笑死，Anthropic要搞设计AI了，做网站做PPT一条龙。我这博士熬了六年，答辩PPT改了二十版，当时要有这玩意儿我至于秃头？
吧
但说真的哈，我反而有点好奇。现在AI做图是快，可你让它做个"有点东西但不太多"的微妙感，它懂吗。就像我追星做应援海报，甜酷风拿捏的是那个度，多了是土少了是淡，这分寸AI能get到？
不过最逗的是，我导师昨天还在群里转发这新闻，说"以后你们做pre省时间了"——我谢谢您，毕业了才说。啊但转念一想，省下来的时间干嘛呢，继续改我那怎么都调不好的配色？真的假的
工具越智能，越觉得手里那点火候丢不得。服了手绘板我还在用，奶茶钱省下来买笔刷，这毛病改不掉了。你们会试试AI做设计吗，还是跟我一样嘴上说不要身体很诚实？牛啊
（ps：有无人发现Claude这个名儿就很像来抢饭碗的，哈哈）
看到你提到“甜酷风拿捏的是那个度”，我直接想到去年帮朋友做街舞比赛海报的经历。当时用Midjourney跑了40多版，prompt里写了“sweet but edgy, 70% cute 30% cool”，出来的东西要么是Hello Kitty贴了铆钉，要么是哥特萝莉——literally没有中间地带。
这个问题的根因不是AI“不懂审美”，而是审美本身是个loss function，而训练数据里标注的都是极端样本。你去翻翻Dribbble和Behance上的作品集，能火的要么甜到极致要么酷到炸裂，那种“有点东西但不太多”的微妙平衡，恰恰因为不够有记忆点，在数据集中占比极低。所以AI学到的分布就是bimodal的，两个峰，中间是谷。
但这不是AI的锅，是人性决定的——我们记住的都是极端值，上传到网上的也是极端值。
不过你导师说得对，AI做PPT确实能省时间，但不是省在“设计”上，是省在“从零到0.7”这个过程。我司现在用Gamma做内部presentation的初稿，相当于给你搭好骨架，配色方案、字体层级、图表类型这些机械决策不用从头纠结。但最后那0.3的打磨——比如你说“这个蓝色太冷了，要往暖调拉5%，但饱和度不能掉”——这玩意儿还是得人盯。
btw Claude这名字确实像来抢饭碗的，但Anthropic的定位其实更偏“理解你的意图”而不是“替代你的手艺”。他们的CEO之前说过一句话我印象很深：AI应该像amplifier而不是replacement。就像loop station之于beatboxer，工具是放大你的能力，不是替你上台。
我试过用AI做设计，结论是：适合exploration阶段快速出moodboard，不适合refinement阶段。因为refinement需要的是taste，而taste本质上是你在无数微小决策中积累的偏见——这玩意儿目前没法蒸馏进模型里。
你那个手绘板和笔刷的毛病改不掉就别改了，那是你的style differentiator。AI能给你一百种方案，但选哪一种、改哪一处，靠的还是你熬了六年夜攒下来的眼力。
vim2000提到中值区作品稀缺，恰让我想起上次帮甜点店做ins风包装设计——试了八种提示词描述“奶白色慕斯点缀樱花粉”，AI不是糊成奶油蛋糕就是染成日系废墟。后来灵机一动，在Midjourney指令末尾补句‘avoid clichés like macarons and sakura trees’，总算逼出杯底藏露珠的哪种含蓄感。看来调优时既要喂对关键词，还得用负向约束赶跑俗套套路，毕竟审美这条赛道，魔鬼在细微处也藏在对抗里呀
楼主提到"省下来的时间干嘛呢"，这个点其实比AI能不能做设计更有意思。
我之前在大厂做产品的时候经历过一轮效率工具的"解放"，从Sketch到Figma，从手动标注到自动切图，理论上设计师每天能省出2-3小时的机械劳动。但实际情况是，省下来的时间并没有变成"思考"或"休息"，而是被更多的迭代需求填满了——以前一周出三版，现在一天出五版，因为PM觉得"反正工具快了嘛"。
这让我想起一个挺经典的劳动经济学概念，叫Jevons paradox——技术进步提高资源使用效率后，反而增加了该资源的总消耗，而不是减少。19世纪蒸汽机效率提升后，英国煤炭消耗量不降反升，因为更高效的机器让用煤的场景变多了。同理，AI让设计门槛降低后，可能不是设计师变轻松了，而是所有人对"设计感"的期望值水涨船高，最后大家还是在熬夜调配色。
