AI技术正在成为新一轮的科技革命焦点，可以预见，未来AI对社会生产和用户消费都会带来深远的影响。现阶段AIGC技术生成的图像质量，就已经超越了很多初级甚至中级视觉设计师。我们也在实际工作中进行了AI辅助的尝试（如下图展示的案例）。这篇文章想给大家分享，这段时间我们对AIGC在互联网商业设计这个细分领域中的应用探索和思考。 __________________
首先，我们需要讨论下商业设计的定义。商业设计和艺术设计有着本质的区别，商业设计是以商业目标为最高优先级去完成的一系列设计行为，迎合大众的需求、认知与喜好，从而助力商业目标达成。而艺术设计则更在意的是设计的美学意义、内容形式的创新性与设计理念所指向的设计表现力，或者更强调对于新设计趋势的探索。举一个大家更有体感的例子：我们知道电影也有商业电影和艺术电影。艺术电影着重艺术性，以特定观众为观影对象而非普罗大众，有严肃沉重的刻板印象。商业电影则以院线收入为最高优先级，大众喜欢什么就拍什么，用简单易懂的情节、刺激的画面、爆笑的段子、狗血的剧情牢牢抓住大众的眼球。如漫威英雄系列，尽管内容千篇一律缺乏营养，但丝毫不影响这类商业电影的成功。回来商业设计，通过以上的对比，我们知道商业设计对美学表现、概念创新等艺术要求相对更低。那么AIGC是否适合商业设计呢？我们可以进一步，站在不同的角度去分析AIGC在商业设计中的应用的可能性。01. 站在设计受众角度：AIGC的标准化设计可以满足80%的大众需求在设计界和艺术界有很多不认可AI的声音，认为AI的产出没有灵魂，其大都是站在艺术从业者的角度来看的。如果站在大众用户的角度，我们调查发现，一般人是分辨不出AI创作和人类创作的区别的。同时，我们知道AIGC生图的原理，是基于对大量人类已有的数据集进行深度学习后形成的风格迁移能力。虽不能真正产生原创的艺术风格，但恰好商业设计对风格形式的创新要求也相对较低，也就使得AIGC和商业设计的契合度非常的高。我们认为未来80%的商业设计需求，都可以由AIGC介入完成。02. 站在设计需求方的角度：AIGC相当于便宜且高效的设计服务者 AIGC相关技术成熟之后，将会使设计需求方在需要设计服务时，有了第二个选择 —— AI。特别是一些初创企业，不再需要花费高昂的薪资，去聘请一个设计师。目前市面上已经有了一些类似的产品，如阿里的鹿班、稿定设计、Canva等等。尽管这些工具现阶段主要还是人工设计的模板通过算法进行排列组合。而如果这些工具日后能被AI赋能，可以自行生产素材，低廉的价格加上高效的产出，将会更加被需求市场所接受。可以预见，AIGC将会占领大部分的此类设计市场。![]()
03. 从设计市场的角度：AIGC将引发新的设计工作流变革 我们接着把视角再看宏观一些，从设计市场的角度来看。通过上述的分析，随着AI的发展，设计服务的供给量将大幅增加，所以用户的个性化需求将会得到进一步的满足，即设计的需求也将增加。供需同时增加，势必会引发设计产业的深刻变革。以我们曾经经历过的工业革命为例，当一个工业品的供给和需求都大幅增加时，我们观察到的现象是：生产过程从手工制作转向了批量化流水线生产。我们可以猜测设计产出也可能经历同样的变化：传统工作流会因AI介入产生较大的变化，利用AI探索出新工作流，也就是拥抱未来的设计市场。 ![]()
04. 从社会发展的角度：AI设计工具可能会让每个人都可以进行设计
从社会发展的角度，引用陆奇博士的观点，社会发展和进步的拐点，标志性的是一种商品或者劳务的生产成本由边际转向固定。拿到设计上来说，设计成本可能会越来越转变成设计工具的研发成本，例如Adobe的愿景：人人都能获得创造力，使每个人都可以在任何地方创作他们想要的任何内容。再例如Midjourney：致力于探索新的思维方式并扩展人类的想象力。他们的对象都是“每个人”而非“设计师”，也就是说，在整个行业的努力下，很可能以后人们需要设计服务时，设计师人力成本投入会越来越少，而变成直接由AI工具来完成。这些设计的生产成本也就转化为了提供AI工具的公司固定成本。综上，AI将会给商业运营设计带来非常大的提升和变化。然而我们也不必担心，我们知道历史上曾经发生过许多类似的事情。例如汽车取代了马车，车夫虽然失业了，但是司机却出现了，同时汽车带来的产业链升级，包括汽车设计研发、原材料、销售，进而又催生的交通、旅行、运输等等行业的机会，却是比马车时代成倍的增长的。再例如相机的发明，肖像画家可能失业了，诞生了摄影师的职业，同时影像行业的繁荣，催生了整个摄影、媒体、电视、影视、甚至娱乐文化的兴盛。而设计的未来也一定会随着AI的应用和普及，空间被放大，需求也会增加，也会催生出更多的机会和可能。
