阿里云智能集团设计部&北京光华设计发展基金会&清华大学设计管理研究所：
《2025年设计&AI共生报告》
（完整版.pdf ）
以下仅展示部分内容
下载方式见文末

当AI能够瞬间生成千种设计方案，设计师的价值何在？当技术倒逼体验重构，传统方法论能否指引未来？当教育仍在传授昨日技能，产业已呼唤明日能力，我们如何弥合这一断裂？

2025年9月，阿里云智能集团设计部、北京光华设计发展基金会、清华大学设计管理研究所联合发布了《设计 & AI 共生》报告。这份报告基于对十六位行业顶尖专家、学者和实践者的深度访谈，试图超越零散的技术应用探讨，构建一个理解AI时代设计系统性变革的完整认知框架。

01 “元”起点：范式变革，设计理论与实践的十字路口

渐进优化 vs 多维根本性转移

今天，我们正站在一个历史性的十字路口。一个根本性的问题摆在我们面前：设计的“理论、实践、方法”是否正在发生一场颠覆性的范式革命？抑或这只是历史长河中又一次渐进式的工具优化？

渐进优化论：内核恒常，工具演进

同济大学张黎教授对此持审慎态度。她从科学哲学角度指出，库恩意义上的“范式革命”意味着前提性的根本假设被颠覆（如从“地心说”到“日心说”），随之而来的一切方法论和应用的全盘改变。而当前设计学是否已处于此阶段，仍需观察。她更倾向于用“转向”来描述当前的变化——一种由新技术驱动的渐进式过程。

清华大学未来实验室主任徐迎庆教授将AI定位为“工具”，并精辟地指出了AI作为工具的“双刃剑”特性：一方面，它能基于海量数据极大加速灵感生成；另一方面，其基于现有数据整合与模式识别的工作方式，与“设计需要创造前所未有的新想法”的本质存在矛盾，因此无法独立完成高质量的、颠覆性的创新设计。

中国美术学院卢涛教授通过对设计史的回溯指出，近50-60年来，近代设计的基本范式——“功能主义、理性主义、以人为本”——并未发生颠覆性改变。包豪斯、迪特·拉姆斯等人奠定的现代主义设计原则至今仍是行业的核心准则。在他看来，AI的出现更多是“工具层”和“行为层”的演进，类似于从手绘到CAD的进步，而非“底层逻辑”的彻底重构。

工业设计师时晓曦进一步指出，AI的应用具有显著的领域差异性。在鞋服、平面、电商界面等视觉化、数据驱动的高度商业化领域，AI已成为高效的生产工具；但在3C硬件、汽车、陶瓷等涉及精密三维物理结构、复杂材料工艺的领域，AI的落地则困难重重，其价值更多体现在局部辅助而非全流程主导。

根本性转移论：AI作为变革引擎与范式重构

另一批专家则旗帜鲜明地认为，AI带来的是一场席卷设计对象、目标、主体与流程的“多维根本性转移”。

世界绿色设计组织总干事邢雷提出了一个极具洞察力的视角：设计范式正从“物的设计”转向“规则与系统的设计”。数字化带来的“链接”与“平权”效应，使得设计的影响超越了物理实体，延伸至社会运行规则与秩序。一个平台算法的设计，直接决定了社会资源的分配、信息的流动和公众的行为模式，其影响力远超任何一个传统实体产品。

中央美术学院费俊教授也观察并阐述了这一转变，提出从“设计结果”到“设计系统”的范式跃迁。设计师的角色不再是创造单一的视觉或实物成果，而是构建一个能持续生成设计结果的系统、工具或生态。这意味着设计能力的核心从“造型能力”转向了“逻辑架构与规则定义能力”。

阿里云智能集团设计部总经理李剑叶用一个生动的比喻描述了这一转变：过去是“设计牵引技术”，即相对成熟的设计理论方法牵引着产品去选择和应用技术；而现在则是“技术倒逼体验重构”。AI原生能力的进化（如生成、预测、对话），迫使设计理论和方法必须适应并定义全新的交互方式和体验范式。

