王路平
阿里云设计中心总监
王路平，阿里云设计中心总监。在长达20年的设计生涯中，王路平曾任职于三星，SKT等国际公司。他创立了阿里云设计中心（ACD），是中国最早专攻云计算设计的团队之一，负责阿里云近百款云产品体验设计、数字产品设计与智能设计创新。
2016年，路平在国内首次系统提出“Computational Design 计算设计”理念，致力于推动技术、艺术与商业的交叉融合。2023年，人工智能技术涌现，设计行业受到巨大冲击，路平从模型资产、人智协作、生成式工具三个角度诠释“AIGC时代的设计新范式”，并带领团队沉淀出阿里云一站式 AIGC 设计平台 PAI ArtLab，助力设计行业向AIGC时代全面转型。
但对于他的团队，路平更让人印象深刻的一面是作为一个“酷老板”：路·邪典文化囤积者·波普艺术·每日电影放映机·电子乐的编年史·鬼冢虎代言人·阿里云高晓松·平。他有着高级的审美和敏锐的技术嗅觉，思维迅捷、快语夺人，却不自诩权威，鼓励挑战和打破。正因如此，阿里云的设计团队从不拒绝任何新技术和新思想：一个物理定律、一段Techno旋律或是电影独白，都可以成为灵感和工具，被包容在阿里云设计中，不断拓展设计的边界。
摘要：AIGC 对设计的影响不是一个点、一个面，而是从生产资料、生产工具到生产关系上的系统性革新：生产资料方面，从数字资产到专属模型；生产工具方面，从自动化工具到生成式工具；生产关系方面，从人机协作到人智协作。我们逐步建立了包括理论、方法和实现路径在内的一套 AIGC 设计新范式。为了充分利用智能设计带来的群体智能而避免视觉茧房，设计师应在运用 AI 技术的同时，保持开放的心态，不断寻求新的视角和灵感来源，并且拥抱设计过程中的多样性和未知性。
关键词：数智设计；算法；脑机比
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
《设计》：何为“智能设计”？请谈谈您对“智能设计”及其要素的理解。它和您早年间提出的“计算设计”有何异同？智能设计中涉及自动化、数据驱动、交互和持续优化等概念，智能设计中的“智能”与“设计”是怎样的关系？
王路平：“智能设计”通常指的是在设计过程中引入人工智能、机器学习、自动化技术等，以提升设计效率和效果，实现更为精确和复杂的设计任务。它的核心要素包括数据驱动、算法生成、自动化流程、用户交互和反馈机制等。智能设计能够根据历史数据、实时反馈和预测模型进行动态调整和迭代，从而创造出满足复杂性能指标与约束条件的最优设计方案。
智能设计与计算设计有着紧密的联系但也有明显的差异。计算设计强调使用计算工具和方法来辅助设计过程，例如使用参数化设计软件来实现复杂形态的建筑设计。而智能设计则更加侧重于使用人工智能来赋予设计过程中更高级别的智能化和自主性，例如通过机器学习算法预测设计结果或自动生成设计方案。
两者之间的关系是相辅相成的，其中，“智能”体现在系统或平台能够自我学习、适应环境变化并自主做出决策的能力；而“设计”则是在特定目标下进行创新构思和问题解决的过程。“智能”为“设计”提供了更多可能性，而“设计”则是“智能”技术的应用和实践领域。
《设计》：您创立了阿里云设计中心，被称为中国最早专攻云计算设计的团队之一，取得了哪些重要成果？
王路平：获得多项国内外设计大奖：作品斩获 iF、德国红点、中国设计智造（DIA）等大奖，并被评为福布斯中国 2021 最具商业设计价值公司 Top10、2021 年度中国设计产业 100强-十佳企业设计中心、2022 WSIS 世界信息社会峰会冠军奖等。
不断深耕专业能力：
1）专利：申请国家专利数 50 件；
