99年清华硕士如何打造“AI设计加速器”？｜ 李嘉翔&赵斌&郭丽丽直播回顾
BDDSpotlight把观察视角前移至品牌创立伊始，凡是高度认同设计创新价值的创始人、或设计师作为创始人发起创立——生而具有BDD品牌DNA——的初创团队，以独具亮点、爽点的产品设计与体验创新，通过众筹、流媒体等渠道曝光，为用户带来惊喜与高度认可、引起行业与市场关注的品牌，BDD聚光灯都会以全新的观察方法展开敏捷研究与推介。
BDD Spotlight NO.9
8月1日19:30，我们邀请了进化智能创始人&CEO李嘉翔，聊聊“作为99年应届毕业生如何打造“AI设计加速器” ？——从AI球鞋设计到创立进化智能公司”，与BDDSpotlight的观察员们一起听听他们的创业故事吧!
李嘉翔，清华大学工业设计系21级硕士，进化智能的创始人&CEO，全球最年轻的iF年度最佳设计奖独立获奖者，曾获得数十项国内外设计大奖，实现全球顶级设计奖项大满贯，其中的iF年度最佳设计，年度全球仅十人获此殊荣。清华大学特等奖学金得主（清华学生最高荣誉）、北京理工大学徐特立奖学金得主（北理工学生最高荣誉），中关村U30，胡润U30，曾受到《大学生》杂志的头版报道并作为期刊封面人物。相关事迹被《中国青年报》推送。麻省理工学院-同济City Science Lab的研究助理、清华大学创业协会副主席。最年轻的清华企业家协会青创会员。
01
“AI+3D打印”的球鞋设计
李嘉翔：在清华大学进行的AI设计球鞋项目是一项持续性的研究，与我的毕业设计使用AI模型创造潮流球鞋一脉相承。自2022年5月起，我首次利用Disco Diffusion技术生成了青花瓷风格的球鞋，这一创新成果激发了我的极大兴趣，促使我广泛探索不同元素和风格的融合。经过5至6个月的深入研究，我与团队成员共同生成了2000多款设计，这一过程需要精细调整参数并筛选出最佳成果。这些探索活动让我认识到AI在创意领域的巨大潜力，能够辅助实现众多创新构想。
随着2023年技术的进步，我们基于更成熟的Stable Diffusion模型，进一步探索了基于品牌、3D模型等要素的定制化鞋款设计，并尝试控制形态、材质和风格。在此过程中，我们开发了一种”创意对撞机”模型，仅需形态图和风格图即可生成满足特定需求的设计。这不仅预示着AI在产品设计和生产流程中可能带来的变革，也体现了将概念转化为实际产品的全流程探索能力，包括创意涌现、发散思维、收敛聚焦和建模等环节。目前，我们正将这一探索过程转化为软件系统，旨在为产品设计与生产提供AI驱动的创新解决方案，这不仅延续了我的研究工作，也具有显著的商业潜力。
我与博理公司合作，成功用3D打印技术打印出几款穿着鞋款，博里公司作为国内顶尖的3D打印鞋制造商之一，他们采用了比普通塑料拖鞋更具弹性的树脂材料。我发现3D打印鞋非常舒适，但或许由于行业宣传不足，公众对其认知有限。但其中图转3D的技术，还不能依靠AI，目前AI只能生成较为粗糙的模型，但设计师可以通过AI技术生成三视图，获得精确的建模参考，从而提高设计效率。这一效率的提升不仅加速了创意阶段，也对生产过程产生了积极影响，有效地缩短了从设计图到实体模型的距离。
02
平衡AI设计的创新与实用性，提升设计师核心能力
赵斌：现在广美的同学在毕业设计前期的探讨部分已经大量的介入AI了，但是由于涉及的创新品类比较复杂，设计后期经常是非常细致的定制，AI很难渗透。
李嘉翔：进化智能能够提供定制化解决方案。以我们为客户设计的行李箱为例。我们通过在箱包领域的深入探索，成功实现了AI设计的行李箱的量产，该产品在广交会上展出并取得了不错的订单。也通过这次项目，我们对箱包生产工艺有了深刻的理解，并明确了产业界对AI设计的期望。
