大模型是一個“收音器”，將所學(xué)的設(shè)計 知識整合到模型中供設(shè)計師使用；但受限 于知識的有限性，模型無法做到無限制的創(chuàng)意賦能。隨著海量設(shè)計師利用同一模型 進(jìn)行設(shè)計流程的迭代，產(chǎn)品的設(shè)計風(fēng)格可 能趨于同化。

AIGC 工具雖然做到了對視覺設(shè)計、時尚設(shè)計、室內(nèi)設(shè)計等跨L 域設(shè)計流程的整合，降低了設(shè)計師在多個L域間遷移的難度， 但也導(dǎo)致了設(shè)計師對各L域傳統(tǒng)設(shè)計技法的生疏。這會使得設(shè) 計師逐漸轉(zhuǎn)向 AIGC 工具的提示詞工程師，進(jìn)而約束設(shè)計L域的 創(chuàng)新性、多樣性和靈活性，限制設(shè)計產(chǎn)品的獨特性，終降低 設(shè)計的品質(zhì)。

AIGC 工具的設(shè)計生成過程主要依賴于已知的數(shù) 據(jù)，缺乏設(shè)計師天馬行空的創(chuàng)造力和想象力。 過度依賴模型所具有的能力將導(dǎo)致設(shè)計實踐過 程中的創(chuàng)意受到制約，使得作品缺乏新穎性與 突破性的設(shè)計元素。 例如，在利用 Midjourney 等 AI 繪畫工具進(jìn)行 平面設(shè)計時，多樣的藝術(shù)風(fēng)格會被固化為一個 個關(guān)鍵詞，這些關(guān)鍵詞難以突破模型訓(xùn)練時藝 術(shù)風(fēng)格數(shù)據(jù)的局限，作品的多樣性進(jìn)而降低。

大模型是一個“擴(kuò)音器”，擴(kuò)大設(shè)計師在 實踐中所創(chuàng)造知識的影響力。通過設(shè)計風(fēng) 格提示詞復(fù)用、用戶體驗關(guān)鍵詞定制等形 式，作品的“創(chuàng)意”將數(shù)字化為開源資產(chǎn)， 在社區(qū)進(jìn)一步的發(fā)展迭代中，推動整體設(shè) 計品質(zhì)的提升。

LoRA 等小樣本微調(diào)技術(shù)的幫助下，設(shè)計師能 將自己獨特的風(fēng)格抽象成1個或多個可復(fù)用的提 示詞，并通過這些提示詞激發(fā)模型在特定設(shè)計任 務(wù)上的生成能力。

在 Civitai 等平臺中，設(shè)計師們分享了大量出色的 提示詞與相應(yīng)的 LoRA 模型。這種設(shè)計風(fēng)格的 “開源化”，能夠給行業(yè)帶來更多的創(chuàng)新活力， 推動行業(yè)整體設(shè)計品質(zhì)的提升。

設(shè)計師能夠基于不同特征的用戶數(shù)據(jù)引導(dǎo)大模型 做出定制化的設(shè)計決策，從而針對性地提升不同 用戶的產(chǎn)品體驗。

例如，Netflix 根據(jù)用戶的觀影行為、風(fēng)格喜好等 數(shù)據(jù)為不同特點的用戶群體進(jìn)行畫像，并針對性 地推送不同的電影劇照。

附件：智能設(shè)計革命：大模型時代如何顛覆設(shè)計行業(yè)，引L未來創(chuàng)新潮流