正如寒武纪大爆发带来了新物种、新生态，文艺复兴启蒙了新思想，工业革命催生了新经济，生成式AI的规模化应用，也打开了设计的新纪元。如今我们置身AI时代，面对完全被重置的设计要素，设计又将迎来什么样的变化呢？在以“数智·新生”为主题的第11届金麦营销奖颁奖盛典上，阿里数字商业集团Ai Business Ai设计业务 总经理布颜先生带来了《AI时代下的设计平权》的分享，以下是分享实录：
简单介绍一下我自己，我在阿里的花名叫“布颜”，意思就是“让天下布满颜色”的意思。我现在同时负责两块事情：一是阿里国际AI business的AI业务板块；同时也负责了AE的设计部、淘天海外的设计部，AE和ICBU的“用增”设计部。今天组织以这样的方式安排演讲，其核心点是看到了在AI技术发展上，AI必须和行业做更深度的结合，才能产出更好的产品效果。
关于设计
对于“设计”，每个人的理解都是不同的。记得在2010年的时候，当时有一个全球至尊大奖，它解决的问题是我们今天用肥皂，用到最后只剩一点点的时候如何更充分的利用。当时设计师在肥皂盒子下面加了一个网兜，拿了当时全球的至尊红点大奖。但问题是我妈妈在我小学的时候已经用丝袜来解决这个问题了。很多人理解，设计师是一个美工，是一个提供技术能力的人。但在广义设计上来讲，设计的核心是创新的解决问题。从这个案例上来讲，我妈妈她是非常好的设计师，她能充分把生活当中智慧和具体的问题能够做好解决。如果她今天有更好的审美能力、有更好的技术能力，那她就是一个非常合规的产品或者工业设计师。
在过往设计整个发展过程中，以及就业过程中，会发现有几个关键的问题，我相信这个问题对于在座商家的设计团队，包括产品的设计团队也好，电商营销的设计团队也好，都同样会遇到这些问题。
第一个问题，设计师工作过程是有极其高的成本与时间消耗的。可能我们今天做一个简单的商品头图需要找大量各种各样素材，做各种各样的光影调整，各种调文案等等，要花费很长时间才能得到一个好的设计。今天这个方式无论在工业设计领域、建筑设计领域、空间设计领域都是同样存在的。
第二，设计师本身的技能获取难度其实是比较高的。大家知道作为一个合格的电商设计师要学会PS，要学会CSD等等各种专业的软件，他还要理解业务，还要输出最终的效果，还要开发协同，他需要掌握的技能维度是非常多的，而且学习成本、门槛也是比较高的。
第三，整个协作的复杂性。这个协作复杂性尤其在商品设计，以及UX设计这两个专业板块里特别常见，因为它和上下游耦合程度非常高。不是说我出一个图，它就一定能被生产。不是说我画一张画，它就一定能被商用，它在前后的联动关系会非常强。同时，会存在创意的局限性。大家知道一个设计师需要不断接受新的事物、新的场景、新的东西，才能产出更好的idea。往往因为设计师变成了商业板块当中一个职能工种，他每天接触的内容、每天接触的信息相对来说比较固定。时间发展之后会去限制它本身的一些想法和创意，大家会看到为什么很多商家在做新品时愿意找外面的设计公司，不管是宝马设计部还是其他，其实也是能够获得一些新的想法和一些跨界、跨品类，甚至跨人群的新想法。
关于平权
什么是平权，一句话定义就是：打破通道和专业的壁垒，使每个人都能参与其中。我认为只要能做到这一点，它就是平权。
这里有个关键词：打破专业。比如我不是一个设计师，同样可以做出很好的设计作品，它叫打破专业。今天我从来没有学过工业设计，但能参与到产品的设计当中，我如何去定义它的功能、如何定义它的造型，这就是专业。问题是专业的核心需要依靠技术创新，通道是场景创新。举个简单例子，比如抖音的发展让每个人都成为了媒体人。原来的媒体人是非常专业的媒体人，但今天每个人依靠平台、依靠技术创新，无论是网络的加速还是它提供的简印，都能产生很好的内容，这就是通道创新。到最后是每个人都能参与其中，才是真正意义上平权的逻辑。
AI在设计中的应用
AI带来了3个关键点：一是效率和创造力的提高。在一年前AIGC刚刚流行的时候某公司的原画团队裁撤了70%，当时对我们的冲击是非常大。原来画一张原画需要至少3天的时间，今天只需要半天，甚至十来分钟就能解决这个问题；二是它降低了操作的门槛和操作的成本；三是它充分有多样性和包容性。
