摘要：本文聚焦大设计思维与视觉模型、数字技术的融合应用，以三项 AI 设计实验为基础，探究数字化背景下设计领域的变革路径。研究通过 AI 生成图像、协同完成包装设计、制作短视频等实验，验证了 AI 技术在视觉转化、创意生成及流程优化中的效能。同时，剖析了大设计思维的

1 背景

随着人工智能技术的飞速发展，其在设计领域的渗透与应用正引发行业深刻变革。本课题基于三项代表性实验展开研究，揭示 AI 大模型在视觉创作、平面设计及多媒体制作中的实用价值与潜力。实验一，通过 AI 依据文字描述生成图像并与原图对比，验证了其对视觉信息的理解与转化能力，展现出将抽象构想快速具象化的优势；实验二，借助 Stable Diffusion 与 Photoshop 的协同操作完成包装设计，凸显 AI 在创意生成环节的高效性及与传统工具结合的可行性；实验三，利用 AI 生成短视频脚本并结合剪映自动制作视频，体现其在内容逻辑构建与多媒体整合中的简化作用。这些实践表明，AI 正从多维度重塑设计流程，为视觉设计、平面设计、多媒体设计等领域提供高效辅助，推动设计行业向更便捷、多元、创新的方向发展，在此背景下，深入探究 AI 与设计领域的融合路径具有重要现实意义。

2 研究方法

在专业学习过程中，为了帮助我们快速了解人工智能技术并能进行一定程度的实际应用，老师带领我们开展了几个相关实验。

2.1实验一

在图像生成与对比研究中，采用 “描述—生成—比对” 的三步法开展实验。首先选取一张包含特定场景的图片，对画面中的核心元素进行文字描述，形成 “生成一张照片 两只黑天鹅在落日的湖里游” 的提示词。随后将该提示词输入 AI 智能体，驱动其完成图像生成。最后对原始图片与 AI 生成图片进行对照分析，重点考察两者在主体事物、时间氛围等核心场景要素上的一致性，以及细节呈现上的差异度。

图 1 原始图片与 AI 生成图片对比

通过这种方法，验证 AI 大模型对视觉信息的理解能力与转化精度，探究文字描述与图像生成之间的映射关系，为评估 AI 在视觉创作领域的应用效能提供实验依据。

2.2 实验二

这个实验利用大模型进行包装设计，通过 Stable Diffusion 与 Photoshop软件制作完成包装设计。在 AI 辅助包装设计研究中，采用 “工具协同—流程实施—模式验证” 的三步法开展实验。首先确定以Stable Diffusion （SD）和其中插件Control Net为代表的大模型与Photoshop （PS）的协同体系，明确各工具在设计流程中的功能定位。随后按照包装设计全流程推进实践：通过 “线稿控制 + 风格提示” 的设计模式，用Photoshop完成最初的线稿设计，随后借助 Stable Diffusion和其中的插件Control Net 完成生成环节，从而实现从结构设计到效果图呈现的完整创作。最后对整个设计流程进行梳理分析，重点考察大模型在创意生成中的效率提升作用、传统软件在精准落地中的保障效果，以及 “线稿控制 + 风格提示” 模式的实际应用表现。

图 2 AI 辅助包装设计

通过这种方法，掌握 AI 与传统设计工具协同完成包装设计的全流程，探究不同工具的协同效应，验证特定设计模式在包装设计领域的可行性与实用性，为优化包装设计流程提供实践依据。

2.3 实验三

在 AI 辅助短视频创作研究中，采用 “脚本生成—视频制作—流程分析” 的三步法开展实验。首先借助豆包 AI 工具，输入包含明确要求的指令：“生成长城景点介绍的短视频脚本，需包含特色建筑、整体效果等元素，采用分镜表形式，包括镜号、景别、时长、画面、台词、音效、拍摄地点”，驱动其生成符合规范的分镜脚本。随后将 AI 生成的脚本内容整理优化后，导入剪映软件，利用其文生视频功能自动生成长城景点介绍短视频。最后对整个创作流程进行梳理分析，重点考察 AI 在脚本逻辑构建中的准确性、剪映素材匹配的契合度，以及自动生成功能的效率与局限性。

