夜雨聆风
在数字技术快速迭代的当下，AIGC正以颠覆性力量重塑视觉、产品、空间、交互等设计领域的工作模式，Midjourney、GPT等工具不断降低创作门槛，也让学生、设计师与教育者陷入普遍困惑：AI设计为何总难达预期？工具如何选择？AI是否会取代设计师？留学与职业规划该如何调整？传统设计教育是否仍有价值？
围绕这些痛点，LAC国际艺术留学邀请到了杭州万有引力数智科技联合创始人Zhang老师、数字科技研究院AIGC研究员Shao老师，一起解读AI与设计的关系。两位嘉宾拥有非常丰富的工业、交互、视觉设计与AI结合的实战经验，而且一直走在AIGC与设计融合发展的最前沿。在直播中，两位老师一起聚焦AI设计效果不佳的根源、AIGC工具选择、留学作品集突围、AIGC未来趋势、设计专业与职业规划等五大核心议题，为设计学习者、从业者与教育者提供了系统解决方案与前瞻思路。
本文将完整梳理本次直播的核心内容，深度剖析AIGC时代设计行业的变革逻辑与破局之道。
AI 设计效果不佳：不是工具不行，而是认知与方法全错了
当下设计学习者普遍面临困境：花大量时间使用 AI 工具，却始终生成不出符合预期的成果：如Midjourney 产品图好看但无法落地，AI 视觉设计排版混乱、层级不清。很多人归咎于工具缺陷，而两位嘉宾从工具定位、设计基础、使用方法、AI 本质局限四个维度，揭示了核心问题。
工具定位认知错误
用错工具，再努力也白费
AIGC 工具各有功能边界，盲目使用必然效果不佳，在直播中老师们明确了主流工具的核心定位——
■Midjourney
Midjourney 是当前最流行的 AI 图像生成工具，其优势在于极强的艺术表现力、风格多样性与视觉冲击力，适合用于设计初期的创意构思、造型发散、风格探索，但不可控、不适合落地设计，不能直接用来做最终效果图。
■Gemini Banana
相较于 Midjourney，谷歌 Gemini 旗下的 Banana 模型更注重可控性与逻辑性，能够实现对设计对象的局部修改、结构调整、视角控制，适合用于产品结构设计、视觉细节优化、场景精准搭建等需要精准操作的环节。
■ 本地部署模型 + PS
在线 AI 工具无法实现的材质微调、结构修正、细节重绘，需要借助本地部署的模型（如 ComfyUI）与 Photoshop 结合完成。这是设计落地的最后一环，也是 AI 工具无法替代的人工环节。
在这里，两位嘉宾特别强调：AI 设计的核心是工具组合使用，而非单一工具依赖。创意阶段用 Midjourney，精准控制阶段用 Banana，细节优化用本地模型 + PS，只有明确工具分工，才能发挥 AI 的最大价值。
设计基础严重缺失
没有底层能力，AI 只是 “空中楼阁”
很多学生误以为有 AI 就可以放弃传统设计基础，这是严重误区。设计的核心是前期的设计策略、用户分析、目标定位、规范标准、落地逻辑，而非单纯视觉输出，这些正是 AI 无法替代的。
■产品设计
AI 能替代建模渲染，但不懂结构合理性、成本、加工工艺、人体工学，生成的产品常出现元器件错误、交互逻辑混乱，只能看不能用。
■视觉设计
AI 可出好看图形配色，但无法把控字体规范、信息层级、排版逻辑、尺寸工艺，作品美观却不实用。
■所有设计
色彩、空间构成、网格排版、手绘、用户思维等传统基础，决定了使用 AI 的上限。没有基础能力，就无法判断 AI 产出好坏，更无法精准引导 AI。
使用方法不当
提示词与操作逻辑存在核心漏洞
