AIGC在工業(yè)設(shè)計(jì)上的應(yīng)用與思考

馮玉泉

AIGC在工業(yè)設(shè)計(jì)上的應(yīng)用與思考

馮玉泉

（廣東省輕工業(yè)技師學(xué)院，廣州 510030）

對AIGC（人工智能生成內(nèi)容）技術(shù)的發(fā)展、進(jìn)化和應(yīng)用進(jìn)行梳理，通過實(shí)際案例找到AIGC技術(shù)在工業(yè)設(shè)計(jì)上的應(yīng)用方法，驗(yàn)證目前AIGC技術(shù)應(yīng)用于工業(yè)設(shè)計(jì)流程的程度。使用AIGC技術(shù)優(yōu)化后的工業(yè)設(shè)計(jì)流程對“禮堂椅”家具設(shè)計(jì)項(xiàng)目進(jìn)行的設(shè)計(jì)開發(fā)，通過該項(xiàng)目設(shè)計(jì)落地制造的全流程運(yùn)作，分析案例中AIGC技術(shù)在工業(yè)設(shè)計(jì)流程上的應(yīng)用。通過實(shí)際案例驗(yàn)證AIGC技術(shù)應(yīng)用在工業(yè)設(shè)計(jì)流程上的有效性和局限性；分析探索AIGC優(yōu)化后工業(yè)設(shè)計(jì)流程的特點(diǎn)。提出AIGC技術(shù)在工業(yè)設(shè)計(jì)應(yīng)用上的優(yōu)點(diǎn)與不足；驗(yàn)證了AIGC技術(shù)能優(yōu)化工業(yè)設(shè)計(jì)流程；證實(shí)了AIGC技術(shù)能夠有效節(jié)省設(shè)計(jì)的時間成本、提高設(shè)計(jì)效率、節(jié)省經(jīng)費(fèi)；提出目前工業(yè)設(shè)計(jì)流程中AIGC技術(shù)無法解決的環(huán)節(jié)。

工業(yè)設(shè)計(jì)；AIGC；概念設(shè)計(jì)；家具設(shè)計(jì)；禮堂椅

AIGC-人工智能生成內(nèi)容技術(shù)（Artificial Intelligence Generated Content），簡稱AIGC，能夠生成文本、圖像、視頻、音頻等多種形式的內(nèi)容。隨著技術(shù)的發(fā)展，AIGC已經(jīng)被廣泛應(yīng)用于影視、娛樂、設(shè)計(jì)、醫(yī)療、金融和教育等領(lǐng)域，其應(yīng)用范圍還在不斷擴(kuò)大[1]，隨著AIGC工具不斷地迭代和更新，其在工業(yè)設(shè)計(jì)領(lǐng)域的應(yīng)用范圍和影響也逐漸擴(kuò)大[2]，AIGC不僅能夠幫助工業(yè)設(shè)計(jì)師快速生成創(chuàng)意，還能在一定程度上提升設(shè)計(jì)的效率和質(zhì)量。

1 AIGC的概念與應(yīng)用

AIGC（Artificial Intelligence Generated Content）即人工智能生成內(nèi)容，是一種利用人工智能技術(shù)自動生成文章、音頻、視頻等多媒體內(nèi)容的方法[3]。目前AIGC發(fā)展得比較成熟的應(yīng)用主要是通過用戶輸入的文字要求來生成用戶所需要的內(nèi)容，主要包括文字和圖片等。從目前來看，AIGC在生成內(nèi)容圖片方面，能夠很好地生成設(shè)計(jì)師概念創(chuàng)意的參考圖片，甚至能夠直接生成概念設(shè)計(jì)草圖。因此，AIGC在工業(yè)設(shè)計(jì)行業(yè)能夠很好地得到應(yīng)用。

1.1 AIGC的發(fā)展

2015年7月谷歌推出DeepDream，開創(chuàng)人工智能模型根據(jù)文本生成圖像的先河。2021年1月，OpenAI發(fā)布，DALL-E模型讓文本生成圖像真正出了圈。2022年7月，獨(dú)立實(shí)驗(yàn)室Midjourney發(fā)布同名圖像生成模型Midjourney，設(shè)計(jì)師Jason Allen用其生成的圖片《太空歌劇院》在科羅拉多州博覽會的美術(shù)比賽中獲得頭獎，并感慨“藝術(shù)已死，人類輸了”，引起全球熱議。2022年8月，SabilityAI的開源圖像生成模型Stable Diffusion僅需一臺電腦就能運(yùn)行，截至當(dāng)年10月，已有超過20萬開發(fā)者下載。這一系列模型，引爆了AI作畫領(lǐng)域，標(biāo)志著人工智能向藝術(shù)和設(shè)計(jì)領(lǐng)域深入滲透的開始。2022年9月，紅杉資本發(fā)文稱2022年是AI元年。2022年12月，OpenAI的大型語言生成模型ChatGPT能做到和人類對答如流，能進(jìn)行短文，詩歌，代碼計(jì)算等不同類型的內(nèi)容輸出[4]。

1.2 AIGC圖像生成類相關(guān)應(yīng)用工具的介紹

1.2.1 ChatGPT

ChatGPT（Chat Generative Pre-trained Transformer）是OpenAI公司研發(fā)的一款聊天機(jī)器人程序，是人工智能技術(shù)驅(qū)動的自然語言處理工具，它能夠基于在預(yù)訓(xùn)練階段所見的模式和統(tǒng)計(jì)規(guī)律，來生成回答，還能根據(jù)聊天的上下文進(jìn)行互動，像與真實(shí)人類一樣來聊天交流，甚至能完成撰寫郵件、視頻腳本、文案、翻譯、代碼，寫論文等任務(wù)[5-6]，在工業(yè)設(shè)計(jì)上，它能幫助整理設(shè)計(jì)需求，并編寫生成產(chǎn)品方案圖的關(guān)鍵詞。