图 3 借助豆包 AI 生成脚本及视频

通过这种方法，掌握 AI 辅助短视频制作的基本流程，探究 AI 在内容框架搭建与多媒体整合中的应用效能，为优化 AI + 短视频创作模式提供实践依据。

上述三个实验利用了AI大模型，通过不同的手法分别生成图片、包装设计、脚本和视频，可以清晰感受到，人工智能技术在设计领域正展现出多维度的实用价值与显著潜力。第一个实验中，AI依据描述生成图像并与原始构想对比，体现出其对视觉信息的理解与转化能力，能快速将抽象描述具象化，为视觉设计提供创意雏形；第二个实验借助Photoshop与Stable Diffusion进行包装设计，展现了AI在设计工具融合中的协同作用，可高效实现要求，提升设计产出的效率和丰富度；第三个实验通过AI生成脚本并结合剪映完成视频创作，则凸显了AI在内容逻辑构建与多媒体整合中的优势，简化了从创意到成品的流程。总体而言，这三个实验均以人工智能技术为核心驱动力，在视觉设计、平面设计、多媒体设计等领域实现了高效辅助，充分证明了AI在设计领域的突破性价值与便捷性。

3 AI技术深刻重塑设计领域

人工智能技术迭代升级速度惊人，深度学习、大语言模型、生成式 AI 等前沿技术不断取得突破，推动 AI 从实验室理论探索走向产业深度应用。国际数据公司（IDC）[1]预测，到 2026 年全球 AI 市场规模将突破 5000 亿美元，其应用范围已延伸至艺术、医疗、交通、教育等社会生活的方方面面，成为驱动产业变革与社会进步的核心力量。

在设计领域，人工智能的发展尤为迅猛。从早期承担简单的图像识别与数据处理任务，到如今借助深度学习算法实现创意构思、设计方案生成与优化迭代的自动化，AI 技术彻底重塑了传统设计流程与创作模式。目前，AI 设计工具在建筑规划、电商广告、影视游戏等行业的应用越来越普及。以建筑设计为例，Autodesk 的生成式设计平台[2]已帮助设计师在项目初期快速生成数百种方案，大幅缩短设计周期；电商领域的 AI 海报生成系统，能根据商品特点和营销需求，自动生成多样化的广告素材。这种技术革新不仅显著提升设计效率，还降低了创作门槛，推动设计从专业走向大众，逐渐渗透到社会的方方面面。

4 大设计思维是数字化时代的必然要求

在全球化与数字化的双重驱动下，传统设计模式已难以满足当代社会不断更新迭代的需求。大设计思维理念正是在此背景下应运而生。它打破学科壁垒，强调从社会、文化、经济、技术等多维度系统性解决问题，将设计对象从单纯的产品或服务，扩展到社会系统、生态环境等宏观层面。在设计流程上，大设计思维要求设计师从以往 “需求分析—设计—实施” 的线性流程，转向联合专门领域人才等多方力量共同参与设计；在设计目标上，更注重可持续性与社会价值的创造，而非单纯追求商业利益。这种思维的转变，促使设计行业重新审视自身定位，向跨学科、系统性、价值导向的方向转型。

4.1 数字化时代视觉模型的重要性及发展需求

数字化时代下，视觉模型作为信息传递与交互的核心载体，同时也是设计成果的重要表现形式，其重要性愈发凸显。无论是电商平台的商品 3D 展示、数字媒体的内容传播，还是虚拟现实场景的构建，高质量的视觉模型都是吸引用户、提升体验的关键。但是，随着用户对视觉效果的要求不断提高，以及元宇宙、AR/VR 等新技术的兴起和发展，传统视觉模型在动态渲染效率、个性化适配等方面的不足逐渐暴露。只有通过持续优化视觉模型，深度融合 AI 生成、深度学习等前沿技术，才能适应数字化时代的发展节奏，为用户带来更优质的视觉体验。

