摘" 要：ChatGPT、Midjourney和Stable Diffusion等AIGC技术的快速发展，彻底改变了设计行业的进程，有望变革与重塑设计方式。首先分析了设计师工作转型的逻辑。其次，阐述了设计师在AIGC时代应具备的关键能力，包括数字素养、协作能力、反馈素养、批判性思维和创新能力。最后，通过具体案例展示了设计师与AIGC在协同设计中的角色分工和合作模式。本研究旨在为设计行业及从业者提供有益启发，推动设计领域的创新与发展。
关键词：AIGC；设计师；内容设计；人机协同
随着人工智能时代的到来，以ChatGPT、Midjourney、Stable Diffusion等为代表的生成式人工智能（Generative Artificial Intelligence）产品彻底改变了包括设计在内的各行业发展进程。在过去几个月中，技术以天为单位的迭代速度使生产力效率得到了跨越式提高。人工智能生成内容（Artificial Intelligence Generated Content，AIGC）的爆发式增长，使得设计方式的供给主体从传统的设计师转变为机器[1]。通过利用深度学习和云计算等技术，AIGC可以根据用户需求指令进行设计生产，形成AIGC设计模式，从而引发设计领域的数字化变革，使设计师的工作形式发生本质变化。目前，关于AIGC在设计领域的研究主要集中在其辅助设计的形式、方法以及设计伦理问题等方面，且研究结果表明，AIGC能够引发设计行业的变革[2]。然而，要实现AIGC对设计行业的进一步重塑，关键在于重塑设计路径，即在人机协同背景下，设计师如何实现设计效益的最大化。基于上述认识，仅探讨AIGC赋能设计的原理机制和支持设计表达的若干形式是不够的，还需对AIGC如何辅助设计师进行设计的路径做深入分析。因此，本研究将厘清AIGC时代下设计师工作转型的逻辑，解析设计师工作转型策略，并深入剖析设计师工作转型的路径，以期为设计师未来的职业发展提供思路和借鉴。
一、AIGC时代下设计师工作转型的逻辑
（一）AIGC技术引发设计流程变革，提升设计效率
首先，AIGC技术的引入改变了设计内容的生成方式，凸显了设计内容的多元化。传统设计方式依赖于设计师的经验和审美，而AIGC通过机器学习和生成模型，自主学习并生成创意，提供具有创新性的设计概念，并能根据大量数据快速适应个性化需求，为客户定制设计方案。例如，设计公司Canva利用AIGC技术推出了自动生成设计模板的功能，使用户可以快速创建海报、宣传单等设计作品。这种变化大幅提高了设计效率，设计师能够在更短时间内完成更多设计任务。其次，AIGC能够捕捉并引领设计热点。AIGC利用大规模数据资源进行学习，筛选并结合信息，提出全新的设计策划建议。因此，AIGC可以更早地捕捉关键设计思路并投入市场，提前识别并产生具有发展潜力的设计思路，引领市场趋势。
（二）AIGC技术扩展设计表现形式，激发设计灵感
AIGC通过预训练大量艺术设计作品和文本数据，具备激发设计师创作灵感和生成不同内容和形式设计作品的能力。首先，AIGC能够满足设计师和受众的需求，快速生成不同主题的设计作品。设计师只需提供设计方向和关键元素，AIGC便可快速产出符合需求的设计作品，为设计师提供参考。例如，使用Midjourney进行艺术创作的设计师发现，该工具能够生成多样化的视觉效果，从而激发新的创作灵感。这种能力扩展了设计师的创作范围和表达形式。其次，AIGC能够打破传统设计领域的边界，融合各类艺术和科学知识，满足不同设计需求。例如，OpenAI的DALL-E模型能够生成融合科学与艺术的设计，将创新的科学概念与艺术表达相结合，突破设计师的思维和体能局限。最后，AIGC通过不断学习和改进，实现自我进化，提高设计质量和创造性，并根据最新设计风格和数据不断更新设计内容，使设计作品符合时代审美需求。
（三）AIGC技术提升设计师工作效率，实现高效协同