AI设计的产品必须确保高精度。例如，行李箱的轮子设计必须符合标准件的品质要求，不能是随意生成的碎片。客户和我们都提供了非常多的行李箱图片和数据，我们利用这些精确的垂直数据来优化AI设计，确保生成的设计可以直接用于生产，并且易于生产方理解，从而降低沟通成本。
AI设计的核心在于创新，但这种创新需要在实用性和创造性之间找到平衡，这个数值可以根据用户需求进行调节，落地的实际项目更倾向于实用性。因此，AI生成的方案在初期就应控制其实用性，使其看起来更可行。我们通过积累专业的垂直数据来弥补设计缺陷，这些数据不仅帮助我们训练AI模型，还确保了最终设计的可信度和逻辑性。
尺度的精准控制是AI设计的关键。设计与绘画不同，设计要求对不可控变量进行严格控制。如果设计超出了尺度范围，它将无法成功落地。我们在毕业论文中强调了这一点，并在实践中严格控制设计的尺度，确保其可行性。
赵斌：当前，学生在使用AI辅助设计时，我对其潜在影响持有保留态度。过去在计算机辅助工业设计兴起后，手绘变得不再那么重要。同样，AI设计工具的崛起可能会进一步削弱学生的想象力。尽管AI能够快速生成设计结果，但设计师在确定最终方案时，仍需具备关键能力，如三维空间的建模能力。对于初学者而言，AI的辅助可能使他们能够快速达到一定效果，但这并不意味着他们能够独立完成高质量的建模工作。这表明，学习路径正在发生变化，但设计师的专业技能要求并未降低。AI工具虽然能够简化设计流程，但要实现高质量的设计成果，仍需设计师具备扎实的产品设计能力。AI虽然提供了强大的辅助功能，但它不能取代设计师的核心技能。设计师需要不断提升自己的专业技能，以充分利用AI的优势，而不是单纯依赖AI生成的结果。
李嘉翔：AI技术的入门相对容易，但精通则需要深入的实践和经验积累。精通AI工具不仅涉及学习成本，而且要求用户具备将AI应用到实际生产力层面的专业能力。若缺乏深入理解，使用者可能仅停留在表层应用，难以产出具有说服力的成果。要实现AI在设计领域的深度应用，数据处理是关键难点。尽管网络上有众多教程，但要达到更优效果，技术专家在处理数据时，即便依据设计师提供的标准，也可能缺乏必要的审美和筛选能力。在AI设计中，审美的重要性远超预期，数据的精准性和清洁度对于设计质量至关重要。我们的AI模型强调审美驱动，与市场上的通用大型模型有所区别。我们强调精选能力，即在数据输入阶段能够准确判断数据的质量。与大型模型行业遵循的数据量越大效果越好的原则不同，我们认为在设计领域，精准控制和数据的清洁度更为关键。
郭丽丽：审美驱动的AI模型还是很有必要的，相当于AIGC的一个前端“买手”，在训练的过程中很需要这种审美度比较高的人做模型训练。
李嘉翔：在数据处理领域，我们的团队汇集了经验丰富的游戏美术专家和训练有素的专业人士，同时与对设计行业具有深刻洞察力的顾问保持紧密沟通，这种团队配置是我们核心优势的体现。AI技术的快速发展为设计行业带来了新的机遇。近年来，包括我自己在内的许多研究者和专业人士，开始将注意力转向新兴的技术架构，如diffusion模型和transformer架构。这些领域的佼佼者通过卓越的模型训练，为开源社区做出了显著贡献，其生成效果模型不仅展示了该领域的原生创新力，也彰显了他们在新领域的专业领先地位。因此，我们迫切需要那些在新领域展现出专业能力和创新精神的人才。他们的专业性不仅源于行业的兴起，更是他们长期专注和深入研究的结果。
03
AI在设计驱动型产业的应用
李嘉翔：对于公司业务的思考基于我们对AI设计辅助工具的深入理解。在AI时代，AI的直接设计生成能力标志着行业的新纪元。我们致力于探索AI如何模拟设计师的思考过程，这也是我们业务的出发点。目前，我们专注于B2B领域，通过自主研发的AI产品，提升企业设计效率，实现AI、设计与制造的深度融合。我们洞察到设计和营销领域对人力的高依赖性，这在产业链中具有高附加价值。与此同时，制造业已实现高度自动化，而设计领域仍需大量人力。AI在提升设计效率方面具有巨大潜力，以我们的”创意对撞机”模型为例，它展示了AI在设计领域的应用潜力。通过分析输入的图片风格和造型，AI能够生成具体的设计方案，并帮助客户捕捉市场机会，如我们为中东市场设计的家具系列，实现了快速市场进入并已投入生产。
