AIGC 背景下产品设计人才专业素养研究

AIGC 技术作为人工智能的关键标志，在国际上对应的术语是“人工智能合成媒体（AI-Generated Media 或 Synthetie Media）”，其定义是“通过人工智能算法对数据库或媒体进行生产、操控和修改的统称”。AIGC 早期受算法瓶颈限制，随着算力硬件升级和多年技术融合与迭代，以及训练模型技术的不断创新如今已逐渐成熟，在训练数据指数级规模的增长下 AIGC 迎来了爆发期，尤其 AI 绘画领域，Stable Diffusion 的出现使得 AI 生成内容的质量和效率大幅提升，应用在传统的产品系统设计流程中显著提高了设计效率。在传统设计过程中，设计师需耗费大量时间在概念草图绘制、信息收集与整理等工作上，在AIGC 技术的介入下极大缩短了这些工作时间。设计师的工作内容侧重点也将从技能导向逐渐向需求洞察、商业转化等多维度能力转变。2014 年12 月《中国制造2025》中就已经提出要通过创新驱动发展，推动制造业向中高端迈进，呼吁企业和个人在产品设计上要高度关注市场需求，以满足消费者日益多样化、个性化的需求为核心，推动产品和服务创新，着重突出证实了“市场需求导向型设计”的重要性。本研究成果可为高校课堂内容更新提供参考依据，制定更科学合理的人才战略培养方案以满足社会需要，为学生提供有效可行的专业学习发展路径，提升产品设计学生个人专业素养、竞争力。

一、 AIGC 技术特征与设计中应用

1.1 AIGC 的技术特征

深度学习作为 AIGC 的核心技术基础，能够自动从海量数据中学习复杂的模式和特征。多模态交互则则作为 AIGC 的重要发展方向，它使 AI 能够同时理解和处理多种类型的数据，如文本、图像、音频、视频等，为创意生成提供更丰富的信息输入和更强大的生成能力。在创意生成过程中，多模态交互通过以下路径实现：首先，通过多模态数据融合技术，将不同模态的数据进行整合，形成统一的特征表示。在图像生成任务中，将用户输入的文本描述与相关的图像数据集进行融合，使模型能够同时学习文本语义和图像视觉特征，从而生成更符合用户意图的图像。

1.2 设计领域的应用

1.2.1 概念生成（MidJourney 文生图）

MidJourney 作为 AIGC 在概念生成领域的代表性应用，为设计师提供了全新的创意激发工具。设计师只需在 MidJourney 平台输入简洁的文本描述，如 “未来城市交通工具概念设计”，平台基于其强大的 AI 模型，能够迅速生成一系列富有创意的概念图像。这些图像涵盖了独特的造型设计、色彩搭配以及场景构建，为设计师提供了丰富的设计思路和灵感来源。MidJourney 生成的图像风格多样，既可以呈现出写实逼真的效果，也能展现出抽象艺术的风格，满足不同设计需求，能够将看似不相关的概念巧妙结合，生成极具想象力的概念设计，帮助设计师突破传统思维定式，快速探索多种设计方向，大大缩短概念生成的时间周期，提高设计项目的前期创意效率。

1.2.2 数据收集与处理（用户分析）

在数据收集与预处理环节，AIGC 展现出无与伦比的优势。传统设计调研中，设计师需耗费大量时间从社交媒体、行业报告等多渠道手动收集数据，并逐一删选无效信息，过程繁琐且效率低下。而通过AIGC 能够自动抓取多源数据，利用技术分析现有数据，提取关键信息，例如在设计程序中的市场分析环节，通过收集真实的网络用户数据，在短时间内生成市场用户分析报告，了解市场普遍现象，在竞品分析环节，AIGC 还能自动进行竞品分析，生成对比表格，这些颠覆性的生产方式显著提升了设计师在设计开展时前期调研准备工作的效率，有效的缩短了设计周期。

二、AIGC 对传统设计流程的解构与重构

2.1 传统设计流程

传统产品设计流程通常遵循系统性设计，设计师通过市场调研、用户访谈等方式收集信息，明确产品的目标用户、功能需求、使用场景等。进入概念设计阶段，设计师凭借自身创意和经验，绘制大量草图，进行头脑风暴，筛选出几个较优的概念方案。随后进行详细设计，包括产品的外观设计、结构设计、人机交互设计等，确定产品的具体尺寸、材料、工艺等参数。完成设计后，制作原型进行测试验证，根据测试结果对设计进行优化调整，最终确定可投入生产的设计方案。

2.2 AI 介入后的流程变革

AIGC 的介入对传统设计流程产生了明显变化。在产品痛点分析阶段，AIGC 可通过大数据快速收集和分析海量的用户反馈、市场趋势等信息，且实时更新市场数据，快速检索当下流行趋势，减少设计师的信息差，帮助设计师实现用户需求的深度把控和市场精准定位。