2）论文：发布多篇论文《阿里云控制台无障碍设计研究》《易用性实践研究论文》收录于交互设计领域顶会 HCII 2021 Case Study，《How Consistent is Your GUI Design？》一致性测评方法与度量指标论文被 CSCW 收录（普适计算和人机交互领域的顶级国际会议）；
3）团体标准：发布了 7 项云计算领域的设计团体标准《数字大屏可视化设计指南》《云计算产品体验设计通用流程第一部分：全新产品孵化及迭代》《云计算管控平台界面设计指南》《云计算管控平台无障碍分级模型与度量方法》、《云计算软件产品使用体验度量模型及方法》《云计算软件产品易用性度量方法》《物联网云组态应用界面设计指南》。
设计方法与体系建设：
1）在 2020 年，千行百业进入数字化的浪潮中，阿里云设计中心建立 B-Design 企业级产品设计系统，为阿里内部及合作伙伴的 SaaS 系统上云提供标准化的设计规范和指导；
2）同年，我们推出了 Xconsole 阿里云系统化的管控类产品设计解决方案。Xconsole 提供云产品从设计到开发的全链路设计解决方案，应用到了超过160个的云产品中，也推广给 ISV 伙伴提高生态产品的设计品质和效率。Xconsole 作为阿里云管控业务的聚合平台，纵向拓展到涵盖弹性计算、网络等垂直业务的最佳实践聚集地；
3）2023年，AIGC 席卷设计行业，我们在半年的探索实践中，建立了 AIGC 设计新范式的设计方法，同时沉淀出了一站式 AIGC 设计平台—— PAI ArtLab，为设计从业者提供安全、快捷、全面的 AIGC 设计工作支持，助力设计行业向人工智能 AIGC 方向全面转型。
《设计》：您是从何时开始关注智能设计的？如何进入智能设计这个领域的？您个人关注智能设计的哪些细分领域，并做了哪些实践和探索？
王路平：我认为随着时代发展到一定程度，必然要关注智能设计。AIGC 方向、技术与设计结合的方向，作为阿里云设计团队，我们与计算有天生的结合点。
我们一直在做智能设计方向的探索和实践：
1）“设计+技术”相互融合：从17年开始，我们尝试运用一些新的方法、工具，同时也更关注“设计+技术”的相互融合，我们将参数化设计、3D、编程技术、工程等结合应用到一些科技类大会的主视觉当中；
2）“图像生成”的早期尝试：在2020年，我们发布了 ATOMS“图像生成设计平台”，通过算法来快速定制生成各种几何设计元素的数字生成工具。作为一群不同设计风格的算法实例的集合，每一个实例都可以根据需要在参数面板中调节视觉特征，产生无穷无尽的效果。这也是我们在做图像生成的第一次尝试。同年，我们发布了“阿里云智能 logo 设计”，我们不断优化算法，建立精准的语意解析，建立丰富的知识素材库，迭代设计规则，为用户提供高质量的 logo 设计。
3）在行业智能方向，也在不断探索：我们和DataV数据可视化团队通过云计算、可视化的能力进行数字化空间场景构建，搭建数字孪生场景，运用在涉及工业、港口运输业、航空行业等不同领域。我们将设计和不同的学科、行业应用融合，创造出新的产品和艺术形态。通过构建数字孪生体的空间全要素、建立数据映射设计系统与可视化图元体系与OPUS信息交互体系，构建出以数据为核心的可视化的实时渲染的数字孪生空间。
数字时代下，数据可视化的需求越来越大，而数据大屏的可视化搭建，要求用户学习专业工具的操作、具备一定的综合的学术背景和设计能力，准入门槛较高。我们把智能化算法结合人机交互、融合用户意图和专业设计师的经验，将智能能力以工程化的形式输出，将设计师专业技能普惠大众。