1.2.2 Midjourney

Midjourney是一款云端AI繪畫工具，不需要本地高性能電腦運(yùn)行，但需要聯(lián)網(wǎng)使用。使用Midjourney開展工業(yè)設(shè)計(jì)應(yīng)用，只要輸入設(shè)計(jì)需求的關(guān)鍵字，就能通過AI算法生成相對應(yīng)的產(chǎn)品方案圖，并且可以通過關(guān)鍵詞來引導(dǎo)不同的設(shè)計(jì)風(fēng)格。Midjourney藝術(shù)風(fēng)格較強(qiáng)，但是隨機(jī)性比較大。Midjourney操作簡便，使用直觀的自然語言就可以生成逼真效果的圖片內(nèi)容，很受初學(xué)者的青睞。由于Midjourney的數(shù)據(jù)庫和算法程序是存放在網(wǎng)絡(luò)服務(wù)器中的，其內(nèi)容生成服務(wù)必須在線上進(jìn)行，存在一定的泄密風(fēng)險。Midjourney目前是通過賬號管理使用的，盡管其賬號需要收取一定的租金費(fèi)用，但由于其使用簡便、圖片效果精美等，依然很受一些商業(yè)公司的歡迎。

1.2.3 Stable Diffusion

Stable Diffusion是2022年發(fā)布的具有深度學(xué)習(xí)功能的文本生成圖像模型工具，該工具可以線下運(yùn)行[7]。普通個人用戶都可以使用個人高性能電腦在本地運(yùn)行，該工具對電腦的性能要求比較高，其生成圖片的質(zhì)量與電腦顯卡的性能密切相關(guān)。與其他AIGC工具不同的是，Stable Diffusion雖然同樣是通過輸入關(guān)鍵字給內(nèi)置的AI算法，生成相對應(yīng)的內(nèi)容圖片，但Stable Diffusion有更多文字以外對生成圖的控制手段，生成效果更加可控，能有效降低隨機(jī)性，提高成功率，因此由其操作的復(fù)雜性也相對較高[8-9]。Stable Diffusion最大的特點(diǎn)是可以使用本地電腦離線運(yùn)行，不依賴服務(wù)供應(yīng)商和大型服務(wù)器，而且其模型庫是開放的，使用者可以下載公共的模型庫，也可以自行訓(xùn)練，生成自己特定的模型庫，并由此開展算法內(nèi)容的生成[10]。從某種角度來說，Stable Diffusion更適合中小型企業(yè)的AIGC內(nèi)容應(yīng)用。

除了上述比較成熟的AIGC工具，幾乎每個月甚至每周都有新的AIGC圖像類甚至3D模型生成類的工具涌現(xiàn)，AIGC發(fā)展趨勢日益火熱。

1.3 AIGC的未來展望

人工智能是一種會進(jìn)化的科學(xué)，是一種融合了深度學(xué)習(xí)、生成算法、預(yù)訓(xùn)練模型、多模態(tài)累積融合、數(shù)據(jù)算法進(jìn)化、自然語言模型等多種技術(shù)的智能程序。早期模型訓(xùn)練的最大困難就是缺乏優(yōu)質(zhì)訓(xùn)練數(shù)據(jù)集，因數(shù)據(jù)標(biāo)注費(fèi)時且準(zhǔn)確率低，樣本數(shù)量無法覆蓋邊緣案例，以及長期數(shù)據(jù)難以采集、隱私數(shù)據(jù)面臨法律法規(guī)限制等問題。然而隨著生成式AI的發(fā)展，模型產(chǎn)出的合成數(shù)據(jù)又反哺模型訓(xùn)練過程，形成加速飛輪。可以說，AIGC已經(jīng)跨過了瓶頸期，進(jìn)入了爆發(fā)性的成長期。

2 AIGC在工業(yè)設(shè)計(jì)上的應(yīng)用

2.1 對工業(yè)設(shè)計(jì)流程的應(yīng)用

目前許多設(shè)計(jì)行業(yè)從業(yè)者都在運(yùn)用AIGC輔助設(shè)計(jì)業(yè)務(wù)開展，尤其是在方案草圖制作方面，AIGC有著高效和便宜的優(yōu)勢，設(shè)計(jì)師能夠非常方便地生成大量草圖方案。對于以往常規(guī)工業(yè)設(shè)計(jì)流程而言，概念設(shè)計(jì)部分會耗費(fèi)設(shè)計(jì)師較多的精力和時間。如果使用了AIGC的工具，概念設(shè)計(jì)則變得高效且便捷[11]。因此，AIGC對工業(yè)設(shè)計(jì)流程中的概念設(shè)計(jì)會產(chǎn)生比較大的影響。設(shè)計(jì)師可以利用AIGC來生成一些基礎(chǔ)的設(shè)計(jì)方案或草圖，從而加快設(shè)計(jì)的速度，提高了設(shè)計(jì)團(tuán)隊(duì)對設(shè)計(jì)項(xiàng)目產(chǎn)出的效率[12]。對工業(yè)設(shè)計(jì)流程而言，目前更多的是在概念設(shè)計(jì)階段對AIGC進(jìn)行應(yīng)用，而對整體的工業(yè)設(shè)計(jì)產(chǎn)業(yè)流程的應(yīng)用改變還比較有限，圖1是AIGC技術(shù)所融合后的工業(yè)設(shè)計(jì)流程與原有傳統(tǒng)工業(yè)設(shè)計(jì)流程的對比圖。

