AIGC（人工智能生成内容）作为一种创新型的技术赋能手段，对设计领域的入侵已经给行业从业者带来巨大的震撼，创意这件被人类引以为傲的能力开始被 AIGC 模仿、拆解。

在 ChatGPT 引爆 AIGC 赛道之前，文生图这一模式就已经作为大众认知中的第一代 AIGC 代表场景。而近期，随着 Stable Diffusion 公司宣布开源大语言模型 StableLM，更是将“AI 生图”这项能力送到了每个人眼前。

回归到商业落地场景，诸如游戏 2D 美术内容生产、电商海报生成等领域已经出现了一批有自建模型能力、有商业落地实例的初创企业。

图由TE整理，更多图文请关注公众号「TE智库」或私信小助手获取

01 AIGC 带着解题方法而来

AIGC 入局，化解传统设计协作之结，倒推各方角色转变

在传统平面设计行业之中，设计师、设计公司、甲方三方各有各的难处：设计师时间压力大、沟通成本高，经常需要反复修改设计方案且不时面临创意瓶颈；设计公司则经常需要考虑如何在控制成本的同时提高客户满意度，且由于经常需要承接多个项目面临资源分配的难题；甲方则希望控制成本的同时，让设计公司如期交付一个质量过硬的设计稿件。

这三方的矛盾似乎很难调和，而在 AIGC 的作用之下，这一传统难题似乎有了解决方案：

• 设计师：

角色转变：设计师将更多地聚焦创意、策划和审美方面的工作，而不再将大量时间花费在不断地沟通、调整执行上。AI 的加入，让设计师工作更加简单、纯粹，升级为把控沟通、定位、出稿等各环节的项目管理者。

高效沟通：利用 AIGC 可更全面、更迅速地梳理客户需求，提高与甲方沟通的效率。

快速迭代：AIGC 的设计生成和修改建议功能使设计师能够快速迭代和调整设计方案，更迅速地对齐甲方诉求。

创意拓展：AIGC 提供多种风格和创意的设计方案参考，帮助设计师拓展创意思维，打破个人创意瓶颈。

• 设计公司：

成本控制：AIGC 生成的成本方案有助于设计公司更直观、迅速地评估执行成本，进而实现更好的成本控制。

数据驱动决策：设计公司要求 AIGC 即时汇总、提供的数据驱动的决策方案，从而使公司对项目的把控与整体运营更加清晰和高效。

客户满意度：AIGC 能够根据客户需求快速生成多种策划方案，并在修改阶段提供有效建议和改进方案。从而大大提高客户审核通过率，提升客户对公司能力的认可。

优化工作流程：AIGC 的应用将帮助设计公司优化设计流程，提高项目的运作效率。

• 甲方：

更多选择：AIGC 生成的多种风格和创意的设计方案，让甲方增加选择范围。

主动参与：AIGC 带来的迅速而有效的沟通，无形中使甲方在设计过程中更高频但高效地参与进来，让设计结果更符合甲方预期，同时项目的进度更透明，有利于甲方后续工作的安排与展开。

快速响应：AIGC 的应用将缩短设计周期，使甲方能够更快地得到满意的设计成果。

精准需求把握：由于 AIGC 缩短了设计过程，节约了沟通成本，甲方可以快速将自身需求通过修改意见传递给设计公司与设计师，保障得到预期内（甚至超出预期）的设计成果。

02 AIGC 不只是艺术家

AIGC 在平面设计场景的能力范畴不止“文生图”

由于 AIGC 当前强大的文生图、图生图、图生 3D 等的能力，当大家的目光都聚焦在了设计生产环节。实际上，设计生产环节的颠覆只是开始，从构思到最终总结整理，都不乏 AIGC 渗透参与的环节与场景：

• 设计构思阶段：

应用方式：AIGC 辅助设计方案生成。

体现效果：根据客户的需求，AIGC 会自动生成不同风格的设计方案供设计师参考，提高设计师的创意水平和设计质量。

• 设计生产阶段-生成：

应用方式：AIGC 根据需求直接生成多种风格和创意的设计方案、设计元素和素材。

体现效果：AIGC 可以根据客户需求生成多种风格的海报设计，包括文字、图片和布局，为设计师提供更多灵感，提高设计生产效率和质量。

• 设计生产阶段-调整：

应用方式：AIGC 自动检测设计中的不一致、失误和不符合要求的地方，评估设计方案与原始需 求的契合度。

体现效果：AIGC 会自动发现设计稿中的颜色不协调、文字错误等问题，提醒设计师修改，从而提高设计方案的满足度和设计审核质量。

• 设计生产阶段-优化：

应用方式：AIGC 智能提供修改建议和可行性改进方案、自动生成新的设计稿并比较修改前后设计方案的优劣。

体现效果：AIGC 会根据客户反馈的修改意见，提出改进建议并生成新的设计稿，帮助设计师提高内容修改的效率和质量。

• 后期制作阶段：

应用方式：AIGC 生成物料报价单。

体现效果：AIGC 可以根据项目的具体情况生成物料报价单，同时提供多个报价建议，帮助设计公司优化执行成本。

• 整理总结阶段：

应用方式：结构化与非结构化资料的智能化统筹管理。

体现效果：AIGC 能够识别、分类和整理客户的资料，如 LOGO、相关物料等，并将其备份入库。这样一来，设计师能够更高效地管理非结构化资料，方便后期查找和使用。

03 艺术家表皮下的“BUG”

AIGC 并非完美，AIGC 的漏洞仍然未解。

除了图片内容包含的隐私和安全问题之外，AIGC 在平面设计中的应用还将面临以下潜在问题：

• 创意同质化：虽然 AIGC 可以提供多种风格和创意的设计方案，但如果过于依赖该技术，设计师可能在某种程度上受限于算法生成的创意范围，导致设计作品的同质化。

• 误解客户需求：虽然 AIGC 可以帮助设计师快速理解和整理客户需求，但算法并非万能，我们必须考虑到算法无法完全理解客户真实意图的情况，这种时候应当适时进行人工介入。

• 法律与版权问题：在使用 AIGC 生成的设计方案时，可能涉及到知识产权和版权的问题，如何妥善处理这些问题以避免法律纠纷也是一个挑战。

时至今日，AIGC+平面设计已经不再是新鲜话题，大量的设计公司正在努力拥抱“AIGC”，盼借其实现运营的提升与竞争力的增强。

可以说，在“AIGC+平面设计”这一领域，由于生产力跃迁致使生产关系发生改变这一预想正在逐步成真。在其他场景还在摸索的阶段，AIGC+平面设计的落地经历或将成为典例，被不断的研究与学习，成为真正意义上的“AIGC+的样板间”。

说明：文章关于 AIGC 的具体应用仅作参考，内容来源于 TE 研究的产业理解与业内专家深访，核心目标是探讨 AIGC 商业化应用的方向，不代表在近期一定能够达成相应的效果，欢迎业内人士与我们共建真实环境中的 AIGC+场景落地实例。