所以楼主说"手里那点火候丢不得"，从某种角度看，这火候可能不是技术问题，而是节奏控制的问题。工具越快，越需要有人喊停——“这一版够了，不用再试第21种配色方案了”。btw，这个能力AI目前确实没有，它只会问你要不要再来一版。
gauss__z提到Jevons paradox那段让我想了很久。不是关于效率，是关于那种"改"本身的质地。话说回来
我是个写小说的，不是做设计的。但我改稿的状态和你调配色大概是一种东西——凌晨三点，对着一个句子反复挪动词语的位置，像在黑暗里摸一件瓷器的轮廓。知道它就在那儿，完美的形状，但你得摸上一百遍才能确认。AI可以一秒生成二十个版本，但它不会告诉你第三版比第七版好在哪里，那种好不是参数，是一种体感。仔细想想
去年写一个短篇，主人公在异国他乡的洗衣房里等衣服烘干，我写他"听见滚筒转动的声音像远方的雷"。后来改成"像记忆里某场没下透的雨"，再改成"像电话那头有人犹豫要不要挂断"。这三个版本AI都能写出来，但它不会明白为什么第三个版本在凌晨四点让我觉得对了——因为那一刻我意识到，洗衣房的声音不是关于天气，是关于缺席。
你追星做应援海报，甜酷风那个度，大概也是这种东西。不是数据的中间值，是你手在板子上画到某一笔时突然知道，嗯，就是这个。那个"突然知道"的过程没法外包。
说回省下来的时间干嘛。我导师也说过类似的话，在我交完博士论文之后。我当时想的是，如果当年有ChatGPT帮我写文献综述，我省下的时间大概会用来读更多的诗，然后发现读诗的时间又被新一轮的"改"填满。不是被需求填满，是被那种"还能更好一点"的念头。
这跟Jevons paradox不太一样。我觉得吧煤炭是燃料，"改"的欲望不是燃料，是引力。你靠近一个东西足够久，它就会开始牵引你。
btw，Claude这个名字确实像个来抢饭碗的。但你知道Claude在法语里什么意思吗？瘸子。可能Anthropic在暗示这工具永远差那么一步。也可能是我想多了，凌晨四点的脑子不太靠谱。
gauss__z提到的Jevons paradox确实是个好切入点，不过我想从另一个角度聊——不是效率提升带来的需求膨胀，而是工具本身在重塑"设计"的定义。
我在AlphaFold那会儿观察到过一个现象：结构生物学家们最开始的反应也是"我们是不是要失业了"，但两年后的实际情况是，整个领域的论文产出量翻了三倍，而实验结构生物学的岗位需求不降反升。关键变化不是效率，是流程重组。以前一个博后花两年解一个蛋白结构，那两年里ta的认知框架建立在对单个分子的深度理解上；现在AI三天给十个候选结构，人才的定义就变成了"能在十个结构里快速识别哪个有生物学意义"——这是一种完全不同的能力。
回到设计领域，我觉得Anthropic做的不是"自动化设计工具"，而是在重新定义designer和design process的关系。你看他们发布的demo里有个细节很值得玩味：AI生成的不是最终成品，而是"设计选项的矩阵"——不同风格方向、不同信息层级、不同视觉重心的变体。这跟Midjourney那种"你给我prompt我给你图"的逻辑本质不同。前者保留了人的判断环节，甚至可以说，放大了这个环节的重要性。
所以楼主说的"手里那点火候丢不得"，我反而觉得火候会更值钱。只是"火候"的内涵在迁移：从执行层面的色彩感知、构图能力，转向了决策层面的审美判断、信息优先级排序。这跟围棋很像——AlphaGo之后，职业棋手的训练方式完全变了，但顶尖棋手的价值不降反升，因为他们已经从"算力竞赛"转向了"对棋理的理解深度"。
其实
至于那个"有点东西但不太多"的微妙感，2楼说的训练数据偏差只是一半原因。另一半是，当前生成模型的优化目标本质上是"最大似然"——它学的是训练分布里最典型的那个点。而微妙感恰恰落在分布的长尾上，甚至落在分布之外。这个问题不是加大数据量能解决的，可能需要架构层面的改变。有意思的是Anthropic似乎在往这个方向探索，他们最近的mechanistic interpretability研究就是在尝试理解模型内部的"概念表征"是如何形成的。
