大模型诞生的那段时间，常有传言说设计师等岗位将会被AI所取代，是不是意味着以后设计师的职业就不存在了呢？其实不是。本文作者为我们详细分析了AI时代设计师的价值和如何成长，一起来看看。

最近一段时间一直在思考目前设计师的作业模式是否已然被 AI 改变？ 设计工具经历了从传统的Photoshop到各种 AI工具的转变， AI逐步覆盖设计领域的各个方面，从图像GC、文本GC、音频拟合到视频生成，AI的应用覆盖了媒体的所有模态。现在，设计师可以通过简单的文字描述生成高质量的矢量图标和3D插画，甚至几分钟内生成虚拟人物图像，且不用担心版权问题。通过SD不仅能快速生成高质量的设计素材，还能根据用户需求进行个性化定制。

视觉设计方向的大部分工作已经被 AI完成，从业多年的设计师所追求的美感被降本增效的老板摧残，不再去打磨细节了。而刚入职场的菜鸟，如果你v不具备驾驭 AI的能力或相关使用经验，你甚至找不到一份设计的工作。

因此，我先说一个暴论：AI时代下，设计师会被干掉90%。

但设计师这个岗位是不会完全消失的，设计师是被AI取代的吗？其实也不能说是取代，只能说AI作为一个工具，很多人不会用。就像PS软件一样，放普通人手里就真的只是PS，而放到设计师手里就是Photoshop。 AI也一样，仅面向设计师来说，它就是一个划分传统设计师和新时代设计师的分割线。 现在大多数设计师都不用PS了，注意，先别喷，我说的是大多数！而还有一部分大神依然凭借PS的高超技法，让目前的AI生图望尘莫及。但是又有多少人呢？又有多少差距？

AI的覆盖不仅在响应效率上，有的人说AI不就是生成的快嘛，但是生成的一塌糊涂，质量不行。但你要知道AI从进入大众视野，到现在才发展了多久？从23年初AI生成人手都惨不忍睹，6个指头、7个指头的。到现在Flux模型出的图足以以假乱真。你不可否认，目前设计师打开AI工具（MJ、SD等）的频率是远超于PS的，起码我在整个一年的设计工作中，打开PS的次数不会超过 10次。

在这样的一个AI洪流的冲击下，设计师的作业模式已然悄声发生改变。

一、AI时代，设计师的价值在哪里？

先说结论，设计师肯定是具备先天优势的，因为现在缺的是会提问的人，而不是有能力回答问题的人。

为什么这么说？

是因为现在是大模型时代，任何的结果都可以通过模型快速得到结果。你就算是PS大神、就算是可以一下午画10张图、20张图那又怎样？只要模型训练好，老板可以一分钟拿到100个结果，如果不满意点击刷新，又是100个。

尽管模型生成的图片质量可能只有60、70分，比不上你人工做的 90+的效果，但是架不住它响应快且产量大啊，而且模型是具备线性成长的，只要不停训练，给它“升级”。它之后的输出质量会稳定在70+、80+ 甚至90+ ！！！而人工的输出不具备这种稳定性，即便你有能力产出100分的结果，你也不可能次次都能保持巅峰水平，而模型可以！

因此现在会输出、会解答的人并不缺，缺的反而是懂得提问、懂得制定规则的人。当你提问的时候，你就已经知道会有什么结果。而需要做什么的规则制定才能让结果更接近你的预期，这才是现在版本需要去思考的点！！

尤其是在图像生成方面，一个懂构图、光影、色调等美学的设计师，显然比仅仅依靠个人美感判断的人更能与AI沟通，创造出更具价值的设计作品。例如，设计师可以通过AI生成初步设计，然后利用自己的专业知识进行细节调整和优化，最终完成高质量的设计作品。

批量生图SOP

还是以目前我们部门目前的批量素材生成需求为例，就可以很清晰看到当你把自动化流程、规则前置好，输出的结果是人力远远不及的。我们去搭建了一整个SOP，将批量生图做成工程化，批量产图SOP的设计需要明确每一个流程节点，保证高效、标准化的操作。