__________________
长期，我们谁也无法预知AI将会给世界带来具体什么样的变化。但短期内，我们可以保持对AI的关注和学习，在这个赛道上具备先发优势。好迎接未来可能会发展的变革。我们认为，AI目前给商业运营设计的赋能点在于：这三点，实际上也都对应了我们日常工作中的一些痛点。下面我们会结合实际案例，分享一下我们在实际工作中是如何利用AI的。设计提效是指，利用AI在设计工作流中的各个环节赋能，提升设计效率。例如脑暴、创意设定、执行、素材沉淀等等。下面列举一些实际的案例。ChatGPT等大语言模型，可以很好的扮演一个创意助手的角色。当我们需要发散创意的时候，可以让AI帮忙生成点子，分分钟就能产生几十个不同的思路。除了文字idea，也可以发散一些其他画面的创意。如：确定了大致的元素和画面，通过参考图和关键词，利用图片模型去生成海量的图片创意，进一步开拓设计师的思路。如将上图中的创意“转盘：一个旋转的彩色轮盘，上面标有不同奖品或编号”翻译成英文，通过MidJourney生成不同的图形创意。有时候业务方给出的方向太广，没有太确定的思路。这种需求可以使用AI快速出多版接近成稿的设定，让他随便挑！相比以前找参考再画草图给需求方一遍遍沟通的流程，使用AI又快又直接。以“丘比特”为例，通过Midjourney生成想要风格的对应元素：如一个小孩，丘比特，挥动翅膀飞翔在天空中射箭。由于只是设定阶段，快速合成大感觉即可。细节不好的地方，可以用多张图取长补短来合成。
当遇到一些紧急的需求，且对设计的方案的定制性没有特殊要求的时候（这里的特殊要求指：没有特定的IP形象、品牌固定元素等要求）。可以使用一些标准的AI设计流程快速响应，特别在一些通用主题的日常设计中，非常适合这种场景。头图设计的时间由常规的2-3天缩短到0.5天。脑海里构建对画面的大致想法。例如一个女孩微笑着张开双手，3D风格。并不做具体动作细节的要求，生成合适的即可。后期再抠图处理加排版，也可以再借助AI生成一些装饰素材，如：花、天空等，来丰富画面。脑海里构建对画面的大致想法。例如一个年轻时尚的女性，坐在购物车里，插画风格。输入相应的关键词，一次性让AI多生成一些，有可能同一句关键词给到的是完全不同风格的画面，选择一个合适的即可。利用AI的能力，其实也可以做一些效果丰富的视觉。例如在《快手全民挑战》这个项目中，我们利用AI生成玻璃金属质感的装置元素，并通过后期处理添加动效方式进行展示，提升活动氛围。搜集风格参考，确定画面的表现风格，构思画面需要的元素。有些大批量的物料，例如一些常用模板的背景图，很适合用AI来产出。例如我们在《磁力学》产品中，课程的封面设计尝试使用AI批量生成，在极短的时间就可以产出多张同种风格的系列封面。设计思路：在B端行业应用中，有很多抽象的概念：例如营销、转化、投放、审核等等等，这种概念我们很难找到一个所有用户共识的图形来表示。所以这种场景下的图形设计更多的是体现的专业感，突出文字内容辅助信息传达，不需要表达某个固定的语义。因此可以利用AI大批量产出几何或者图形纹理感的背景，以达到系列性和一致性的目的。
以上介绍了一些在设定、执行等阶段利用AI的提效案例，同时利用AI也可以极大的扩展每个人的能力边界。例如：擅长插画的同学可以独立完成3D类的视觉，甚至可以跨设计职能，完成一些以往需要开发介入才能完成的工作。AI可以辅助设计师将创意转化为设计结果。特别是有时候一些创意，我们并没有能力将其完全执行落地的，那么借助AI则可以突破自己的能力限制，以达到我们的目标。需求背景：为快手商业化“磁力引擎”的logo演绎来设计海报，磁力引擎是快手科技旗下综合的数字化营销服务平台，因此未来科技感为本次设计风格。
【大模型】此次选择的是Rev animated作为大模型，作为万能模型可以较好的适配各种风格场景，除此以外也可以选择与目标设计风格接近的大模型。