我们的业务分为三个核心部分：1. 提供定制化AI设计产品；2. 与客户合作创造具有商业机会的AI设计服务；3. 帮助企业实现数字化到AI化转型的咨询服务。我们还探索了AI从设计到生产的全过程，如为某企业设计的AI生成行李箱，在短时间内提供了多款设计方案，最终方案显著提升了销量，成为全球首款AI设计并落地的产品。
我们首先聚焦“设计驱动型产业”，我们对设计驱动型产业的定义为：对设计有高频率刚性需求、消费者愿意为优秀设计付费、产业内存在大量中小型企业和完整供应链的产业。这些产业需要定制化的AI模型，以直接指导生产。我们的AI技术框架包括数据库构建、专家审美分类、设计特征解析标注和模型训练，旨在实现多模态模型，模拟设计师的思考过程。我们的愿景是加速设计的智能进化，推动制造业向创造业的转变，这也是公司名称的由来，体现了我们追求的长远目标。
赵斌：在和行业高密度沟通的过程中，行业里的专业公司、专业团队和专业人士很大可能就是未来客户，和他们的沟通交流，甚至某一些合作也是训练模型的途径。这与互联网时代的用户体验类似，在完成用户调研后，我们通过销售反馈不断打磨产品。传统设计工具通常每年或每两年更新一次大版本，而AI由于其技术的独特性，可能需要更高频次的更新。这种频繁更新的特点使得我们能够快速适应和满足市场的变化。
李嘉翔：拓展一个新行业的模型通常需要约两周时间，从数据收集到模型应用。这一过程中的开放性和与不同行业的交流至关重要，因为这种互动可能会激发新的创意和解决方案。我们为客户提供几种服务模式。第一种是软件服务，我们为客户定制专属的软件解决方案。第二种是我们内部孵化的设计工作室，提供全链路的设计服务。在这方面，我们严格把控设计效率，确保体现AI时代公司的特点。因此，我们的反馈周期非常短，能够迅速响应客户需求。
04
组建团队中的困境与跨界突破
李嘉翔：公司需要多元化人才，涵盖运营、技术、算法、数据分析及商务等多个领域。目前，我们已构建一个精干高效的团队，面对的主要挑战在于与外界的交流频率。尽管AI技术曾面临接受度低的问题，但随着人们对其价值认识的提升，我们正加强与外界的沟通，以更好地获取真实需求，提升服务质量。我们始终致力于为更多的产品和品牌企业提供AI支持，创造更大的价值。协作的关键在于共享一个清晰的愿景，致力于成为AI时代设计领域的先锋，无论是工具开发还是应用AI设计能力，引领下一代设计方式。愿景是驱动团队的关键，在追求这一目标的过程中，我们感到无比幸福。培养AI模型的过程，如同养育孩子，需要提供最优质的数据和信息，见证其成长和进步。团队年轻而充满活力，对创新充满热情，这种热情和凝聚力是我们的核心竞争力。凝聚力是团队成功的基础，而制度和流程则是在此基础上的进一步保障。
真正的创业者在实践中常常面临艰辛，需要在不确定性中寻找方向，所以创业公司需要探索并面对可能的障碍。我们鼓励团队成员，包括内向的员工也积极参与交流，以增强对业务流程的理解。例如，我会带领负责数据训练的团队成员深入生产现场，以直观体验生产环境，对于习惯了坐在电脑前的人来说，工厂的机器轰鸣声和堆满空间的箱子带来的震撼是难以想象的。这涉及到两个关键点。首先，跨学科团队成员需要超越自己的专业边界。作为CEO，我不仅要专注于设计，还要拓展商务能力、构建团队和筹集资金，这些都是对我的挑战。团队成员也需要不断突破自我，因为我们的公司致力于打破设计的传统界限。这种突破本质上是团队的自驱力。其次，学生创业者往往因缺乏社会经验而处于不利地位。许多学生创业者成功率不高，主要是因为缺少职场经验和系统的职业训练。为了弥补这一不足，通过大量阅读来丰富自己的职业知识，以提高在专业领域的竞争力。
