王路平
阿里云設計中心總監
王路平，阿里云設計中心總監。在長達20年的設計生涯中，王路平曾任職于三星，SKT等國際公司。他創立了阿里云設計中心（ACD），是中國最早專攻云計算設計的團隊之一，負責阿里云近百款云產品體驗設計、數字產品設計與智能設計創新。
2016年，路平在國內首次系統提出“Computational Design 計算設計”理念，致力于推動技術、藝術與商業的交叉融合。2023年，人工智能技術涌現，設計行業受到巨大沖擊，路平從模型資產、人智協作、生成式工具三個角度詮釋“AIGC時代的設計新范式”，并帶領團隊沉淀出阿里云一站式 AIGC 設計平臺 PAI ArtLab，助力設計行業向AIGC時代全面轉型。
但對于他的團隊，路平更讓人印象深刻的一面是作為一個“酷老板”：路·邪典文化囤積者·波普藝術·每日電影放映機·電子樂的編年史·鬼冢虎代言人·阿里云高曉松·平。他有著高級的審美和敏銳的技術嗅覺，思維迅捷、快語奪人，卻不自詡權威，鼓勵挑戰和打破。正因如此，阿里云的設計團隊從不拒絕任何新技術和新思想：一個物理定律、一段Techno旋律或是電影獨白，都可以成為靈感和工具，被包容在阿里云設計中，不斷拓展設計的邊界。
摘要：AIGC 對設計的影響不是一個點、一個面，而是從生產資料、生產工具到生產關系上的系統性革新：生產資料方面，從數字資產到專屬模型；生產工具方面，從自動化工具到生成式工具；生產關系方面，從人機協作到人智協作。我們逐步建立了包括理論、方法和實現路徑在內的一套 AIGC 設計新范式。為了充分利用智能設計帶來的群體智能而避免視覺繭房，設計師應在運用 AI 技術的同時，保持開放的心態，不斷尋求新的視角和靈感來源，并且擁抱設計過程中的多樣性和未知性。
關鍵詞：數智設計；算法；腦機比
Abstract：The impact of AIGC on design is not a point or a facet, but a systematic innovation from the means of production, the means of production to the relations of production: from digital assets to proprietary models; In terms of production tools, from automated tools to generative tools; In terms of production relations, from human-machine collaboration to human-intelligence collaboration. We set up a new paradigm of AIGC design, including theory, method and implementation path. In order to take full advantage of the collective intelligence brought about by intelligent design and avoid visual cocoons, designers should rely on AI technology while keeping an open mind, constantly seeking new perspectives and sources of inspiration, and embracing diversity and unknowability in the design process.
Keywords：Digital intelligence design; Algorithm; Brain-computer ratio
《設計》：何為“智能設計”？請談談您對“智能設計”及其要素的理解。它和您早年間提出的“計算設計”有何異同？智能設計中涉及自動化、數據驅動、交互和持續優化等概念，智能設計中的“智能”與“設計”是怎樣的關系？