圖1 工業(yè)設(shè)計(jì)傳統(tǒng)流程與AI融合后的流程對比

從目前的應(yīng)用研究情況來看，AIGC對工業(yè)設(shè)計(jì)全流程產(chǎn)業(yè)的沖擊僅在概念設(shè)計(jì)階段會有比較大的影響，從現(xiàn)實(shí)情況來看，這個影響是積極的，由于高效的草圖方案生成方式，也需要人腦對方案進(jìn)行遴選，人腦對方案遴選的要素邏輯是基于工業(yè)設(shè)計(jì)基礎(chǔ)知識及設(shè)計(jì)師對產(chǎn)品開發(fā)需求的把握，包括了產(chǎn)品合理性、用戶研究、市場分析及市場定位等。從圖1的對比分析中可以發(fā)現(xiàn)，常規(guī)工業(yè)設(shè)計(jì)的流程并沒有很大改變，只是在概念設(shè)計(jì)的環(huán)節(jié)中作了優(yōu)化調(diào)整。通過高效的AIGC工具，實(shí)現(xiàn)了各種設(shè)計(jì)方案的大量產(chǎn)出，優(yōu)化了人工概念設(shè)計(jì)繪圖操作技能。AIGC應(yīng)用后的工業(yè)設(shè)計(jì)流程將會是傳統(tǒng)工業(yè)設(shè)計(jì)流程的優(yōu)化升級。

2.2 AIGC工具的生成圖像特點(diǎn)

AIGC工具在產(chǎn)品概念圖生成上，從最初的生成結(jié)果隨機(jī)不可控、可用度不高，發(fā)展至今，已經(jīng)逐漸積累出成熟高效的制作流程，設(shè)計(jì)師可以通過相對簡易的操作，對生成結(jié)果進(jìn)行各種控制[13]。以制作一張禮堂折疊椅為例，使用Stable Diffusion進(jìn)行生成圖像操作。從生成的圖片結(jié)果來看，該產(chǎn)品概念圖效果美觀，外觀造型靈活多變，其生成結(jié)果可以滿足特定具體的設(shè)計(jì)要求。AIGC應(yīng)用在產(chǎn)品設(shè)計(jì)上，具有高效產(chǎn)出多樣化外觀造型、有效獲取CMF設(shè)計(jì)參考、容易達(dá)成IP意象融合、簡便控制特定設(shè)計(jì)風(fēng)格等特點(diǎn)。

2.2.1 高效產(chǎn)出多樣化外觀造型

眾所周知，AIGC的生成方式其實(shí)是基于人工智能的算法的生成，而人工智能的算法是基于深度學(xué)習(xí)的數(shù)據(jù)進(jìn)行的，數(shù)據(jù)經(jīng)過深度學(xué)習(xí)再通過算法，結(jié)合人類語言處理技術(shù)，產(chǎn)生出內(nèi)容的生成[14]。在整個AIGC內(nèi)容生成過程中，它沒有人類思維所固有的慣性思維，其產(chǎn)生的每一個內(nèi)容方案都是算法數(shù)據(jù)上的組合。這種內(nèi)容數(shù)據(jù)的組合，具有特別強(qiáng)的隨機(jī)性，也能夠產(chǎn)生多種跳躍性的結(jié)果，甚至?xí)a(chǎn)生很多人類意識中不合理的結(jié)果，需要設(shè)計(jì)師對生成的結(jié)果內(nèi)容進(jìn)行篩選。由于AIGC能夠高效產(chǎn)出大量圖形方案，其生成的內(nèi)容擁有更高的效率和跳躍度，所生成的圖像在造型變化上具有更多的可能性。因此，AIGC的應(yīng)用讓設(shè)計(jì)更容易獲取多樣外觀造型的變化，見圖2。

2.2.2 有效獲取CMF設(shè)計(jì)參考

由于AIGC是基于大量高質(zhì)量模型的深度學(xué)習(xí)，其模型數(shù)據(jù)算法中蘊(yùn)含著極為豐富的材質(zhì)、色彩和表面處理數(shù)據(jù)。因此，當(dāng)使用AIGC產(chǎn)出產(chǎn)品效果圖時，其CMF表現(xiàn)能力特別強(qiáng)大。基于這種便捷的生成效果圖像方式，使設(shè)計(jì)師在產(chǎn)品設(shè)計(jì)CMF方面的探索變得更加便捷，設(shè)計(jì)師能夠高效地獲取各種材質(zhì)、色彩、表面處理的組合搭配參考，能夠大大地提高概念設(shè)計(jì)的有效性和參考度，見圖3。

2.2.3 有效達(dá)成IP意向融合

在實(shí)際產(chǎn)品開發(fā)設(shè)計(jì)的過程中，經(jīng)常會遇到品牌IP的融合設(shè)計(jì)問題。對AIGC而言，由于算法融合等，使IP品牌與產(chǎn)品造型的融合變得很容易實(shí)現(xiàn)，而且其實(shí)現(xiàn)的效果還具有較高的參考價值。如圖4所示，分別生成了鋼鐵俠、蝙蝠俠、冰雪女王三款不同IP意向融合的禮堂椅。