■语言描述存在天然偏差
文字表达具有模糊性，再细致的描述也可能让 AI 产生理解偏差
■追求一步到位，缺乏迭代
AI 设计需要分步优化，先生成初稿再逐步调整，无法修改的细节直接用 PS 处理更高效。
■未建立个人提示词库
应按产品、视觉、字体、海报等场景整理提示词，形成素材库，避免重复试错。
■未做专业预设
通用大模型需先预设为设计专家身份，再进行沟通，产出会更精准。
两位嘉宾共同指出，AI 的核心是大数据整合生成，而非真正创造。它能融合现有作品做出好看效果，但不具备人类的原创思维、情感表达、现实逻辑。
AIGC 工具科学选择：告别盲目跟风，按需选择高效工具
当前 AIGC 工具迭代速度极快，学生往往陷入 “工具焦虑”，不知道该学习哪款工具、如何选择适配自身专业的工具。在直播中，老师们结合工具性能、专业场景、使用成本，给出了系统性的工具选择与使用建议。
工具选择的核心原则
看榜单、多试用、针对性付费
■参考国际AI模型排行榜
国外专业 AI 模型按文生图、图生图、局部编辑、文本处理等细分能力排名，直观显示各场景最优工具。目前文生图中 GPT第一、Gemini Banana 第二，是创意生成首选。
■利用免费积分试用，匹配自身专业
利用平台新用户免费积分试用，判断工具适配性。中文字体、国风设计优先选国内极梦；英文、高端视觉创作更适合 GPT、Midjourney。
■拒绝全平台付费，针对性开通会员
按专业锁定 2–3 款核心工具即可。视觉设计侧重 GPT、极梦；产品设计侧重 GPT、Banana；文本与 PPT 优先用 Claude。
主流 AI 设计工具精准适配表
结合设计专业与使用场景，两位嘉宾整理了最实用的工具适配方案：
工具选择的核心建议
重实用，弃复杂
■入门级：通用大模型即可满足需求
对于绝大多数设计学生，只需掌握 GPT、Midjourney 等通用大模型的基础操作，就能完成 80% 的设计学习任务。这类工具操作简单，如同聊天对话，无需复杂学习，有基础审美即可产出优质视觉内容。
■进阶级：按需学习底层工具
ComfyUI 等本地部署工具涉及模型原理、节点操作，学习门槛较高，仅适合有批量工作、研发需求的学生或从业者。普通学生无需盲目学习底层工具，避免陷入 “技术内卷”。
■警惕过度复杂化的课程
市面上部分 AIGC 课程故意将简单操作复杂化，贩卖焦虑，实则很多复杂操作早已被新版大模型一键替代。学生只需学习当下有效、实战能用的技能，拒绝过时、冗余的技术学习。
AIGC 时代设计留学作品集：视觉为基，思考为王
设计留学是众多设计学生的核心目标，而作品集是留学申请的核心竞争力。在 AIGC 时代，AI 让所有学生的视觉效果都能达到较高水平，传统 “拼效果图、拼软件技巧” 的作品集思路彻底失效。
两位嘉宾与LAC艺术教学主管Giny老师一起，结合多年留学作品集指导经验，明确了新时代作品集的突围路径。
重构作品集核心逻辑
视觉效果是基础，思考过程是核心
■视觉效果权重大幅降低
AI 已把优质效果图变成基础门槛，视觉效果不再是区分作品集优劣的关键，而是必须达到的基础门槛。
■思考逻辑与落地性成为核心竞争力
考官更看重设计思维、问题解决能力、项目合理性与原创思考，项目背景、用户需求、调研过程、结构工艺、落地可行性等无法被 AI 替代的内容，才是真正的竞争力。
打造差异化作品集的三大核心方法
■绑定真实项目背景
■加入真实调研与数据支撑
■突出 AI 辅助逻辑，而非 AI 生成结果