【lora模型】主要使用的是Xsarchi_127作为主要lora模型，Lunarpunkai为辅助模型。关键词描述：书写关键词时可参考lora模型效果图中生成图的关键词，再根据自己实际情况进行增加与删减，这样会比较省心省力。Controlnet设置：主要使用了lineart、depth、scribble这三个模式，可以根据生成效果多做组合搭配。采样器推荐使用：euler a、DPM++2M Karras、DPM++SDE Karras。生效成果：不同模型不同lora在某个细节表现上都会有优势的地方，同样参数同样模型下前后生成的效果也可能不一样。选择一个较满意的效果作为基础图，尝试切换其他lora继续生成，择优合成到基础图中。![]()
在设计B端产品，特别是一些官网场景的时候，经常会需要一些视觉配图。利用AI则可以很方便的产出符合B端行业特征的图片素材。前期构思：根据业务需求，构思画面，这里在设计前期，设计师希望得到的画面是：一本打开的书，上面悬浮着一个指南针，画面整体是蓝白色，科技感，高级感，简约大方。因公司内部有其他的B端设计图，需要保持风格的统一性。可以将多张设计图作为图片关键词，垫图输入给MidJourney。输入关键词不断尝试，期间可以尝试更换关键词调整自己想要的效果。也可以继续将生成的图作为垫图，继续生成新的图，反复如此，生成最符合自身预期的图像。frosted glass（磨砂玻璃）、blue frosted glass white acrylic material（蓝色半透明玻璃亚克力材质）、Ultra strong glass texture（超强玻璃质感）, refracted light（折射光线）, semi transparent（半透明）Sense of technology（科技感），calculator art（计算器艺术），3D style（3D风格），isometric 3D（等距3D），studio light（工作室光）将MJ生成的图拖入PS中进行后期处理，加入文字信息，一张B端风格的视觉图就完成了。我们知道ChatGPT的代码编写能力也挺不错。如果我们需要做一些功能相对简单的工具开发。现在不借助前、后端开发，也可以完成，例如我们自己搭建的AI设计素材库。项目背景：我们积累了一些AI设计的项目素材，想作为资产沉淀下来，方便以后利用提供的关键词快速产出类似的设计方案。解决思路是用Airtable（https://airtable.com/）的数据库功能来管理内容，再借助ChatGPT搭建一个前端页面，来呈现相关内容。需要一点点基础的HTML知识，并且初步了解Airtable的使用方法。给ChatGPT提需求，同时把Airtable网站里的开发者文档直接复制粘贴给ChatGPT让他学习。ChatGPT会返回初版方案。运行生成的代码，通常不会一次成功，需要结合问题，再回问ChatGPT，让他给出解决方案。反复的发现问题解决问题。经过多次对话，基本功能跑通后，则可以提一些更细节的要求，完善页面结构与功能体验。多次对话后。ChatGPT可能会忘记之前的内容，这时候可以复制全部的完整代码发给ChatGPT，并让他返回修改后的完整代码。3D卡通形象在互联网的运营设计中广泛使用，可以做成IP，也可以用来增加页面的情感和氛围。不会3D建模的同学，现在利用Stable Diffusion 和 content插件，也可以很好的完成这类设计。
STEP1：
STEP2：
书写描述关键词，主要作用是让AI理解绘制的主题是什么，也控制生成的主体材质和环境等。STEP3：
controlnet设置，主要作用是限制生成外形和控制生成的颜色，在图生图模式下找到controlnet并选择对应的模型（黑白线稿使用文生图，色块稿使用图生图）。STEP3：模型选择-生成合适的风格
- 根据我们想要的画面风格质感选择合适的大模型和lora模型。相同的大模型搭配不同的lora也会有不一样的效果，这一步需要多尝试。本次ip形象是用在b端官网中，要求形象不要有过多细节干扰，保持整体质感轻盈高级。因此选择了偏哑光画风的Disney Pixar Cartoon大模型搭配blindbox lora模型。
