AI小龙虾能干活了，设计师如何升级当CEO？

AI正在把设计带向一个更开放的空间，让创作不再局限于某种技法或某个专业，图像、文字、影像、代码等都开始连在一起，设计师能够调动的能力比以往任何时候都更丰富。工作方式在悄然发生变化，效率被放大，边界被拉宽，一个人能完成的事情也越来越多。

在吴卓浩看来，这正是设计从“小设计”走向“大设计”的转折，AI让许多过去只有团队才能完成的复杂创作，现在一个人也能实现。这种改变让设计重新回到本质，操作变得不再重要，思考、判断和感知世界的能力才是核心。AI不是替代，而是让设计回归创造本身。

嘉宾介绍：

站酷客座主编

阿派朗创造力科技首席科学家

中国传媒大学副教授

“AI赋能让过去的不及格作品提升到70-80分，但优秀设计师要追求的，已经是新的及格线——90分甚至更高。”

 “运用AI做小设计，是生活中的小美好。带领AI做大设计，是时代中的大机会。”

“做AI的CEO：定目标、管过程、选结果，这是成为超级个体的核心能力。”

“AI+设计”是一个一体两面的议题：如何用AI做设计，如何设计AI成果。

从“用AI做设计”的角度来说，一方面水涨船高，AI赋能设计师会把所有设计成果，包括过去不及格的成果，都提升到70-80分。这对整个世界都是一件大好事，因为设计的创造者和设计的使用者是相互影响的，使用者和优秀的设计生活在一起，才会对设计提出更高的要求，创造者才有更多表现的机会；当然也有副作用，比如对AI的过度依赖会抑制设计师的思考等，论文《Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality》中展示了一些实验研究的成果[1]。

另一方面，新一代综合能力更强的设计师也正在浮出水面，像过去那样做到70-80分就远远不够了，因为这成为了新的及格线。过去很多设计师其实不需要考虑如何做出90的成果，现在也必须要考虑了。人文、技术、商业等方面的素养，将会和设计专业能力一起构成优秀设计师的基础。当然AI也会帮忙，并不需要每个设计师在每方面都很深的积累，而是需要具备良好的能力框架，做好自己擅长的部分，并指挥AI补全其他的部分。正如我的“STEM-DAHB跨学科融合框架”（图1）展现了一个人也可以在AI的辅助下获得过去只能靠团队组合来形成综合能力，而“C-PAII AI人机共创模型”（图2）则展现了人与AI协作的过程和方式[2]。

从“设计AI成果”的角度来说，一方面跨界将成为惯例、常识。在AI的赋能下，各种形式的创造性成果，比如文字、图形、影像、音乐、3D模型、代码等开始融合打通，不再局限于平面设计师就是设计图形、3D设计师就是设计模型，甚至不再局限于设计师只能设计效果而无法落地实现，综合能力强的设计师将会有机会实现各种类型的创造成果，并因此而获得很大的影响力。当然这样的跨界并不仅限于设计师跨出去，而是各种专业人才、甚至很多怀揣梦想的普通人进行跨界。此时“设计”一词的含义也需要扩展为对应各种创造性的行为，基于广泛多样的创造成果落地而成为真正意义上的“大设计”，而不再仅仅是“职业设计师”群体的自我呼吁。正如我的“AI创造力”（图3）概念所提出的，人类文明积淀被AI转化为公共产品，历史上首次实现个人与群体智慧的高效双向互动，将会形成创造的新模式，普惠帮助每个人获得超越自我的新力量[3]。

另一方面，需要形成新的设计方法、理念、范式来指导AI成果的创造，因为AI不像过去的成果那样基于创造者所设定的逻辑来运作，而是会涌现出更广泛、深入甚至更高维度的思考和实践成果。这既是AI的创造性能力的由来，也是人类必须面对的挑战。在我的《AI创造力——智能产品设计与研究》一书中，提出了AI产品设计的三原则：以人为师、以人为本、以人为伴[4]，“以人为师”强调的是AI的基础能力和学习性，“以人为本”强调的是AI的人性化和交互性，“以人为伴”强调的是AI的超越性和协作性。其实这样的挑战在人类社会中早已有之——当你领导一个团队，就会面对类似的挑战，如何带领一群能力强弱不同、尤其是其中有些能力强于你的人，面对他们不总是稳定的表现，去实现一定的目标。我觉得最佳方式就是“做AI的CEO”（图4），最重要的就是做好三件事：定目标、管过程、选结果，这也是成为“超级个体”的基础。在后面的内容中还有对此的详细讲述。

