去年做过一个客户,三口之家,120 平,客厅朝北。客户发了我一堆参考图——有侘寂风的、有轻法式的、有原木日杂的,末了加了一句:“你帮我综合一下。”
我综合了三个版本,三个都被否了。客户说“感觉不对”,问他哪里不对,他说不上来。那一个月我在建模软件和渲染器之间反复横跳,每次出图等渲染半小时,结果客户看一眼就摇头。
最近在 **
KULAAI(dl.kulaai.cn)
** 上试 GPT-5.5,本来是拿它查设计规范的。结果发现它对空间、材质、色彩的理解意外地细腻。你跟它聊设计需求,它不会急着给你方案,会一层一层帮你把模糊的感觉翻译成具体的设计语言。那次之后我改了工作流程——先让 GPT-5.5 帮我把需求聊透,再动手。
**Q:GPT-5.5 又不能画图,怎么做装修设计?**
**A:它不画图,但它能把你说不清楚的设计意图变成能落地的东西**
这句话翻译成设计语言是什么?是色温偏暖的 3000K 灯光?是木质占比超过 40%?是墙面用米色微水泥?还是软装多一块羊毛地毯?以前这个翻译过程全在设计师脑子里,靠经验、靠直觉。经验不够就容易偏。客户说“温暖”,你做成原木风,他说太土。你做成奶油风,他说太腻。
GPT-5.5 强在它能帮你拆解这些模糊词。我问它“温暖感在室内设计里通常对应哪些设计元素”,它从材质、色温、肌理、照明层次四个维度拆出来,每个维度给了具体的方向和搭配原则。不是那种教科书式的罗列,是能根据你补充的户型信息、采光条件、家庭成员给出有针对性的建议。
拿到这套拆解之后再去跟客户确认,问题就从“你想要什么感觉”变成了“木质和棉麻的占比你更倾向哪种”,从“你喜不喜欢温暖”变成了“暖光 3000K 和 3500K 你更喜欢哪个”。问题一旦具体,客户就容易回答。这比对着参考图猜心思高效太多了。
户型图是设计师的基本功,但有些细节容易漏。我把一个户型的尺寸和功能需求描述给它,它会从动线规划、收纳效率、采光分配、噪音分区这些维度给我反馈。
让我意外的是它的“用户视角”。我描述了一个三口之家的日常动线——早晨起床、做早餐、送孩子出门——它帮我模拟了一遍,指出原始方案里厨房到餐桌的动线穿过了孩子的必经路线,早高峰容易撞。改了一个门洞位置,动线就顺了。
这类问题不是说设计师想不到,而是在做方案的时候容易被大结构框住思路。GPT-5.5 像一个永远不会说“差不多行了”的搭档,会把你习惯性忽略的盲区翻出来。
最让我头疼的沟通环节,GPT-5.5 反而帮了大忙。
以前给客户看平面图,很多人看不懂。看效果图,又容易被一张漂亮的图带偏,把注意力放在软装饰品上而不是空间结构上。现在我在出效果图之前,先用 GPT-5.5 生成一份“设计说明”——用客户能看懂的语言,讲清楚这个方案的设计逻辑、材质选择的原因、空间分区的考虑、光线的处理思路。
出效果图之前先让客户读懂方案,这是把效果图的用途从“惊艳客户”变成了“验证预期”。图出来之后客户的反馈不再模糊,不用再靠效果图一轮轮试探。谈设计逻辑这事,GPT-5.5 比我更会。它能用外行听得懂的话把专业设计思考讲清楚,而我有时候讲得太“设计”,客户不好意思说不懂。
|-------------|-------------|
| 把模糊需求拆成具体设计语言 | 对空间气质的直觉判断 |
| 动线规划和功能分区分析 | 对客户微表情的捕捉 |
| 材质和色彩搭配的合理性验证 | 到施工现场感受真实的尺度 |
| 设计说明的通俗化表达 | 打破常规的创意突破 |
做了这么久设计,我很清楚:AI 能帮我做得更快、更稳、更周全,但“这个空间应该是什么感觉”这件事,还是得我自己站在客厅中间,感受光线从窗户进来的角度,想象这一家人围坐在一起的样子。它能帮我画清楚地图,但目的地在哪里,得我自己定。
|------|-----------|-----------|
| 需求沟通 | 对着参考图猜心思 | 先聊透再确认,沟通更精准 |
| 方案规划 | 凭经验,有盲区 | AI 补全细节,方案更周全 |
| 效果图调整 | 反复改,反复渲 | 先确认设计逻辑再出图 |
| 客户提案 | 靠效果图打动 | 先让客户读懂方案 |
AI 帮我省出来的时间,我没有偷懒。省下来的时间,我拿去跑了几趟工地,感受真实的尺度和光线。去材料市场摸了几款新到的微水泥,拍了照片回来跟客户说“这个质感比我们选的那款更对”。陪客户在展厅里站了半小时,看他们盯着哪件家具眼睛发亮。
这些事效果图做不出来,渲染器也算不出来。但就是这些事,让我知道下一稿怎么改,客户会说“对”。
*以上是一个室内设计师的真实使用体验,不同项目差异大,欢迎交流。*