王路平：“智能設計”通常指的是在設計過程中引入人工智能、機器學習、自動化技術等，以提升設計效率和效果，實現更為精確和復雜的設計任務。它的核心要素包括數據驅動、算法生成、自動化流程、用戶交互和反饋機制等。智能設計能夠根據歷史數據、實時反饋和預測模型進行動態調整和迭代，從而創造出滿足復雜性能指標與約束條件的最優設計方案。
智能設計與計算設計有著緊密的聯系但也有明顯的差異。計算設計強調使用計算工具和方法來輔助設計過程，例如使用參數化設計軟件來實現復雜形態的建筑設計。而智能設計則更加側重于使用人工智能來賦予設計過程中更高級別的智能化和自主性，例如通過機器學習算法預測設計結果或自動生成設計方案。
兩者之間的關系是相輔相成的，其中，“智能”體現在系統或平臺能夠自我學習、適應環境變化并自主做出決策的能力；而“設計”則是在特定目標下進行創新構思和問題解決的過程。“智能”為“設計”提供了更多可能性，而“設計”則是“智能”技術的應用和實踐領域。
《設計》：您創立了阿里云設計中心，被稱為中國最早專攻云計算設計的團隊之一，取得了哪些重要成果？
王路平：獲得多項國內外設計大獎：作品斬獲 iF、德國紅點、中國設計智造（DIA）等大獎，并被評為福布斯中國 2021 最具商業設計價值公司 Top10、2021 年度中國設計產業 100強-十佳企業設計中心、2022 WSIS 世界信息社會峰會冠軍獎等。
不斷深耕專業能力：
1）專利：申請國家專利數 50 件；
2）論文：發布多篇論文《阿里云控制臺無障礙設計研究》《易用性實踐研究論文》收錄于交互設計領域頂會 HCII 2021 Case Study，《How Consistent is Your GUI Design？》一致性測評方法與度量指標論文被 CSCW 收錄（普適計算和人機交互領域的頂級國際會議）；
3）團體標準：發布了 7 項云計算領域的設計團體標準《數字大屏可視化設計指南》《云計算產品體驗設計通用流程第一部分：全新產品孵化及迭代》《云計算管控平臺界面設計指南》《云計算管控平臺無障礙分級模型與度量方法》、《云計算軟件產品使用體驗度量模型及方法》《云計算軟件產品易用性度量方法》《物聯網云組態應用界面設計指南》。
設計方法與體系建設：
1）在 2020 年，千行百業進入數字化的浪潮中，阿里云設計中心建立 B-Design 企業級產品設計系統，為阿里內部及合作伙伴的 SaaS 系統上云提供標準化的設計規范和指導；
2）同年，我們推出了 Xconsole 阿里云系統化的管控類產品設計解決方案。Xconsole 提供云產品從設計到開發的全鏈路設計解決方案，應用到了超過160個的云產品中，也推廣給 ISV 伙伴提高生態產品的設計品質和效率。Xconsole 作為阿里云管控業務的聚合平臺，縱向拓展到涵蓋彈性計算、網絡等垂直業務的最佳實踐聚集地；
3）2023年，AIGC 席卷設計行業，我們在半年的探索實踐中，建立了 AIGC 設計新范式的設計方法，同時沉淀出了一站式 AIGC 設計平臺—— PAI ArtLab，為設計從業者提供安全、快捷、全面的 AIGC 設計工作支持，助力設計行業向人工智能 AIGC 方向全面轉型。
《設計》：您是從何時開始關注智能設計的？如何進入智能設計這個領域的？您個人關注智能設計的哪些細分領域，并做了哪些實踐和探索？
王路平：我認為隨著時代發展到一定程度，必然要關注智能設計。AIGC 方向、技術與設計結合的方向，作為阿里云設計團隊，我們與計算有天生的結合點。
我們一直在做智能設計方向的探索和實踐：
1）“設計+技術”相互融合：從17年開始，我們嘗試運用一些新的方法、工具，同時也更關注“設計+技術”的相互融合，我們將參數化設計、3D、編程技術、工程等結合應用到一些科技類大會的主視覺當中；
2）“圖像生成”的早期嘗試：在2020年，我們發布了 ATOMS“圖像生成設計平臺”，通過算法來快速定制生成各種幾何設計元素的數字生成工具。作為一群不同設計風格的算法實例的集合，每一個實例都可以根據需要在參數面板中調節視覺特征，產生無窮無盡的效果。這也是我們在做圖像生成的第一次嘗試。同年，我們發布了“阿里云智能 logo 設計”，我們不斷優化算法，建立精準的語意解析，建立豐富的知識素材庫，迭代設計規則，為用戶提供高質量的 logo 設計。