倒没有特别担忧的事情，我乐观地认为问题会被不断地解决，但又不断会有新的问题涌现。不过的确有一些值得注意的事情：

虚假信息、信息茧房、同质化、数据偏见（图5）等问题。这类问题一直都存在，但是经过AIGC和AI推荐算法放大，会产生越来越大的潜在破坏力。设计师需要有意识地努力，既是对个人的保护、提升，更是在世界上形成向善的力量。

还有一个经济系统的问题同样值得关注。近年来，插画师、编剧、音乐人都曾发起过对AI的抵制活动（图6），本质上就是因为原本构建的经济回报链条会被AI打破，真的会影响到创作者的收入。在大趋势无法逆转的情况下，构建新的商业化链条，让创作者获得应得的回报，才能保持参与；如果能让创作者获得更多的回报，更能激发参与、吸引更多人参与。这个问题不能简单地依靠版权法律来解决，更值得进行广泛深入的探索。比如，一个普通创作者如果通过卖画可能仅仅获得非常有限的收入，通过开设短视频账号可能会实现影响力和收入的显著增加，通过AI编程把自己的创意变成网络游戏则可能获得可规模化复制的“睡后收入”……手工业时代、工业时代、软件时代、互联网时代、移动互联网时代，每一次技术变革都催生了新的经济运行方式，AI时代也不例外。

对个人来说，就像我在前面回答的，“做AI的CEO”是最佳方式、也是最佳结果。

对各个行业而不仅仅是对设计行业来说，金字塔层级、结构固定、边界清晰的传统组织形式，将被去中心化、动态化、网络化的新组织形式取代（图7），AI驱动物质和人力资源按需在组织内外跨域流动，将会极大地提升全社会的资源利用效率，并通过AI实现的群体与个体智慧高效双向互动，让超大规模的敏捷创新变为现实。个体获得更多的价值实现，组织获得更强的降本增效。

这本质是从“小设计”到“大设计”的变迁。“小设计”是狭义的“设计专业”，就像“司机”曾经是一种专业性很强的职业，但“驾驶”最终变为一种通用能力。“大设计”是广义的“创造行为”，是在各个领域普遍存在，人人都有可能参与其中的实践。

在AI时代，随着AI普惠赋能，虽然设计师仍然可以选择只做“小设计”，但必将面对来自各方的冲击；而选择做“大设计”，则是打开一扇新的大门，展开一段未知的旅程，可能惊心动魄，可能精彩纷呈。设计师需要提升“用AI做设计”的能力，包括做AI的CEO的能力，以及以自身与AI融合的STEM-DAHB综合素质；需要提升“设计AI成果”的能力，主要是跨界打通各种形式的创造，通过全面的服务、而不是某个单点为用户创造价值，这样才能给自己带来最好的成长和回报。换而言之，为什么工程师能成长成为企业领袖，通过打造产品和服务来为用户创造价值，而设计师只能做其中的一环？设计师如何通过组织AI和人类形成团队，也把用户洞察、创意想法，通过工程实现，形成服务用户、可以规模化和商业化的成果？

运用AI做小设计，是生活中的小美好。

带领AI做大设计，是时代中的大机会。

CEO需要各种专业人才构成公司，绝大部分具体的工作都是员工做的，那CEO的不可替代性体现在哪些方面呢？

定目标：只有选择了正确的方向和目标，才可能获得最终的结果，或者至少不至于事倍功半。在带领AI的过程中也是如此。身处人类世界，很多目标、要求即便没有明确要求，我们也会围绕人类的利益来自动补充相关的内容，比如不会为了一个“尽可能地生产最多的回形针”的目标去把地球全部的资源都用来生产回形针[5]。设计师对用户的洞察、对人文的理解、对真善美的追求，既是不可替代的创造初始要素，又是形成多样化创造成果的基础。在现阶段，很多时候甚至连基础的跨领域综合目标制定，比如在目标中兼顾易用、美感、工程实现、商业化这样的需求，AI都搞不定，需要人类设计师提出明确的目标、并转化为明确的执行要求，AI才能开始执行。

