夜雨聆风
前几天有个做了七年设计的朋友给我发消息。
她说她最近很慌。不是那种「听说AI要取代设计师」的泛泛焦虑，而是一种非常具体的感受——她花了三天打磨的一套视觉稿，同事用AI工具两个小时出了一版，领导说「差不多，就这个方向吧」。
她问我：「我这七年，是不是白练了？」
我没有办法给她一个让她立刻放松的答案。因为她的感受是真实的，这件事确实在发生。
但我想说清楚的是：被杀死的是哪一类设计师，以及，护城河究竟在哪里。
01 一个没有掀起太大浪的行业信号
2025年10月，Google Cloud裁掉了超过100个设计和UX研究岗位。
被砍掉的具体是什么团队？「量化用户体验研究团队」和「平台与服务体验团队」。部分设计团队直接缩减了50%。与此同时，这部分预算全部转移到了AI工程和基础设施上。
这件事在设计圈的讨论热度，远不如某个新出的AI生图工具。
但我觉得，这才是真正值得每个设计师认真对待的信号。因为Google砍的不是边缘岗位，不是「公司养了一批闲人」——而是那些原本被认为有专业壁垒的、用数据和研究来支撑设计决策的人。
如果连这类岗位都在被压缩，那威胁的边界，比很多人想的要宽得多。
02 我造了一个词：像素推演者
在我看来，这一轮AI真正在杀死的，是我称之为「像素推演者」的这类设计师。
什么叫像素推演者？就是以执行精准度为核心竞争力的设计师：在既定的规范和产品框架内，把每一个细节推演到位。走查间距、对齐组件、细化视觉稿、把原型的每一个页面连起来。
这类工作在过去很有价值。因为做好它，需要大量时间积累的肌肉记忆和审美直觉，不是任何人短期内能替代的。
但现在，Figma Make可以用一句话描述生成可交互的原型初稿。AI可以把静态设计稿自动连接成完整的可点击流程。从文字需求到UI布局，AI可以在几分钟内给出一版有模有样的起点。
这不是宣传，是已经在生产环境中被使用的功能。
招聘数据也在印证这件事。SignalFire的报告显示，2024年大型科技公司的应届生招聘比2023年下降了25%。入门级设计岗位出现了明显的结构性收缩——不是因为业务下滑，而是因为AI已经可以承担那些「让新人练手」的执行工作。
逻辑很简单：当AI能完成初稿，公司就不需要靠招初级设计师来「培养执行层」了。
03 我自己经历过的三个分水岭
做设计这些年，我清晰地感受过三次行业的震动。
2016年前后，设计师从PS大规模迁移到Sketch。工具换了，但核心工作没变——依然是视觉执行为主。跟上工具的人，基本没有受到冲击。
2019年Figma普及，这次除了工具升级，还带来了一个更重要的能力要求：组件化思维和设计系统。不懂设计系统的设计师开始明显吃亏，不只是效率低，而是在协作里越来越被动。
2023年之后这一轮，和前两次的本质完全不同。
前两次是工具升级，换工具就能跟上。这一次动的是能力结构本身——那些靠时间堆砌起来的执行型能力，正在被AI快速平替。
我在完整带过 26 期实战课程，观察了几百个不同背景的职业转型者和新人后，我的感受非常直接：现在入行的新人，借助AI工具之后，在视觉执行层面能很快达到两三年经验设计师的产出水准。
这对资深设计师意味着什么，我不想说得太重，但也没有办法假装这件事不存在。
04 那护城河在哪里
我的判断是：资深设计师的护城河，从来就不是「执行得更精准」，而是「判断得更准确」。
只是过去，这两个能力经常长在同一个人身上，我们误以为它们是一回事。AI的出现，把它们强行拆开了。
第一条护城河：对复杂问题的结构拆解能力。
我带学生做过一个蓝领劳务管理系统，三个角色：工人端、推荐人端、驻场端。
我让AI直接生成这个系统的招工首页——三秒钟排版出来，似乎看起来可以用。
但它解决不了一个核心问题。
推荐人的收益来自「成功送厂」，所以他有动机把工人信息包装得尽量好看；驻场人要在工厂现场线下接待，他需要的是真实、准确、能对上号的工人状态；而工人自己在小程序里看到的岗位信息，和推荐人那边发出去的版本，不一定是同一套数据。
三方利益不同、操作入口不同、信息更新节点不同。
AI画得出每个角色的单独界面，但它推演不出这三套系统在「面试安排→入职确认→状态回传」这条链路上，信息应该怎么流转、谁在哪个节点有权限改状态、出错了算谁的责任。
这个问题不是视觉问题，是系统判断问题。在动手画任何一个页面之前，你得先把这些账算清楚。AI给不了你这个答案，因为它理解不了人与人之间的利益结构。
第二条护城河：带泥土气息的用户洞察。
AI坐在云端，它能抓取几十万条评论，跑出一张结构清晰的用户画像。
但它感受不到工厂车间的噪音环境下，工人掏出手机的那三秒钟是什么状态。它不知道驻场HR在同时应付十几个人签合同的时候，页面跳转多一步意味着什么。它也体察不到推荐人在结算返佣时，如果数字对不上会有多强烈的不信任感。
真正有价值的洞察，往往藏在那些说不清楚、写不进需求文档的地方。这需要你真实地待在那个场景里，带着问题去观察、去感受、去被真实的混乱砸中过。
这是机器永远存在的盲区。不是因为算力不够，而是因为它没有身体，没有处境，没有在某个具体的现场待过的经历。
第三条护城河：跨角色的沟通和推动能力。
复杂项目里，设计师的核心价值，很多时候不是出图，而是在产品、技术、业务、客户之间，真正搞清楚「谁的问题是真问题」。
资深设计师在会议室里推动对齐，不再仅仅是靠嘴皮子和静态线框图。当你面对极其混乱的需求，各方争执不下时，资深的做法是利用 AI 快速跑通一段包含基础逻辑和代码的高保真 Demo。直接把这个“活”的、能点得通的界面拍在桌子上，用降维的工程化手段让业务和开发对齐。这不叫翻译需求，这叫用 AI 拿到谈判的主导权。
05 给自己的一个诊断
我有时候会做一个思想实验：如果把自己身上「纯执行层」的能力全部去掉，我还剩什么？
能不能在动笔之前就把系统的利益结构算清楚？能不能在混乱的需求里找到真正的问题？能不能让各方在会议室里真正对齐，而不只是点头说好？
这些能力，AI替代不了。
回到我朋友的那个问题——她七年练的东西，是不是白费了？
如果这七年，她练的主要是「执行得更精准」，那确实值得认真重新审视了。但如果这七年，她在项目里摔过、在甲方那里被怼过、在需求混乱的时候硬着头皮把系统梳理清楚过——那些经历，AI一天都没有经历过。
资深设计师现在需要做的，不是去学更多AI工具，而是把那些原本附着在执行层上的高价值判断力清晰地剥离出来，认识到它们的价值——然后把它们变成别人看得见的东西。
这件事，越早想清楚越好。