作品集避坑三大禁忌
■忌为视觉效果自圆其说
很多艺术生在项目初期预设视觉效果，后期强行拼凑逻辑，让设计思路混乱、牵强。在 AI 辅助下，这种逻辑漏洞会被放大，无法打动考官。学生必须先理清设计逻辑，再进行视觉创作，拒绝 “视觉优先、逻辑后置”。
■忌放弃传统设计基础
作品集中需保留手绘草图、基础构成、规范标注等传统设计内容，证明自身具备扎实的设计功底，而非完全依赖 AI。手绘、排版、色彩等基础能力，是考官判断学生设计潜力的核心依据。
■忌纯 AI 效果图堆砌
整本作品集全是 AI 生成的炫酷效果图，无思考、无调研、无落地逻辑，会被考官直接判定为 “无设计能力、仅会使用工具”。作品集需遵循 “思考过程 > 设计逻辑 > 落地可行性 > 视觉效果” 的排序。
AIGC 未来发展预判：3-5 年贯通设计全流程，设计师角色彻底转变
面对 AIGC 的飞速迭代，行业内充满了 “设计师将被取代” 的焦虑。两位嘉宾结合技术迭代速度、企业实践、行业趋势，对 3-5 年内 AIGC 的发展与设计师的角色转变做出了前瞻性预判。
技术发展
AI 将实现设计全流程自动化
■迭代速度远超预期
从 2023 年底 Banana 模型实现精准控制，到 2024 年 GPT-4o 实现细节、视角、纹理的精细化控制，AI 设计能力的迭代仅用半年时间。当前企业内测的大模型版本，能力已远超公开版本，技术突破呈指数级增长。
■3-5 年实现全流程贯通
未来 3-5 年，AI 将彻底打通需求分析、资料收集、任务拆解、创意生成、精准设计、细节优化、落地输出的全设计流程。设计师只需提出核心需求，AI 即可自动完成全流程工作，实现 “个人专属设计员工” 的功能。
■通用大模型走向专业化
AI 将从通用模型转向设计专用模型，针对工业设计、视觉设计、交互设计、建筑设计等专业领域优化，理解专业术语、设计规范、落地逻辑，大幅降低设计沟通成本。
设计师角色转变
从执行者到决策者、管理者
AI 彻底替代基础设计执行工作后，设计师的角色将发生根本性转变：
放弃基础作图、渲染、排版等执行工作
这些重复性、低价值的工作，将完全由 AI 替代，设计师无需花费时间在软件操作、效果图制作上。
■转向设计决策、项目管理、商业思考
设计师的核心工作变为：提出设计需求、判断 AI 产出质量、把控设计方向、管理设计流程、思考商业价值、对接用户需求，成为设计决策者与项目管理者。
■强化跨学科综合能力
设计师需要融合人工智能、计算机、材料学、市场营销等多领域知识，成为综合型设计人才，适配 AI 时代的行业需求。
■替代与不可替代：淘汰基础岗位，核心创意永远稀缺
可替代的设计工作
约 95% 的基础设计岗位将被替代，包括纯视觉作图、基础渲染、简单排版、机械性图标设计、模板化海报设计等低价值、重复性工作。
永远不可替代的核心能力
■原创创意：人类独有的灵光乍现、情感表达、创新思维，AI 无法复制；
■落地逻辑：结构、工艺、成本、人机交互等现实逻辑，AI 无法精准把控；
■审美判断：高级审美、艺术品味、风格把控，需要人类设计师主导；
■情感价值：设计背后的文化、情感、故事，是 AI 无法生成的核心竞争力。
两位嘉宾强调，AI 浪潮如同工业革命，淘汰的是低技能劳动者，而非核心创作者。设计师无需焦虑，只需顺应趋势，提升核心能力，就能在行业变革中占据优势。
AIGC 对不同设计专业的冲击程度差异极大，很多学生在专业选择、职业规划上陷入迷茫。两位嘉宾结合专业属性、行业需求，给出了清晰的专业分析与职业建议。