管过程：过程管理是实现预期结果的重要保证。在AI的帮助下，过程管理能够以更高效的方式进行，但同样需要人的监督，确保任务始终瞄准预设目标的方向。现阶段，因为AI有能力边界、并且很多数情况下并不能预先知道AI的能力边界，需要人类设计师带领AI边做边调整。比如，在用AI生图时，无论怎样都无法生成某个物品的图像，这时候你才会猜想到，在这个AI模型的训练过程中应该是没有学习过这个物品。人类设计师需要通过高质量的过程管理，引导AI最终高质量地实现预期结果。

选结果：正因为AI能高效地产生大量的成果，对结果的选择就变成了非常重要的一个步骤。不再是由人做了两三套方案，从中选择一套；而是AI生成了成千上万套方案，需要找到有效的方法进行筛选。这其中不仅涉及到选择方法的有效、高效，以及代表人类的利益做选择，更多时候也反映着人类设计师自身的素养。这也是为什么有一种说法，当技术达到充分竞争时，品味就成为了一种核心竞争力。这也是人类社会的一种典型现象，人们在做选择的时候并不总依据理性，而是理性与感性并存，有时理性占优，有时感性占优。作为代表人类做选择的角色，设计师的选择能力就显得尤为重要。

正如“STEM-DAHB跨学科融合框架”所展现的，要想最终做出有意义、有价值的创造，就需要集齐这些能力。不同的人的出发点不同，比如工程师会从科学技术这一端起始，而设计师则会从人文艺术这一端起始，但是殊途同归。基于这些能力，发现机会（Discover）- 打造产品（Build）- 价值变现（Sale），就是做“大设计”的必经之路。

如果从做“小设计”的能力来说，由于AI大幅降低了实现设计效果的门槛，对世界与人的好奇、观察、理解，对创意想法的捕捉、发展、积累，对人文艺术的欣赏、体验、品味，将会帮助你把自己打造成一个独一无二的“小模型”，和AI大模型一起协作，就能发挥出巨大的能量。

目前AI还处在发展的初期，如何构建适合自身任务的工作流、提升AI在完成任务过程中的控制性，就成为了高效运用AI的关键。

有编程开发能力的团队会定制软件，最大化提升团队效率，甚至把这样的产品发布出去进行商业化，比如建筑设计领域的品览、服装设计领域的Style3D。

编程能力弱、或者没有编程能力的团队，也会通过自动化工具，比如飞书多维表格、扣子智能体平台，来搭建自己的AI工作流。还有通过训练自有模型的方式，让团队具有稳定、高质量输出特定内容的能力，比如2023年我在中国传媒大学的团队把青花瓷的纹样训练成AI模型，用来生成时尚设计，当时因为技术限制只做成了艺术创作[6]，而现在正由学生组建的创业团队进行商业化产品的打造。

当然也可以使用专门的AI设计工具，除了主流设计产品中纷纷引入AI功能，比如Photoshop、Figma、MasterGo、墨刀；也出现了越来越多的AI原生产品，比如即梦、可灵、Tripo3D、Lovart；而且设计与工程实现合二为一的趋势也越来越明显，比如Zion、Bubble、Softr、Framer、Reddy、Wegic）。

网上的教程很丰富，图文的、视频的都有。

AI赋能让制作成本降低、环节减少、竞争者增多，对于希望“保持”原有业务和收入带来很大的挑战。以视频制作为例，过去几百万的项目现在可能只能收到几十万；每秒收几千块的日子一去不复返，每每分钟的收费降到几千块、甚至几百块。

不过这其中也蕴含着新的机会。

一方面，在AI的帮助下，每个人的产能可以显著提升，过去几百万的项目需要几十个人两三个月才能完成，现在只需要两三个人两三周完成，实际上利润率是提升的。于是这个问题就转变为如何提高接单的能力，获得足够的单子来让团队处于持续运转的状态。

另一方面，由于AI带来跨界创造的能力，你的团队可以进入之前无法涉足的领域，或者全流程整合，把自己从价值链中的一环变为覆盖整个价值链，从而更充分地拥抱商业，获得更好的回报。比如有PPT设计公司转为设计中小学教学课件，把2B的设计服务业务变为2C的课件零售，一份PPT获得二三十万的收入。