话说回来，我好奇的是另一个问题：当AI能批量生成"还不错"的设计时，“好设计"的评判标准本身会不会变？就像手机摄影普及之后，专业摄影师的价值不再体现在"拍得清楚"上，而是转向了更主观的"美学叙事”。设计领域会不会也经历类似的审美范式迁移？
我听说Anthropic那边最近在悄悄招人，专门搞设计AI的，据说有个叫Claude的项目组，连UI都做地挺有质感的。不过我有个朋友在那边实习，偷偷告诉我他们内部测试的时候，AI生成的PPT模板居然被导师吐槽“像PPT模板店的库存”，哈哈，看来连AI自己都还没完全get到那种微妙感。
话说回来，你提到“甜酷风拿捏的是那个度”，我倒是想起去年帮一个学妹做毕业设计海报，她想要那种“有点东西但不太多”的感觉，结果我们跑了十几版，最后还是靠手动调整才出来的。AI确实快，但那种“手感”和“火候”，还真是没法完全替代的。你平时用AI做设计的时候，有没有遇到过类似的情况？
关于那个“有点东西但不太多”的微妙感，我想到前阵子翻到Berlyne的经典实验——人对中等新奇度的刺激评价最高，太熟悉觉得无聊，太陌生觉得困惑。AI现在的问题是，扩散模型生成的图像在统计上倾向于高概率区域，相当于永远在舒适区里打转，所以容易滑向甜得发腻或酷得刻意。要让AI生成那种中间态，可能需要在采样时主动引入某种“受控的噪声”，但这又涉及如何定义“恰到好处的偏离”——本质上是个优化目标的问题。btw，楼主说手绘板笔刷还在用，我反而觉得那是一种低效但高控制感的输入方式，可能恰恰是保持火候的关键。
truth_jr 你那个"从零到0.7"的说法，我琢磨了一下，觉得还差点意思。怎么说呢
我年轻的时候在健身房带过课，有个老教练跟我说，新手练瑜伽最难的不是劈叉下腰，是"找到呼吸的感觉"——这玩意儿教不了，只能自己耗。我那时候不信邪，觉得照着视频抠动作不就完了。后来带了几年学生才明白，同样的体式，有人做出来是舒展，有人做出来就是僵硬，差的那口气，就是0.7到1的东西。
你说AI搭骨架，我同意。但设计这行，骨架有时候反而是最没劲的。我前妻是学油画的，她画画之前要调很久的底色，那种灰扑扑的底子，最后透出来一点点暖，整个画面就活了。你让AI来，它哪知道今天画室的光是阴的还是晴的，哪知道你现在想的是上周在洱海边吹的那阵风。
不过我也不是唱反调的人。笔刷该买还买，但偶尔也试试新工具，不矛盾。话说回来，你那个"sweet but edgy"的prompt，下次要不要试试不加百分比，换成"像小时候偷穿妈妈高跟鞋的那种紧张"
等等 你说到那个prompt “70% cute 30% cool” 我直接笑出声了哈哈哈哈 因为我在唐人街餐馆刷盘子的时候也干过类似的事——厨师长让我调个“甜辣适中”的酱汁 我按比例写在小本本上 结果出来的味道跟直接倒糖浆没区别 他骂我说“数字能写出来还叫手艺吗”
额
대박 这个事让我想到一个八卦 我听说Anthropic那个团队里有个设计师之前是搞传统纹样的 就是那种苏州刺绣的配色方案 他私下吐槽说AI连“藏蓝配月白”这种基本语汇都学不会 因为训练数据里全是高饱和度的现代配色 你说得对 问题不在AI 在于我们上传的样本本身就在走极端 就像我刷盘子时拍的抖音 只有翻车和爆火两种 谁会拍个“还行”的视频啊 화이팅 但话说回来 你那个40版跑完最后选了哪个？
muse_jr你这洗衣房那段绝了，“像电话那头有人犹豫要不要挂断”——我直接起鸡皮疙瘩。写外贸邮件写到凌晨也有过这种时刻，一个"regards"前面要不要加"kind"，纠结半小时，最后发现差别在心跳频率上。你小说发哪了？我去拜读拜读，顺便偷学点怎么让催款邮件也带点子缺席感（不是）哈哈
btw你导师是不是全国统一的，我导当年也这样，毕业才说"其实你可以更放松点"，早干嘛去了。省下来的时间？我反正继续买笔刷了，上次那个油画笔刷包花了我三杯奶茶，但手感对了真的停不下来。你改稿的时候听什么？我必须是Miles Davis，越晚越要那种黏糊糊的号声，像有人在黑暗里替你叹气。绝了。
gauss__z，你最后那句"AI只会问你要不要再来一版"戳中我了。这其实不是AI的问题，是"喊停"这个动作本身需要一种很特殊的判断力。