2.2.4 簡便控制特定設(shè)計(jì)風(fēng)格

由于AIGC的內(nèi)容生成邏輯是以語言文字作為生成基礎(chǔ)，因此在風(fēng)格設(shè)定調(diào)整上具有簡便性。在實(shí)際操作中只需要輸入所需要的風(fēng)格設(shè)定，即可生成所需要的產(chǎn)品概念草圖。如圖5所示生成的中式風(fēng)格、POP風(fēng)格及極簡風(fēng)格的禮堂椅。這種通過語言控制的風(fēng)格設(shè)計(jì)方式，可以讓設(shè)計(jì)師簡便地控制產(chǎn)品的設(shè)計(jì)風(fēng)格，而且由于內(nèi)容生產(chǎn)的廉價高效，促使設(shè)計(jì)師可以大量生產(chǎn)出不同風(fēng)格的概念作品，對于概念設(shè)計(jì)方案風(fēng)格，具有較高的參考意義。

圖2 不同造型的禮堂椅

圖3 不同材質(zhì)的禮堂椅

圖4 IP形象融合的禮堂椅

2.3 AICG應(yīng)用前后的工業(yè)設(shè)計(jì)流程對比

AIGC工具的最大優(yōu)勢在于生成效率，由于生成一張上述的效果圖只需數(shù)秒，因此能在很短的時間生成成百上千的產(chǎn)品概念圖進(jìn)行篩選比較，對設(shè)計(jì)師在概念草圖設(shè)計(jì)方面具有很大的幫助。高效的出圖方式，顛覆了設(shè)計(jì)人員傳統(tǒng)建模渲染出效果圖的方式，使出圖變得廉價和高效，對產(chǎn)品的創(chuàng)意產(chǎn)生方式也有了很大的改變[15]。因此，AIGC技術(shù)主要能夠提升工業(yè)設(shè)計(jì)流程中概念設(shè)計(jì)階段的效率，將設(shè)計(jì)師從以往概念方案效果圖的制作工作中解放出來，可以擁有更多的時間精力去對方案設(shè)計(jì)方向進(jìn)行打磨。

2.4 AIGC的可靠性

人工智能提供的產(chǎn)品設(shè)計(jì)方案的可靠性取決于算法和數(shù)據(jù)的質(zhì)量。如果算法和數(shù)據(jù)都經(jīng)過充分的測試和驗(yàn)證，那么人工智能生成的設(shè)計(jì)方案可以達(dá)到很高的可靠性。然而，如圖6所示，如果出現(xiàn)了算法或數(shù)據(jù)缺陷，那么生成的設(shè)計(jì)方案可能會出現(xiàn)錯誤或不準(zhǔn)確的情況。AIGC產(chǎn)出的內(nèi)容畢竟是算法產(chǎn)出的，其產(chǎn)出的結(jié)果是需要篩選的，而產(chǎn)出內(nèi)容可靠性的驗(yàn)證，基本上還是依靠人腦來完成。

圖5 不同風(fēng)格的禮堂椅

圖6 AIGC生成的缺陷圖片

3 設(shè)計(jì)實(shí)踐——“禮堂椅”成品案例

3.1 禮堂椅設(shè)計(jì)方案

提供禮堂椅設(shè)計(jì)方案的甲方是一家專門制造教學(xué)家具的中型企業(yè)，當(dāng)前該企業(yè)需要設(shè)計(jì)出一款更能夠適應(yīng)市場需求，同時具有簡約、平穩(wěn)風(fēng)格的現(xiàn)代感禮堂座椅。該設(shè)計(jì)方案在概念設(shè)計(jì)之初，便通過Stable Diffusion這個AIGC工具輸出大量的概念設(shè)計(jì)方案，設(shè)計(jì)師通過輸入文本內(nèi)容生成大量概念草圖方案，這些草圖方案平均只需要5秒就可以產(chǎn)生一張，若運(yùn)行5分鐘，就可以自動生成約60張各種形式的禮堂椅概念圖，見圖7。由此可見，AIGC是一個很好的設(shè)計(jì)輔助工具，能夠幫助設(shè)計(jì)師廉價、高效地實(shí)現(xiàn)多樣性圖形概念產(chǎn)出，大大地提高方案產(chǎn)出的效率。高效產(chǎn)出概念設(shè)計(jì)方案的方式，能夠降低設(shè)計(jì)的成本，這對于企業(yè)節(jié)省設(shè)計(jì)成本具有一定的價值。

基于AIGC的算法，人工智能能夠?qū)θ祟惿鐣v史上所存在的各種藝術(shù)風(fēng)格流派，甚至是網(wǎng)絡(luò)話題進(jìn)行大數(shù)據(jù)分析，因此能夠?qū)χ付ǖ乃囆g(shù)風(fēng)格和指定的設(shè)計(jì)方案進(jìn)行定向參考。得益于大數(shù)據(jù)的分析，AIGC能夠通過一定的算法產(chǎn)生出具有特定風(fēng)格定向的概念設(shè)計(jì)方案。在眾多產(chǎn)出的方案中，設(shè)計(jì)師根據(jù)市場風(fēng)格的需求、形式美感的把握、產(chǎn)品結(jié)構(gòu)的合理性、人機(jī)工程的合理性、材料應(yīng)用的特點(diǎn)等方面進(jìn)行綜合分析，篩選出較有代表性的方案供甲方選擇，見圖8。方案篩選的過程，也是與客戶溝通的過程，集中體現(xiàn)了設(shè)計(jì)師的綜合能力水平。最后甲方選出1款相對符合設(shè)計(jì)要求的概念設(shè)計(jì)方案，見圖9。