2021年，我们发布了“BIV Builder 三维园区智慧搭建平台”BIV Builder是阿里云自研的三维智慧园区搭建平台，让非专业人士可以在几天内零代码、快速地搭建完成可交互的三维园区，大幅降低时间和人力成本。BIV Builder 利用人工智能技术，自动将 CAD 图纸转化为 BIM 模型，降低建筑模型生成成本，创意工程师自研图形引擎，不依赖 GIS 数据自动生成周边城市场景数据，参数化视效秒级切换，内置四色图、建筑爆炸图、第一人称视角漫游等实用功能。
《设计》：智能设计的发展历程是怎样的？它与传统设计有哪些区别和联系？
王路平：从我个人的理解来看，智能设计的发展经历了 2 个阶段，从数字设计到数智设计，其发展依托于AI技术的发展，但这个过程中是没有明确的分界线的。
AI 1.0 时代：数字设计阶段——决策式 AI
在 AI1.0 时代，我们见证了人脸识别和智能推荐这类决策式AI和分析式AI的兴起，设计师们通过设计来辅助用户更好地做出决策和信息匹配，本质上是在做加法。
以人脸识别为代表的 AI 技术在安防、交通等领域的应用得到了极大的推广，成为AI技术应用的重要标志。而语音识别、智能音箱和智能推荐等AI技术的发展也给我们带来了更加便捷和个性化的数字体验，人们开始在日常生活中逐渐接受这些智能设备的存在，智能家居、智能客服等新兴业态也逐渐成熟。
在这一阶段，对于我们阿里云的设计师来说，这些AI技术的发展不仅仅是技术层面的突破，更是我们思考数字化转型的契机。我们深入到云计算和行业数字化转型的场景，挖掘基于AI的数字体验设计创新的机会，给用户带来更好的数字体验。
AI 2.0 时代：数智设计阶段——生成式 AI
当我们迎来 AI 2.0 时代，以 AIGC 为代表的人工智能开始创造数据、生成信息，AGI 提高了软件的适配能力和自主能力，开始从量变到质变，设计也开始从“数字”走向“数智”。
《设计》：您曾谈到“世界数化，设计进化”，在您看来，数字化是如何驱动设计进化的？而“大模型设计时代”的设计进化成怎样的形态？
王路平：数字化是设计进化的重要手段：随着数字技术的不断发展，设计从传统的手工制图和实体模型逐步转向了计算机辅助设计，再到3D图像生成，这些数字工具和平台不仅提高了设计的效率和精确性，而且还为设计师提供了全新的创作手段和表现方式。同时，数字化也带来了强大的协作能力，设计师可以远程与团队和客户沟通交流，共同参与到设计的每一个环节。除了工具以外，千行百业的数字化转型同样也是驱动设计进化的重要因素。
大模型时代的 AIGC 设计新范式：在 AI 时代下，数字化还将设计推进到了一个新的阶段。在这一阶段，对于我们设计师来说则是一个全新的设计范式的出现。过去的一年里，我们拥抱 AIGC，并逐渐将 AIGC 与设计相结合应用到实际的业务中，也感受到 AIGC 对设计的影响不是一个点、一个面，而是从生产资料、生产工具到生产关系上的系统性革新：生产资料方面，从数字资产到专属模型；生产工具方面，从自动化工具到生成式工具；生产关系方面，从人机协作到人智协作。我们逐步建立了包括理论、方法和实现路径在内的一套 AIGC 设计新范式。
《设计》：请分享一些AIGC设计新范式方向的实际案例。
王路平：1.生产资料方面，从数字资产到专属模型。在云计算的场景中，3D图标是经常出现的图形元素，200多款云产品就有 200 多个对应的 3D 识别图标，同时还会在运营过程中不断丰富和扩展其形态。这些图标都是我们重要的数字资产。AIGC 之前，完成一个 3D 图标的设计需要 4 步，建模、贴材质、打光、渲染，大致需要1天的时间。现在，我们把这些3D图标命名、分类整理好，进行打标。通过阿里云一站式 AIGC 设计平台 PAI ArtLab 完成从数据集到阿里云 3D IICON LoRA 模型的训练，最终在阿里云一站式 AIGC 设计平台 PAI ArtLab 引用阿里云 3D IICON LoRA 模型，加上合理的提示词，我们就容易得到一个符合业务场景的图标，经过简单调整就可以应用在实际业务场景中。