在这种情况下，小团队的灵活性、低成本将获得显著的优势；新入场的团队、个人将因为在AI应用上的优势而获得此前只有知名大团队才可能获得的机会，事实上，近两年在AI设计和创作领域中就是新人唱主角；跨界成功的案例也开始涌现，比如在中国的小猫补光灯APP、在美国的Cal AI APP都是由不会编程的人主导AI编程实现，获得了很大的影响力，2026年3月2日，Cal AI宣布其年度经常性收入突破了5千万美元，并正式被收购。

积极拥抱AI，探索新领域，打造自身品牌，是应对挑战、抓住机会的关键。

最大的误区是仅仅把AI当做工具。一方面是AI工具频繁推陈出新，一味地追风学习其实是不断浪费自己的时间，只输入，没时间思考，更没时间输出。另一方面，AI工具让设计执行能力变得水涨船高，竞争的焦点会转移到对世界与人的好奇、观察、理解，对创意想法的捕捉、发展、积累，对人文艺术的欣赏、体验、品味，对商业价值的敏感、塑造、转化。

与AI各展所长、共生共创，打造属于自己的AI创造力！定目标、管过程、选结果，做AI的CEO！对内提升素养，对外勇敢跨界！

分享两个我的团队从研究到产品化的实践案例：

案例1：AI时尚设计——从青花瓷模型训练的艺术创作，到AI赋能时尚产品的产品打造

2022年，原本用于自然语言处理领域做模型微调的LoRA方法被引入Stable Diffusion，实现了图像生成模型的高效微调，并于年底开始普及。这种方法可以使用少量图片来训练出小模型，通过小模型来影响图像生成大模型输出，从而得到特定视觉特征的图像。我们迅速跟进了这种方法，尝试把各种设计风格变为可以稳定输出的LoRA模型。

在这些探索中，青花瓷以其特征显著的图案，训练出的模型获得了较好生图效果。但是即便是青花瓷模型的训练，也并非简单的唾手可得。因为AI不能真正理解图像信息，如果把未经处理的青花瓷图片直接作为训练数据，模型会把瓷器本身的很多视觉特征一并学去，就会出现图8中左侧的各种问题，比如人物身后背着一个大瓷盘子，身上的服装泛着瓷器的光泽，或者服装上密密麻麻铺满了图案，不仅审美不高级，而且还满是语义错误。于是我们改进了训练数据的预处理方式，包括去除图案以外的信息、把图案按照语义信息进行切分和标注，再加上对LoRA模型的分层控制，终于得到了既具有显著青花特征、又具有良好泛化效果的图像生成能力。

LoRA小模型需要基于图像大模型协同工作，而当时的图像大模型由于训练数据的原因，表现最好的领域是人像生成，我们就选择了时尚设计作为模型的主要应用方向。如图8中右侧的样例所示，AI生成了包括服装、饰品、化妆、环境在内的整体化时尚设计，能达到相当不错的水准。我们的第一反应是，把这套方法用到服装产业，把设计和生产打通！

但是随着行业研究和技术调研的深入，我们意识到在2023年，这是个无法完成的任务。产品化探索暂时搁浅，我们转而把成果用于艺术作品，创作了《一带一路·倾心青花》，在AI的虚拟时空中畅想了如果青花从千年前流行至今、文化交融，一带一路国家的生活场景会是怎样。下面的系列图片展现了创作过程，图9是用ComfyUI搭建的生图工作流，图10是作品画面的创意策划与图像组织，图11是各国的视频生成，图12是作品展览的现场照片。这件作品入选了由国家科技传播中心、清华大学、中国科技馆联合主办的第六届艺术与科学国际作品展，并在国家科技传播中心举办了展览。

探索没有结束！2025年，随着技术的进步，我的一组留学归国的学生重启了AI时尚产业化的尝试，正在研发一个智能时尚生态系统“tacking”（图13），致力于连接创造力和制造业，将设计转化为真实的、可制造的时尚，形成消费者、设计师、生产商三方交融共赢的平台。

在这个案例中，大家可以清晰地看到科学技术、设计艺术、商业转化是如何相互推动，把创意想法一步步推进为产业实践。如果没有对科学技术的深入理解，设计艺术无法发挥出最佳效果；如果没有对设计艺术的充分探索，科学技术无法发挥出应用潜力；如果没有对商业转化持续追求，科技与设计无法获得持续的支持动力。