AIGC不仅简化和自动化传统设计工作，还通过其独特的生成能力，推动设计流程高效化。AIGC能够自动识别和优化设计结构和逻辑，使设计作品更具连贯性，同时自动处理繁琐的设计任务，如图形处理、排版和颜色选择等。这使设计师能够专注于创造性工作，提高整体设计效率。例如，Adobe公司在其Creative Cloud中集成了AIGC功能，使用户能够自动完成图像处理和优化任务，从而大幅提高了工作效率。此外，AIGC可以根据特定受众或市场需求，自动生成个性化设计作品，从整体构图到细节元素，都可进行个性化调整，以更好地迎合用户的审美和喜好。例如，使用Stable Diffusion的设计师能够在实时生成的基础上进行精细调整，确保设计作品符合客户要求。最后，AIGC通过学习大量艺术和设计数据，模仿并融合各种设计特征，实现跨领域的迁移学习与风格转换，提供更多创作可能性，促进设计作品多样性，满足用户的艺术和情感需求。
二、AIGC协同设计的基础与表现
（一）协同基础
在AIGC赋能的设计环境中，人机协同设计成为一种新的工作模式。为了有效地利用AIGC技术并实现最佳的设计效果，了解协同基础至关重要。这包括对AIGC在设计领域的核心能力的深入理解，以及明确设计师在这一新兴领域中需要具备的关键能力。通过全面分析AIGC的核心能力，可以更好地理解其对设计流程的影响，从而指导设计师如何与AIGC进行有效互动，实现人机协同的最佳表现。
1.AIGC在设计领域的核心能力
（1）信息检索与分析能力。AI能够自动从庞大的数据集中获取有关设计元素、趋势和样式的信息。比如，Adobe的Sensei平台能够分析数百万个设计作品，找出流行的设计趋势和元素，帮助设计师在创作时更具针对性和前瞻性。通过这一平台，设计师可以了解当前最受欢迎的颜色搭配和设计风格，从而做出更符合市场需求的设计。
（2）逻辑推理能力。AI能够识别与设计师多轮对话中的语义和关键词，理解设计师的设计目的。以OpenAI的GPT-4为例，设计师在描述一个项目的概念时，GPT-4可以根据关键词和上下文推理出适合的设计元素和风格，提供有针对性的设计建议，从而帮助设计师更高效地完成设计任务[3]。
（3）生成能力。它能够根据用户需求和设计师输入的要求进行创造性设计，生成图形、图像，甚至整个设计方案。DeepArt.io就是一个很好的例子，它利用神经网络技术，将用户上传的照片转换成具有特定艺术风格的图像，实现了视觉元素和颜色方案的高度创新性和独创性。
（4）学习与优化能力。它能够根据用户的反馈、历史数据以及对设计师的情感识别能力，不断优化生成的设计。比如，Canva的设计平台会根据用户的使用习惯和反馈，不断调整和优化其模板和设计建议，使其更加符合用户的需求和设计师的期望。
（5）多模态处理能力。AIGC能够处理多种类型的信息，包括文本、图像和声音[4]。RunwayML是一个典型例子，它提供了多种AI工具，设计师可以使用这些工具处理视频、图像和文本数据，实现跨领域的设计协同。通过这些工具，设计师可以将文字描述转化为视觉元素，或者根据音乐生成相应的视觉设计，极大地丰富了创作的可能性。
综上所述，AIGC在设计领域的核心功能极大地提升了设计师的工作效率和创意表现，推动了设计行业的变革。随着技术的不断发展，AIGC在设计领域的应用前景将更加广阔，为设计师提供更加多样化和高效的创意支持。
2.设计师在AIGC时代的能力要求
AIGC技术的应用不仅依赖于其自身的能力，还要求设计师具备相应的素质和技能，以实现有效的人机协同设计[5]。基于人机协同设计形式及AIGC系列设计软件的功能属性，设计师应具备以下关键能力：
（1）数字素养。设计师必须熟练掌握相关的AIGC技术和软件，具备数字获取、制作、评价、分析和解读等系列素质与能力。例如，设计师在使用Midjourney进行图像生成时，需要了解如何输入关键字、选择参数和调整生成设置，以生成符合设计需求的图像。同时，设计师还需要理解这些工具的算法基础，知道如何利用这些工具进行高效的设计创作。
（2）协作能力。设计师通过与AIGC进行人机协同设计，可以近似看作“人－人”协作。协作能力是实现最大化人机协同设计表现的关键能力之一。例如，在一个产品广告设计项目中，设计师可以使用OpenAI的GPT-4生成初步的广告文案和视觉元素。在此基础上，团队成员进行多轮互动，明确设计需求，反馈修改意见，并进行进一步的创作调整。通过这种协作，最终形成高质量的广告设计作品。
（3）反馈素养。由于设计师很难在AIGC生成的第一轮作品中就获得满意的设计方案，使得人机协同设计具有多轮操作的特征。设计师需要具备反馈素养，能够有效地对AIGC生成的设计方案进行评价和调整[6]。例如，设计师在使用DALL-E 2生成的图像时，需要不断调整输入的关键词和参数，根据生成的结果进行评价，提出修改意见，直到生成符合预期的设计。