不同设计专业受 AI 冲击程度分析
■冲击最大：视觉传达设计
视觉设计是 AI 最先突破、最易替代的领域，纯图像生成、基础视觉创作、简单排版等工作，已能被 AI 高效完成。视觉设计师需从 “作图者” 转向品牌决策者、审美把控者、创意主导者，聚焦品牌策略、视觉规范、高级创意等 AI 无法替代的环节。未来视觉设计大概率会成为所有设计专业的基础课，而非独立专业。
■冲击较小：产品结构、交互、建筑设计
这类专业涉及空间结构、物理规律、人机交互、逻辑框架，AI 仅能替代外观渲染、基础图标等表层工作，核心的结构设计、交互逻辑、功能布局、建筑规范等内容，无法被 AI 替代。尤其是产品结构设计、CMF 设计（颜色、材料、表面处理）、实体制造业相关设计，是当前市场极度稀缺的人才类型。
■潜力专业：交互设计、艺术与科技、人工智能 + 设计
交互设计注重逻辑、体验、效率，AI 仅能替代界面作图等基础工作，核心的交互框架、用户体验、功能逻辑需人类把控。同时，国内外顶尖院校纷纷开设艺术与科技、人工智能 + 设计等跨学科专业，设计与计算机、工程、材料结合，成为未来设计专业的核心趋势。
设计专业选择
遵从热爱，拒绝功利跟风
■功利角度：优先选择交互、产品结构类专业
■长期角度：永远遵从自身热爱
■核心能力：学习能力比专业选择更重要
设计教育转型
传统基础不可丢，跨学科融合是趋势
■传统设计基础永远是核心
高校设计专业逐渐重拾手绘、构成、规范等基础教学，证明传统基础能力的不可替代性。无论 AI 如何发展，色彩、排版、结构、审美、手绘等基础能力，都是设计学习的根基。
■设计教育走向跨学科融合
国内清华、浙大、江南大学等顶尖院校，已将设计专业与计算机、工程、材料、人工智能等学科融合，开设艺术与科技、数字媒体、人工智能 + 设计等专业。未来设计教育将以综合型、跨学科、实战化为核心，培养适配 AI 时代的设计人才。
■学生无需过度焦虑
当前行业与教育都处于探索阶段，即便行业专家也无法精准定义未来设计的最终形态。学生只需保持对设计的热爱、夯实基础、拥抱 AI、持续学习，就能顺应行业变革，找到自身定位。
就业求职
作品集体现 AI 能力，落地性是核心
■企业招聘核心要求
企业不关注设计是否用 AI 完成，只关注设计落地性、效果、商业价值。面试中，只需在作品集中体现 AI 使用能力、设计主导能力，即可满足企业需求。
■作品集求职核心要点
必须体现 AI 辅助设计的过程，证明自己具备新时代设计技能；
突出项目落地性、商业价值、用户价值，体现自身的职场利用价值；
展现学习能力与创新思维，适配企业快速迭代的需求。
AIGC 浪潮不是设计行业的终点，而是全新的起点。它颠覆了传统设计的工作方式，淘汰了低价值的基础工作，却也为核心设计师释放了更多精力，让设计回归解决问题、创造价值、传递情感的本质。对于设计学习者而言，无需恐惧 AI 的替代效应，更不应放弃传统设计基础，而应将 AI 视为高效工具，以基础能力为根，以 AI 技术为翼，强化思考逻辑、落地能力、原创创意与跨学科素养。
在这个变革的时代，真正不可替代的，永远是有思想、有审美、有温度、有创造力的设计师。AI 可以生成千万张效果图，却无法生成人类独有的创意与情感；可以完成重复性的执行工作，却无法把控设计的灵魂与价值。拥抱 AIGC，坚守设计初心，提升核心能力，每一位设计从业者都能在浪潮中找到属于自己的位置，书写设计行业的全新未来。