案例2：AI乐园奇遇记——少儿AI启蒙课程的产品化

当2017年我在创新工场担任AI工程院副总裁，经常有机会与世界各地的AI科学家和AI企业交流，虽然当时的AI还只是实验室的研究与小规模应用，但已经能真切地感受到AI势不可挡的发展趋势。2017、2018年我参与主持了“AI Challenger全球AI挑战赛”和“中国高校AI人才国际培养计划”，2019年起面向青少年举办AI创造力成长营。随后在我的创业项目“阿派朗创造力乐园”中，聚焦于把AI、机器人、VR/AR等前沿科技转化为高科技乐园和AI科创研学的形式，面向亲子家庭提供系统化的AI文旅科创服务。自2022年以来，阿派朗已在北京绿心公园和朝阳公园、江苏溱湖国家湿地公园落成3座乐园，常年在大众点评、抖音的儿童乐园排行榜位列前茅，接待了超10万名学生研学，入选了北京科技计划、北京文旅科技创新优秀案例、中关村国家示范区关键技术创新支持项目等奖励名单。

随着AI技术的发展，AI已经成为人们生活、学习和工作中不可或缺的一部分，国家也出台了一系列AI教育促进政策，鼓励学校和社会资源联合研发AI课程，提高青少年的AI素养。AI不再只能在特定场合体验，而是可以在家庭和学校中随时随地使用的工具，我和团队就在乐园研学和营会的基础上研发了全新的启蒙课程《AI乐园奇遇记》（图14至图19），让阿派朗创造力乐园的吉祥物小河狸和我的卡通形象一起，在神奇的故事中穿越时空学AI，体验AI科技、学习AI知识、带领AI共创。这套课程的研发不仅全程运用AI构成的工作流，包括AI辅助的课程设计、基于角色模型训练的AI生图、AI语音克隆与配音、AI视频生成等，更重要的是借助AI所构建的课程产品化。

《AI乐园奇遇记》课程产品由四合一构成：

图书（图15）：对于家庭场景，类似《神奇校车》形式的图书是最受欢迎的科普读物。图书还可以进行亲子时光，也适合不愿意孩子接触电子设备的家庭。

视频课（图16）：对于教育场景，“双师视频课”能解决AI课缺乏师资的问题，现场的老师只需播放视频，在相应的位置暂停，引导学生的讨论和动手实践即可。在家庭场景中，这样的视频也可以直接播放给孩子观看。

智能体学伴（图17）：无论在教育还是家庭场景，如何回答孩子关于AI的问题都是一个挑战。基于智能体技术开发的智能体学伴能很好地解决这个问题，用孩子能听懂的方式回答问题、辅助学习。

实践教案（图18）：课程配套了实践课题，并针对不同的年龄段、不同的使用情况提供了相应的教案，供教育场景中的老师指导学生动手实践，进一步强化学习的效果。

在《AI乐园奇遇记》的课程产品化过程中，如果没有AI技术的支持，要想把科学性、艺术性、趣味性和教育课纲要求充分融合是一件难度极大的事情，要想像真正的AI专家一样、并且以孩子能听懂的方式回答问题更是一件无法完成的任务。而在具体的设计事项上，比如如何成规模地创作角色形象稳定、视觉品质优秀的内容，如何用特定的语音和高质量的音乐音效来营造沉浸感，如何把中文的原始创作转换为世界各地的语言，AI也提供了强大的支持、实现了前所未有的效率。

正如上面聊到的，跨界创作、产品化，灵巧小团队的创立、独立品牌的孵化，产品与服务的国际化，都有很多好机会等待着积极拥抱AI、愿意尝鲜探索的设计师和团队。

[1] Fabrizio Dell'Acqua, et al. Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. Harvard Business School Working Paper, No. 24-013, September 2023.

[2] 吴卓浩等. 全球AI创造力发展报告, 2025.

[3] Zhuohao Wu, et al. AI Creativity and the Human-AI Co-Creation Model. HCII 2021.

[4] 吴卓浩. AI创造力——智能产品设计与研究. 清华大学出版社, 2024.

[5] Nick Bostrom. “曲别针最大化”（Paperclip Maximizer）思想实验. 2003.

[6] 吴卓浩等. 中传师生创作AI艺术作品《一带一路·倾心青花》. 2024. https://mp.weixin.qq.com/s/gXnjicfxN0HJeKfHv7wPeQ