经过大半年的探索，我们逐渐探索出了适用于不同场景的设计 LoRA 模型。通过这些 LoRA 模型的不断分享、迭代、生长和进化，使得设计师们在设计过程中可以更加灵活地应对不同的需求，提高了设计效率，也增强了设计创造力。
从数字资产到模型资产，简单看是资产承载形式的变化，本质上是设计生产力的一次飞跃。
2.生产工具方面，从自动化工具到生成式工具。在新加坡的 iLight 灯光节中，有一块巨幕跟观众与市民互动，让市民“Make a promise”关注并节省能源，这个大型互动装置叫做 Lightwave，阿里巴巴能耗云的算法在 Lightwave 的市民互动机制中，需要提供超过5万张海洋、能源相关的 AIGC 生成图，并结合用户的名字签名，用于 ESG（环境、社会价值）的城市绿色能源传播新加坡灯光秀项目，短时间内设计制作5万张同样主题风格的图片，这在过去几乎是不可完成的设计任务。我们在这个项目中，采取了“Midjourney->Stable Diffusion->AI算法调优”的生成式设计流程，同时联合技术团队在算法侧做了大量的 Stable Diffusion 深度算法优化与ControlNet 优化，最终，我们探索了60个分类，200+的风格方向，从色彩、姿态、笑容等多维度结构化 Prompt，生成不同的主题图，最终再经过AI算法训练，产出了5万张庞大体量的海洋、能源 AIGC 主题图，完成一次商业上的AIGC设计探索。
3.生产关系方面，从人机协作到人智协作。在亚运会期间，奥组委和亚组委的官员、阿里云的技术负责人和设计师一起，联合创作了一幅画卷，寓意“心心相融·爱达未来”。亚运会的嘉宾们给出了“Olympics”“智能科技”“生态发展”“繁荣”“未来感”“地标建筑”等核心的关键字，我们通过与通义千问的互动，得到了具体表达这些关键字的核心元素。同时，基于魔搭社区的开源模型，我们寻找表达亚运精神、和谐、未来感的插画模型。我们选择了45个参赛国的核心元素，包括地标建筑、植物、动物、非物质文化遗产等，同时由AI完成这些图形的创作。基于通义万相模型和开源模型的融合，生成画卷的底图和核心地标元素，融合在一起，尝试更适合于亚运的风格设定。最终通过人智的协同，描绘出这一幅“心心相融·爱达未来”的美好画卷。
《设计》：智能设计涉及诸多高新科技方法路径，带来解决方案更高效的输出，由此给设计师工作带来的利弊如何看待？
王路平：智能设计通过人工智能算法对图像、数据进行训练，通过深度学习最终能够创造出全新的文字内容、图像内容等，不仅如此还会激发群体智能的涌现，提升我们决策的质量以及效率，但从另一个角度来看，当人工智能的处理的信息体量和数据集超出我们的信息认知的时候，我们也会进入卷入到视觉茧房当中。
群体智能带来的质量与效率的提升：指的是多个智能体合作协同，通过信息共享和集体判断，能够产生比单个智能体更优的决策、解决问题的能力。
视觉茧房带来了信息泡沫与审美固化：通常是指个体在网络上接收信息时，因为算法推荐的结果，可能只会不断强化个体现有的偏好和观点，而忽略或无法接触到不同的信息和观点。在AI文生图中，部分设计和创作过程的控制可能已经从人类手中转移到了机器，这可能限制了设计师和艺术家以个人独特风格进行创作的能力，也可能导致广泛的视觉同质化，减少了设计与艺术中的创新和实验性。
为了充分利用智能设计带来的群体智能而避免视觉茧房，设计师应在运用AI技术的同时，保持开放的心态，不断寻求新的视角和灵感来源，并且拥抱设计过程中的多样性和未知性。