赵斌：许多行业前辈在创业时强调，要对每个行业心存敬畏。他们曾因优秀而对挑战估计不足，但实际操作中才发现，成功不仅仅依赖个人的优秀，而是需要带领整个团队应对巨大的挑战，推动超越性的进展。
05
AI发展阶段及其在设计领域的特征
李嘉翔：AI的发展可分为两个阶段。第一个阶段是OpenAI技术发布后，市场对AI的追捧热潮。这一增亮阶段AI市场及创业环境涌现了众多新兴公司。第二个阶段是2024年起，AI市场转向存量竞争，大语言模型的竞争格局已基本形成，企业竞争策略从追赶转向在现有市场中寻求优势。AI应用层面，特别是商业化和产业价值创造，开始受到更多关注，AI应用公司将专注于垂直行业应用。市场需求侧，AI从业者正逐步融入产业，目前仍处于相互了解阶段。第一步还是先打磨原生的AI的设计的产品，通过产品先去赋能服务客户的能力，最终更好的推向市场。
郭丽丽：在ChatGPT出现前，AI工具主要应用于商业营销领域。随着存量竞争的到来，AI工具应用扩展至更多领域，对大客户而言，AI不仅助力市场推广，更深入产品设计和品牌建设，触及企业核心业务。
赵斌：设计团队在幕后扮演重要角色，未来可能在市场营销和平面设计等领域取代大量人工工作。AI在数据分析和运算上的优势，使得市场分析更高效、清晰。在平面设计上，AI的进步简化了设计流程，减少了人工干预。
可以从中国初代或二代工业设计的演变来理解这个问题。大约在2000年后，尤其是2008年以后，很多公司在发展过程中也面临类似的情况。有些公司在客户集中于几个领域，如婴童、电子和家具时，会将公司分成不同的组别，如家具组、电子组和婴童组。每个组内的负责人相对稳定，而设计师则会在组内流动，以调整自己的认知。而一些设计公司则倾向于通用型的管理模式，将任务分配到不同的小组，而不分领域。这有点像通用型人工智能和专业型人工智能的区别。目前的设计公司在加强核心人员建设的阶段，还没有完全分裂成专门领域的模式。
李嘉翔：在设计领域建立标杆，通过在细分行业中树立AI设计链路的标杆案例，提升底层模型。尽管通用AI涵盖广泛应用，公司重点专注于设计范畴，旨在实现设计领域的通用人工智能。
传统大语言模型追求通用人工智能，主要在于回答问题和提供标准答案的能力。但设计的本质在于前沿性，需不断迭代以满足时代需求。设计模型必须与时俱进，积累优质数据是成功的核心。公司研究重点在于如何通过特定数据训练AI，展现设计能力。
06
通过AI设计更好的服务“风险厌恶者”
李嘉翔：我们公司专注于服务客户，深入理解客户的选择标准至关重要。例如，市场潜力的判断者可能不是设计师，而是行业老板。通过与行业老板的交流，公司学习并应用成功的设计案例来训练AI，从而显著提高设计选择的效率和准确性。传统上，老板面临的问题是，每年可能只有一两个设计师提供的十个款式可以选择。他往往在这十个款式中难以做出决定，因为可能没有一个完全符合他的需求。而使用AI后，样本量显著增加，老板可以从更多的设计中挑选，这提高了找到符合他真实想法设计的可能性，从而显著提升了效率。
不同类型的人群对设计的需求也各不相同。颠覆式创新通常伴随更大的风险。我刚才提到的箱包老板的例子就很典型。他们属于风险厌恶者，因为他们本身从事的是工业制造，对冒险并不感兴趣。我们在与这些老板交流时发现，他们更希望把决策权掌握在自己手中，并且不可能授权设计师去进行颠覆式创新，这使得设计师经常需要修改稿件，以符合老板的要求。而苹果公司之所以伟大，正是因为它对颠覆式创新有包容，从公司层面上愿意承担风险。制造业的客户往往还是倾向于渐进式创新。这种现象在《跨越鸿沟》一书中提到，大众用户通常对风险持有保守态度，他们更相信同行已经采用的方案，而不是冒险尝试新东西。对于这些风险厌恶型客户而言，给予他们更多的选择空间比单纯的成本或效率优势更为重要。把选择的权利交给这些希望有选择权的人，才是一种服务。