（4）批判性思维能力。设计师需要具备批判性思维能力，能够对AIGC生成的内容进行深入分析和评估。这种能力有助于设计师识别潜在问题，并提出建设性反馈，从而改进设计方案。例如，在使用DeepDream生成艺术风格图像时，设计师需要评估其艺术效果和实用性，识别出不符合预期的部分，并提出改进建议，以确保最终设计的质量和效果[7]。
（5）创新能力。设计师在使用AIGC进行创作时，应在人机协同设计的过程中实现设计作品的创新。这要求设计师具备创造性思维，能够结合AIGC提供的设计建议，创作出独特且具有艺术价值的作品。例如，设计师在使用RunwayML生成跨领域的设计作品时，可以将不同领域的设计元素和风格融合在一起，创造出具有创新性的视觉效果和设计方案。
综上所述，AIGC在设计领域展现出强大的信息检索与分析、逻辑推理、生成、学习与优化、多模态处理等核心能力，极大地提升了设计效率和创意表现。为充分利用这些能力，设计师需要具备数字素养、协作能力、反馈素养、批判性思维和创新能力。这些能力不仅有助于设计师更好地利用AIGC技术，还能确保设计师在与AIGC协同工作时实现最佳的设计效果。通过有效的人机互动，设计师可以在AIGC的辅助下不断优化设计方案，推动设计行业的创新与变革。
（二）协同表现
在AIGC辅助设计的过程中，设计师和AIGC各自担任特定的角色，以实现有效的协同设计。明确的角色分工和高效的协作是人机协同设计成功的关键。
1.AIGC的角色表现
（1）原型制作者：AIGC作为人工智能生成软件，负责解析设计师的提问内容，并根据需求生成符合设计师意图的原型。例如，设计师希望设计一个具有未来感的智能家居产品。设计师输入关键字如“未来感”“智能家居”“简约风格”，AIGC生成了多个设计草稿，展示了不同的未来智能家居设计概念。这些草稿不仅包括产品的外观设计，还涵盖了功能布局和用户交互界面。通过这些原型，设计师可以快速了解不同设计方向的可行性。
（2）监控评价者：AIGC监控设计师在对话中的表现，并按照设计要求进行评价。这包括确保生成的内容符合设计标准，并在必要时提供反馈以改善设计过程。例如，设计师在使用AIGC生成的广告图像时，AIGC会根据预设的品牌标准（如色彩、字体、品牌风格）对生成的图像进行质量评估。如果某些图像不符合标准，AIGC会标记这些问题并提供改进建议，确保最终的设计符合品牌要求。
（3）自我优化者：AIGC在与设计师的对话中主动学习，实现自我优化。例如，在多次生成产品包装设计后，AIGC会根据设计师的反馈不断调整生成算法。设计师可能指出某些设计元素（如颜色搭配、图案风格）需要改进，AIGC会根据这些反馈优化其生成策略，逐步提升生成设计的质量和匹配度，最终能够更精确地符合设计师的期望[8]。
（4）协作建构者：通过与设计师的多轮对话，AIGC不仅在个体层面实现自我优化，同时在群体层面与设计师共同推动知识创生，促进设计的协同发展。例如，在一个复杂的设计项目中，AIGC和设计师共同探索新的设计方向。设计师提出一些初步的概念和思路，AIGC生成多个迭代版本，并根据设计师的反馈不断改进。这种多轮互动不仅提升了设计的创新性，还形成了新的设计知识和方法，推动了整个团队的设计能力。
2.设计师的角色表现
（1）问题提出者：设计师负责剖析学习需求，分析当前设计状态与预期目标之间的差距，并凝练核心问题。例如，在一个新产品开发项目中，设计师通过市场调研和用户反馈，发现现有产品在用户体验上存在不足。设计师将这些问题归纳为具体的设计需求，并向AIGC提出明确的问题，如“如何改善用户界面设计以提升用户体验？”AIGC根据这些问题生成多个解决方案，帮助设计师找到最优设计路径。
（2）调节学习者：在人机协同设计的过程中，设计师扮演自我调节者、协同调节者和共享调节者的角色。例如，设计师在与AIGC合作的过程中，计划和监控设计进程，调整设计策略。如果AIGC生成的初步设计不符合预期，设计师会调整输入的参数和关键字，并重新定义设计需求，以确保生成的内容更接近最终目标。
（3）内容建构者：设计师通过对AIGC返回的内容进行有意义的建构，将人工智能生成的素材融入设计中。例如，在一个品牌重塑项目中，设计师使用AIGC生成的多种视觉元素（如新Logo、广告图像）作为基础，结合自己的设计理念和用户反馈，构建出完整的品牌视觉系统。