北京电影学院原副校长孙立军以亲历者的身份，回顾了从胶片到计算机再到AI的三次技术革命。他直面当前设计教育体系在课程设置、评价标准与师资知识结构上的严重滞后性，坚信AI的到来是一次革命性变革，设计教育必须进行多维根本性改革。

综合视角：一场范式演进的浪潮

专家观点的显著分歧，并非源于对事实认知的偏差，而是源于审视维度的不同、所处领域的差异以及对“变革”一词的定义与时间尺度的理解不一。

更准确的描述是：设计领域正经历一场由AI技术引爆的、广泛而深刻的范式演进浪潮。这场浪潮中，延续与断裂并存。设计的核心内核与人文精神（道）展现出强大的历史韧性，得以延续；而实现设计价值的方法、工具、流程，乃至设计的对象、边界与设计师的角色定义（术与势），正在发生断裂式的重构。

卢涛、徐迎庆等专家守护的是设计终极的“道”，而李剑叶、邢雷等专家洞察的是设计的“术”与“势”之变。两者并非矛盾，而是构成了变革的一体两面。

02 衍生：六大维度的系统性变革

2.1 素养重构：算法素养 vs 真实世界感知力

生成式人工智能正在触发设计行业一场深刻的能力变革。这场重构的核心张力，高度聚焦于一对关键能力组合：“算法素养”与“真实世界感知力”。

共识：能力重心发生历史性转移

专家们在一个核心判断上达成了高度一致：AI正在并将持续接管大量重复性、执行性与模式化的设计工作，设计师能力的价值重心必须从“如何做得好”向“做什么、为何做以及为何这样做好”进行战略性转移。

时晓曦一针见血地指出，“定义输入是目前使用AI最难的部分”，这需要的是对设计问题、用户和市场的深度理解。张黎教授将此提升到“自主性”的高度，认为在AI时代，设计师的核心竞争力在于能否激发出“自主性”——提出好问题、精准界定问题的能力，比以往任何时候都更重要。

分歧：算法素养与真实世界感知力的权重之辨

一批专家强烈主张，人类的独特优势在于其深厚的、源自真实生活的感知、经验与创造力，这是AI无法企及的。

卢涛教授通过其教学实践表达了极致的态度：严禁使用AI和PPT，回归纸笔交流，以迫使学生“退回到人性的思考，退回到设计的最本质的东西”。他高度重视“失败的经验”和“试错”带来的灵感优化，称其为“活生生的人类体验”。

费俊教授批评了当前设计中对美学标签的浅薄应用，强调必须深入理解美学背后的文化、哲学与艺术源流。他主张通过具身化的艺术训练（如手绘、暗房摄影、材料感知）来培养设计师对物理世界的敏锐感受力。

黄峰先生的观点极为鲜明：“如果自己不会生活，就无法同理生活中的他者”。创新的根源来自于丰富的生活体验，设计师必须是一个“生活很精彩的人”。

徐迎庆教授出人意料地提出，AI时代设计师更应“更认真的去画画，更努力的去造型，更深刻的理解色彩，然后更广泛的去阅读”。他认为强大的语言表达能力（用于与AI精准沟通）恰恰源于广泛的阅读和对真实世界的深刻理解。

另一批专家则采取了更为融合的视角，认为新时代的设计师必须同时掌握这两类素养，并让它们相互赋能。

中国传媒大学侯玥教授明确提出设计师需具备“技术驾驭与批判思维”和“创意与情感表达”、“跨学科知识”。她强调要“培养学生带有批判性的思维去面对AI生成的结果”。

李剑叶认为，快速掌握和更新AI工具知识是新的“基础素养”，但设计师的能力深度最终将体现在对外（商业、问题、人）的洞察、决策和链接上。

2.2 价值升华：生成系统 vs 设计策展

当AI技术席卷设计领域，其意义远不止于效率的倍增。它更像是一股汹涌的浪潮，冲刷并重塑着设计行业的价值海岸线。

共识：价值节点的战略性上移与角色根本性转变

专家们的论述形成了一个强有力的共识：AI接管大量基础执行工作，迫使设计师的价值创造活动必须向产业链上游进行战略性迁移，其角色从“执行者”转变为“定义者”、“整合者”与“赋能者”。

