张晨：
—— Canva
我负责Canva中国的设计和内容开发。在AI时代，SaaS工具如厨师，AIGC则是食材。过去厨师需自行采购原材料，而AIGC时代让我们能低成本自种优质食材。这为Canva提供了更多的内容创作空间，用户可以解锁更多无版权限制的内容，不再依赖外部版权库。Canva的成功源于三个方面：首先，它让普通人也能成为设计师，解决了设计门槛问题。其次，Canva正扩展至PPT、白板等办公领域，成为新的增长点。最后，在专业设计领域，我们也在进军，通过收购Affinity等增强专业能力，实现持续增长。
魏达：
—— Figma
我在公司不是做 AI 相关，所以我的观点可能就是从用户的角度出发，跟刚才张晨说的有点像，就是要降低门槛，或者说把一些过程、步骤简化一下。比如说 first draft 功能，让你的设计可以不从一个白板开始，而是通过生成式 AI 来生成半成品，然后你再对它进行修改。
Figma 还有一个产品叫 FigJam，它面向的用户就是比如说一般公司里没有设计背景的人，让它就像白板一样，大家可以在上面合作。在这里面就会加入一些很适合 AI 的那种功能。比如说我们会往白板上放标贴，总结整理之类的。我个人的观察是，我们把 AI 可以做得更好的地方给换成AI，这个是我们现在的策略。
Victor：
—— MyMap.AI
我最近在高频地用Canva，也在尝试用 Figma，因为我自己最近特别想找一个 AI 设计软件，但 sadly 我其实我挺失望的，我甚至很好奇 Figma 因为 AI 多赚了多少钱，我怀疑没有那么多。
第二个，我说一个很有趣的现象，在设计方面，我后来发现 Vercel V0 反而解决了我很多设计的问题，尤其是 0 到 1 的。我觉得这个其实和 Canva 那个逻辑非常相似，AI解放了很大一部分Developer，再也不用设计师先去画figma了，我自己有点sense我就可以get something out of it。其实还挺神奇的，我觉得这个如果有增长的话，可能不是在原来的 designer 身上。新的增长点似乎在其他人，AI可能并不能让designer可能更好，而是让其他比如只写代码的人变成一个小白designer。
Mango：
—— Xmind
大概是在23年之前，Xmind是 APP 主导的一个产品，我们的绝大多数用户都是桌面端和移动端的APP，之前我们也没有网页版，相当于错过了 SaaS 和在线应用这一波。所以我们在 23 年的时候，同时就是把我们的协作、在线应用和 AI 三个目前比较主流的功能一起推出，希望通过 AI 和协作能够扩大整个产品的生态链。我们付费群体当中还是年龄偏大，年轻用户一般对纯客户端的产品没有那么感兴趣。这也是我们用户慢慢流失的一个原因，所以从 23 年开始我们做了一个这么大的变化。
方向也是，如果是往 SaaS 方向的话，在海外应该还是想走集成类的思路，建立横向连接其他产品的工作流，让大家更好地链接，而不是把你的产出只放在一个软件里面，很难把工作进行下去。这也是我们的一个思路。
陈正豪：
—— Motiff
我分享了两个关于设计工具与AI的案例。Sketch 作为传统的 UI 设计工具，专注于本地应用和隐私保护，他们认为用户更在意功能性提升而非 AI 的生成能力。Sketch 暂时不会提供像 first draft 这样的 AI 功能，而是注重提供图层重命名、文件组织等提效功能，以满足设计师的实际需求。相较之下，Figma 则更积极拥抱 AI。Figma的理念包括Automation、Generation和Iteration。他们通过 AI 自动重命名图层、布局建议等，帮助设计师从繁琐的工作中解放出来。生成式 AI 提供 first draft，给设计师提供灵感和参考。此外，Figma 还支持快速迭代、原型验证，并提供丰富的社区资源与 AI 驱动的资产搜索，帮助设计师扩展视野，加速创作。
李牧：
