昂贵的价格是徕卡的品牌标志，同时伴随着一种精湛的制作工艺以及深厚的文化底蕴——每一部徕卡相机都可以陪伴我们走过一生。
当 “ 生成” 不再稀缺，设计留下什么
“AIGC”这个词从技术圈的行话变成大众日常用语，只用了不到三年时间。人们对它的态度呈现出一种奇特的两极分化：一部分人将其视为万能的生产力工具，另一部分人则忧心忡忡地谈论“设计师会不会失业”。这两种态度都停留在表象层面，未能触及一个更根本的问题：当“生成”这件事本身变得几乎没有成本时，“设计”这一学科原本赖以立足的稀缺性，是否还成立？这里我们跳过对AIGC工具本身的技术性讨论，回到设计思维的底层逻辑，审视这场变革究竟改变了什么、又留下了什么不变的东西。
一、过剩生成时代的来临
传统设计学科的价值，很大程度上建立在一个隐含前提之上：构思相对容易，而将构思转化为可用的、精致的成果却很昂贵——需要专业技能、时间投入和反复打磨。无论是手绘效果图、排版稿，还是三维建模，“执行”环节始终是设计价值链条中最耗费资源的部分，这也是设计师专业训练的核心内容。
AIGC的出现直接瓦解了这一前提。以图像生成为例,过去需要设计师数小时甚至数天完成的视觉方案,如今可以在几十秒内生成数十个版本。文本生成、代码生成、三维资产生成同样呈现出类似的态势。这带来的第一个直接后果是：设计工作中原本占据主要时间的“执行”环节被极大压缩，而“判断”与“选择”环节的相对权重被空前放大。换句话说，当生成变得廉价而丰裕时，稀缺的东西从“能不能做出来”转移到了“做出来的东西是不是对的、好的、有价值的”。
那么AIGC时代的核心变化则是“生成能力本身被平权化”。过去只有专业人士才能操作的复杂工具，如今普通用户借助自然语言即可调用，这种能力的下解放本身就是一种深刻的社会与产业变革。
二、设计实践中的三个有趣现象
在广告行业，越来越多的中小品牌开始使用AI图像与视频生成工具制作营销物料，从产品图到短视频脚本，制作周期由过去的数周压缩至数天。这一变化并未消灭设计需求，反而催生出新的岗位形态——专门负责“提示词工程”与“素材筛选”的角色，他们既需要理解视觉语言，也需要理解生成模型的“脾气”与局限，知道如何通过反复调试获得可用的结果。这说明，AIGC并未取代设计判断力，而是将设计师的注意力从“如何画出来”转移到“如何描述清楚想要什么，以及如何判断生成结果是否达标”。
第二个来自产品与界面设计领域。部分互联网公司开始尝试“生成式界面”generative UI——不同用户看到的界面布局、内容排布甚至交互方式可以根据其行为数据实时生成、动态调整，而非依赖设计师预先绘制的固定原型。这意味着设计师的产出物不再是一张“终稿”，而是一套“生成规则”与“约束边界”：什么可以变、什么必须保持稳定、什么样的组合是不允许出现的。设计师的角色更接近于系统的“立法者”，而非单一画面的“绘制者”。
第三个现象来自叙事产业。全AI生成的短剧、虚拟主播、AI辅助创作的插画和音乐作品大量涌现，其中不少已具备相当的商业规模。这类内容生产的门槛被大幅拉低，个体创作者可以借助AIGC完成过去需要团队协作才能实现的内容产出。然而随之而来的是同质化风险：当生成工具被广泛使用后，作品之间的技术差距迅速缩小，真正拉开差距的反而是策划、审美判断与文化叙事能力——这与本文前述“叙事成为竞争关键”的判断相互印证，并在AIGC时代被进一步放大。
这三个现象都揭示了一个趋势：AIGC没有消灭设计劳动，而是将设计劳动的重心从“制作”系统性地转移到“判断””策划“与”把关“。
三、AIGC 的生成的不确定性
理解AIGC时代的设计思维，先需要认识AI内容生成的两个关键特性。
其一是概率性而非确定性。传统的工业化生产追求可重复、可控制的标准化输出，而AI生成每一次输出都带有一定的随机性，同样的提示词可能得到不同的结果。这意味着设计工作中“控制变量”的方式发生了根本改变——设计师不再是直接决定最终形态，而是通过约束提示词、参数、训练数据、后处理规则等来间接影响结果的分布。这是一种全新的“新设计””新设计“能力，其思维方式更接近园艺而非雕刻，不是精确塑造每一处细节，而是营造条件、引导生长、进行筛选。
其二是生成内容与真实需求之间存在天然的鸿沟。生成模型擅长产出“看起来合理”的内容，却未必理解具体使用场景下真正的功能、文化语境与情感需求，本质上还是无法感受真实世界。这一鸿沟恰恰是设计师价值得以留存的关键地带：机器可以生成大量“看起不错”的选项，但判断“哪个才是真正好的”，仍然高度依赖对人、场景与意义的理解——这正是设计学科长久积累的核心能力。
四、AIGC时代设计思维的几个特征
基于时代的变更，这里有几个推断。
一、判断力优先于执行力。设计教育与实践长期以来高度重视手艺与执行技能，而在生成能力被平权化之后，“知道什么是好的”这一判断能力的价值被显著抬升。
二、提示与约束成为新的设计语言。如何清晰地表达意图、如何设定合理的生成边界，本身就是一种需要专门训练的设计技能，其重要性不亚于传统的造型能力。
三、策展式思维的普及。当生成内容极大丰裕时，“选择什么、如何组织、以何种顺序呈现”变得比“创造什么”更加关键。
四、真实性与人文标记的价值。当AI生成内容触手可及、成本趋近于零时，“人工痕迹””手作温度“”不完美的真实”反而可能获得新的溢价，这构成了对AIGC浪潮的一种反向张力。
五、设计教育需要顺应时代作出调整
第一，教学重心应从“技法训练”向“判断力训练”倾斜，通过大量案例比较、方案评审与批判性讨论，帮助学生建立起对“好坏优劣”的敏锐直觉，而不仅仅是熟练掌握某种工具。
第二，应当将“提示词与生成工具的驾驭能力”纳入基础训练内容，但同时明确这只是新的“工具课”，其核心目的仍然是服务于设计判断，避免学生将工具使用本身误认为设计能力。
第三，应加强策展、编排与叙事相关的课程比重，培养学生在信息与素材极大丰裕的条件下进行组织、取舍与呈现的能力。
第四，应将技术伦理、版权意识与批判性思维系统性地嵌入课程体系，使学生在使用生成工具的同时，始终保持对其局限与风险的清醒认知。
第五，教育评价体系应进一步强化对“问题定义”与“方案筛选依据”的考察，而非仅仅评判最终视觉呈现的精致程度，因为后者在AIGC时代已经不再是稀缺能力。
归根结底，无论生成工具如何演进，设计的核心命题——理解人、回应需求、创造意义——并未改变。AIGC放大了设计工作中“制作”环节的效率，却同时凸显了“判断”环节不可替代的价值。设计教育与实践如果能够顺应这一重心转移，便有机会在这场变革中找到学科新的立足点，而不是在焦虑与追赶中迷失方向。