由于AIGC的算法原因，人工智能能夠?qū)θ祟惿鐣v史上所存在的各種藝術(shù)風(fēng)格流派甚至是網(wǎng)絡(luò)話題進(jìn)行大數(shù)據(jù)分析，因此能夠?qū)χ付ǖ乃囆g(shù)風(fēng)格和指定的設(shè)計(jì)方案進(jìn)行定向參考。得益于大數(shù)據(jù)分析，AIGC能夠通過一定的算法產(chǎn)生出具有特定風(fēng)格定向的概念設(shè)計(jì)方案[16]。在眾多產(chǎn)出的方案中，設(shè)計(jì)師根據(jù)市場風(fēng)格的需求、形式美感的把握、產(chǎn)品結(jié)構(gòu)的合理性、人機(jī)工程的合理性、材料應(yīng)用的特點(diǎn)等方面進(jìn)行綜合分析，篩選出較有代表性的方案供甲方選擇，較有代表性的方案見圖8。方案篩選的過程，也是與客戶溝通的過程，集中體現(xiàn)了設(shè)計(jì)師的綜合能力水平。最后甲方選出1款相對符合設(shè)計(jì)要求的概念設(shè)計(jì)方案見圖9。

在參數(shù)化設(shè)計(jì)階段，發(fā)現(xiàn)這款A(yù)IGC 原生的概念設(shè)計(jì)方案在產(chǎn)品零配件結(jié)構(gòu)裝配上。還有很多不符合現(xiàn)實(shí)生產(chǎn)工藝的情況，方案也基本沒有尺寸數(shù)據(jù)支持。因此，需要設(shè)計(jì)師將概念設(shè)計(jì)圖紙進(jìn)行詳細(xì)的參數(shù)化設(shè)計(jì)。工業(yè)設(shè)計(jì)解決方案與產(chǎn)品繪畫方案最大的區(qū)別在于設(shè)計(jì)方案是有參數(shù)尺寸的，繪畫方案可以是沒有尺寸的天馬行空作品，而工業(yè)設(shè)計(jì)的方案則必須進(jìn)行參數(shù)化設(shè)計(jì)，才能實(shí)現(xiàn)落地。

在產(chǎn)品的細(xì)節(jié)設(shè)計(jì)上，由于生產(chǎn)工藝的制約（如各種標(biāo)準(zhǔn)零配件、標(biāo)準(zhǔn)五金件的合理使用，以及各種材料加工工藝的制約），產(chǎn)品整體的結(jié)構(gòu)裝配，都需要逐一進(jìn)行合理化設(shè)計(jì)。通過該案例發(fā)現(xiàn)AIGC生成的方案在參數(shù)化設(shè)計(jì)方面還存在比較明顯的缺陷。產(chǎn)品的產(chǎn)業(yè)鏈整合、零配件設(shè)計(jì)和結(jié)構(gòu)裝配在整個設(shè)計(jì)落地流程中占據(jù)了大部分的時間，需要靠設(shè)計(jì)師去具體落地和驗(yàn)證，故產(chǎn)品在落地生產(chǎn)階段，設(shè)計(jì)師的地位是不可替代的[17]。

圖8 較有代表性的方案

圖9 初步篩選出的方案

通過禮堂椅的設(shè)計(jì)過程，發(fā)現(xiàn)AIGC的方案只能夠稱之為圖形方案，還不能達(dá)到設(shè)計(jì)方案實(shí)施的層面。

圖10 參數(shù)化設(shè)計(jì)后的定稿方案

3.2 樣機(jī)方案裝配制作

產(chǎn)品的落地投產(chǎn)是設(shè)計(jì)師對產(chǎn)品合理性推敲及不斷進(jìn)行參數(shù)化設(shè)計(jì)改良迭代的結(jié)果。在禮堂椅樣機(jī)裝配過程中，其零配件由多種材料構(gòu)成，包括了布料、ABS塑料、聚氨酯高壓發(fā)泡海綿、金屬框形彈簧、熱壓弧形多層板等。不同的配件類型，有的屬于固定的標(biāo)準(zhǔn)件如寫字板彎曲球頭，也有澆鑄成型的非標(biāo)件如椅腳架，見圖11。所有零配件制作完畢后，還需要裝配組合，現(xiàn)階段的AIGC是無法為樣品裝配提供輔助的。

傳統(tǒng)的禮堂椅站腳采用的是五金材料的鈑金框架結(jié)構(gòu)，由于現(xiàn)實(shí)生產(chǎn)工藝限制，美觀度有所降低，批量生產(chǎn)速度慢、生產(chǎn)精度控制難度大。而現(xiàn)在的這個方案，禮堂椅腳部采用鋁合金材質(zhì)，經(jīng)澆鑄成型工藝制作主體結(jié)構(gòu)件，保證了外觀設(shè)計(jì)能夠最大程度地還原概念方案的美感。從結(jié)構(gòu)工程方面考慮，鋁合金材料一體澆筑成型，具有批量生產(chǎn)速度快、精度高、比重小、強(qiáng)度高，耐蝕性好、承重力強(qiáng)的優(yōu)點(diǎn)，很適合本設(shè)計(jì)項(xiàng)目應(yīng)用。

從該案例的產(chǎn)業(yè)應(yīng)用來看，產(chǎn)品的零配件應(yīng)用、結(jié)構(gòu)功能設(shè)計(jì)、材料應(yīng)用選擇及生產(chǎn)工藝應(yīng)用等方面都是目前AIGC無法解決的。