—— Creatie.ai
我们在海外的新项目专注于交互设计领域，主要帮助设计师和产研团队优化工作流。相比传统SaaS工具，AI 的功能更多集中在辅助和迭代，虽然在确定性和质量上不同，但它可以作为”实习生”提供草稿和支持型工作。对于传统企业，Dev Mode 是刚需，确定性高、稳定性强，这部分对 AI 的需求较低。而对于创新型项目、敏捷团队，AI 能快速迭代和测试，其作用尤为显著。我们认为，AI 在创新项目中的潜力巨大，并对其未来充满期待。宗雯佳：
—— Creatie.ai
我跟李沐的观点其实比较相辅相成，我的观点可能更下垂一些，因为对于市场来说，用户对于 AI 的试探和好奇心其实是存在的，但是并没有到 accept 和 adopt 的阶段，特别是在设计领域。他可能会去试，觉得好玩，但它日常的工作流里，他没有办法具象场景化、并且理解在日常的设计工作流里怎么样重复使用 AI 工具，可能不是说 AI 这个工具本身的技能在迭代，而是我们要让用户看到怎么样在实际的、可以变现的场景当中持续使用AI、信任AI，并且接受使用的交互和流程。所以其实在真正实现 AI 的过程中，我觉得它有很大的创作空间、增长空间，但同时我们也要观察用户究竟最痛的问题在哪，AI 怎么去帮助他解决。Ryan Yao：
—— Hug Design
我正在运营一家设计机构，开发网站并尝试使用 AI 构建小型 Web App。我最近在使用 Cursor 这款开发编辑器，它通过与 AI 的交互让生成代码更容易。未来设计工具的占比可能会减少，因为你只需告诉 AI 要做什么，它可以通过库生成代码并自动部署，从设计到用户验证的效率大大提高。我也在思考，未来设计师的角色会更多集中在决策和与用户沟通上，而单纯的 UI 设计可能会大幅减少。
Victor：
—— MyMap.AI
我有非常强烈的感受：航母设计师的价值会越来越大，这会是一个设计师的这红利。就像Ryan说的，设计其实不是去画图，而是用户逻辑，包括 user flow 等等。刚刚 Ryan 也提到他在用cursor，我最近逼着自己把 Replit、V0 都体验了这一遍，我想补充一个点，我觉得画特别 Fancy UI 的人不会被替代，画简单 UI 的人、写简单逻辑代码的人可能被替代。
James：
—— AlibabaCloud
七八年前我做过AI的marketing工具，涉及图片、文字和投放三块。我一直关注有没有端到端的AI模式，即AI直接生成图片、文字，并最终衡量其ROI，如CPI和CPM。我认为这逻辑可行，因为AI生成内容的筛选机制越来越完善，再上传到广告平台（如谷歌、Facebook）时，会进行第二次筛选，风险较低。最终不需要人工介入就能评估广告效果。虽然目前还没看到真正的端到端方案，但理论上现在应该是可行的。Victor：
—— MyMap.AI
我觉得如果你是航母，你说我要设计一个航母出来，还是要航母设计师来看，说甲板怎么样，以及你要 deliver的用户想要的东西是什么？如果说你 deliver 东西是简单直接的，比如我觉得像陪聊类的其实已经是端到端了。我觉得端到端是已经有了，只不过如果我们 sell 一个复杂的东西，用户也是要去理解这我们的，这里面肯定要付出一些额外的 marketing 的 effort 在，比如像我们去做工具的，你至少要 demo 一遍工具是怎么用的，这些东西还没办法端到端。但如果用户一眼就看出来的话，我觉得是这没问题的。James：
—— AlibabaCloud
我觉得所有消费类可能都符合这个场景，它不会特别复杂，只有那种就是本身比较复杂的才会这样。第二个是，如果 这个东西出现的话，我觉得他对行业或者是对于设计师的影响还是很大的，或者是对4A广告公司影响会非常大。Stain：
—— GrimoAI