《设计》：AI的发展为设计带来哪些机会与革新？对产业有什么影响？
王路平：模型与 AIGC 新范式的发展让我们不得不去思考，在这样的时代面前，设计有什么样的机会？我们可以去做什么？而设计师本身，需要如何自我革新，才能够跟得上时代的节奏？
1.用NLP和多模态重构交互体验
首先，我认为大模型和 AIGC 带来的是交互体验的变革，我们正从 GUI 的交互走向以自然语言为核心的 LUI 交互时代。自然语言开始成为人机交互的主要形式。
我们也在开发者领域探索自然语言的交互结合，比如在数据开发工具 Dataworks 中，我们与技术同学一起，将元数据、数据血缘关系与LLM相结合，为开发者提供 NL2SQL、NL2Data 的开发体验，帮助SQL 开发的效率提升30%。
自然语言的交互也一定会有新的交互体验范式，我们也在通义千万的语音对话场景中探索更能够被人所感知和理解的语音交互体验。
2.善用AI Agent
AI Agent，我们可以简单称之为“智能体”，这个概念是由马文·明斯基（Marvin Lee Minsky）在他1986年出版的《心智的社会》一书中首次提出，他说“社会中的某些个体经过协商之后可求得问题的解，这些个体就是‘Agent’”。
今天，大语言模型就具备了这种感知、规划、决策和调度行动的能力，而Agent是真正主动释放LLM潜能的关键。作为设计师，我们首先要学习AI Agent的技术原理、与研发进行深度共创，再转换为用户视角，对艰涩的技术黑盒进行理解和白盒化转译，从而提供灵活稳定的智能体设计器工具以及丰富的Agent模板范例，以满足多行业Agent高效搭建的一切需求。比如我们在医疗的项目中，就通过让 LLM 读取医学文献，快速提取科研文档内容，帮助用户快速了解和学习最新研究成果；在政务服务咨询场景中，通过LLM的思考与推理能力，实现拟人化的反问及意图引导能力，将用户模糊的诉求逐步澄清，并结合外部知识库查询完成推理和最终回答。
与此同时，我们自身也要善用 AI Agent，构建我们自己的助力。这种 Agent 是可以通过云技术的组合实现的，原来可能需要一定的开发，我们正在设计低代码、Workflow 的形式，来调度多模态的知识和信息，为个人、应用以及最终用户提供 Agent 的服务。
3.到产业和垂直场景中去
AI 设计的新范式极大地推进了行业与科技的深度融合，为各行各业带来革新性的机遇。
首先，AI 通过数据分析和机器学习，为产品设计提供了前所未有的个性化和精准预测，满足消费者的个性化需求。其次，AI 在工艺流程中的应用，比如智能制造和自动化，可以显著提升生产效率和质量控制，降低成本。此外，AI 还能通过用户行为分析，对市场趋势进行准确预测，帮助业内人士做出更明智的战略决策。在创意产业如影视、游戏设计中，AI 甚至可以直接参与到创作过程，激发新颖独特的艺术作品。AI 设计新范式为千行百业打开新的大门。
以下举2个实际的案例：
在传统工艺美术行业，AI帮助手工艺打开新的设计创意思路。
供春 AI 是基于阿里云一站式 AIGC 设计平台 PAI ArtLab 的 AI 紫砂壶生成平台。通过 AI 的能力帮助手工艺人打开新的创意思路。传统工艺美术行业的设计环节的数字化程度比较低，供春AI 降低了数字化软件的使用门槛，原有的犀牛、photoshop 对于很多师傅的门槛是很高的。使用供春 AI 的客户很多是50岁以上的，这个通过传统的数字化软件是不可能的事情。
在建筑领域，AI帮助设计师大幅度提升生产效率。
易北智建是我们的一个建筑领域的客户，他们是基于阿里云一站式 AIGC 平台 PAI ArtLab 平台为建筑设计院提供从AI工作流到建筑垂类模型库建立的 AIGC 设计解决方案，以建筑设计、室内设计、景观和规划四个专业的需求出发，依托于实际项目，用 AIGC 辅助设计，为方案提供更多可能性。