3）在行業智能方向，也在不斷探索：我們和DataV數據可視化團隊通過云計算、可視化的能力進行數字化空間場景構建，搭建數字孿生場景，運用在涉及工業、港口運輸業、航空行業等不同領域。我們將設計和不同的學科、行業應用融合，創造出新的產品和藝術形態。通過構建數字孿生體的空間全要素、建立數據映射設計系統與可視化圖元體系與OPUS信息交互體系，構建出以數據為核心的可視化的實時渲染的數字孿生空間。
數字時代下，數據可視化的需求越來越大，而數據大屏的可視化搭建，要求用戶學習專業工具的操作、具備一定的綜合的學術背景和設計能力，準入門檻較高。我們把智能化算法結合人機交互、融合用戶意圖和專業設計師的經驗，將智能能力以工程化的形式輸出，將設計師專業技能普惠大眾。
2021年，我們發布了“BIV Builder 三維園區智慧搭建平臺”BIV Builder是阿里云自研的三維智慧園區搭建平臺，讓非專業人士可以在幾天內零代碼、快速地搭建完成可交互的三維園區，大幅降低時間和人力成本。BIV Builder 利用人工智能技術，自動將 CAD 圖紙轉化為 BIM 模型，降低建筑模型生成成本，創意工程師自研圖形引擎，不依賴 GIS 數據自動生成周邊城市場景數據，參數化視效秒級切換，內置四色圖、建筑爆炸圖、第一人稱視角漫游等實用功能。
《設計》：智能設計的發展歷程是怎樣的？它與傳統設計有哪些區別和聯系？
王路平：從我個人的理解來看，智能設計的發展經歷了 2 個階段，從數字設計到數智設計，其發展依托于AI技術的發展，但這個過程中是沒有明確的分界線的。
AI 1.0 時代：數字設計階段——決策式 AI
在 AI1.0 時代，我們見證了人臉識別和智能推薦這類決策式AI和分析式AI的興起，設計師們通過設計來輔助用戶更好地做出決策和信息匹配，本質上是在做加法。
以人臉識別為代表的 AI 技術在安防、交通等領域的應用得到了極大的推廣，成為AI技術應用的重要標志。而語音識別、智能音箱和智能推薦等AI技術的發展也給我們帶來了更加便捷和個性化的數字體驗，人們開始在日常生活中逐漸接受這些智能設備的存在，智能家居、智能客服等新興業態也逐漸成熟。
在這一階段，對于我們阿里云的設計師來說，這些AI技術的發展不僅僅是技術層面的突破，更是我們思考數字化轉型的契機。我們深入到云計算和行業數字化轉型的場景，挖掘基于AI的數字體驗設計創新的機會，給用戶帶來更好的數字體驗。
AI 2.0 時代：數智設計階段——生成式 AI
當我們迎來 AI 2.0 時代，以 AIGC 為代表的人工智能開始創造數據、生成信息，AGI 提高了軟件的適配能力和自主能力，開始從量變到質變，設計也開始從“數字”走向“數智”。
《設計》：您曾談到“世界數化，設計進化”，在您看來，數字化是如何驅動設計進化的？而“大模型設計時代”的設計進化成怎樣的形態？
王路平：數字化是設計進化的重要手段：隨著數字技術的不斷發展，設計從傳統的手工制圖和實體模型逐步轉向了計算機輔助設計，再到3D圖像生成，這些數字工具和平臺不僅提高了設計的效率和精確性，而且還為設計師提供了全新的創作手段和表現方式。同時，數字化也帶來了強大的協作能力，設計師可以遠程與團隊和客戶溝通交流，共同參與到設計的每一個環節。除了工具以外，千行百業的數字化轉型同樣也是驅動設計進化的重要因素。
大模型時代的 AIGC 設計新范式：在 AI 時代下，數字化還將設計推進到了一個新的階段。在這一階段，對于我們設計師來說則是一個全新的設計范式的出現。過去的一年里，我們擁抱 AIGC，并逐漸將 AIGC 與設計相結合應用到實際的業務中，也感受到 AIGC 對設計的影響不是一個點、一個面，而是從生產資料、生產工具到生產關系上的系統性革新：生產資料方面，從數字資產到專屬模型；生產工具方面，從自動化工具到生成式工具；生產關系方面，從人機協作到人智協作。我們逐步建立了包括理論、方法和實現路徑在內的一套 AIGC 設計新范式。
《設計》：請分享一些AIGC設計新范式方向的實際案例。
