中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

大模型誕生的那段時間，常有傳言說設計師等崗位將會被AI所取代，是不是意味著以后設計師的職業就不存在了呢？其實不是。本文作者為我們詳細分析了AI時代設計師的價值和如何成長，一起來看看。

最近一段時間一直在思考目前設計師的作業模式是否已然被 AI 改變？ 設計工具經歷了從傳統的Photoshop到各種 AI工具的轉變， AI逐步覆蓋設計領域的各個方面，從圖像GC、文本GC、音頻擬合到視頻生成，AI的應用覆蓋了媒體的所有模態?，F在，設計師可以通過簡單的文字描述生成高質量的矢量圖標和3D插畫，甚至幾分鐘內生成虛擬人物圖像，且不用擔心版權問題。通過SD不僅能快速生成高質量的設計素材，還能根據用戶需求進行個性化定制。

視覺設計方向的大部分工作已經被 AI完成，從業多年的設計師所追求的美感被降本增效的老板摧殘，不再去打磨細節了。而剛入職場的菜鳥，如果你v不具備駕馭 AI的能力或相關使用經驗，你甚至找不到一份設計的工作。

因此，我先說一個暴論：AI時代下，設計師會被干掉90%。

但設計師這個崗位是不會完全消失的，設計師是被AI取代的嗎？其實也不能說是取代，只能說AI作為一個工具，很多人不會用。就像PS軟件一樣，放普通人手里就真的只是PS，而放到設計師手里就是Photoshop。 AI也一樣，僅面向設計師來說，它就是一個劃分傳統設計師和新時代設計師的分割線。 現在大多數設計師都不用PS了，注意，先別噴，我說的是大多數！而還有一部分大神依然憑借PS的高超技法，讓目前的AI生圖望塵莫及。但是又有多少人呢？又有多少差距？

AI的覆蓋不僅在響應效率上，有的人說AI不就是生成的快嘛，但是生成的一塌糊涂，質量不行。但你要知道AI從進入大眾視野，到現在才發展了多久？從23年初AI生成人手都慘不忍睹，6個指頭、7個指頭的。到現在Flux模型出的圖足以以假亂真。你不可否認，目前設計師打開AI工具（MJ、SD等）的頻率是遠超于PS的，起碼我在整個一年的設計工作中，打開PS的次數不會超過 10次。

在這樣的一個AI洪流的沖擊下，設計師的作業模式已然悄聲發生改變。

一、AI時代，設計師的價值在哪里？

先說結論，設計師肯定是具備先天優勢的，因為現在缺的是會提問的人，而不是有能力回答問題的人。

為什么這么說？

是因為現在是大模型時代，任何的結果都可以通過模型快速得到結果。你就算是PS大神、就算是可以一下午畫10張圖、20張圖那又怎樣？只要模型訓練好，老板可以一分鐘拿到100個結果，如果不滿意點擊刷新，又是100個。

盡管模型生成的圖片質量可能只有60、70分，比不上你人工做的 90+的效果，但是架不住它響應快且產量大啊，而且模型是具備線性成長的，只要不停訓練，給它“升級”。它之后的輸出質量會穩定在70+、80+ 甚至90+ ?。?！而人工的輸出不具備這種穩定性，即便你有能力產出100分的結果，你也不可能次次都能保持巔峰水平，而模型可以！

因此現在會輸出、會解答的人并不缺，缺的反而是懂得提問、懂得制定規則的人。當你提問的時候，你就已經知道會有什么結果。而需要做什么的規則制定才能讓結果更接近你的預期，這才是現在版本需要去思考的點?。?/p>

尤其是在圖像生成方面，一個懂構圖、光影、色調等美學的設計師，顯然比僅僅依靠個人美感判斷的人更能與AI溝通，創造出更具價值的設計作品。例如，設計師可以通過AI生成初步設計，然后利用自己的專業知識進行細節調整和優化，最終完成高質量的設計作品。

批量生圖SOP

還是以目前我們部門目前的批量素材生成需求為例，就可以很清晰看到當你把自動化流程、規則前置好，輸出的結果是人力遠遠不及的。我們去搭建了一整個SOP，將批量生圖做成工程化，批量產圖SOP的設計需要明確每一個流程節點，保證高效、標準化的操作。