（4）协作建构者：通过与AIGC的多轮对话，设计师在个体层面完成认知加工，将生成的内容与自身设计理念融合，同时在群体层面促成设计创生。
明确的角色分工是AIGC与设计师实现高效协同设计的基础。通过原型制作、监控评价、自我优化和协作建构，AIGC为设计师提供强大的支持。而设计师通过提出问题、调节学习、内容建构和协作建构，充分发挥自己的创意和专业能力，与AIGC共同完成高质量的设计作品。这种明确的角色分工和高效的协同工作模式，不仅提升了设计效率和质量，还推动了设计行业的创新和发展。
三、AIGC协同设计的路径刻画
协同设计是AIGC和设计师共同参与、分工合作的过程，旨在通过人机协同来实现更高效、更创新的设计成果。在协同设计过程中，设计师与AIGC各自发挥自身的优势，通过明确的角色分工和有效的互动，不断优化设计方案，提高设计质量和市场适应性，具体流程见图1。
（一）设计前期——AIGC作为设计师的专业助手
在设计前期的选题策划环节，设计师一旦对选题方向做出积极评估，可以请求AIGC进一步整理相关信息。例如，ChatGPT可以辅助设计师进行前期研究、用户需求分析和设计构思。设计师需要阅读大量市场趋势报告、行业报告和用户调研报告，通过ChatGPT，可以快速总结提炼报告中的核心观点，极大提升阅读效率，更高效地收集、整理和分析大量设计信息，帮助设计师从差异性和创新性角度更好地思考最终设计的范围、定位和选题。同时，AIGC能够爬取各类互联网平台，包括购物平台、搜索引擎和行业网站，获取相关信息以及对应的用户行为数据与用户态度，以供设计师判断信息价值或提出新的数据收集任务。此外，在前期调研阶段，通过ChatGPT还可以帮助设计师撰写用户调研提纲，提供调研建议，甚至进行头脑风暴，发现新的设计灵感。
（二）设计实施——人机共创
在设计实施环节，大多数例行设计任务已经可以由AIGC承担。为了生成优质设计方案，设计师需要向Midjourney、Stable Diffusion等AI生图工具传达明确的设计任务指令，包括设计方向、目标用户、设计态度和产品风格等信息。设计师与AIGC协作，通过清晰明确的提问，使AI生图工具生成的设计方案质量显著提升，而不再局限于简单的泛泛指令。在人机互动过程中，设计师构建设计框架，让AI生图工具根据相关设计资源生成初步设计方案。设计师审查初步方案后，梳理设计逻辑，并根据创新性思维，针对设计风格、颜色搭配、形式表达和材料选择等不断提出更详细的设计要求。设计师需要尽可能让AI生图工具告知信息源或提供相应的数据参考依据，使设计方案有理有据。在这个过程中，设计师构思创意，AI负责实现设计师的创意，实现了人机共创。
（三）设计后期——AIGC提供后续服务
在设计排版环节，根据设计内容和目标人群，设计师向AI生图工具提出版式排布要求，将图像、文字、动画等元素有机融合，创造富有创意和吸引力的排版效果，提升设计方案的可读性和视觉吸引力。此外，AIGC还可以进行用户跟踪，记录用户的使用数据，并为设计师提供第一手的反馈信息。例如，在新产品发布后的用户反馈环节，AIGC可以实时收集用户评价和意见，并生成详细的反馈报告，帮助设计师快速了解产品的市场反应和用户体验。这些数据对于设计师进行产品改进和新产品开发提供了宝贵的参考信息。此外，AIGC还可以进行竞争对手分析，帮助设计师了解市场动态，制定更有针对性的设计策略。在AIGC的背景下，产品设计师通过利用人工智能生成软件，能够更加专注于产品创新与用户体验，以提高产品的整体质量和效率。
值得注意的是，设计师需要处理好人机协同工作模式下可能面临的挑战[9]。一方面，AIGC不会对作品的创意和质量负责，另一方面，AIGC一旦失控，其设计出的作品可能带来不良的影响。因此，尽管AIGC技术改变了设计工作的模式，但设计师占据主导地位的原有观念不应被动摇。这也要求设计师在艺术设计的过程中，清晰地了解如何通过人机双向反馈，构建对协同任务的共同认识，从而让AIGC充分发挥生产力。在这个过程中，设计师要充分发挥主观能动性，加深技术理解，熟悉技术操作，更需要深刻把握对设计内容和用户需求的理解。无论AIGC技术如何发展，设计师的审美眼光和专业素养始终是艺术设计领域的核心。