4.2 AI 技术与大设计思维的契合性

不管是上述的实验研究抑或是当今的社会发展趋势都不难看出人工智能技术正深刻重塑各领域的创作逻辑与实践路径。就设计领域而言，从图像生成到包装设计，再到多媒体内容创作，AI 不仅提升了设计效率、拓宽了创意边界，更打破了传统设计的技术壁垒与流程局限。正是在这样的背景下，大设计思维的重要性愈发凸显。AI 技术的普及让跨领域协作、多维度问题解决成为可能，而这恰恰与大设计思维强调的系统性、整合性不谋而合。设计不再是单一学科的独立创作，而是需要融合社会、文化、经济等多元视角的综合实践，AI 则为这种融合提供了强大的技术支撑与实现路径。

4.3 大设计思维的内涵特征

大设计思维是一种全面、整体的设计方法，它突破了传统设计专注于单一事物或领域的局限，强调系统性、整合性，致力于跨越学科、领域的界限，解决复杂的社会、经济、环境等问题。其内涵不仅包含对设计对象本身的创新，更注重通过设计手段实现社会价值、推动可持续发展，可以视为一种更全面、整体、多功能的设计思维模式。

首先，大设计思维具有全面性。设计师在设计过程中，需要综合考虑与设计相关的各种技能、知识和因素，而非局限于某一个领域。在创意设计中，设计师不仅要处理商标、网页、字体、海报等视觉元素，还要考虑品牌传播策略；在产品设计中，除了美学设计，还需兼顾功能实现、实用性、可制造性、成本控制和用户使用效果等多方面因素。这要求设计师具备丰富的知识储备、实践经验和强大的适应能力。

其次，大设计思维体现整体性。它要求设计师从更大的图景出发，综合考虑用户需求、技术可行性、商业目标以及设计方案对整体环境的影响等因素。通过深入分析调查用户需求，并将其与整体设计构想相结合，整合不同设计学科形成一个有机整体，以达到最终设计目标。

最后，大设计思维具备多功能性。它强调设计师要能够在不同媒介和环境中灵活应用设计能力，从用户需求、情感体验出发进行设计，而非单纯聚焦技术或功能。这需要设计团队融合不同领域人员的视角，如设计师、工程师、用户等，让大设计思维既能处理具体的产品设计，也能应对复杂的社会问题，成为一种 “多功能” 的思维工具。

4.4 AI 在设计学习与实践中的作用

作为艺术设计专业的学生，AI 已经在课堂学习中占据重要地位，无论是辅助完成课程内容，还是作为专门的学习课程，同学们都越来越习惯通过 AI 寻找设计解决方案。传统设计往往依赖设计师的经验和直觉，而 AI 能够通过对语言文字及辅助信息的处理进行需求分析，快速解析使用者的需求和偏好。例如，在智能家居设计课程中，AI 可以自动分析学生提出的创意关键词、问题描述，结合历史案例数据生成需求图形文字或方案，实现精准定位。

在创意构思环节，AI 的生成式技术发挥着重大作用。它能够根据输入的设计主题、风格、功能要求等条件，快速生成大量创意方案。这些方案不仅数量多，还能突破设计师的固有思维，提供新颖独特的创意视角。例如在建筑设计中，AI 可以生成多种空间布局、外观造型方案，为设计师提供灵感启发，推动创意构思从 “经验驱动” 向 “数据与智能驱动” 转变。在跨学科设计项目中，AI 算法能自动关联不同领域知识，辅助快速生成创新方案，为设计者提供更大的选择范围和灵感素材。

在方案评估与决策阶段，AI 同样展现出显著优势。利用机器学习算法构建评估模型，结合历史项目数据、用户偏好数据等，能够对不同设计方案进行客观评估，并给出优化建议。此外，AI 还可以模拟方案在实际应用场景中的效果，如产品在市场中的销售预测、建筑在环境中的能耗模拟等，为设计师和决策者提供直观的数据参考，使决策过程更加科学、精准，减少因主观判断导致的失误风险。

案例分析：居然设计家 AI 设计家 APP[3]