我们主要负责文字部分，同时深入了解用户的工作流和现有营销工具，如Semrush等。营销部门的工作流程已是端到端，每个环节都有工具支持，但生产环节是否符合营销策略，以及是否根据反馈动态调整，仍需大量人工判断和经验。我们的任务不仅是写作，更是编辑，确保提供的反馈与团队目标一致。此外，营销工作往往涉及多人协作和内外沟通，无法用一个完全端到端的产品解决所有问题，也没有像Semrush那样全面的数据支撑决策和优化。陈正豪：
—— Motiff
端到端的这种工作流现在很多大厂内部是不是都有一些尝试，但是各个企业的工作流差异比较大、所以大家都倾向于自己搞？张晨：
—— Canva
有个问题是工作流会降低成本，但是 agency 不想降价，甲方却因此压价带来的矛盾。所以 agency 现在也在强调“手作”和“匠人精神”了。James：
—— AlibabaCloud
对，我们之前碰到过这个问题。但是因为品牌方还是需要看ROI的，所以这个规避不掉。Martin：
—— 蝉妈妈
广告以及电商的营销，很多都是用派生的逻辑，做原创的比例是少的，而且在信息流竞价广告的逻辑下，是需要靠大量素材堆积，才能保障广告的量能出得去。所以我觉得刚才讲的这个端到端的问题，应该把这个内容分一下层。有一些原创的东西，我觉得非常难。第一步可能是把派生的部分直接低成本交付掉，这里面有可能会导致干掉一部分外包，或者干掉一部分设计师的工作，但是它的价值会大幅降低营销部门对外沟通以及外包的成本。我觉得这里面市场应该是非常大的，包括文生图、商品详情页、生成视频等。戴森：
—— Este3d.ai
我们正在开发一个小工具，整合3D传统工作流与AIGC文生图技术，主要服务产品设计师。这些设计师的作品最终用于工业生产，AI生成的内容在精确度和可控性上存在挑战。例如，渲染图的精度至关重要，任何比例错误都会导致产品不符，影响生产。当前AIGC技术生成的图像常存在比例失调或叠图毛边等问题，无法直接用于生产。AI在设计阶段的应用更多用于创意阶段，但生产级别的应用场景仍有限。我们致力于提高AI的可控性，使其在更多场景中可用。我对未来五年行业的发展充满信心，AIGC的迭代速度非常快，真实度已接近传统渲染。宗雯佳：
—— Creatie.ai
实用性的是的，但也有avant-garde的设计是突破的，但这样的设计师本来就非常少，实用案例和逻辑也会非常复杂。陈正豪：
—— Motiff
文生图这块，我最近有关注一些新技术，前段时间像 Flux 1.1 Pro 以及 Ideogram 2.0 的出现，它们的可控性，包括在文本显示这块的控制做得非常好，感觉未来在技术方向的应用可能是会越来越多的。包括我也注意到像 Flux 的文本解码还是基于的T5和CLIP， 可以理解为上一代的Transformer预处理的模型。像Playground v3前段时间发了一篇论文（https://arxiv.org/pdf/2409.10695），他们基于Llama3的文本解码，在文生图的质量、文本提示的遵从、生成速度这些方面提升非常明显。陈正豪：
—— Motiff
我们的 AI 探索自 2022 年开始，重点在于帮助设计师自动完成高频操作。许多设计任务，如重复细节的调整和布局属性设置，都可以通过 AI 实现。例如，AI 可快速生成内容、检索过往资产，或自动调整布局属性。另一个方向是设计团队的工作流和协作，AI 擅长处理设计稿和数据，从而简化组件库的搭建、设计系统的维护和与代码的连接。此外，我们关注生成式 UI。AI 在从 0 到 1 的项目中提供灵感，帮助设计师更快传达想法；在成熟项目中，AI 通过更好获取设计意图并连接设计资产，简化迭代流程。Motiff 还引入了 AI 魔法框功能，方便在过往设计资产上生成新内容。Ryan Yao：
—— Hug Design