下图是传统设计整个流程和逻辑，从最初找准市场机会、发现定义到形成有效解法，发展周期、交付周期一直到最后实现市场增长。
可以看到今年大量AI核心是在发展期和策划期出现的，原因是它本身受制于当前的技术发展情况，比如它的可控性问题，它的可控性如果没有很好解决的情况下，它在交付很难渗透，当前使用上更多还是在一些idea的产生，在一些有明确的brief和结构的情况下做AI衍生的应用。当然我们可以发现近期的AI，无论是语言类模型还是多模态，还是图像类模型，它的可控性越来越强了，可以看见的是它逐步会向上游和下游设计行业做渗透。
简单讲一下我们当前在做的事情，我负责的是国际AI business的AI设计板块，当前针对中小企业出海做了大量的AI创新产品和能力。当前我们聊了很多AE的商家，ICBU的商家，会发现这当中有3大关键挑战：
一是语言和文化的挑战。我今天英文讲的好就可以走遍全球吗？不是，你去中东，英语并不是通用的语言；你去日本，会发现日本消费者英语不怎么样，去韩国也是一样的道理。今天我们去做全球多市场生意的时候，会发现语言和文化差异非常大的，包括他们消费品类的差别、生活习惯的差别，对于审美上的差别都是有比较大的点。对于本地用户的洞察和理解，对于本地化内容的表达和沟通，无论是我们介于一个介质，视频也好、图片也好、客服也好，都会受到限制。
二是成本和竞争的问题。海外的用工成本是比较高的，在海外找个设计师，哪怕找个模特，比国内要非常多倍，这当中我们的市场营销、用户获取成本就会变得非常高昂。
三是人才短缺。国内无论是电商平台还是商家，都在出海，面向全球化设计类人才、财务类人才、客服类人才和技术支持人才，这四个部分目前来看都是比较短缺的。
而我们在做的：一是面向AI市场营销部分；一是面向AI商品开发部分。
先讲市场营销，我们希望能够降低商家去做全球运营的内容制作成本。无论是本地化的表达还是素材内容制作的东西。我们今天是从一张静态海报先开始，大家知道静态海报绝对不是单纯的一张图，它需要解决几个问题：一是各个国家消费者偏好问题，包括不同的营销卖点也好，商品标题也好，怎么去表达的问题，审美的差异到底怎么样，它和品类之间关联性是什么。今天我们借由AE和ICBU整体“用增”投放的数据反馈，能够反推分析到底不同品类、不同卖点怎么更好表达，能够形成更好的范式。再加上原有设计的领域知识，最终的目标是能获得更好的商业数据回报。
基于这部分的衍生，我们衍生出来非常多上下游相关的能力，从抠图到AI背景，到AI的营销图卖点，到今天我有一张现成的图，需要把这张图快速翻译成多种语言，不需要人工操作，一键多语言的输出。包括我们面向服装服饰在不需要去找外籍模特情况下，如何根据品牌衣服产生模特，并且把模特一键换成不同肤色的人种，根据不同的运营区域去做投放。其次包括微动效、AI去瑕疵、水印去瑕疵，包括数字人口播，衍生了完整的一套能力。但在整个经营环境里还远远不够，新的能力我们也在持续做叠加和研发。
大家可以看到我们目前自研了图像算法能力，可以根据品类和刚才讲的不同地区文化和审美偏好内容，快速匹配它的尺度、它的品类，生成它的背景，基于这个背景再往上面加字、加动效等能力。今天我们在AE测试中也发现，能够做好本地化，哪怕只是做一张图，它对于用户的点击转化还是有非常大的提升。在早期很多时候外国客户看到的全部都是中文的内容，到详情页里全部都是中文，如果作为一个韩国消费者或者作为一个中东消费者，怎么可能看得懂，只能看图了。今天我们哪怕把最基础的事情解决，都会对于生意增长起到很好的作用。
同时，模特部分。我们做了两个能力：一是衣物平铺上模特，生成模特；二是把模特换成特种肤色，尽量让一个具备本地审美的模特形象能够跟用户沟通整个服装，服饰相关的内容。同时，我们也基于模特衍生了各个年龄段的，大家知道我们不可能只卖女装，我们要卖男装、老年服装、童装。还有不同地区的人种，白种人、黄种人、棕色人种、黑种人，我们把所有模特全部做了数字化的训练，可以快速匹配对应的需求。