李剑叶的观点最具颠覆性。他提出，设计的战略价值在于交付一个“动态的、可进化的能力或团队”，其终极交付物可能是一个“小模型”或一套AI工作流。这就好比从“授人以鱼”变为“授人以渔”，彻底改变了设计行业的商业模式和价值衡量标准。

费俊以“架构个性化工作流”为例，描述了设计师作为“世界架构者”的角色。设计师的价值在于设定系统规则，让角色在其中自动生成故事，这种“生成系统”的能力是价值的极高体现。

汪晓鸣则提供了商业化的视角，指出设计师可将自身能力产品化，成为“垂域AI SaaS的负责人”，将自己的设计能力植入到AI中变为可复用的产品能力，从而实现从“设计师”到“设计产品创造者”的升华。

核心范式：生成系统与设计策展

在价值升华的总体共识下，专家们的观点在价值实现的最高形式上，呈现出一个核心的张力与互补，即“生成系统”与“设计策展”两种范式的并立与交融。

“生成系统”路径的核心是构建规则与平台，赋能他人进行创造。设计师的价值体现在所构建的系统产生的无限可能性和持续影响力上，通过产出效能和影响规模来衡量。典型案例是设计师不再为电商平台设计具体的广告栏，而是为其训练一套能够自动生成千万级个性化广告栏的AI模型系统。

“设计策展”路径的核心是运用卓越的判断力，在海量信息中甄别、选择并赋予独特意义。价值体现在无可替代的品味、文化洞察和伦理判断上，通过文化高度、情感深度和社会价值来衡量。典型案例是设计师利用AI生成大量概念方案，但最终依据对品牌精神、用户情感和社会趋势的深刻理解，策展出一套能引起广泛共鸣的品牌焕新方案。

2.3 两极加速：大众化 vs 高维化

人工智能对设计行业的冲击，绝非一场均匀的细雨，而更像一场剧烈的气候变迁，重塑着整个生态系统的地貌。

共识：能力维度的分化和加速是结构性必然

几乎所有专家都预见了行业结构性的巨变，其核心特征便是“分化”与“加速”。高维化与大众化将同时发生，并相互加速。

大众化：设计的民主化与能力门槛消失

AI工具极大地降低了设计的操作门槛，使得“人人皆可设计”在技术上成为可能。设计正变得像“开车”一样，从一门专业职业转变为一项基本技能。80%的设计需求是“快速且专业的平庸”——高效、低成本地产出“达标”而非“卓越”的方案。AI完美地适配了这部分市场。

高维化：价值的集中与能力门槛飙升

与此同时，成为被市场认可的优秀“职业设计师”或顶尖机构的门槛不降反升。“要想成为一个优秀的职业设计师，其实对你能力的要求反而提得更高了。”这种高能力体现在系统架构、战略定义、文化叙事、深度审美和跨界整合等复杂维度。

行业竞争从“熟人经济”转向“全网竞争”，水平线被AI拉平，导致绝大多数普通设计师陷入低价竞争。而顶尖设计师则凭借其强大的背书、定义商品IP的能力和赋予产品情绪价值的能力，获得极高的价值认可。90%从事优化工作的设计师价值将衰退，行业价值将向头部高度集中。

中间地带的塌陷

个体与机构层面的两极加速，共同导致了同一个致命后果：中间地带的塌陷。这是专家们另一个高度共识的点。

AI承接了大量可标准化、操作化的执行和优化工作，而这正是中间层设计师和工作室安身立命的根本。一旦这个基础被掏空，其生存空间便不复存在。当前设计教育中所呈现的视野广度、格局层次与自主研究能力已存在显著差异，而在AI加速渗透的当下，这种差异正被进一步放大。

2.4 美学演进：算法美学 vs 批判性人文主义

当人工智能不仅接管设计的执行，更开始深度介入创作的源头——美学风格的生产与定义时，一场深刻的美学演进正在我们眼前发生。

共识：美学领域的范式迁移与权力重构

专家们首先达成了一个基础共识：AI的介入正在并将继续剧烈地扰动现有的美学秩序。

传统的设计美学依赖于设计师个体的手工劳动、灵感迸发和技艺锤炼。而AI的介入，使得美学风格的生产转变为一种基于海量数据训练、参数调整和概率生成的计算过程。

李剑叶以苹果的“液态玻璃”设计语言为例，指出这代表了一种“虚拟材质”的诞生，其美学效果并非来自对物理世界的模仿，而是由算法和算力即时渲染、动态生成的，这预示着一种“计算美学”的崛起。