传统的SOP流程

之前传统的产图SOP，需要投入的人力大概在5个：

• 技术开发同学：负责编写工程文件，预留SD的API接口，保证系统能够灵活调用SD进行图像生成。
• 模型炼制设计师：负责炼制Lora，确保产出的素材符合公司需求的统一风格，能够满足不同类型素材的需求，如3D风格、插画风格和真实场景等。
• prompt编写设计师：编写CSV，确定图像生成的具体需求（即生图prompt）。
• 素材审核员：在图像生成完成后，整理和审核输出的素材。制定素材入库的视觉标准，区分素材为三类：一类是达到视觉标准，无需二次调整的素材；一类是有略微瑕疵，二次调整后可达到入库标准的素材；一类是严重异形、画面杂乱等素材，无修改价值的素材。
• 素材管理员：针对素材的业务、类型、标签、命名做有效分类，确保素材在平台上的可查找性和可管理性。

整个SOP的运行中最核心的是prompt编写设计师的角色，他需要调控prompt和替换lora，需要去调试工程文件中的节点。技术开发同学和模型炼制设计师其实都是前置资源，从产图到入库可使用的这个逻辑是这样的：

由prompt编写设计师编写csv条目，一个条目是一个图像生成的prompt，所以批量生产同样的需要批量写prompt，prompt影响最终产图的质量。例如我们编写10个prompt，那就可以产出10张素材。编写100个，那就可以产出100张素材。但人工编写的过程非常耗时耗力，这个节点是否可以借助AI的能力去提效？又该如何接入AI？这个可以先思考一下，我们接着链路往下看 ⬇️

当批量产出素材后，例如今天产出2000张素材，将素材转接给素材审核员，按照入库的视觉标准将素材进行分类和二次调整。2000张图需要多久，不包含调整的过程，只去审核区分素材就需要1-2个小时。那20000张呢？这个节点是否有AI运作的空间？⬇️

当素材处理完，假设良品率为40%，可直接入库的素材为800张，由素材管理员进行分类和素材信息标注。当然我们也可以只给素材命个名，如:3D红包.png 那如果有200个不同的红包素材，素材如何有效召回，所以素材如何有效管理，之前传统的素材管理，是将命名作分级，如：业务A/3D/红包/装满金币。那仅这个命名过程，假设一张素材命名需要5s，那800张仅命名大约需要1.11小时。那这个时间是否可以借助AI给吃掉？

AI节点式提效后的流程

ok，我们梳理一下整个产图到入库的流程链路，其中费时费力的节点：

• prompt批量编写
• 素材审核
• 素材分类及信息标注

这些节点如何借助AI做提效或者直接用AI的能力给吃掉。我是借助GPT的能力，让技术同学预留出GPT的API接口，我负责炼制GPTs，将调试好的prompt发给前端，在工程文件中调用。在多个节点安插GPT：

输入想要的素材关键词及数量–批量产出prompt条目（AI 助力）–导入csv需求单–运行程序–调用SD做批量产图–素材质量筛选，将素材分类（AI 助力）—素材信息标注（AI 助力）

所以除了前置资源，前端提供的工程文件和模型炼制设计师提供的lora，剩余的事情只需要一名设计师即可，不仅减少人力成本，而且效率还比之前高数倍甚至数十倍。

具体的 3个助力节点暂时就不一一细讲了。我仅着重说一下关于生成规则的制定和产出逻辑：

批量产出prompt条目

图像命名(不可重复),图像内容(50字以内),不希望图像出现(没有填无即可),图像模型风格(必填),图片预生成数量(1-30)

如果有同学用过生图的软件，就会知道提示词。不同软件的提示词结构都是不同的，但核心不变，就是讲清楚你要生成的主体。那上面这个提示词撰写的规则也非常好理解。“图像命名”有点类似于ID 的逻辑；“图像内容”正向提示词，描述要生成的图像主体；“不希望图像出现”反向提示词，规避不想要的元素；“图像模型风格”确定模型lora，模型炼制设计师目前已经炼制了 13 个不同风格的lora，需要在提示词中明确出来你想要的图像风格：“图片预生成数量”确定生成数量，同一提示词多次产出。