3.3 禮堂椅產(chǎn)品的落地投產(chǎn)

該禮堂椅設(shè)計(jì)方案首先經(jīng)過了AIGC概念設(shè)計(jì)，然后經(jīng)過設(shè)計(jì)師的參數(shù)化設(shè)計(jì)，對該產(chǎn)品的結(jié)構(gòu)功能、材料應(yīng)用、生產(chǎn)工藝等方面進(jìn)行了細(xì)致合理的設(shè)計(jì)。在設(shè)計(jì)過程中，需要花費(fèi)大量的時間和經(jīng)驗(yàn)去整合各種上游配件廠商，從標(biāo)準(zhǔn)件應(yīng)用到非標(biāo)件的設(shè)計(jì)制作，再到各種物料的選擇應(yīng)用，都充滿著設(shè)計(jì)師的心血，才有了該設(shè)計(jì)的落地，見圖12。該禮堂椅設(shè)計(jì)落地以來實(shí)現(xiàn)交貨量已達(dá)到20萬張。

4 AIGC應(yīng)用于工業(yè)設(shè)計(jì)所帶來的思考

人工智能就像是潘多拉的盒子，一旦被打開，將再也無法合上[18]。無論是ChatGPT、Midjourney、Stable Diffusion還是其他的AIGC工具，它們都能夠高速、廉價、高質(zhì)量地生成概念設(shè)計(jì)方案圖片。這種高效廉價的創(chuàng)意生產(chǎn)方式已經(jīng)逐漸動搖了工業(yè)設(shè)計(jì)中概念設(shè)計(jì)的產(chǎn)生方式[19]。甚至，這些人工智能工具都正以不可估量的速度在進(jìn)化，可能是半年、三個月，甚至更短的時間，就會進(jìn)化出更加易用且高效的工具。作為工業(yè)設(shè)計(jì)師，在學(xué)習(xí)新工具的同時，更要考慮設(shè)計(jì)的核心價值在哪里[20]。將來，可能設(shè)計(jì)師們不再需要學(xué)習(xí)如何把效果圖做得更加逼真，也不需要為概念設(shè)計(jì)建模花費(fèi)大量時間，如此，人們就會迎來更加純粹的設(shè)計(jì)時代。AIGC在工業(yè)設(shè)計(jì)應(yīng)用后，設(shè)計(jì)師可以更加關(guān)注設(shè)計(jì)本身，關(guān)注設(shè)計(jì)能否更人性化、更易用、更人機(jī)和更加符合消費(fèi)定位，讓設(shè)計(jì)更有效。AIGC的廣泛應(yīng)用，可能會讓設(shè)計(jì)師與美術(shù)工作者兩個職業(yè)區(qū)分得更加明顯。

圖11 樣機(jī)驗(yàn)證過程

圖12 禮堂椅成品各部件的材料和工藝介紹

4.1 工作流程的變化

原有的工業(yè)設(shè)計(jì)流程的概念設(shè)計(jì)階段，由于有了AIGC工具的誕生，使新圖像方案的生成變得高效而廉價，但對整個工業(yè)設(shè)計(jì)產(chǎn)業(yè)流程的影響并不大。對設(shè)計(jì)師而言，傳統(tǒng)的工業(yè)設(shè)計(jì)流程中，概念設(shè)計(jì)效果圖所占用的設(shè)計(jì)時間是非常多的，應(yīng)用了AIGC技術(shù)后，概念設(shè)計(jì)的方案將可以在短時間內(nèi)無限產(chǎn)生，大大地節(jié)省了概念草圖方案生成的時間。節(jié)省設(shè)計(jì)時間，對設(shè)計(jì)企業(yè)而言就相當(dāng)于節(jié)省了成本，提高了生產(chǎn)效率。然而對方案確定后的參數(shù)化設(shè)計(jì)，以及產(chǎn)品的樣機(jī)試產(chǎn)、量產(chǎn)等階段來看，還無法與AIGC結(jié)合。

4.2 設(shè)計(jì)師技能的變化

隨著AIGC技術(shù)的應(yīng)用，設(shè)計(jì)師的技能會發(fā)生變化，從原來的手工繪圖加軟件設(shè)計(jì)表達(dá)，改變?yōu)槭褂酶鞣NAIGC工具的設(shè)計(jì)師。AIGC工具提高了概念設(shè)計(jì)產(chǎn)生的效率，減輕了設(shè)計(jì)師的負(fù)擔(dān)，節(jié)省了設(shè)計(jì)成本，讓設(shè)計(jì)師可以更多地關(guān)注設(shè)計(jì)方案的合理性，提高設(shè)計(jì)創(chuàng)意的有效性。通過案例驗(yàn)證了AIGC技術(shù)應(yīng)用在工業(yè)設(shè)計(jì)后，產(chǎn)品開發(fā)對結(jié)構(gòu)工程師技能的依賴將會更加明顯。當(dāng)概念設(shè)計(jì)方案被確定后，設(shè)計(jì)方案結(jié)構(gòu)的合理性、零配件的選擇、生產(chǎn)工藝的選擇、產(chǎn)業(yè)鏈的情況都需要設(shè)計(jì)師去考慮并落實(shí)。因此，設(shè)計(jì)師應(yīng)該更加重視參數(shù)化設(shè)計(jì)的職業(yè)技能，了解產(chǎn)業(yè)鏈的上游零配件情況，了解產(chǎn)品的結(jié)構(gòu)設(shè)計(jì)、零配件裝配、生產(chǎn)工藝選擇、標(biāo)準(zhǔn)件應(yīng)用、材料應(yīng)用等方面的要求。