另一方面，谁控制了训练数据和模型，谁就掌握了潜在的定义影响力。孙立军的观察一针见血：“AI生成出来的影像都是欧美式的和日式的，我所需要的中式审美，AI却很难精准地理解与生成。”这深刻地表明，主导当前AI大模型训练的数据集存在明显的结构性偏差。

核心张力：算法美学 vs 人文主义

“算法美学”范式拥抱技术驱动带来的美学新可能，其核心是效率、可量化性和动态生成。美学可以被解构、量化和优化。美不再是神秘的灵感，而是可被模型学习和复现的模式。它能产生前所未有的、超越物理世界限制的动态视觉形式。

但黄峰指出，这种能力首先带来的可能是创意的消亡。当AI能瞬间生成过去需要耗费大量时间模仿的任何一种流行风格时，基于风格借鉴和形式拼贴的设计价值将荡然无存，导致严重的同质化。

“人文主义”范式则对算法的同质化倾向保持高度警惕，强调美学中不可或缺的人性深度、文化语境和批判性思考。美学的价值不在于表面的形式，而在于其背后所承载的文化叙事、哲学思考和为特定用户创造的情绪价值与意义。

费俊批评当前美学教育停留在“样式模仿”，主张美学训练的核心应转向“主体表达”——“你想说什么”和“你为什么这么说”。没有主体性的美学，最终只会走向扁平化和同质化。

2.5 组织进化：跨学科实验室模式 vs 智能体协作

人工智能引发的范式革命，正从工具层面深潜至生产关系底层，催生设计组织形态的深刻重构。传统建立在“人力规模”与“专业分工”逻辑之上的组织模式日渐疲态，其核心矛盾在于智能密度的不足——即单位组织内整合、调动与转化多元智能以解决复杂问题的效能低下。

进化主路径：提升人类侧的智能密度——跨学科实验室模式

提升智能密度的核心路径，是最大化人类智慧的协同效应，其典范形态是“跨学科实验室模式”。

徐迎庆领导的清华大学未来实验室是杰出范例，其通过汇聚数学、物理、艺术、哲学等多元专业背景的研究人员，构建了一个高密度的智能网络。这种跨学科配置使得实验室能够应对单一学科无法解决的复杂创新项目，实现了智能的乘数效应。

张黎提出的“扁平、多元、开放、包容”的组织哲学，其核心是创造一个允许智能自由生长、碰撞与实验的“场域”。“当你不理解的时候，你就让他去生长”的管理理念，深刻阐释了高智能密度组织所需的赋能型领导力。

前沿探索：融合机器侧的智能密度——智能体协作

提升智能密度的第二路径，是将机器智能深度内化为组织能力的新维度。智能体协作模式不再将AI视为被动工具，而是将其作为可直接调度的智能单元。

李剑叶提出的“1+N”范式，重新定义了人机协作的组织结构：以人类为决策核心，集成与调度N个机器智能单元。在这种模式下，人类专注于价值判断、创意构思和战略决策，而AI智能体则承担海量运算、快速生成和自动化执行任务。

终极图景：高智能密度组织的混合形态

未来最具竞争力的组织，将是完美融合人类与机器智能的“混合体”，其智能密度在两个层面均达到极高水准。

“人类实验室”作为价值核心（创新密度），是组织的“大脑”，负责产生原创思想、定义复杂问题与注入人文价值。“智能体云”作为能力平台（效率密度），是组织的“四肢”，负责将战略构想进行无限速、大规模、低成本的具象化与验证。

二者动态耦合，构成一个高智能密度的超级有机体。面对探索性、创新性任务，激活“实验室”模式；面对执行性、规模化任务，调度“智能体云”。

2.6 生态赋能：开放协同 vs 集约聚合

人工智能作为新一代通用目的技术，正从根本上重塑各行业的底层运行逻辑与价值创造方式。AI大模型及其衍生的工具链，作为一种全新的生产要素与数字基座，正在驱动产业价值链的重构与商业模式的创新。