完整示例：科技感轿车1,单个科技感轿车，蓝色系，立体呈现，q版圆润风格，极简风格，简单构图，白色背景，3D渲染，等距视角,复杂细节，多余的元素，最差质量，低质量，低分辨率，糟糕的手，手指缺失，坏解剖，错解剖，模糊，额外的数字，低质量，水印,3D-通用模型,20

仅仅这一条提示词，就可以生产出20张相似风格的轿车素材。然后我们借助Agent，将生图规则投喂给模型，就可以做到提示词量产。那就会是20*20、100*20的数量级产出，而这仅仅只需要不到 1h 的时间，你告诉我人力如何追赶？

而在这里面重要的是什么？是提示词怎么写吗？

我觉得是个人都有描述能力：一个什么颜色的车、什么视角、什么装饰元素…这都是再基础不过的编写而已。而最最终重要的就是这个规则如何定义！可以让模型亦或是其他人可以根据你制定的规则去做到量产。

所以为什么说设计师的创意和审美是AI无法替代的，AI更像是一个有巨大天赋的幼童，如果你可以明确告诉他应该怎么去做、做成什么样算好的，那你才算是真正会用 AI。

仅以图像GC来说，美学标准和设计师自身的审美，会极大的影响生成效果。这也就是当下设计师的价值所在。因为再往后，新入行的设计师还需不需要去了解光影、结构、环境色、色调等等，还真的不知道….因为 AI直接一键生成，根本不需要用传统的绘画技法再去精雕细琢了。

你觉得老板是要艺术家还是要一个秒出图的AI设计师呢？

二、作业流程变化

而设计师的设计流程也受到 AI的影响在发生着深刻变革，传统的线性设计流程逐渐被更加灵活、高效的非线性流程所取代。

AI工具的引入，使得设计师能够在短时间内生成大量的创意原型，然后进行筛选和优化。例如，利用AI进行图像生成、文本创作、音频处理和视频制作，可以大幅提升设计效率和质量。

具体实例中，设计师可以使用AI工具如Midjourney生成卡通人物图像，只需简单输入关键词，几分钟内即可得到多种风格的图像供选择。AI工具还可以帮助设计师进行智能排版和图像后期处理等工作，缩短设计周期，提高工作质量。

传统作业模式（UI）

在 AI加持下，产品形态也越来越丰富，作业模式也与传统的作业模式也悄然发生变化。现有的 GUI作业流程大多依赖于人工设计师的精细操作。这些流程通常包括以下几个步骤：

1. 需求分析与沟通：设计师通过与客户或产品经理沟通，获取产品的功能需求，并进行可行性分析。
2. 原型设计：基于需求分析，设计师制作UI原型图，通常使用设计工具（如Sketch、Figma）进行视觉排版。
3. 交互设计：设计师根据用户体验要求，设计交互效果和用户操作流程，确保UI界面顺畅、易用。
4. 高保真设计与实现：最终设计稿完成后，交给开发人员进行前端实现。

这一流程是线性的，依赖于设计师的人工参与，且时间较为冗长，容易受到人为错误和偏差的影响。此外，由于各环节之间的反馈周期较长，跨部门的协作沟通也时常导致效率低下。

新型作业模式（AI&UI）

AI&UI融合生成，即通过人工智能和用户界面设计的结合，能够实现从需求到设计的智能生成，并自动化多个设计环节。主要步骤：

1. 智能需求分析与提炼：通过AI模型对客户需求的自动化提炼，系统可以快速生成初步的设计方向，减少人工在需求分析阶段的负担。
2. 自动化原型生成：利用AI算法，结合用户输入的需求，自动生成多个设计方案，并依据用户反馈快速调整和优化原型设计。
3. 智能交互与视觉效果设计：AI能够根据用户行为和交互数据，智能预测并生成最佳的交互设计方案，优化用户体验，减少手动调整的时间。
4. 实时反馈与优化：通过AI的自学习能力，系统能够实时根据开发阶段的进展和反馈自动调整设计，从而提高产品上线的速度。