4.3 對設(shè)計(jì)師職業(yè)素養(yǎng)的變化。

設(shè)計(jì)師的核心競爭力是職業(yè)素養(yǎng)，而不是產(chǎn)品設(shè)計(jì)方案的繪畫圖像制作。目前，人工智能還無法考慮到產(chǎn)品的用戶體驗(yàn)，需要設(shè)計(jì)師去對概念方案進(jìn)行迭代優(yōu)化，從而生成一個甲方和設(shè)計(jì)師都認(rèn)為有效、可行的解決方案。因此，設(shè)計(jì)師應(yīng)具有更高的職業(yè)素養(yǎng)，包括對造型美學(xué)、CMF、市場研究分析、零配件情況、結(jié)構(gòu)設(shè)計(jì)、裝配都要熟悉，要求設(shè)計(jì)師要更懂設(shè)計(jì)的本質(zhì)，才能夠?qū)Υ罅康腁IGC方案進(jìn)行有效的甄別與深化，避免設(shè)計(jì)方向錯誤。

5 結(jié)語

使用AIGC技術(shù)介入設(shè)計(jì)的“禮堂椅”家具設(shè)計(jì)案例，及其設(shè)計(jì)制造落地的過程，證實(shí)了AIGC技術(shù)能夠節(jié)省設(shè)計(jì)時間成本、提高設(shè)計(jì)效率、節(jié)省設(shè)計(jì)經(jīng)費(fèi)的特點(diǎn)，驗(yàn)證了目前AIGC技術(shù)還無法對參數(shù)化設(shè)計(jì)、結(jié)構(gòu)裝配、生產(chǎn)工藝選擇、零配件選用等環(huán)節(jié)提供有效幫助。通過AIGC應(yīng)用于工業(yè)設(shè)計(jì)前后的流程對比，提出AIGC技術(shù)目前更適合應(yīng)用在概念設(shè)計(jì)中。相信在不遠(yuǎn)的將來，AIGC技術(shù)的發(fā)展能給工業(yè)設(shè)計(jì)帶來更多的優(yōu)化與改良，更好地提升生產(chǎn)效率，減輕設(shè)計(jì)師負(fù)擔(dān)。當(dāng)人們再次仰望星空時，工業(yè)設(shè)計(jì)也將擁有更廣闊的未來。

[1] 新華網(wǎng). 抓住新一代人工智能發(fā)展的重大機(jī)遇[EB/ OL]. (2018-11-23) [2023-9-11]. https://cpc.people.com.cn/ shipin/n1/2018/1101/c243247-30376489.html?ivk_sa=1024320u. China Xinhua News Network Corperation. Seize the Major Opportunity of the Development of a New Generation of Artificial Intelligence[EB/OL]. (2018-11-23) [2023-9-11]. https://cpc.people.com.cn/shipin/n1/2018/ 1101/c243247-30376489.html?ivk_sa=1024320u

[2] 陳永偉. 超越ChatGPT：生成式AI的機(jī)遇、風(fēng)險與挑戰(zhàn)[J]. 山東大學(xué)學(xué)報(哲學(xué)社會科學(xué)版), 2023(3): 127-143.CHEN Y W. Beyond ChatGPT: Opportunities, Risks, and Challenges from Generative AI[J]. Journal of Shandong University (Philosophy and Social Sciences), 2023(3): 127-143.

[3] 李白楊, 白云, 詹希旎, 等. 人工智能生成內(nèi)容(AIGC)的技術(shù)特征與形態(tài)演進(jìn)[J]. 圖書情報知識, 2023, 40(1): 66-74. LI B Y, BAI Y, ZHAN X N, et al. The Technical Features and Aromorphosis of Artificial Intelligence Generated Content(AIGC)[J]. Documentation, Information & Knowledge, 2023, 40(1): 66-74.

[4] 徐暢, 杜欣澤, 于凱迪. AIGC在設(shè)計(jì)行業(yè)應(yīng)用中的挑戰(zhàn)與策略[J]. 人工智能, 2023, 10(4): 51-60.XU C, DU X Z, YU K D. Challenges and Strategies of AIGC Application in Design Industry[J]. AI-View, 2023, 10(4): 51-60.

[5] 史占中, 鄭世民, 蔣越. ChatGPT與AIGC產(chǎn)業(yè)鏈[J]. 上海管理科學(xué), 2023, 45(2): 12-14.SHI Z Z, ZHENG S M, JIANG Y. ChatGPT與AIGC產(chǎn)業(yè)鏈[J]. Shanghai Management Science, 2023, 45(2): 12-14.

[6] 史新燕. 基于ChatGPT的分析: 人工智能對新聞傳播業(yè)的影響和應(yīng)對[J]. 哈爾濱師范大學(xué)社會科學(xué)學(xué)報, 2023, 14(3): 149-153.SHI X Y. Analysis Bases on ChatGPT: The Impact of Artificial Intelligence on the News and Communication Industry and Responses[J]. Journal of Social Science of Harbin Normal University, 2023, 14(3): 149-153.

[7] 張福也. AIGC技術(shù)在動態(tài)圖形設(shè)計(jì)中的影響[J]. 絲網(wǎng)印刷, 2023(12): 97-99.ZHANG F Y. Research on the Influence of AIGC Technology in Motion Graphics Design[J]. Screen Printing, 2023(12): 97-99.