傳統的SOP流程

之前傳統的產圖SOP，需要投入的人力大概在5個：

• 技術開發同學：負責編寫工程文件，預留SD的API接口，保證系統能夠靈活調用SD進行圖像生成。
• 模型煉制設計師：負責煉制Lora，確保產出的素材符合公司需求的統一風格，能夠滿足不同類型素材的需求，如3D風格、插畫風格和真實場景等。
• prompt編寫設計師：編寫CSV，確定圖像生成的具體需求（即生圖prompt）。
• 素材審核員：在圖像生成完成后，整理和審核輸出的素材。制定素材入庫的視覺標準，區分素材為三類：一類是達到視覺標準，無需二次調整的素材；一類是有略微瑕疵，二次調整后可達到入庫標準的素材；一類是嚴重異形、畫面雜亂等素材，無修改價值的素材。
• 素材管理員：針對素材的業務、類型、標簽、命名做有效分類，確保素材在平臺上的可查找性和可管理性。

整個SOP的運行中最核心的是prompt編寫設計師的角色，他需要調控prompt和替換lora，需要去調試工程文件中的節點。技術開發同學和模型煉制設計師其實都是前置資源，從產圖到入庫可使用的這個邏輯是這樣的：

由prompt編寫設計師編寫csv條目，一個條目是一個圖像生成的prompt，所以批量生產同樣的需要批量寫prompt，prompt影響最終產圖的質量。例如我們編寫10個prompt，那就可以產出10張素材。編寫100個，那就可以產出100張素材。但人工編寫的過程非常耗時耗力，這個節點是否可以借助AI的能力去提效？又該如何接入AI？這個可以先思考一下，我們接著鏈路往下看 ??

當批量產出素材后，例如今天產出2000張素材，將素材轉接給素材審核員，按照入庫的視覺標準將素材進行分類和二次調整。2000張圖需要多久，不包含調整的過程，只去審核區分素材就需要1-2個小時。那20000張呢？這個節點是否有AI運作的空間？??

當素材處理完，假設良品率為40%，可直接入庫的素材為800張，由素材管理員進行分類和素材信息標注。當然我們也可以只給素材命個名，如:3D紅包.png 那如果有200個不同的紅包素材，素材如何有效召回，所以素材如何有效管理，之前傳統的素材管理，是將命名作分級，如：業務A/3D/紅包/裝滿金幣。那僅這個命名過程，假設一張素材命名需要5s，那800張僅命名大約需要1.11小時。那這個時間是否可以借助AI給吃掉？

AI節點式提效后的流程

ok，我們梳理一下整個產圖到入庫的流程鏈路，其中費時費力的節點：

• prompt批量編寫
• 素材審核
• 素材分類及信息標注

這些節點如何借助AI做提效或者直接用AI的能力給吃掉。我是借助GPT的能力，讓技術同學預留出GPT的API接口，我負責煉制GPTs，將調試好的prompt發給前端，在工程文件中調用。在多個節點安插GPT：

輸入想要的素材關鍵詞及數量–批量產出prompt條目（AI 助力）–導入csv需求單–運行程序–調用SD做批量產圖–素材質量篩選，將素材分類（AI 助力）—素材信息標注（AI 助力）

所以除了前置資源，前端提供的工程文件和模型煉制設計師提供的lora，剩余的事情只需要一名設計師即可，不僅減少人力成本，而且效率還比之前高數倍甚至數十倍。

具體的 3個助力節點暫時就不一一細講了。我僅著重說一下關于生成規則的制定和產出邏輯：

批量產出prompt條目

圖像命名(不可重復),圖像內容(50字以內),不希望圖像出現(沒有填無即可),圖像模型風格(必填),圖片預生成數量(1-30)

如果有同學用過生圖的軟件，就會知道提示詞。不同軟件的提示詞結構都是不同的，但核心不變，就是講清楚你要生成的主體。那上面這個提示詞撰寫的規則也非常好理解。“圖像命名”有點類似于ID 的邏輯；“圖像內容”正向提示詞，描述要生成的圖像主體；“不希望圖像出現”反向提示詞，規避不想要的元素；“圖像模型風格”確定模型lora，模型煉制設計師目前已經煉制了 13 個不同風格的lora，需要在提示詞中明確出來你想要的圖像風格：“圖片預生成數量”確定生成數量，同一提示詞多次產出。