我们根据模特的能力又衍生出来了数字人口播的能力，简单演示一下。这里核心是做了两件事情：一是原始中文视频语音和字幕的快速转移，快速翻译，直接贴回去。二是加了一个数字人在前面帮助讲解产品的核心卖点，这样的方式无论在外投还是在店铺当中，还是在组织当中，都能够更好更快速跟消费者沟通商品的卖点，它所有动作和口型全部是AI驱动的。上面是我们针对营销上实际应用场景的技术能力建设。
面向于商品本身，我们希望解决希望解决以下几个问题：
一，在前期没有生产之前快速产出大量商品设计的方案，无论是给到市场用户做测试，还是给到采购商、贸易商来做选品。原来打样过程非常繁复，上下游会浪费很多钱在打样过程中，我们希望能够把这个问题解决。
二，优秀的工业设计师基本上被大厂垄断了，头部的大型企业，因为只有他们能开出足够高的薪资挽留住这拔高价值的设计师。问题是今天真正在市场当中给到商家提供商品设计的这拨设计师的水平，又没有头部设计师拿到的薪资水平。
三，我们的设计产品有限，尤其我们要快速出大量新款，比如说鞋、箱包、首配饰、家居日用等品类里，不断推出新品过程中设计产能上有比较大的缺陷。
我们希望能够解决AI在前期能不能直出效果图，避免无效的打样，先把这个问题解决。低门槛的使用，这个过程中可能不需要设计师操作。我们把原有的工作流和AI的工作流做了一个对比，核心就是把原来在“人工设计+工程打样+样品确认”这个事情整合成了一个AI解决方案。首先，我们在上游建立了一个全球的趋势库，全球到底流行什么颜色，比如今年运动鞋流行的款，哪些款型，基于这个款型可以快速做裂变，无论是CMF的裂变，还是两个流行款型的融合裂变，来得出更多新的款型，这是鞋方面的尝试。箱包也是一样，我们考虑到一个关键点，今天我们要做的是把商家已经开好模的东西保留住，比如五金件就是这些五金件，不可能为这些五金件再产生新的五金件。我保留五金件，保留基础开模的能力，在前面并不对工艺本身要求很高、并不对模具要求很高的地方快速出款式。比如左边的包，要保留中间的五金件，就快速延伸旁边材料部分的东西。鞋底不变，鞋底已经开好了，我去升鞋面。箱包，可以把前面的布局结构做大量的调整。
包括童装，根据现在流行的，大家比较偏好的平面素材和服装童装做结合，可以在一个小时之内出1万款，你们再去做相应的挑选。包括配饰，左边的配饰和右边的配饰，两个流行的配饰结合一下可以产生一个复合型的东西。同样，跨界的内容也ok，今天中国陶瓷的工艺或者形态和手镯怎么做结合，产生一个新的设计样式。
挑战与未来
前面是刚才讲到商品和营销部分，我们在做的事情。回过头来再讲一讲未来AI对于设计本身领域的挑战。
我们有一个判断，设计行业，我分成了一个象限。
横轴是协作耦合度高、协作耦合度低。什么叫协作耦合度？今天我常依赖于上游或者常依赖于下游，就是这个逻辑。另外，它的信息复杂程度低和信息复杂程度高。大家可以看到在最右下角的那一波，协作的耦合性低、复杂程度也低，是第一波被AI冲击到的，可以看到无论是banner的设计、插画的设计、图案的设计、IP造型的设计，这些都是，因为它只要完成自己单纯的工作就可以了。大家理解是什么事情可以找外面的free answer做的，就是耦合度低的，所以第一波AI冲击的就是这一波。再往下发展的话会逐步往上走，它耦合度低，但处理的复杂度高，这个依赖于本身AI技术的发展。
比如今天包装视觉一定会慢慢被AI渗透掉，工业的ID设计，刚才展示的鞋、包、手镯、饰品相关的、工业造型相关的，但它只是工业造型，背后还是半传统的手工行业，它还是要去雕蜡模，然后套这样的模型。包括空间效果，原来大家装修房子出一张效果图要5万块钱才渲一张图，今天不是这样。可以一开始就让你先感受到家庭的环境，只不过需要和仓库里所有瓷砖去做搭配而已。
再往下，未来比较难的品牌设计，因为它涉及到定位、涉及到市场分析等决策性信息，产品定位、建筑规划部分、UX体验部分。同时叠加一个要素，频次的因素及成本占比的因素。所谓频次，如果这个厂家一年只出一个手机，我是不需要用那么强的AI。但如果一年要出1万款手机，AI的作用就很大，这是频次的差别。今天原有的设计研发占总成本的比例，如果比例非常高，那么它的作用就很大。如果比例非常低，甚至没有研发，就可能没有太大的影响，是这么一个叠加逻辑。