通过AI与设计的深度融合，设计师不再需要耗费大量时间在繁琐的细节上，而是将更多精力集中在创意方向的引导和决策上，从而大幅提高了工作效率。

模式的迭代，其主要原因在于：

1. 设计对象发生转变

设计对象从单一的设计师转变为设计师、产品经理、工程师和算法训练师的协同作业。每个环节都紧密相连，任何一个环节的输出都会影响其他环节。

2. 环节间的协同作业

AI 融合的设计流程不再是单向传递，而是形成了一个闭环。设计师、产品经理、工程师和算法训练师需要紧密合作，共同维护设计标注规范和评测集。每个环节的输出都可能成为其他环节的输入，形成协同作业模式。

3. 新增“模型训练师”角色

新增了“模型训练师”这一角色，主要负责训练和优化AI模型，确保输出的文案、图表等内容符合设计规范和用户需求。

4. 设计表达样式实现方式的变化

AI融合后的设计表达样式不再局限于传统的视觉呈现，还包括了模型训练生成的内容。设计表达范式更加注重信息的清晰度和结构的合理性，强调重点信息的加粗和分段展示。

5. 内容范式的明确

在 AI的辅助下，内容范式更加明确，强调信息的层级和结构。设计输出的内容需要遵循一定的规范，包括重点信息的加粗、分段展示、图表和图文的合理搭配等。

三、AI“百家争鸣“，我们能做什么？

随着 AI“百家争鸣”，新的岗位也不断涌现，如AI训练师、Prompt工程师、数据标注师等。传统的设计岗位也在发生裂变，出现了模型炼丹设计师、AIGC设计师、AI视觉设计师等新角色。例如，AI训练师负责训练和优化AI模型，使其更好地适应设计需求；Prompt工程师则通过优化输入指令，提高AI生成内容的质量和准确性。

在 AI时代下，设计师如何拥抱变化呢？我觉得可以大致分为两个方向：视角和认知扩展，以及能力边界扩展。

视角和认知扩展

设计师的视角和认知需要扩展，尤其是在面对AI和大模型的深度融合时。这不仅仅是技术层面的适应，还包括从更高层次上理解设计的角色和责任。具体的扩展动作包括：

熟悉上下游作业

设计师不仅需要理解自己的设计工作，还需对整个作业流程的上下游环节有清晰的认知。这意味着，设计师要深入了解需求分析、产品规划、开发实现、测试反馈等各个阶段，以及与这些阶段紧密关联的团队成员和工作内容。这种全流程的理解有助于设计师更好地把握设计目标与客户需求，并在与其他部门协作时形成共识。

认知不同实现方式

随着大模型技术的引入，设计师需要了解AI在设计中的应用与实现方式。传统设计是依赖人工操作的，而在大模型下，设计方案可以由AI生成，甚至可以根据数据和用户反馈实时优化。设计师需要认识到这种转变，并理解AI如何辅助或替代传统的设计流程，同时把握AI在设计中的局限性与优势。

能力边界扩展

随着设计工具和工作流程的进化，设计师的能力边界也在不断扩展。新的工作环境不仅要求设计师具备传统的设计能力，还要求他们具备更多技术性和战略性技能。具体的能力扩展动作包括：

表达范式设计

在AI和大模型的环境下，设计师不仅要设计视觉界面和交互，还需要参与到“表达范式”的设计中。这意味着设计师要考虑如何利用新的技术表达设计想法。例如，如何通过AI生成的设计快速表达不同的创意方向，如何利用AI优化设计文档与提案的呈现方式等。这是一个新的挑战，要求设计师跳出传统的设计思维，具备更广泛的创意和表达能力。

模型prompt学习

设计师需要学习如何通过模型的prompt来引导AI生成所需的设计结果。AI模型的输出通常依赖于输入的prompt质量，设计师需要掌握如何精准地设计prompt，以获得最佳的设计方案。这不仅涉及到对AI工具的使用技巧，还需要设计师具备一定的计算思维，能够根据设计目标调整prompt，从而高效地利用AI完成复杂的设计任务。

结语

AI技术的发展正在深刻改变设计行业的格局，设计师需要不断学习和适应新的技术和工具，才能在未来的职场中立于不败之地。虽然 AI可能会取代大部分基础设计工作，但设计师在创意、美学和人机协作方面的价值依然不可替代。通过不断提升自己的技能和创新思维，设计师可以在 AI时代找到新的价值和机会。