驱动引擎：AI从工具到产业新基座的范式跃迁

专家们达成了一个基础共识：AI已超越工具属性，成为各行业新一代的核心生产要素与产业创新基座。

AI技术正变得如水电煤一般无处不在且成本低廉，其最大的产业价值在于极大降低了创新和技术应用的门槛。AI正在“重构生产力的结构”，加速从需求到设计、设计到实现的流程整合，推动生产链趋向集中一体化。

作为新基座，AI正在催生全新的产业经济生态。陈颖达指出，AI能“把参与创新的门槛降低，让更多的人能够进来”，从而引入跨领域的奇思妙想，打破行业固有思维。这直接催生了汪晓鸣所预见的“AI内容市场”——一个涵盖模型、工作流、提示词等数字化资产交易的繁荣生态。

驱动逻辑与哲学：开放协同 vs 集约聚合

开放协同路径以开源开放、知识共享为核心特征，旨在最大化技术的普惠价值，激发多元创新。产业的开放协同正经历从“开放源代码”到“开放资源”的深刻演进。费俊倡导行业应积极推动开源模型和公共数据建设，以对抗技术的私有化垄断。

集约聚合路径由市场效率与规模经济逻辑驱动，强调通过资源整合和流程优化实现效能最大化。大企业运用资金优势将AI应用标准化、流程化，通过集中化的数据与算力投入，形成显著的效率优势和成本优势。

王路平指出了一个关键趋势：当前企业对模型和提示词的保密是技术发展初期的暂时现象。当技术完全成熟并基建化后，竞争的核心将重新回归到商业逻辑、品牌价值和用户体验本身。

最终生态形态：公共开放生态 vs 平台主导生态

公共开放生态的理想结果是形成一个百花齐放、公平竞争的创新环境，中小企业和个人开发者可以低成本获取先进AI能力，专注于垂直领域的应用创新，从而最大化全社会的创新活力。

平台主导生态在提升产业效率的同时，也带来了需警惕的封闭与依赖风险。如果少数平台控制了核心模型、数据流和分发渠道，将有权定义标准，导致同质化，并使独立开发者不得不依附于平台规则。

未来的产业生态最可能走向一个分层的、混合形态的结构：底层基础层因巨大的算力、数据与资本投入，可能呈现集约聚合特征；应用服务层基于开放接口，充满活力且分散多元；标准规则层则是开放与集约力量的核心博弈场。

03 顶层约束：伦理规制，“负责任”的创新与“向善”的未来

人工智能在设计领域的深度融合与广泛应用，正以前所未有的力量重塑着创作范式、产业生态与社会交互模式。这场技术革命在释放巨大生产力和创新潜力的同时，也如同一个棱镜，将潜藏于技术应用深处的伦理风险与治理挑战清晰地折射出来。

AI设计伦理风险的多维透视

数据偏见与算法歧视：社会不公的技术性固化

AI模型高度依赖训练数据，而数据并非中立，它不可避免地承载着现实世界中的偏见与歧视。徐迎庆尖锐地指出，“人工智能其实放大了我们以前很多潜在的性别歧视、种族歧视”。他引用了一项经典研究：内容完全相同的一份简历，仅仅将性别标识从“女性”改为“男性”，AI推荐的职业就从“护士”变为“医生”。

侯玥进一步将这种偏见扩展到文化维度。她观察到，当生成人物形象时，AI模型倾向于输出欧美人的特征，这暴露了训练数据中存在的人化偏见与多样性缺失。

虚假信息与信任危机：真实性壁垒的崩塌

AIGC生成内容的逼真度前所未有，这使得制造以假乱真的虚假信息变得空前容易。徐迎庆称之为一个“巨大的社会问题”。设计师或普通用户可以利用AI轻松模仿特定品牌风格制造赝品，或生成虚假的“用户使用体验”进行不正当竞争，严重侵蚀市场信任基础。

卢涛则从AI的本质特性出发，点出了另一个层面：“AI不会忘记，而人会忘记，这是非常重要”。AI的“记忆”特性导致信息被无限次堆叠和重复，无效、过时甚至错误的信息难以被自然淘汰，造成信息环境的淤塞与污染。

