lora和 Checkpoint的工作流？
工具一直在更新，即使今天还很粗糙。但用发展的眼光看问题的话，终有一天它生成的质量会足够高足够智能足够可控，甚至通过脑机接口BMI实现所想即所得的水平（又到了做梦的时候）。
作为设计师一定要搞清楚的逻辑，就是AI生成界面和图像的过程，只是一种工具的发展和进步，提升了设计师的设计效率。就像人类发明了电脑和软件，取代了尺规作图，同样也大幅度降低了设计的效率和成本，但设计师这个岗位并没有消失。
因为使用工具的人之间的差异，会直接影响最终的输出效果，就像用同一个AI生成工具你可能就是做不出网上高赞帖子的案例，都用美图秀秀不用PS去P图你也P不过有一定专业积累的摄影师。
而且任何工具使用都有门槛，就一个简单的Claude Design、Google Stich安装和使用都需要学习和适应，生成结果还要做大量的调节和校准，这些就不是工作量，老板和产品经理也一定能闲的每天学习新工具并且直接自己干？
我相信有很多公司现在都很热衷于拥抱AI，强行推进AI的工作流，从企业战略和发展的角度来讲是能够理解的，但在实际执行层面上却不会像想的那么美好。其中最大的问题就是前面提到的整个产业的不确定性，产品还都有各自的局限。
每个团队在搭建AI工作流的时候需要做技术的选型，以及围绕自己的实际生产场景优化工具的使用方式。往往为了一个简单的工作结果就要耗费大量的精力去搭建工作流，而这个工作流很可能是一次性的，因为之后的工作场景发生改变这套工作流就用不了了。
有些同学可能心态好点觉得这种过程可以收获宝贵的经验，但最不幸的，就是工具的升级和更新（甚至关闭）可以直接颠覆掉原来的做法，让原先的成果毫无意义。
在我朋友和学员中普遍得到的反馈，就是在稍微复杂的专业场景中，强行适配AI的结果往往只有增加工作量，原先目标得降本增效，实际导致了更长的工作时间和更晚下班，从去年到现在在不同AI工具中做研究疲于奔命。
换个角度思考，其实就是工作过程变成今天用 PS，明天用 Figma，后天用 Excel 或 PPT进行设计，每一阵子换个工具设计相同的东西，而它们又不能解决设计过程中最复杂的决策部分。
也就是我们一直在使用充满不确定性的工具去寻求相对确定的结果。
这就是今天AI工具在UI行业中应用的真相，不管我们怎么用逻辑还是格局去判断未来AI要实现一切，但起码不是今天和最近，就是变得更强了，也依旧需要有人去操作和控制。
而我们现在要做的是关注最终输出的结果，而不是和别人炫耀Figma用的好，还是Skech、XD、即时、Pixso 用的好。等到市场竞争格局基本确认，通用的工具也普及以后，再去掌握和学习也不会低人一等（门槛不会高到哪里去）。
相信很多同学关注到所谓的AI直接生成代码和产品的能力，觉得以后不仅不需要设计也不需要开发。所以最后再留个开放性的问题给大家思考：
为什么你们觉得那些开发出来的小破产品，投入到市场上有人买单？如果不行，那到底缺的是什么？
其实这两年一直有为什么我不去做AI相关教程的提问，说到底就是因为自己试用完以后实在没办法得出它们具有普适性的结论。做教程只能强行圈定一个范围和场景去讲，而这些场景基本都毫无实战价值。
大家想了解AI和相关设计的应用，只需要根据自己想了解的部分直接问AI即可，或是直接B站搜对应视频几分钟都能看懂。多用用，你们就会发现出现的各种问题，不是因为你不会用，就是它的局限性。
至于未来怎么发展，那不是UI一个行业该担心的事，而是全行业和社会需要共同承担的过程，留给时间解答。