通过居然设计家 AI 设计家APP 设计项目分析 AI 赋能大设计思维框架的应用。

居然智家旗下的居然设计家平台在 2025 年 6 月正式发布并上线 AI 设计家 APP。该 APP 凭借其强大的 AI 功能，精准解决了传统家装设计流程中的问题。业主只需输入户型、风格偏好等简单信息，AI 便能在短短几分钟内自动生成多套 3D 设计方案，并实时渲染效果，让业主能够直观地看到未来家的模样。

例如，一位对现代简约风格情有独钟的业主，在上传自家户型图后，AI 迅速生成了多套布局合理、空间利用高效的设计方案，不仅有客厅、卧室等常规空间的巧妙规划，还针对阳台等特殊区域给出了创意改造建议 ，实现了业主对简约而不简单居住环境的设想。从应用效果来看，AI 设计家 APP 显著提升了设计效率，传统设计方案可能需要设计师花费数天时间，如今几分钟即可生成初稿。同时，增强了用户体验，业主参与设计的积极性大幅提高，对设计结果的满意度也显著上升。此外，该 APP 一键链接居然智家供应链，实现 “设计—选品—施工” 全链路闭环，为家装行业的数字化转型提供了高效的解决方案，实现 AI 技术与设计思维的有机结合，共同推动设计行业和社会的融合发展。

4.5 大设计思维与视觉模型的关系及实验体现

大设计思维以系统性与整合性为核心，这在居然设计家 APP 的实践中体现 —— 其通过 AI 整合多领域资源，生成兼顾功能与美学的家装方案，恰是大设计思维的具象化。而视觉模型作为设计成果的载体，是践行这一思维的关键。APP 生成的 3D 方案正是视觉模型的呈现，它承载着跨学科协作的成果，将社会需求、技术可行性等维度融入视觉表达。大设计思维为视觉模型的搭建指明了路子，视觉模型又把大设计思维的价值变成了能直接看到的东西，两者相互帮衬，缺一不可。

实验一中的人工智能生成图片、实验二的包装设计成果以及实验三的视频片段都是视觉模型的体现，它们通过抽象视觉元素，将设计中的功能、美感、文化内涵等信息传递给大众，是连接设计构想与落地成果的关键桥梁。就确定视觉模型的方向来讲，它的目的不拘泥于美观。例如一套环保主题的包装视觉模型，用大设计思维思考如何通过图案和颜色，在外观和谐美观的基础上同时能体现材料的可回收性。所以，视觉模型不只是好看的空壳，还有着实实在在的社会意义。

对于具体实操，大设计思维推动视觉模型打破单一的思路。例如拍摄景点的介绍视频，要通过顾客平时的观看习惯和视角从而确定画面和拍摄技法并从中融入当地历史。集合旅游、传播、用户感受等不同方面，这样才能使宣传的同时起到社会作用。

5 数字资产与视觉模型形成良性循环

在当今社会中，数字化进程不断加深，数字资产的类型也越发丰富多样，包括素材、工具和数据类的数字资产，这为视觉模型迭代注入源源不断的动力，成为推动其发展的关键要素。在教育、艺术、文旅和电商等行业诸多商家企业借助数字资产实现视觉模型的迭代优化并取得显著成果。

5.1 数字资产在多领域的实践应用

拿短视频创作来讲，剪映作为常用的视频编辑 APP，拥有丰富的数字资产库，包含大量的视频特效、音乐、字幕模板等。创作者在制作短视频时，通过在这些数字资产中选取合适的元素融入作品，构建独特的视觉模型。制作旅行 vlog 时，利用剪映提供的风景滤镜特效数字资产，调整视频色调风格，使画面更具美感与吸引力；添加动感音乐数字资产，增强视频节奏感，让观众身临其境。这些数字资产助力创作者快速迭代优化短视频的视觉呈现，吸引更多流量。

教育行业也是如此，在线教育平台为提升课程吸引力，借助数字资产优化视觉模型。在一些机构的网课讲解课程视频中运用了大量动画、3D 模型等数字资产。在讲解复杂科学知识时，通过构建 3D 视觉模型，将抽象知识具象化。如讲解地球公转，利用数字资产制作的 3D 动画，清晰展示地球公转轨迹、四季变化成因等，让学生更直观理解知识。网校还会根据学生反馈与学习数据，不断迭代这些视觉模型，如调整动画节奏、优化色彩搭配，提高教学效果，使学习过程更生动有趣。