王路平：1.生產資料方面，從數字資產到專屬模型。在云計算的場景中，3D圖標是經常出現的圖形元素，200多款云產品就有 200 多個對應的 3D 識別圖標，同時還會在運營過程中不斷豐富和擴展其形態。這些圖標都是我們重要的數字資產。AIGC 之前，完成一個 3D 圖標的設計需要 4 步，建模、貼材質、打光、渲染，大致需要1天的時間。現在，我們把這些3D圖標命名、分類整理好，進行打標。通過阿里云一站式 AIGC 設計平臺 PAI ArtLab 完成從數據集到阿里云 3D IICON LoRA 模型的訓練，最終在阿里云一站式 AIGC 設計平臺 PAI ArtLab 引用阿里云 3D IICON LoRA 模型，加上合理的提示詞，我們就容易得到一個符合業務場景的圖標，經過簡單調整就可以應用在實際業務場景中。
經過大半年的探索，我們逐漸探索出了適用于不同場景的設計 LoRA 模型。通過這些 LoRA 模型的不斷分享、迭代、生長和進化，使得設計師們在設計過程中可以更加靈活地應對不同的需求，提高了設計效率，也增強了設計創造力。
從數字資產到模型資產，簡單看是資產承載形式的變化，本質上是設計生產力的一次飛躍。
2.生產工具方面，從自動化工具到生成式工具。在新加坡的 iLight 燈光節中，有一塊巨幕跟觀眾與市民互動，讓市民“Make a promise”關注并節省能源，這個大型互動裝置叫做 Lightwave，阿里巴巴能耗云的算法在 Lightwave 的市民互動機制中，需要提供超過5萬張海洋、能源相關的 AIGC 生成圖，并結合用戶的名字簽名，用于 ESG（環境、社會價值）的城市綠色能源傳播新加坡燈光秀項目，短時間內設計制作5萬張同樣主題風格的圖片，這在過去幾乎是不可完成的設計任務。我們在這個項目中，采取了“Midjourney->Stable Di?usion->AI算法調優”的生成式設計流程，同時聯合技術團隊在算法側做了大量的 Stable Di?usion 深度算法優化與ControlNet 優化，最終，我們探索了60個分類，200+的風格方向，從色彩、姿態、笑容等多維度結構化 Prompt，生成不同的主題圖，最終再經過AI算法訓練，產出了5萬張龐大體量的海洋、能源 AIGC 主題圖，完成一次商業上的AIGC設計探索。
3.生產關系方面，從人機協作到人智協作。在亞運會期間，奧組委和亞組委的官員、阿里云的技術負責人和設計師一起，聯合創作了一幅畫卷，寓意“心心相融·愛達未來”。亞運會的嘉賓們給出了“Olympics”“智能科技”“生態發展”“繁榮”“未來感”“地標建筑”等核心的關鍵字，我們通過與通義千問的互動，得到了具體表達這些關鍵字的核心元素。同時，基于魔搭社區的開源模型，我們尋找表達亞運精神、和諧、未來感的插畫模型。我們選擇了45個參賽國的核心元素，包括地標建筑、植物、動物、非物質文化遺產等，同時由AI完成這些圖形的創作。基于通義萬相模型和開源模型的融合，生成畫卷的底圖和核心地標元素，融合在一起，嘗試更適合于亞運的風格設定。最終通過人智的協同，描繪出這一幅“心心相融·愛達未來”的美好畫卷。
《設計》：智能設計涉及諸多高新科技方法路徑，帶來解決方案更高效的輸出，由此給設計師工作帶來的利弊如何看待？
王路平：智能設計通過人工智能算法對圖像、數據進行訓練，通過深度學習最終能夠創造出全新的文字內容、圖像內容等，不僅如此還會激發群體智能的涌現，提升我們決策的質量以及效率，但從另一個角度來看，當人工智能的處理的信息體量和數據集超出我們的信息認知的時候，我們也會進入卷入到視覺繭房當中。
群體智能帶來的質量與效率的提升：指的是多個智能體合作協同，通過信息共享和集體判斷，能夠產生比單個智能體更優的決策、解決問題的能力。
視覺繭房帶來了信息泡沫與審美固化：通常是指個體在網絡上接收信息時，因為算法推薦的結果，可能只會不斷強化個體現有的偏好和觀點，而忽略或無法接觸到不同的信息和觀點。在AI文生圖中，部分設計和創作過程的控制可能已經從人類手中轉移到了機器，這可能限制了設計師和藝術家以個人獨特風格進行創作的能力，也可能導致廣泛的視覺同質化，減少了設計與藝術中的創新和實驗性。