完整示例：科技感轎車1,單個科技感轎車，藍色系，立體呈現，q版圓潤風格，極簡風格，簡單構圖，白色背景，3D渲染，等距視角,復雜細節，多余的元素，最差質量，低質量，低分辨率，糟糕的手，手指缺失，壞解剖，錯解剖，模糊，額外的數字，低質量，水印,3D-通用模型,20

僅僅這一條提示詞，就可以生產出20張相似風格的轎車素材。然后我們借助Agent，將生圖規則投喂給模型，就可以做到提示詞量產。那就會是20*20、100*20的數量級產出，而這僅僅只需要不到 1h 的時間，你告訴我人力如何追趕？

而在這里面重要的是什么？是提示詞怎么寫嗎？

我覺得是個人都有描述能力：一個什么顏色的車、什么視角、什么裝飾元素…這都是再基礎不過的編寫而已。而最最終重要的就是這個規則如何定義！可以讓模型亦或是其他人可以根據你制定的規則去做到量產。

所以為什么說設計師的創意和審美是AI無法替代的，AI更像是一個有巨大天賦的幼童，如果你可以明確告訴他應該怎么去做、做成什么樣算好的，那你才算是真正會用 AI。

僅以圖像GC來說，美學標準和設計師自身的審美，會極大的影響生成效果。這也就是當下設計師的價值所在。因為再往后，新入行的設計師還需不需要去了解光影、結構、環境色、色調等等，還真的不知道….因為 AI直接一鍵生成，根本不需要用傳統的繪畫技法再去精雕細琢了。

你覺得老板是要藝術家還是要一個秒出圖的AI設計師呢？

二、作業流程變化

而設計師的設計流程也受到 AI的影響在發生著深刻變革，傳統的線性設計流程逐漸被更加靈活、高效的非線性流程所取代。

AI工具的引入，使得設計師能夠在短時間內生成大量的創意原型，然后進行篩選和優化。例如，利用AI進行圖像生成、文本創作、音頻處理和視頻制作，可以大幅提升設計效率和質量。

具體實例中，設計師可以使用AI工具如Midjourney生成卡通人物圖像，只需簡單輸入關鍵詞，幾分鐘內即可得到多種風格的圖像供選擇。AI工具還可以幫助設計師進行智能排版和圖像后期處理等工作，縮短設計周期，提高工作質量。

傳統作業模式（UI）

在 AI加持下，產品形態也越來越豐富，作業模式也與傳統的作業模式也悄然發生變化。現有的 GUI作業流程大多依賴于人工設計師的精細操作。這些流程通常包括以下幾個步驟：

1. 需求分析與溝通：設計師通過與客戶或產品經理溝通，獲取產品的功能需求，并進行可行性分析。
2. 原型設計：基于需求分析，設計師制作UI原型圖，通常使用設計工具（如Sketch、Figma）進行視覺排版。
3. 交互設計：設計師根據用戶體驗要求，設計交互效果和用戶操作流程，確保UI界面順暢、易用。
4. 高保真設計與實現：最終設計稿完成后，交給開發人員進行前端實現。

這一流程是線性的，依賴于設計師的人工參與，且時間較為冗長，容易受到人為錯誤和偏差的影響。此外，由于各環節之間的反饋周期較長，跨部門的協作溝通也時常導致效率低下。

新型作業模式（AI&UI）

AI&UI融合生成，即通過人工智能和用戶界面設計的結合，能夠實現從需求到設計的智能生成，并自動化多個設計環節。主要步驟：

1. 智能需求分析與提煉：通過AI模型對客戶需求的自動化提煉，系統可以快速生成初步的設計方向，減少人工在需求分析階段的負擔。
2. 自動化原型生成：利用AI算法，結合用戶輸入的需求，自動生成多個設計方案，并依據用戶反饋快速調整和優化原型設計。
3. 智能交互與視覺效果設計：AI能夠根據用戶行為和交互數據，智能預測并生成最佳的交互設計方案，優化用戶體驗，減少手動調整的時間。
4. 實時反饋與優化：通過AI的自學習能力，系統能夠實時根據開發階段的進展和反饋自動調整設計，從而提高產品上線的速度。