- 模型下载网站推荐：https://civitai.com/（外网） https://www.liblibai.com/（国内网站）
- 采样器推荐使用：euler a、DPM++2M Karras、DPM++SDE Karras
![]()
除了利用AI做设计，同时它也可以帮助我们收集和传递信息，也可以帮助我们梳理和分析信息。在信息时代，作为一个全能助手，辅助我们更有效的工作。
3.1 信息传递 · 信息处理
![]()
利用AI快速生成初稿，将设计与需求方脑子中的画面，快速还原成可见的设计图，降低沟通成本。
项目背景：在某个大型运营活动的主视觉创意阶段，结合需求背景，我们决定用“浪”作为核心创意来贯穿相关的视觉和物料，但是在将创意传递给需求方时，对方表示不能直观的想象出“浪”呈现在现实视觉中的样子。在这样的背景下，设计师利用Midjourney快速产出创意概念稿,解决了在前期创意沟通阶段设计师与需求方有认知壁垒的问题。
以上为Midjourney第一版的产出，色彩较为接近我们想要输出成稿的状态，但是浪的元素形状和动态走势，以及画面的空间和细节并不符合我们的预期，经过对关键词的调整，我们得到了下面的第二个版本。
第二版整体的走势、感受、空间和氛围都开始接近我们最初的设想，但是在色彩呈现上，冷暖结合的并不是很好。经过不断对关键词进行调整和优化，成图在色彩上逐渐符合设定的预期，同时在画面的丰富度上有了较大的提升。经过筛选，我们把视角聚焦在了下面这一版，决定把它作为输出给需求方的概念稿。在需求方看到AI生成出来的创意概念图后，顺利get到了我们对于最终画面的呈现效果，保证了需求高效的推进。Midjourney生成的图像，不仅用在了本次活动的前期沟通阶段，在最终H5视觉、开屏广告、海报等多种物料上，都有着不错的应用和渗透。以下是本次活动中设计师运用Midjourney产出,配合C4D和PS后期制作的开屏视觉。
设计师可以利用AI分析一些资料，让设计更有理有据。如果可以拿到一些资源转化数据、用户分析、行业分析文档。则可以发送到AI进行分析，从而得出有价值的结论。准备相关数据（注：因信息敏感问题，无法使用真实案例，以下以国家统计局的人口统计数据举例，仅做思路说明）。
![]()
询问 AI 该数据所反映的问题。使用大语言模型分析文档的内容，例如ChatGPT开通Plus后，可以解锁上传文档功能的插件。这里用的是一个当前免费的LLM工具 claude.ai，也可以支持pdf、txt、csv等格式的文件上传。
可以进一步追问AI，以获得其他的补充信息。例如一些需要分析、总结的结论等。
![]()
在实际项目中，通常和设计相关的如PV、UV、CTR、用户停留时长、播放量等等数据。下面列举一些数据问题示例：检索出CTR最高的前X项、分析CTR高和哪些因素有关系、曝光量对转化率的影响规律，分析前后2个版本的数据的增减项...等。同时除分析数据外，还可以上传文献、专业论文等各种语种的资料，利用AI总结和分析能力，提炼有价值的信息。
__________________
以上列举了很多我们近在AIGC应用探索中的心得，但是实际上AIGC在设计行业中的应用还处在早期，已经可以给设计带来这么多实质性的提升和变化。那么未来AI还会怎么发展？我们认为大概是3个趋势：
1. 算力的提升带来的效率进一步提升，无论是生图的速度和数量未来都会得到大幅提高。2. 多模态整合，带来的多媒体的能力提升 ，可以通过语言、文字、图像、视频等同时和AI交互，并且AI也可以产出相应的内容。3. 各家大厂入局之后，不断打磨带来的体验提升：如对小模型训练的成本会不断降低、产出的控制能力会越来越强，操作会越来越容易。
同时设计师在这个飞速发展的时代，我们认为也需要更重点关注自身能力的提升。认知：保持学习以提升认知，未来发展突飞猛进，认知也需要持续迭代，需要有终身学习的准备。审美：保持对美的追求，同样的AI工具，决定产出质量的就是审美的高低。创新力：这里的创新力不是单单视觉表现的创新力。好比工业革命后的水壶创新，不是另一把造型独特的水壶，而是具备自动烧水功能、控制温度的水壶、或者可以自动泡咖啡的水壶等等等。设计师需要有更广的视野，而不是局限在视觉层面。最后，设计与AIGC的争议仍在存在，设计师还是应该保持对设计的热爱和追求，用才华和创造力，为生活创造美。