為了充分利用智能設計帶來的群體智能而避免視覺繭房，設計師應在運用AI技術的同時，保持開放的心態，不斷尋求新的視角和靈感來源，并且擁抱設計過程中的多樣性和未知性。
《設計》：AI的發展為設計帶來哪些機會與革新？對產業有什么影響？
王路平：模型與 AIGC 新范式的發展讓我們不得不去思考，在這樣的時代面前，設計有什么樣的機會？我們可以去做什么？而設計師本身，需要如何自我革新，才能夠跟得上時代的節奏？
1.用NLP和多模態重構交互體驗
首先，我認為大模型和 AIGC 帶來的是交互體驗的變革，我們正從 GUI 的交互走向以自然語言為核心的 LUI 交互時代。自然語言開始成為人機交互的主要形式。
我們也在開發者領域探索自然語言的交互結合，比如在數據開發工具 Dataworks 中，我們與技術同學一起，將元數據、數據血緣關系與LLM相結合，為開發者提供 NL2SQL、NL2Data 的開發體驗，幫助SQL 開發的效率提升30%。
自然語言的交互也一定會有新的交互體驗范式，我們也在通義千萬的語音對話場景中探索更能夠被人所感知和理解的語音交互體驗。
2.善用AI Agent
AI Agent，我們可以簡單稱之為“智能體”，這個概念是由馬文·明斯基（Marvin Lee Minsky）在他1986年出版的《心智的社會》一書中首次提出，他說“社會中的某些個體經過協商之后可求得問題的解，這些個體就是‘Agent’”。
今天，大語言模型就具備了這種感知、規劃、決策和調度行動的能力，而Agent是真正主動釋放LLM潛能的關鍵。作為設計師，我們首先要學習AI Agent的技術原理、與研發進行深度共創，再轉換為用戶視角，對艱澀的技術黑盒進行理解和白盒化轉譯，從而提供靈活穩定的智能體設計器工具以及豐富的Agent模板范例，以滿足多行業Agent高效搭建的一切需求。比如我們在醫療的項目中，就通過讓 LLM 讀取醫學文獻，快速提取科研文檔內容，幫助用戶快速了解和學習最新研究成果；在政務服務咨詢場景中，通過LLM的思考與推理能力，實現擬人化的反問及意圖引導能力，將用戶模糊的訴求逐步澄清，并結合外部知識庫查詢完成推理和最終回答。
與此同時，我們自身也要善用 AI Agent，構建我們自己的助力。這種 Agent 是可以通過云技術的組合實現的，原來可能需要一定的開發，我們正在設計低代碼、Work?ow 的形式，來調度多模態的知識和信息，為個人、應用以及最終用戶提供 Agent 的服務。
3.到產業和垂直場景中去
AI 設計的新范式極大地推進了行業與科技的深度融合，為各行各業帶來革新性的機遇。
首先，AI 通過數據分析和機器學習，為產品設計提供了前所未有的個性化和精準預測，滿足消費者的個性化需求。其次，AI 在工藝流程中的應用，比如智能制造和自動化，可以顯著提升生產效率和質量控制，降低成本。此外，AI 還能通過用戶行為分析，對市場趨勢進行準確預測，幫助業內人士做出更明智的戰略決策。在創意產業如影視、游戲設計中，AI 甚至可以直接參與到創作過程，激發新穎獨特的藝術作品。AI 設計新范式為千行百業打開新的大門。
以下舉2個實際的案例：
在傳統工藝美術行業，AI幫助手工藝打開新的設計創意思路。
供春 AI 是基于阿里云一站式 AIGC 設計平臺 PAI ArtLab 的 AI 紫砂壺生成平臺。通過 AI 的能力幫助手工藝人打開新的創意思路。傳統工藝美術行業的設計環節的數字化程度比較低，供春AI 降低了數字化軟件的使用門檻，原有的犀牛、photoshop 對于很多師傅的門檻是很高的。使用供春 AI 的客戶很多是50歲以上的，這個通過傳統的數字化軟件是不可能的事情。
在建筑領域，AI幫助設計師大幅度提升生產效率。
易北智建是我們的一個建筑領域的客戶，他們是基于阿里云一站式 AIGC 平臺 PAI ArtLab 平臺為建筑設計院提供從AI工作流到建筑垂類模型庫建立的 AIGC 設計解決方案，以建筑設計、室內設計、景觀和規劃四個專業的需求出發，依托于實際項目，用 AIGC 輔助設計，為方案提供更多可能性。
《設計》：AI時代下的設計師有怎么樣的要求？
王路平：我認為有以下3個點：