在概念设计阶段，通过生成式AI 工具 MidJourney 的辅助能够快速生成海量创意方案，为设计师提供灵感借鉴，大大缩短头脑风暴时间，设计师在此基础上可以主观对 AI生成的内容进行筛选、优化、再创作，使传统设计流程“头脑风暴”从依赖设计师个体的发散思维向人机协同创意转变，实现人与机器的优势互补。初步选定方案再后对材质，颜色，工艺通过MidJourney 进行快速渲染得出效果图，进入评定，渲染过程变得快速高效，使产品快速迭代。由此发现AIGC 的介入是显著提高了设计师的设计效率和对市场当下趋势的响应能力。

三、当前产品设计人才培养的困境与缺口分析

3.1 从技能培养到思维提升

在 AIGC 浪潮冲击下，产品设计人才培养理念面临重大转变。传统教育模式中，学生的学习过度聚焦建模渲染等技能训练，易陷入强调以技术为主的学习模式。导致在各类设计软件操作学习上花费过多时间，如 3dsMax、Rhino、C4D 等，却忽视了关键的设计思维与设计创新能力的培养。使得学生虽然能熟练的使用设计工具，但只是完成了基础技术相关的设计内容，创新设计能力却被忽视，即使在面对 AIGC 工具生成的大量设计方案进行辅助设计，也难以对设计内容进行有效筛选和优化。同时，商业思维的缺失也是当前人才培养的显在问题。设计旨在引导创新、促发商业成功，产品设计本质上就是商业活动中一重要环节，需考虑市场需求、成本、销售等商业因素。设计专业课程尚未完全将商业知识与设计教学进行深度融合，使得学生在设计过程中往往仅关注产品的设计美学与所属功能，常常容易忽略产品的市场定位与商业价值，导致设计作品难以转化为实际的产品推向市场。

3.2 行业需求分析

AIGC 技术的爆发式发展，让企业看见了其中的利润空间，使得企业对设计人才的需求定位也发生了转变。为追求高效率，当下的设计岗位已不再仅仅局限于传统的手绘表达与建模能力，还要求设计师能兼具市场数据信息分析、AI 工具应用的能力。具体表现为，企业期望设计师既能熟练运用 AI 工具以提高设计效率，实现产品的快速迭代生产，同时还要求设计师具备敏锐的市场需求洞察力和商业思维。但现实情况是，由于AI 更新迭代速度非常快，学生需要持续的自主学习和社会实践，这使得企业对产品设计人才的需求与高校培养现状存在显著脱节。表现出企业对综合型设计人才的迫切需求。

四、面向 AIGC 时代下的产品设计师能力提升路径

4.1 个人能力重塑

产品设计师对于生活中的需求洞察力与商业思维这些深深植根于人类直觉、经验与创造力的能力，是如今 AI 所不可替代的能力。这种根植于人类中特有的能力不仅没有被AI 的光芒所掩盖，反而成为产品设计师在当今AI 时代下站稳脚跟、构建核心竞争力的关键。在 AIGC 的设计应用实践中我们发现AIGC 确实能够帮助我们高效处理海量的用户数据，凭借关键词提取用户反馈数据等内容进行分析，帮助我们快速识别出现有产品的不足，进行弥补改良性设计。但用户内心深处的隐性需求、潜藏的欲望，以及文化、情感层面那些细腻的诉求，远远超出了 AI 的范围，而设计师则可以通过其自身丰富的亲身经历，主动亲身体验不同文化，设身处地的与用户共情，去思考创造。于是，设计师想要突出个人竞争力，不被 AIGC 所取代，这成了战胜 AIGC 的关键。而这需要设计师着重去提升对于生活的敏锐洞察力和对生活的细微觉察，将对产品设计建立在用户行为、场景、情感等设身处地的体验上，在设计过程中凭借自己的需求洞察力去引导AIGC 快速生成大量设计方案，然后从众多方案中筛选出真正符合用户深层所需；同时，也可以借助AI 分析市场数据，再结合自身的商业思维，去判断方案的可行性或制定出更加科学合理的策略提出更切实可行的方案。还可以通过参与真实的田野调查对用户进行访谈，深入了解用户在不同场景下的需求与情感诉求，这些都是在为设计赋予灵魂与温度，是 AI 所无法替代设计师的，也是人与人工智能的本质区别。同时，设计师在熟练掌握 AIGC 技术后，也应该做到对 AI工具的批判性使用。在使用 AIGC 工具时，设计师不能盲目依赖工具生成的结果，还需具备自身的判断能力，对AIGC 工具输出的内容合理性与适用性进行分析判断。

4.2 高校教育革新

高校作为设计人才培育的摇篮，唯有主动更新，积极培养学生AIGC 应用能力、社会需求洞察力、商业思维和创意思维能力，才能为社会企业输送高素质的综合性人才，在课程中高校应更进授课内容，增加 AIGC 技术应用、商业设计，用户思维等相关课程。调整课程结构，减少传统软件操作类课程的比重，增加社会实践类课程。建议可以将企业真实项目嵌入教学内容，推动理论与实践的深度融合。引入项目式教学方法，以实际设计项目为导向，让学生在实践中学习和应用知识，提高解决实际问题的能力。高校与企业建立长期合作关系，以企业的设计项目作为教学案例，让学生亲身参与到设计落地的全过程。通过学生在企业和高校教师的共同指导下，了解社会最新先进生产力，学习先进AIGC 技术利用到产品设计中。通过参与真实项目，学生能够了解实际行业情况，掌握 AIGC 技术在实际项目中的应用方法，积累项目经验，对提高自身的专业素养和就业竞争力起到非常大帮助作用。