在大团队中，如果管理者的专业能力无法覆盖所有领域，就需要通过设定业绩目标来推动团队。创业者需要认识到，优秀的标准可能因专业领域的不同而有所变化，跨界太大时可能需要通过大量筛选来提炼团队质量。在专业领域内，正确的人才选择可以减少流动率，提高团队稳定性和效率。
赵斌：从企业主，特别是工厂背景的企业主的角度来看，数字化转型要求企业主提升思维和知识背景。而AI转型则使他们回归到熟悉的领域。在AI转型中，决策者需要利用数据结构进行判断，这要求具备专业的背景和逻辑训练，是一种回归本源的过程。
郭丽丽：数字化转型的时候，我们要需要很多专业性的知识，但是在AI时期不需要了，大家是第一眼看到是效率问题，不是技术问题。
李嘉翔：AI公司应避免从技术角度单方面教育客户，而应从客户角度出发，理解他们真正的需求。客户追求的是既创新又实用的设计方案，这些设计应支持大规模生产并符合专业标准。公司应结合AI技术最大化创造价值，提供适应性强的解决方案，而非单纯的技术产品。例如，与一家跨国母婴公司的合作中，公司将AI能力融入项目，获得了积极反馈。成功的关键在于适应能力，通过数据积累使AI具备了适应市场需求的能力。
07
自我成长的经验与驱动力
李嘉翔：从创业到现在，我认识到几个重要的常识：
1. 产品质量是赢得市场的关键，而非仅仅依赖宣传。
2. 投资者寻求回报，而非创业者的虚荣展示。
3. 对于初出茅庐的管理者，应坦诚经验不足并积极学习。
热爱和信念是成功的核心动力。成功人士常强调此点，因为真正的热情和信念是实现最佳表现和世界改变的关键。全身心投入工作时，许多困难和痛苦变得次要，美好的时刻成为驱动力。我希望创造出对世界有积极影响的产品。
赵斌：使命感是成长过程中的重要体验，它超越了金钱回报，真正的激励源自对使命的坚持，即使面对困难，也渴望为世界带来积极变化。
李嘉翔：主动实践是学习新知识的最有效方法。我通过亲自尝试生成鞋子来学习AI，这一过程中需要克服阅读代码、调整参数等困难。没有实践，就无法真正理解AI。
08
AI设计工具与设计师的未来发展
李嘉翔：未来公司将致力于开发与设计紧密相关的卓越AI应用，并希望其影响力能扩展至设计教育领域，与教育工作者和学生共同探讨，同时利用AI工具助力企业创造价值。
赵斌：未来产品设计师与AI工具将形成紧密的合作关系。尽管AI工具起源于企业，但未来设计师将视其为工作中不可或缺的伙伴。即便市场上AI工具种类繁多，设计师最终将依赖于某种工具，这将成为新常态。
李嘉翔：即便拥有AI工具，设计师也不能忽视基础能力。理解产品开发的全过程至关重要。对AI应用环节的了解是构建完善设计体系的前提。因此，设计师本身的基础能力变得更加珍贵，尤其是当大家习惯于依赖AI时，这种能力将显得尤为稀缺。我下周将参与为李宁的孩子们生成球鞋。这些孩子们在活动中直接使用AI进行创作，这在我们那时是难以想象的。未来，当下一代成长到我们的年龄时，AI可能会成为他们工作中非常自然的一部分。
赵斌：随着工具的迭代和效率的提高，各团队的表现差异也会越来越明显。这些差异将带来一些有趣的思考，这些问题不仅仅存在于学校里，而是在真正的市场环境中。
李嘉翔：这就是传统设计工具与未来AI设计工具之间的主要差异。像Photoshop这样的软件本质上定义了一个边界，用户可以在这个边界内创造更多的东西，但创造力仍然依赖于用户本人的加工。未来的AI设计工具可能不会对产品做过多的指向性限制，而是提供足够的数据，使得用户能够更快速地得到他们想要的东西。
（END）
作者：王允熙
审核： 郭丽丽