1） 一定要擁抱AI；2） 設計師的技能術被重新定義，美學教育需要與科技、工程等交叉學科相結合，建立跨界思維和創新能力。3） 雖然AI時代對設計師提出了新的要求，但傳統的設計審美和基礎教育依然不可忽視。優秀的設計師應該在掌握現代技術的同時，仍然保持對傳統藝術和設計理論的深刻理解。
《設計》：在東西方政治經濟文化差異的前提下，國內人工智能在設計領域的教育和發展有哪些困難和挑戰？
王路平：企業高校聯合探索AI在不同專業應用實踐
我們已經深刻地意識到大模型和 AIGC 技術重塑了設計范式，對千行百業影響深遠，那我們也希望將自己的探索和實踐應用到高校當中去。在去年6們申報了教育部的產學研協同育人項目，聯合6所高校（浙江大學、中國美術學院、北京服裝學院、重慶大學、南方科技大學、江南大學）開發《AIGC 設計與開發》示范課程，希望與不同的高校探索AI在不同專業領域的應用，挖掘AI的更多可能性，并通過這一的示范課程建設將 AIGC 課程教育賦能到更多的高校。
我們在協作過程中發現高校的 AIGC 課程教育改革會面臨一些困難，比如：上手門檻高：80%的AIGC工具源于美國，同時有一定的技術門檻”改為“AIGC工具的使用有一定的技術門檻；硬件要求高。使用 AIGC 需要使用到中高端顯卡，價格很高，對于很多人來說，這都是一比不小的投入，難以規模化投入；文化差異大。大模型訓練使用的是通識性數據，不理解我們國家的文化和審美，比如讓AI生成一張中國風的圖片，往往會返回日本或者韓國的元素。同時，很多模型也缺少我國各行業場景化的數據，很難直接在生產中應用。
面對以上種種問題，我們一邊是 AIGC 技術高速發展帶來的推背感，一邊是思考如何解決 AIGC 落地的問題。
打造阿里云PAI ArtLab平臺
為了讓更多的設計從業者能夠方便使用 AI 工具，能夠快速實現 AIGC 的能力轉型。我們和業務團隊一起，把 AIGC 設計的方法和工作流沉淀到人工智能平臺上，打造國內領先的一站式 AIGC 設計平臺—— PAI ArtLab。PAI ArtLab 提供最佳實踐的 AIGC 設計工作流、模型訓練工作流，同時也有云計算產品開箱即用、按需彈性使用的特點，能夠解決上面提到的上手門檻的問題。
《設計》：隨著人工智能、大數據等技術的發展，您認為智能設計的發展趨勢和前景如何？您有哪些期待或展望？希望和同行深度探討哪些話題？
王路平：我認為，未來智能設計一定是會改變我們的生活，讓人類的生活更美好，是會落到生活的細節當中的。比如 AI PIN 這樣的產品，有可能會成為下一代的交互方式，打破今天手機的概念。蘋果手機改變了通信和社交關系，我相信 AI 是有這樣能力的，目前我們還沒有看到這樣的東西被設計出來。但是，任何一個新的技術都有兩面性，AI 也會對人類造成不利方面，比如人的社交關系、隱私問題、生活節奏加速等，這都是我們未來要關注和探索的方向。
參考文獻：
[1]劉知遠，王威廉等編著. 自然語言處理與深度學習 [M]. 北京：清華大學出版社, 2018.
[2]蔡自興，徐光佑著. 人工智能原理及應用 [M]. 北京：高等教育出版社, 2017.
[3]吳軍著. 智能時代：大數據與智能革命重新定義未來 [M]. 北京：人民郵電出版社, 2016.
[4]布萊恩·克里斯汀，湯姆·格里菲思著. 算法之美 [M]. 北京：中信出版集團，2016.
[5]Yikang Sun，Yanru Lyu，Po-Hsien Lin，Rungtai Lin，《Comparison of Cognitive Differences of Artworks between Artist and Artistic Style Transfer》Appl.Sci. 2022, 12(11)：5525.
[6]Junping Xu, Xiaolin Zhang , Hui Li， Chaemoon Yoo and Younghwan Pan，《Is Everyone an Artist? A Study on User Experience of AI-Based Painting System》Appl. Sci. 2023（13）：6496.