《设计》：AI时代下的设计师有怎么样的要求？
王路平：我认为有以下3个点：
1） 一定要拥抱AI；2） 设计师的技能术被重新定义，美学教育需要与科技、工程等交叉学科相结合，建立跨界思维和创新能力。3） 虽然AI时代对设计师提出了新的要求，但传统的设计审美和基础教育依然不可忽视。优秀的设计师应该在掌握现代技术的同时，仍然保持对传统艺术和设计理论的深刻理解。
《设计》：在东西方政治经济文化差异的前提下，国内人工智能在设计领域的教育和发展有哪些困难和挑战？
王路平：企业高校联合探索AI在不同专业应用实践
我们已经深刻地意识到大模型和 AIGC 技术重塑了设计范式，对千行百业影响深远，那我们也希望将自己的探索和实践应用到高校当中去。在去年6们申报了教育部的产学研协同育人项目，联合6所高校（浙江大学、中国美术学院、北京服装学院、重庆大学、南方科技大学、江南大学）开发《AIGC 设计与开发》示范课程，希望与不同的高校探索AI在不同专业领域的应用，挖掘AI的更多可能性，并通过这一的示范课程建设将 AIGC 课程教育赋能到更多的高校。
我们在协作过程中发现高校的 AIGC 课程教育改革会面临一些困难，比如：上手门槛高：80%的AIGC工具源于美国，同时有一定的技术门槛”改为“AIGC工具的使用有一定的技术门槛；硬件要求高。使用 AIGC 需要使用到中高端显卡，价格很高，对于很多人来说，这都是一比不小的投入，难以规模化投入；文化差异大。大模型训练使用的是通识性数据，不理解我们国家的文化和审美，比如让AI生成一张中国风的图片，往往会返回日本或者韩国的元素。同时，很多模型也缺少我国各行业场景化的数据，很难直接在生产中应用。
面对以上种种问题，我们一边是 AIGC 技术高速发展带来的推背感，一边是思考如何解决 AIGC 落地的问题。
打造阿里云PAI ArtLab平台
为了让更多的设计从业者能够方便使用 AI 工具，能够快速实现 AIGC 的能力转型。我们和业务团队一起，把 AIGC 设计的方法和工作流沉淀到人工智能平台上，打造国内领先的一站式 AIGC 设计平台—— PAI ArtLab。PAI ArtLab 提供最佳实践的 AIGC 设计工作流、模型训练工作流，同时也有云计算产品开箱即用、按需弹性使用的特点，能够解决上面提到的上手门槛的问题。
《设计》：随着人工智能、大数据等技术的发展，您认为智能设计的发展趋势和前景如何？您有哪些期待或展望？希望和同行深度探讨哪些话题？
王路平：我认为，未来智能设计一定是会改变我们的生活，让人类的生活更美好，是会落到生活的细节当中的。比如 AI PIN 这样的产品，有可能会成为下一代的交互方式，打破今天手机的概念。苹果手机改变了通信和社交关系，我相信 AI 是有这样能力的，目前我们还没有看到这样的东西被设计出来。但是，任何一个新的技术都有两面性，AI 也会对人类造成不利方面，比如人的社交关系、隐私问题、生活节奏加速等，这都是我们未来要关注和探索的方向。
参考文献：
[1]刘知远，王威廉等编著. 自然语言处理与深度学习 [M]. 北京：清华大学出版社, 2018.
[2]蔡自兴，徐光佑著. 人工智能原理及应用 [M]. 北京：高等教育出版社, 2017.
[3]吴军著. 智能时代：大数据与智能革命重新定义未来 [M]. 北京：人民邮电出版社, 2016.
[4]布莱恩·克里斯汀，汤姆·格里菲思著. 算法之美 [M]. 北京：中信出版集团，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.