[8] Arxiv. High-Resolution Image Synthesis with Latent Diffusion Models[EB/OL]. (2021-12-20)[2022-04-13]. https://arxiv.org/abs/2112.10752

[9] Arxiv. Scaling up GANs for Text-to-Image Synthesis [EB/OL]. (2023-05-09)[2023-06-19]. https://arxiv.org/abs/ 2303.05511

[10] HO J, JAIN A, ABBEEL P. Denoising Diffusion Probabilistic Models[EB/OL]. (2006-11-23)[2023-06-19]. http:// arxiv.org/abs/2006.11239.

[11] 程琳, 王明治. AI技術(shù)時代設(shè)計(jì)業(yè)者的機(jī)遇和挑戰(zhàn)[J]. 絲網(wǎng)印刷, 2023(12): 93-96.CHENG L, WANG M Z. Opportunities and Challenges for Designers in the Era of AI Technology[J]. Screen Printing, 2023(12): 93-96.

[12] 許雪晨, 田侃, 李文軍. 新一代人工智能技術(shù)(AIGC): 發(fā)展演進(jìn)、產(chǎn)業(yè)機(jī)遇及前景展望[J]. 產(chǎn)業(yè)經(jīng)濟(jì)評論, 2023(4): 5-22.XU X C, TIAN K, LI W J. Next Generation Artificial Intelligence Technology(AIGC): Development Evolution, Industrial Opportunities and Prospects[J]. Review of Industrial Economics, 2023(4): 5-22.

[13] GU L, LI Y. Who Made the Paintings: Artists or Artificial Intelligence? the Effects of Identity on Liking and Purchase Intention[J]. Frontiers in Psychology, 2022, 13: 941163.

[14] 李軍燕. 設(shè)計(jì)人工智能視野下人機(jī)交互情感化設(shè)計(jì)的應(yīng)用[J]. 軟件, 2021, 42(12): 34-37. LI J Y. Application on Human-Computer Interaction Emotional Design in the Field of Design Artificial Intelligence[J]. Software, 2021, 42(12): 34-37.

[15] 曹祥哲. 人工智能視域下的產(chǎn)品設(shè)計(jì)新特征及情感交互設(shè)計(jì)探究[J]. 包裝工程, 2022, 43(18): 32-38.CAO X Z. New Features of Product Design and Emotional Interaction Design from Perspective of Artificial Intelligence[J]. Packaging Engineering, 2022, 43(18): 32-38.

[16] 趙鋆凡, 蘇明揚(yáng), 李秀. AIGC賦能高效電影制作——以3D人體動畫生成工具為例[J]. 現(xiàn)代電影技術(shù), 2023 (7): 4-9.ZHAO J F, SU M Y, LI X. AIGC Enables Efficient Film Production-a Case Study of 3D Human Motion Animation Generation Tool[J]. Advanced Motion Picture Technology, 2023(7): 4-9.

[17] 湯重熹. 基礎(chǔ)研究是設(shè)計(jì)思維賴以生存的土壤[J]. 設(shè)計(jì), 2019, 32(18): 58-63. TANG C X. Basic Research is the Soil on which Design Thinking Depends[J]. Design, 2019, 32(18): 58-63.

[18] 王佑鎂, 王旦, 梁煒怡, 等. “阿拉丁神燈” 還是“潘多拉魔盒”: ChatGPT教育應(yīng)用的潛能與風(fēng)險[J]. 現(xiàn)代遠(yuǎn)程教育研究, 2023, 35(2): 48-56. WANG Y M, WANG D, LIANG W Y, et al. "Aladdin's Lamp" or "Pandora's Box": The Potential and Risks of ChatGPT's Educational Application[J]. Modern Distance Education Research, 2023, 35(2): 48-56.

[19] 華婧雅, 白文君. 人工智能時代異化勞動的新形態(tài)及其揚(yáng)棄路徑[J]. 和田師范?？茖W(xué)校學(xué)報, 2020, 39(1): 49-54. HUA J Y, BAI W J. The New Forms of Alienated Labor in the Age of Artificial Intelligence and the Way to Sublate it[J]. Journal of Hotan Normal College, 2020, 39(1): 49-54.

[20] 荊偉. 人工智能驅(qū)動下的設(shè)計(jì)產(chǎn)業(yè)融合創(chuàng)新探究[J]. 包裝工程, 2021, 42(16): 79-84. JING W. The Fusion and Innovation of Design Industry which Driven by Artificial Intelligence[J]. Packaging Engineering, 2021, 42(16): 79-84.

Application and Thinking of AIGC in Industrial Design

FENG Yuquan

(Guangdong Technician College of Light Industry, Guangzhou 510030, China)

The work aims to sort out the development, evolution and application of AIGC (artificial intelligence generated content) technology, find the application method of AIGC technology in industrial design through practical cases, and verify the degree of AIGC technology applied in the industrial design process at present. The industrial design process optimized by AIGC technology was used to design and develop the "auditorium chair" furniture design project, and the application of AIGC technology in the industrial design process was analyzed through the whole process operation of the project design and manufacturing. The validity and limitations of AIGC technology in the industrial design process were verified by practical cases. The characteristics of the industrial design process optimized by AIGC were analyzed and explored. The advantages and disadvantages of AIGC technology in industrial design application are proposed. It verifies that AIGC technology can bring process optimization to the industrial design process. AIGC technology can effectively save time cost, improve design efficiency and save money. The link that AIGC technology can not solve in the current industrial design process is put forward.

industrial design; AIGC; conceptual design; furniture design; auditorium chair

TB472

A

1001-3563(2024)08-0337-09

10.19554/j.cnki.1001-3563.2024.08.036

2023-11-24