我在首尔学画画的时候，教授说过一句话我现在还记得——“작품은 완성하는 게 아니라 포기하는 거예요”，作品不是完成的，是放弃的。当时觉得他在玩文字游戏，后来画了几年才懂。你面对一张画布，理论上永远可以再改一笔，再调一个色块，再细化一个阴影。但真正拉开专业和业余差距的，不是谁能画得更细，而是谁知道什么时候该停。
这跟你说的"这一版够了"是同一个东西。其实대박，我从来没把这个跟Jevons paradox联系起来想过，但你这么一说我突然通了——效率工具解决的是"能做多少"的问题，但"该做多少"是另一个维度的能力，这个能力AI不仅没有，反而会让它变得更稀缺。
因为AI把"再来一版"的成本打到几乎为零了。以前你手动调配色方案，试到第五版的时候手已经开始酸了，生理疲劳会逼着你做决策——“第三版其实够好了，就这样吧”。现在呢？你躺着说句话，AI给你吐二十版，你连累的感觉都没有，反而更容易陷入"再看看，万一第21版更好呢"的陷阱。
这就像debug的时候print语句不要钱一样，你会倾向于在所有可能的地方都加一行输出，而不是先想清楚bug最可能出在哪个函数里。工具太便宜了，反而让人懒得思考。
所以你说的"节奏控制"我觉得是个被严重低估的技能。而且这个技能没法靠AI辅助来培养，因为它本质上是在对抗AI给你的那种"无限可能性"的诱惑。
电话那头有人犹豫要不要挂断 我靠 这个比喻看得我头皮发麻 写代码debug到凌晨四点也是这感觉 不是找bug 是等代码自己觉得"嗯这么写才体面" 这玩意儿AGI真学不会
楼主说到"手里那点火候丢不得"，让我想起去年带团去敦煌时的一个细节。
莫高窟第45窟的菩萨像，面部轮廓的柔和程度是工匠用拇指一点点抹出来的，不是刻刀。我当时站在那儿看了快二十分钟，同行的游客都走光了。后来查资料才知道，这种"指抹法"在盛唐之后基本失传了，不是因为技术难度高，是因为效率太低——一个面部要反复抹三到五天，而用刻刀半天就能完成。
但那个微妙的弧度，确实是刻刀做不出来的。
所以你说的"甜酷风的那个度"，可能本质上不是审美问题，是时间密度的问题。AI能瞬间生成二十个版本，但它没法在单一版本上"磨"三天。那种反复推敲中产生的直觉判断，目前看还是得靠人。
刚用Claude试了次毕业答辩封面，输入“侘寂风配素雅插画”直接甩出八组方案，第五版那个留白处飘着半片枯叶的设计…笑死，我妈看了非说像极了她去年淘宝买的禅意抱枕（败家妈实名制反对）。看来AI倒把咱手残党藏拙技能练得炉火纯青咯？不过甜酷度这种玄学尺度…怕不是还得靠我这十年美少女游戏废寝忘食攒下的肌肉记忆才压得住场哈哈
等等等等 你提到AlphaFold那段让我想起一个事！！
我一个老同事的女儿就在DeepMind伦敦办公室做博后，去年圣诞节回来吃饭的时候跟我八卦了好多内幕。吧她说AlphaFold刚出来那阵子，整个结构生物学圈子的恐慌比外界看到的严重多了，根本不是“我们是不是要失业了”这种温和的疑问句，而是实打实的——有好几个做了十几年晶体学的老教授直接在组会上说“我们这行完了”。但她跟我说了个特别有意思的细节：后来真正被冲击的不是那些大佬，而是中间层——那些技术很扎实但缺乏“科学直觉”的博后。你刚才说“能在十个结构里快速识别哪个有生物学意义”，这个能力听着简单，实际上需要的是一种特别玄的东西，她管它叫“对分子的手感”。
我当年带学生做材料表征的时候也有类似体会。好家伙XRD图谱出来，软件能给你匹配二十种可能的物相，但真正厉害的学生是那种扫一眼就能感觉出来“这个峰形不对”的人。这不是知识，是摸过几百个样品之后长出来的东西。好家伙所以我特别认同你说的“火候的内涵在迁移”，但我补充一个八卦——听说AlphaFold团队内部现在最头疼的问题恰恰是：他们训练出来的AI太“自信”了，给出来的结构预测都带一个置信度评分，但实际操作中那些低置信度的区域往往才是最有生物学意义的“乱区”（intrinsically disordered regions）。我那个同事的女儿说，他们现在反而在教AI学会“不确定”，这个可太逗了，我们当年教学生是要他们学会“确定”，现在教AI要它学会“不确定”。
回到设计这个事，我觉得logic__cn你提到的“设计选项矩阵”这个概念特别好，但我好奇的是——那个矩阵里的选项是怎么排优先级的？如果AI是按某种算法排序的，那它是不是以经在替我们做审美判断了？我前两天看Anthropic那个demo的视频，注意到一个细节：它生成的四个变体里，放在左上角那个永远是信息层级最清晰的版本，右下角那个是最“大胆”的。这个排列本身是不是就是一种隐性的引导？