Figma 的一些小功能，如去除图片背景、改图层等，大大减少了设计师的繁琐工作，但目前还无法生成可交付的设计。作为 brainstorming 工具，Figma 的帮助有限，尤其与 Dribble 等设计网站相比，AI 对设计师的帮助并不大。未来，如果 AI 能生成可用代码，设计师可直接用于测试，与程序员的协作将变得更简单。此外，Figma library 和代码之间的断层问题，如缺少配套代码或设计，逐渐得到解决，例如 Vercel 的 component library。同样，AI 能否在这方面提供更多帮助也值得期待。对于创新，AI 生成的设计与现有产品相似，缺乏新意，可能因数据不足或设计趋同。未来设计工具需要吸引更广泛的用户群，而非仅仅服务于设计师这个较小的群体。宗雯佳：
—— Creatie.ai
工具本身需要降低使用成本，我个人觉得AI可以提供的是多样的变量和选择，还有帮助整理和完善，非设计师使用的对视觉独特性要求没有那么高，所以多样选择和“完善我非设计能力”的需求。张晨：
—— Canva
Canva虽然拥有大量用户数据，但非常重视数据安全和隐私，不会利用用户数据进行AGI训练。Canva的Magic Media（文生图）并不激进，主要因为其训练内容均为付费资源，而不像某些公司通过网络爬取大量数据进行训练。Canva注重版权与质量平衡，所有训练素材均为付费获得。此外，Canva收购了Leonardo公司，以增强AI算法。但由于Canva是全球性公司，在AI发展上较为保守，需遵守不同国家的AI监管要求，这与一些国内创业公司有明显区别。
Victor：
—— MyMap.AI
我太希望 V0 和 Replit 整合了。Replit 擅长 build Demo，但是有点丑。V0 擅长 build 一个好看的 UI，但是他跑不起来。我觉得初级代码智能和初级设计智能 meet up 的话其实就能干很多事了，但现在只有一端的时候，比如说像 Ryan 刚刚会感受到写代码有一点就痛苦，我就感受不到，因为我会写代码，但让我做设计我就上不了 Figma，我在 Figma 上只能给别人comments。魏达：
—— Figma
我觉得哪怕将来我们的目标是走向更加端到端的结果，现在还是要先比较具体地去解决一些使用场景之类的，然后可能做着做着有一天这个形态就会更加明了。OpenAI 对 AGI 有一个五步的计划，他们的意思就是说我们最新的模型 O1 可以做一些推理之类的，接下来再做 agent level，可能如果有这些东西的话，或许将来把这些交给他们了就好了，这也是有可能。我觉得这是两条不同路线，但我感觉除非你是OpenAI，否则可能还是脚踏实地一点会比较好。张晨：
—— Canva
我觉得就是往深度走，就是因为Canva毕竟是一个 ToC 工具，就如果想往 ToB 工具走的话，要求可能会更加深入，对于每一个 B 端场景的训练、每一个 b 端场景的正确性都有要求（因为 AI 最大的问题就是它的准确性）。B 端可能对于审核规范性要求少一点，更多还是准确性。以及工具化的产品和 AI 生成的东西怎么能更好的结合？现在我个人觉得结合得不是特别好，AI 生成的东西还有很多设计工具在二次加工，这个其实现在还是一个挺大的问题，目前我们也没有一个特别好的解决方法。陈正豪：
—— Motiff
未来设计师的能力范围将更加广泛，产品经理与设计师的界限会更加模糊。设计师不仅需完成UI设计，还要参与前期用户调研、研究流程，以及后期交付研发和代码生成等环节。过去设计师分工细致，如动效设计和UI设计，但未来这些生态将更加紧密结合，如Figma 的 Lottie 动效交付工具。此外，企业对设计资产管理的需求增加，可能会建立设计知识库和资产管理平台，连接设计与代码，提升整体效率。James：
—— AlibabaCloud
设计工具可能有一个很重要的点，就是和主流 Paid Ads 的 platform 集成和生态的整合，我觉得会比较重要，因为我的理解是，我们刚才聊了很多视角说这个工具是给设计师用的，但是从品牌的角度来说，最终他看的是结果，不管它是一个消费类的产品还是是一个工具，它最终都是要 go to market。如果这个工具能够更好地和 Paid Ads 生态系统结合的话，它就更容易去迭代，更容易去拿结果，更容易去优化。