知识产权归属模糊：创新生态的根基性挑战

AI生成内容的版权问题，是当前伦理争议中最突出、最棘手的焦点之一。孙立军建议“尽快完善国际化版权法”。他担忧，如果无法清晰界定AI生成作品的权益归属，将严重打击原创者的积极性。

时晓曦用具体案例生动揭示了现有版权规则的无力。AI可以快速生成海量在表面上规避了现行“实质性相似”判定标准、但实则窃取原创风格精髓的作品，使得原创者的权益保护形同虚设。

侯玥提出了一个更根本的哲学性问题：“如果我们给出一个观点，由AI来做详细论述和论证，那这算不算原创？”这动摇了我们对“原创”这一概念的传统理解。

治理路径探索：“自律共建”与“他律合规”的辩证统一

面对上述复杂风险，专家们基于其专业背景、行业视角和价值信念，提出了不同的治理思路。

“自律共建”：强调内在道德、行业自觉与价值共创

黄峰构建了一个清晰的伦理金字塔模型，其顶端是“道德”（向善），中层是“透明”，底层是“知识产权”。他认为，伦理的基础在于从业者的内在道德选择，而非外部压力。

张黎提出了“通过设计的人工智能伦理”框架。她认为伦理不应是专家制定的抽象准则，而应通过思辨设计、话语性设计等方法，创造可体验的原型和互动，让公众能前瞻性地感受和讨论伦理问题。

“他律合规”：主张外部强制与技术刚性约束

时晓曦的观点最为鲜明和坚决，他直言“技术本身是不分对错的，主要靠人类人性的东西，我觉得就完全不可信赖”。基于这一判断，他强烈主张“硬性的规定就是有明确的这些条文类的法规类的东西”。

徐迎庆在详细阐述了数据偏见、虚假信息等风险后，多次强调了“需要加强监管”的必要性。邢雷则主张建立强约束的多层次规则体系，特别是在行业层面，要通过制度倒逼自律。

融合与协同：多元共治的复杂框架

尽管存在分歧，但更多专家持一种综合、协同的立场，认为自律与他律并非二元对立，而是治理体系中不可或缺、相互支撑的组成部分。

李剑叶提出了一个最为全面的框架，认为需要三方面共同构建：技术限制（他律）、社会共识（自律共建）、法律法规（他律合规）。他指出，在设计能力“民主化”后，仅靠行业自律已不现实，必须引入技术过滤和法律底线，但同时共识教育又是基础。

侯玥强调“设计师要加强伦理教育，提高伦理意识，不能等着规则来”。这体现了将外部规则通过教育内化为个人素养的思路。

结语：走向人机共生的设计新纪元

AI时代下的设计师“素养重构”，是一场由外而内、由技入道的深刻进化。其核心并非在“算法素养”与“真实世界感知力”之间做出单选，而在于如何以“真实世界感知力”为根基和导向，以“算法素养”为强大赋能手段，通过“系统与整合素养”实现价值的最终转化。

正如孙立军所言，“人类唯有的就是尊重AI，不能把他当敌人，应该跟他相处。”专家们的观点虽有侧重，但共同指向一个未来：未来的设计大师，很可能不再是传统意义上画得最好的人，而是那些最具好奇心、生活体验最丰富、洞察最深刻、最能驾驭工具来诠释和实现其独特愿景的人。

AI设计的伦理规制，是一场伴随技术变革而持续演进的社会实验。它绝非制定一套静止的规则便可一劳永逸，而是一个需要技术开发者、设计师、企业、立法者、学者和公众共同持续参与、对话和调试的动态过程。

最终，对AI设计的伦理规制，其最深层的本质是通过一场持续的社会对话和具身体验，对我们人类自身价值的选择和捍卫。正如诸多专家所隐含的共识：所有的技术问题，归根结底都是人的问题。

在数据洪流中，如何让设计回归对真实生活的感知？在效率至上时，如何为文化表达保留一席之地？不是争论“AI能否取代设计师”，而是叩问“设计何以成为人之为人的证明”。这，正是《设计 & AI 共生》报告留给我们的最深思考。