通過AI與設計的深度融合，設計師不再需要耗費大量時間在繁瑣的細節上，而是將更多精力集中在創意方向的引導和決策上，從而大幅提高了工作效率。

模式的迭代，其主要原因在于：

1. 設計對象發生轉變

設計對象從單一的設計師轉變為設計師、產品經理、工程師和算法訓練師的協同作業。每個環節都緊密相連，任何一個環節的輸出都會影響其他環節。

2. 環節間的協同作業

AI 融合的設計流程不再是單向傳遞，而是形成了一個閉環。設計師、產品經理、工程師和算法訓練師需要緊密合作，共同維護設計標注規范和評測集。每個環節的輸出都可能成為其他環節的輸入，形成協同作業模式。

3. 新增“模型訓練師”角色

新增了“模型訓練師”這一角色，主要負責訓練和優化AI模型，確保輸出的文案、圖表等內容符合設計規范和用戶需求。

4. 設計表達樣式實現方式的變化

AI融合后的設計表達樣式不再局限于傳統的視覺呈現，還包括了模型訓練生成的內容。設計表達范式更加注重信息的清晰度和結構的合理性，強調重點信息的加粗和分段展示。

5. 內容范式的明確

在 AI的輔助下，內容范式更加明確，強調信息的層級和結構。設計輸出的內容需要遵循一定的規范，包括重點信息的加粗、分段展示、圖表和圖文的合理搭配等。

三、AI“百家爭鳴“，我們能做什么？

隨著 AI“百家爭鳴”，新的崗位也不斷涌現，如AI訓練師、Prompt工程師、數據標注師等。傳統的設計崗位也在發生裂變，出現了模型煉丹設計師、AIGC設計師、AI視覺設計師等新角色。例如，AI訓練師負責訓練和優化AI模型，使其更好地適應設計需求；Prompt工程師則通過優化輸入指令，提高AI生成內容的質量和準確性。

在 AI時代下，設計師如何擁抱變化呢？我覺得可以大致分為兩個方向：視角和認知擴展，以及能力邊界擴展。

視角和認知擴展

設計師的視角和認知需要擴展，尤其是在面對AI和大模型的深度融合時。這不僅僅是技術層面的適應，還包括從更高層次上理解設計的角色和責任。具體的擴展動作包括：

熟悉上下游作業

設計師不僅需要理解自己的設計工作，還需對整個作業流程的上下游環節有清晰的認知。這意味著，設計師要深入了解需求分析、產品規劃、開發實現、測試反饋等各個階段，以及與這些階段緊密關聯的團隊成員和工作內容。這種全流程的理解有助于設計師更好地把握設計目標與客戶需求，并在與其他部門協作時形成共識。

認知不同實現方式

隨著大模型技術的引入，設計師需要了解AI在設計中的應用與實現方式。傳統設計是依賴人工操作的，而在大模型下，設計方案可以由AI生成，甚至可以根據數據和用戶反饋實時優化。設計師需要認識到這種轉變，并理解AI如何輔助或替代傳統的設計流程，同時把握AI在設計中的局限性與優勢。

能力邊界擴展

隨著設計工具和工作流程的進化，設計師的能力邊界也在不斷擴展。新的工作環境不僅要求設計師具備傳統的設計能力，還要求他們具備更多技術性和戰略性技能。具體的能力擴展動作包括：

表達范式設計

在AI和大模型的環境下，設計師不僅要設計視覺界面和交互，還需要參與到“表達范式”的設計中。這意味著設計師要考慮如何利用新的技術表達設計想法。例如，如何通過AI生成的設計快速表達不同的創意方向，如何利用AI優化設計文檔與提案的呈現方式等。這是一個新的挑戰，要求設計師跳出傳統的設計思維，具備更廣泛的創意和表達能力。

模型prompt學習

設計師需要學習如何通過模型的prompt來引導AI生成所需的設計結果。AI模型的輸出通常依賴于輸入的prompt質量，設計師需要掌握如何精準地設計prompt，以獲得最佳的設計方案。這不僅涉及到對AI工具的使用技巧，還需要設計師具備一定的計算思維，能夠根據設計目標調整prompt，從而高效地利用AI完成復雜的設計任務。

結語

AI技術的發展正在深刻改變設計行業的格局，設計師需要不斷學習和適應新的技術和工具，才能在未來的職場中立于不敗之地。雖然 AI可能會取代大部分基礎設計工作，但設計師在創意、美學和人機協作方面的價值依然不可替代。通過不斷提升自己的技能和創新思維，設計師可以在 AI時代找到新的價值和機會。