结论

本研究探讨了 AIGC 对产品设计行业产生了深远影响的背景下，产品设计人才专业素养研究，对个人核心竞争力的提高起到了帮助、借鉴作用。AIGC 极大释放了生产力，不仅提高了设计效率，还重构了设计价值维度。在此背景下，产品设计人才专业素质提升需聚焦于对需求的洞察、AIGC 新技术驾驭与商业转化三大核心能力。高校和企业应共同努力，推动和加强实践类教学，共同培养符合AIGC 时代需求的综合型设计人才；

需求洞察力成为设计师的核心竞争力，只有深入理解用户需求，才能将抽象的需求转化为创新设计方案，使产品在市场中脱颖而出。AIGC 技术驾驭力要求设计师既能熟练使用 AI 工具，又能对工具生成内容进行批判性思考与优化，实现人机协同创新。商业转化能力则确保设计作品具有市场价值，能够为企业带来经济效益。在 AIGC 时代，设计师不应将自身的思维优势与AI置于对立的位置，而应积极探索两者融合的无限可能。通过“AI提供效率与数据支持，设计师主导思维决策”的模式，实现设计价值的最大化。AIGC 的蓬勃发展为设计行业带来了巨大变革，但产品设计师对生活中敏锐的需求洞察力与创意设计思维，始终是AIGC 不可取代的核心资产。在未来，设计师们应充分发挥这些思维优势，积极拥抱 AI 技术，创造出更多兼具人性温度与商业价值的优秀设计作品，引领设计行业迈向更高的发展层次。

参考文献

1] 李开复 ， 王咏刚 . 人工智能 [M]. 北京 ： 文化发展出版社 ， 2017.

[2] Goodfellow I， Pouget-Abadie J， Mirza M， et al. Generativeadversarial nets[C]//Advances in neural information processing systems. 2014：2672-2680.

[3] Radford A， Kim J W， Hallacy C， et al. Learning transferable visualmodels from natural language supervision[C]//International conference onmachine learning. PMLR， 2021： 8748-8763.

[4] 赵超 ， 何人可 . 设计学概论 [M]. 北京 ： 高等教育出版社 ， 2015.

[5] 周美玉 . AIGC 在设计领域的应用与发展趋势研究 [J]. 装饰 ， 2023（05）：120-125.

[6] 张毅 ， 王硕 . 基于 AIGC 的产品设计流程优化研究 [J]. 包装工程 ， 2023，44（16）： 35-41.

[7] Zhu Z， Yu T， Wang Y， et al. Revolutionizing design content withAIGC： User-centered challenges， opportunities， and workflow evolution[J]. IEEEAccess， 2025， DOI：10.1109/ACCESS.2025.3567750.

[8] 袁野 . AIGC 在工业设计中的应用 [J]. 设计与艺术 ， 2024， （03）： 48-51.

[9] 冯玉泉 . AIGC 在工业设计上的应用与思考 [J]. 包装工程 ， 2024， 45（08）：337-345.

[10] 彭燕凝， 杨华珍. AIGC 与工业设计有机融合应用研究[J]. 艺术与设计（ 理论 ）， 2024（03）： 29-32.

[11] 庞玲. AIGC 浪潮下工业设计专业《产品设计程序与方法》课程教学改革[J].中国包装教学研究 ， 2024， （03）： 138-141.

[12] 卢兆麟 ， 宋新衡 ， 金昱成 . AIGC 技术趋势下智能设计的现状与发展 [J].包装工程 ， 2023， 44（24）： 18-33.

[13] 刘婧瑞 . 以用户为中心的设计程序要素研究 [J]. 艺术与设计 ， 2017（07）：52-53.

[14] 马彧. 浅谈工业设计方法与程序的运用[J]. 学校艺术教育与素质教育论坛，2017， （04）： 139-146.

[15] 赵雯 . 工业设计中 CMF 设计流程和方法 [J]. 科技·经济·市场 ， 2018（09）：20-22.

[16] 钟华 . 工业设计的程序与方法 [J]. 人文论坛 ， 2023， （06）： 197-200.

[17] 韩卫国， 黄天杨， 苏颜丽， 等. 工业设计程序与方法在小家电产品设计中的应用研究 [J]. 中国知网 ， 2024， （03）： 1-8.

[18] 罗洁， 李丹妮， 毛爱华. 基于共情需求的AIGC 产品设计探索[J]. 鞋类工艺与设计 ， 2024， 4（03）： 165-168.

[19] 拾祎春. 基于AIGC 技术的高职学生数字艺术创新能力培养[J]. 上海服饰，2024（08）： 183-185.

[20] 刘瑜兴 . 基于 AIGC 的数字化工业设计方法研究 [J]. 网印工业 ， 2024（10）：21-23.