作为设计师，严格的品控管理和保障作品质量至关重要[10]。在AIGC赋能的背景下，AIGC技术的使用使得艺术设计的内容更加庞大而复杂，但无论技术如何更迭，设计师们都要坚持始终以生产优秀设计作品为首要任务，严格把握作品内容，以确保所创作的设计作品达到高标准和高质量。这意味着设计师们要有对艺术品质的深刻理解和独到见解，确保所创作的内容既能引起观众的共鸣，又能够体现高水平的审美和创造力。同时，设计师们还应当对内容进行深度挖掘，防止出现低俗、虚构或者曲解的情况，保证设计作品对历史、文化等方面的准确表达。这要求设计师们不仅要紧跟技术的发展，更要坚持对作品内容的严苛要求，将严格把握作品内容视为设计工作的立身之本，并且倡导工匠精神，对内容进行精耕细作，确保设计内容的质量和水平不断提升，从而在AIGC赋能的时代中，打造出更多高质量、有深度、有创意的艺术作品，为艺术领域的发展贡献力量[11]。
四、结语
AIGC重新定义了设计师的竞争力边界，设计师必须持续学习AIGC协同设计的相关内容，并快速转化为设计实践能力。虽然AIGC看似降低了设计的门槛，实际上对需求理解、问题分析、审美判断和创意亮点提出了更高层次的要求。未来，设计师应对现有AIGC工具进行严格评估和选型，确保它们能够提供标准化输出和一致性体验，从而提升设计的质量和速度。此外，设计流程需要更加精细化，从项目启动到最终交付，每一步都需要针对不同AIGC生成工具的能力特性进行优化。设计团队应制定并执行明确的AIGC融合策略，营造积极主动的创新环境，增强对市场动态的快速适应能力，以确保团队整体的未来发力方向。随着技术的不断进步，AIGC在设计领域将扮演更重要的角色，为设计师和用户创造更多可能性。
参考文献：
[1]王欣，张雨航.数智技术介入下的紫砂器形态再设计[J].南京艺术学院学报（美术与设计），2024（3）：92-97+210.
[2]Cetinic E，She J.Understanding and Creating Art with AI：Review and Outlook[J].ACM Transactions on Multimedia Computing，Communications，and Applications，2022（2）：1-22.
[3]储节旺，罗怡帆，李佳轩.AIGC对信息生成方式及用户信息行为的影响[J].图书情报工作，2023（24）：13-23.
[4]曹磊，俞剑红.AIGC技术在电影数字化创作与制作平台的创新应用[J].北京电影学院学报，2023（11）：80-91.
[5]侯建军，毛轶超，许莉钧.人工智能背景下设计师能力需求及胜任力模型再建构[J].包装工程，2021（24）：340-348.
[6]董艳，李心怡，郑娅峰，等.智能教育应用的人机双向反馈：机理、模型与实施原则[J].开放教育研究，2021（2）：26-33.
[7]ZHAN Y. Developing and Validating a Student Feedback Literacy Scale[J].Assessment amp; Evaluation in Higher Education，2022（7）：1087-1100.
[8]卢兆麟，宋新衡，金昱成.AIGC技术趋势下智能设计的现状与发展[J].包装工程，2023（24）：18-33+13.
[9]于雪，李伦.人工智能的设计伦理探析[J].科学与社会，2020（2）：75-88.
[10]张林.生成式人工智能应用的风险研判及伦理规制[J].人民论坛，2023（24）：136-138.
[11]刘锦宏，宋明珍.人机协同审核：概念与模式[J].中国出版，2022（22）：11-14.
作者简介：
于洺珠，硕士，马鞍山学院艺术设计学院助教。研究方向：产品设计。
秦璇，硕士，马鞍山学院艺术设计学院助教。研究方向：数字媒体设计。
魏伦，硕士，马鞍山学院艺术设计学院副教授、副院长。研究方向：视觉传达设计。
基金项目：本文系安徽省教育厅高校优秀青年人才支持计划“太白文化艺术符号塑造马鞍山文化品牌方法研究”（RZ2300000012）；2024年马鞍山市科协重点学术活动项目“数字时代下马鞍山区域文旅形象构建策略研究”；2024年马鞍山学院校级重点项目“艺术疗愈视角下的数字博物馆交互设计研究——以马鞍山市博物馆为例”；2024年度马鞍山市社科规划课题“基于数字技术的马鞍山市博物馆互动体验设计研究”阶段性研究成果。