Victor：
—— MyMap.AI
我觉得交互会大大解放顶尖的人类设计师。这样说残酷一点，但我觉得当低端智能变得更廉价之后，高端智能的产力会更高。我觉得 Cursor 就是很典型的例子，Cursor 出来之后，那些高级的程序员生产力就更高了，而写测试的程序员现在就完全就不需要了。我觉得设计上会有类似的情况发生，我觉得现在应该有人已经开始做 cursor 版的文生图。生成图片其实就像是写代码，真的写出好的 stable diffusion 的 prompt 非常难，至少我从未成功过。但是今天都没有一个功能来针对某个区域来调整一幅图来、再回头去调 prompt。所以有针对性地 contextual 地去做修改，是一个很大的机会点。
Ryan Yao：
—— Hug Design
我现在正想要创业，我想要走的方向是 builder，我自己一个人能做出来一个小产品，所以 AI 现在能给我的帮助是，如果我有一些比较小的想法，我可以尝试去自己去做，能快速的上线验证看有没有人愿意付费，而不像以前，我可能要先设计出来，然后再去跟用户调研，然后我可能再去找人开发。也因为这样，大家都能做这件事。我的强项是我懂设计，设计出来的东西好看一点，但是具体的想法是大家都可以去想、去找 AI 去实现的。现在来看的话，可能难点最终不是在做这个产品，而是做这个市场，怎么去宣传产品，因为大家都在做这个事，那你怎么比别人宣传的好？怎么让人了解到你的产品？哪怕一些没意义的功能可能宣传好了也能卖出去。这个方面 AI 似乎还不能提供太多的帮助。Martin：
—— 蝉妈妈
我觉得产品经理有一个痛点：做不同的交互到底对增长效率的影响是什么？我觉得 AI 有一个优势：它背后是数据，不管是内部数据还是外部数据可能都比较多。可能个体的设计师很难有这种经验，比如说如果我把这个按 button 左边挪一下，右边挪一下，颜色改一下，到底对我的增长效率影响是多少？他如果能够帮我去快速 deploy 做测试、做数据的预估，再回收回来去矫正它，对于将来产品决策效率的提升会很有帮助。Mango：
—— Xmind
就我自己的经历来看，我除了在 Xmind 以外，自己还有一个时装设计品牌，其实对于 AI 在时装设计的应用，我们的工作已经到了可以产出实际的工作成果了。比方说之前设计师会画一个草图，再渲染成效果图，再去做服装的样衣。但现在我们可以直接从一个idea通过 Midjourney 或者其他 stable diversion 技术工具把它变成最后的效果图，这样就可以直接给版师出版，然后再去做成成衣。最近也有专门的 AI 设计时装秀，已经能够实现到从 idea 到生产阶段了。我觉得可能这一块也是一个蛮大的机会点。Stain：
—— GrimoAI
我最近有一个观察，其实在企业里面不只是说可能有人跟 AI 的写作，现在很多场景下是，如果我的员工在用AI，他们的 manager 也在用AI，他们 manager 的 manager 也知道他们在用AI，那他们管理的是什么？他们管理的是说我们怎么用 prompt？或者说我们怎么跟工具交互？但好像现在我们所有的工具都是面向最终生产的内容、缺少了用 AI 的人和用 AI 的人之间的协作引发。陈正豪：
—— Motiff
我比较关注的是，我们未来的界面会越来越多，或者说大家对于可视化的需求是越来越大的，包括我们看到 napkin 也可以去可视化文本，包括也有一些在做 Disposable APP，就是可以即抛即用的 APP。或者像有一些传统的 SaaS 企业，他们在做一些 generative 的用户界面的生成。这类是不是需求未来还是挺大的？可能会代表着挺大的机会，包括像刚才讨论的文生 APP 和文生代码等。Victor：
—— MyMap.AI