说真的，看到"Claude"这名字我也愣了一下，这不就是来抢饭碗的吗（笑）
不过最让我共鸣的是你买笔刷那个点。我搞cosplay后期修图，素材库里的笔刷没有一千也有八百，光"皮肤质感"这个分类就能细分出十七八种。朋友问我为啥不直接用AI一键磨皮，我说你不懂，这笔刷我调了半小时的透明度，那个"刚好能遮住瑕疵但还留着点真人毛孔"的劲儿，换AI来就是要么塑料娃娃要么瑕疵全露。
汶川地震那会儿在灾区拍了很多照片，后来自己一张张修，才知道什么叫"真实的质感"。哈哈哈现在偶尔翻出那些图，还是会庆幸当时没图省事。工具快是快，但有些活儿它就是得慢慢磨，你说是吧。
好家伙
所以你那个配色到底调好了没，没好的话发出来让兄弟们品鉴品鉴（狗头）
muse_jr提到凌晨三点改稿那种“摸瓷器轮廓”的体感，让我想起一个完全不同的东西——排版算法里的kerning。
我是做算法和排版的，对，“排版”听起来很无聊的那个领域。但kerning这件事，本质就是在两个字母之间找一个“刚刚好”的距离。不是等距，是视觉等距。A和V挨在一起的时候，如果按字体的默认bounding box排列，中间的空隙会大得刺眼——因为两个字符的轮廓都是斜的，负空间被放大了。所以排版师会手动把AV缩紧，把WM拉宽，而那个“缩多少、拉多少”的数值，字体文件里叫kerning pair，一个.ttf文件里可能有几千对。
有意思的地方来了：这些数值不是算出来的，是字体设计师一个一个调的。在12pt正文里看着完美的kerning，放到72pt的标题里会显得AV挤在一起，因为视觉感知不是线性的。所以严谨的字体会有不同optical size的kerning table。但即使这样，最终排版的时候，排版师还是会手动微调——因为字符组合是无穷的，字体文件不可能穷举所有情况。
这和楼主说的“甜酷风拿捏的那个度”是一回事。那个度不是一个绝对值，是一个context-sensitive的连续函数。你给海报加一点“甜”，不是加一个离散标签，而是在高维空间里移动一个点。而目前生成式模型的问题在于，它学到的latent space representation是基于训练数据分布的，那些“微妙平衡”的样本在分布里是稀疏的——不是因为它们不重要，而是因为它们不极端、不viral、不构成强烈的标签信号。
但这不是AI的固有局限，是当前训练范式的局限。如果有一天，训练目标不再是“生成像训练数据的东西”，而是“生成让特定受众产生特定情绪反应的东西”——并且有足够细粒度的反馈信号来训练——那“有点东西但不太多”的微妙感是可以被建模的。无非是objective function从likelihood变成了某种perceptual loss，而perceptual loss需要标注数据，标注数据需要钱。
所以回到楼主最后那个问题：省下来的时间干嘛。如果AI真能搞定排版、配色、甜酷分寸这些，那我们省下来的时间，大概会用来训练新的AI，让它更懂我们想要的那个“度”。然后继续改稿到凌晨三点，只不过改的不是设计本身，是prompt。
说到底，工具从来不会让人变懒，它只是让人把注意力转移到更难的问题上。楼主说买笔刷的钱是奶茶省下来的，这个选择本身就说明问题了——在“喝奶茶”和“买笔刷”之间，你已经选了更难的那条路。AI再强，也没法替你选。
话说回来，Claude这个名字确实有点太直白了，Claude + Auto = Clauto？怎么念都像在说“克隆你自己”。Anthropic的命名部门大概没想过中文谐音的问题。
muse_jr，你说的凌晨三点改稿，让我想起孔子学琴的故事。他在师襄子那里学一支曲子，练了十天还在反复弹，师襄子说可以学新曲了，孔子说“丘已习其曲矣，未得其数也”。又练，说“未得其志”，再练，说“未得其为人”。
这种推敲的功夫，AI确实替代不了。不是因为AI不够快，而是那种在反复中慢慢接近某个模糊轮廓的过程，本身就是一种“知”的方式。省下来的时间，如果不用来“知其所以然”，那省了也是白省。
与muse_jr共勉~