5.2 数字资产的类型划分与核心价值

这些大众场景中，数字资产的类型与价值逐渐清晰。从类型上看，剪映的特效模板、教育平台的 3D 模型属于素材类数字资产，是视觉模型的根本，为多样化视觉呈现提供物质支撑；学生的学习数据、用户对短视频的点击偏好则属于数据类数字资产，能让视觉模型精准匹配需求；而剪映的编辑算法、教育平台的动画渲染工具，可归为工具类数字资产，降低了视觉模型的制作与优化门槛。三类资产协同作用，让视觉模型既能快速生成，又能精准触达用户需求。

这种迭代优化并遵循着清晰的核心机制与路径。首先是反馈循环机制，反馈循环机制是核心动力，例如：短视频的播放量、课程的观看时长等数据被收集并分析 ，若某类滤镜在旅行视频中点击率高，剪映会强化该素材的推荐频率和比重；然后是复用融合机制，在网课视频教学中，若学生对某段动画反馈 “节奏快”，平台会基于数据调整时间轴。资产复用与融合机制则提升效率，剪映的模板可被反复调用，教育平台的 3D 模型能适配不同知识点，通过组合创新形成新的视觉方案。由此可见，数字资产有着极大的价值，它的发展变化使视觉模型更加清晰地展现在大众眼前，同时，视觉模型在大众视野的每一次呈现都反映出数字资产的更新迭代，用户对视频风格的偏好、对教学动画的反馈，都会成为新的数字资产被收集起来，让数字资产库不断丰富、优化，进而再为视觉模型的升级提供更强的支撑，形成一种持续向上的良性循环。

不过，AI 技术在推动设计领域发展的同时，也存在一些不容忽视的不足。在创意生成环节，AI 往往基于现有数据和模式进行输出，容易陷入同质化的困境，一定程度上限制了人们突破常规的想象力。比如设计师过度依赖 AI 生成的方案，可能会逐渐丧失主动探索独特创意的动力，减少了主动思考和深度构思的过程。在视觉模型构建中，AI 生成的内容虽然高效，但有时会缺乏人文情感的细腻表达，难以精准传递那些需要深厚文化底蕴或个人独特经历才能孕育的创意内涵。

5.3 数字资产与视觉模型的协同进化及未来图景

如今，社会上的各行各业都被数字化浪潮席卷，视觉模型与数字资产这种相互促进、相互协调的良性循环，正深刻重塑着设计的边界与可能。从 AI 生成的图片、包装设计到通过脚本设计生成短视频，每一次视觉呈现的优化，背后都是数字资产的优化与迭代；而数字资产的丰富与升级，又总能推动视觉模型以更精准、更生动的姿态走进大家的生活。

对于艺术设计领域而言，这种相互成就的关系，不仅意味着设计过程效率的提升、灵感创意的迸发与审美的解放与进步，同时也昭示着大设计思维对系统性、整合性的追求以及社会的进步。 未来，随着技术的持续进步，数字资产与视觉模型的联动将会越来越紧密，不断满足大众需求、创造社会价值，不断开辟出更广阔的世界，让设计成为真正连接人与人、人与社会、人与世界、人与未来的纽带。

6 结语

综上所述，数字资产作为视觉模型迭代的核心驱动力，已然在短视频创作、教育等多领域展现出不可替代的价值。素材、工具、数据三类数字资产协同发力，通过反馈循环与复用融合机制，推动视觉模型持续优化，形成了相互成就的良性循环。尽管 AI 技术在视觉模型构建中存在同质化、人文情感表达不足等局限，但这并不妨碍其与数字资产共同重塑设计边界。未来，随着技术的不断精进，数字资产与视觉模型的联动将更为紧密，在大设计思维的指引下，它们将不断突破创新，不仅为艺术设计领域带来效率与创意的双重飞跃，更将成为连接人与社会、人与未来的重要纽带，持续为社会发展创造多元价值。

作者信息

于采南 北京印刷学院

来源：现代广告杂志社