我举个例子，对于人类的创新，比如我有创新点子的时候是我洗澡的时候，但是有个问题是我不可能一直去洗澡。我觉得 AI 能做到的一点是，由于它 hallucination 的能力是无限制供给的，本质上它可以随机乱想。我不是设计师，我也不觉得我创意特别好，但是我至少有一部分创新其实是跨学科、跨界的 idea 的排列组合，AI 会更擅长的帮你快速做这种排列组合，甚至把东西呈现给你看，尤其是在文生图领域。我觉得就是无限供给的排列组合创新是 AI 可以做，但人类显然做不了的，我们更倾向于线性的思考。宗雯佳：
—— Creatie.ai
大家在设计上的创新怎么定义？是凭空创造的能力，还是结合已有知识的创意可能性的能力？我的理解是AI可以让人类看到完善的排列可能性，但AI是否可以多维度跨领域的给予最优组合的筛选可能还比较难。陈正豪：
—— Motiff
我觉得不一定是纯创新，现阶段对已有设计 pattern 的再组合也是有极大价值的，生成式 AI 在这块有可能是擅长的。魏达：
—— Figma
我觉得这个问题有点哲学了，不过我一直觉得对于人类来说的创新永远都是对于自己已知的信息的再排列组合。AI的优势我觉得是他的知识量巨大，但是我同时又不确定AI有没有复现人的思维的所有底层逻辑，所以说他对这些知识的运用可能至少目前还没有人那么的“好”。设计创意本身还是可以被结构化的，但这个结构机器不一定能做好。人类设计给出一个设计框架，然后AI去做不限量的填充，也许可以产生“创意”。不加限制的AI生产一定是大量重复的。李牧：
—— Creatie.ai
AI 的创新主要体现在生成的速度和规模上，尤其是在已有知识的排列组合方面。AI 能快速、低成本地生成大量内容，这对工作效率有极大帮助。例如，在图像和文字修改方面，AI 的速度远超人类，能提供多种版本，尽管当前质量有限。此外，AI 还难以适应传统工作流程中的严格要求和审核阶段。虽然在突破设计边界方面，AI无法取代人类，但它像一个7×24小时的实习生，在指定范围内提供大量基础质量的输出，具有重要价值。Steve：
—— Peaktech
因为我们有做短剧的创作，也有用工具去设计，但是我就是看到的是AI普遍不具备剧本创作的能力、不具备一种讲故事的能力。所以其实我是想反问这个话题，我是觉得不大能具备整体的创新能力，这是我刚才想请教大家地方。Stain：
—— GrimoAI
Echo一下，我们做的是一个写作工具，以写营销文案为主。但其实我们也碰到很多用户，他们想写短剧的剧本，我们会发现大部分有人就是抄，比如在一个品类看到一个很火的短视频的脚本和剧情，有人就希望抄它。他知道自己的产品是啥，可能想要把它编辑成一个更符合自己期待的样式。这块（尤其是在 production level）并没有那么多原创性内容。Steve：
—— Peaktech
我觉得取决于内容是生产环节中的一环、还是说内容本身是最终的消费品？如果说内容最终是个消费品，比如短剧、短视频，那如果只是做 copy 或者二次创作，我认为是不大可行的。Stain：
—— GrimoAI
我觉得取决于内容是生产环节中的一环、还是说内容本身是最终的消费品？如果说内容最终是个消费品，比如短剧、短视频，那如果只是做 copy 或者二次创作，我认为是不大可行的。Mango：
—— Xmind
我想分享两点，关于如何平衡 AI 自动化和人类创意的关系。我觉得人和机器最大的两个不同点：第一个是情感化。AI 的情感化其实是一种模拟和逻辑推测，而人类的情感化完全是相当于右脑思维的方式，可能是非逻辑的，比方说看到了自己个人人生经历之类的，这个是非常独一无二的东西。另外还有一点是，人类对每一个给定的数据、图片或者是信息，会有一些本身下意识的判断，这也是来自于我们的潜意识层面的，我觉得目前 AI 和机器学习现在和未来可能都无法达到这点。我们在公司内部的工作流中，比方说想要训练 AI 写 SEO 文章，我们会在中间加入一些断点，一定要输入一些我们自己的判断和独特点，以及我们人为观点，这样才很才能产出独一无二的东西。
