从D20看AI设计：工具人人都会，结构思维才是护城河！

一、全文速览图

今年的 D20 因为台风没能到现场观看。

好在，这次提供了直播。在观看的时候发现直播也有好处——画面切得比现场还细，PPT上的字、Demo操作的细节，反而比坐在台下看得更清楚。

主要看的是「AI 电商」和「千问设计」这两个模块。其中「AI 电商」讲的是淘天设计团队 AI 设计工具与知识库建设分享，而「千问设计」涵盖了 C 端体验、硬件交互、工具提效及品牌管理四大维度，介绍了 AI 时代下设计范式的演进。

看完之后，我最直观的感受是：大厂设计师和普通设计师，在 AI 技术能力上其实没拉开那么大差距。但发力点不太一样。

大厂设计师除了要把 AI 融入日常工作流，还需要额外做知识库沉淀、规范结构化这些"基础设施"级别的事。他们很强大，但强大的原因不是技术碾压，而是背后庞大体系带来的优势——规模化的设计团队、深度的模型接入、完整的工程支撑。

今天这篇文章，我就来聊聊这两场分享里，我看到的几个关键点。不一定全面，但希望能给你一些启发。

二、AI 技术层面，大家差不多

从分享的内容来看，阿里的设计团队在 AI 设计上做的事情，本质上和我们很多人正在探索的方向是类似的——

用 AI 生成 UI、用 AI 做影像创作、用 AI 搭建设计工作流、用 AI 辅助品牌设计……

这些事儿，你我都在做。而阿里的设计团队没有展示出什么"黑魔法"级别的技术突破，也没有拿出一个碾压所有竞品的超级工具。他们用的模型、他们搭的工作流、他们遇到的问题……

和咱们日常面对的，其实是同一套东西。

但真正让我觉得"不太一样"的，不是他们用了什么 AI，而是他们怎么"喂"AI。

这才是关键。

三、真正的差距，在于"结构化"

在听分享的过程中，越来越觉得一个词在脑子里挥之不去——

结构化。

阿里设计团队做的事情，说白了就是：把所有隐性的经验、审美、规范、流程，全部变成 AI 能理解的显性结构。

听起来好像很简单对吧？但你仔细想想，你平时做设计的时候，有多少东西是你"脑子里觉得应该这样"，但从来没写下来、整理过的？

来，我给你拆解一下，他们到底做了什么。

1. 把设计知识变成"创意大脑"

淘天团队将之前的设计物料、图片、原型等内容沉淀成了一个结构化的知识库。

这不是简单的文件归档。他们做的事情是——

把高质量的设计资产、业务逻辑、设计规范全部数字化。然后对设计逻辑进行拆解，比如把设计表达拆成"文字主导"和"商品主导"两种维度。

你品一下这个思路。

我们平时做设计复盘，顶多写个总结文档，存到团队文件夹里，然后就没有然后了。

但他们是在想：这些东西怎么让 AI 也"懂"？

于是就有了结构化的知识沉淀。不是给人看的文档，是给 AI"吃"的语料。

这样的好处也就显而易见了：无论 AI 在设计领域如何迭代，生成的内容都可以尽量偏向"你"的设计审美方向。

2. 品牌设计，从"凭感觉"到"语义执行引擎"

品牌这块也让我印象挺深的。

他们把品牌 DNA 拆成了三层结构：语义层、参数层、资产模板层。然后搭了一个"语义化执行引擎"。

举个例子。你平时做一个品牌延展设计，可能靠的是经验——"嗯，这个调性应该偏暖一点，字体用圆体，间距松一些。"

但这些判断，AI 听不懂。所以他们做的事情是：把"品牌感"翻译成 AI 能执行的语言。 什么风格对应什么参数，什么场景调用什么模板，全部结构化。

这样 AI 就不是在"瞎猜"品牌调性，而是在一个有规则的框架里执行。

3. AI生UI，不是让AI"画"，而是让AI"按规矩画"

AI 生 UI 这块，我觉得是这两场分享里最实用的部分。

淘天团队做了一个关键判断：自研 AI 生 UI 工具。

但重点不是自研工具本身。重点是他们的 Prompt 撰写规范——

明确需求目标、定义页面结构、设定设计意志。而这三步其实就是在做一件事：把设计师脑子里的"设计思路"翻译成机器能理解的指令。

更进一步，他们把工作流从插件形态演进到了 Agent 模式，实现了全链路交付。交互范式也从传统的"界面设计"转向了"生成式界面设计"和"AI 智能体规则定义"。

虽然我觉得还是有一定的水分的，但也说明了，在未来设计师不再是一个像素一个像素地画界面了，而是在定义规则、定义结构、定义"什么是好的界面"的标准。

4. 一个底层逻辑：重复的事，就交给AI

两场分享里还有一个特别明显的特点，值得单独说一下——

只要一件事需要重复做，他们就一定会想办法让 AI 介入。

不是偶尔用一下，而是形成了一种工作原则：遇到重复劳动，第一反应不是"我怎么快点做完"，而是"这件事能不能让 AI 来"。

比如 Design Skill——把重复的设计任务封装成可复用的技能包，一次定义、反复调用。再比如他们把设计流程拆解成"文案处理、字体选用、背景生成"这些原子能力，按需组合，避免每次从零开始。还有那些自动化评测、批量素材生成、全链路交付……本质上都是同一个思路。

这个思维方式可能比具体做法更有价值。你不需要把所有事都让 AI 做，但你需要识别出哪些事是重复的——重复意味着有规律，有规律就意味着可以被结构化，可以被结构化的东西，就可以交给AI。

5. 个人效能，"加减乘除"工作法

最后值得一提的是白无常老师分享的个人效能方法论——加减乘除法。这个方法论的核心思路是：用AI做加法（扩展能力边界）、做减法（去掉重复劳动）、做乘法（沉淀可复用的知识库）、做除法（拆解任务给AI执行）。

还有一个细节我觉得特别好——"逆向提问模式"。

不是问 AI"帮我做一个 XX"，而是反过来问"你觉得这个设计还缺什么""从用户视角看有什么问题"。

这种提问方式，本质上是在用 AI 来校验自己的设计判断，而不是单纯让 AI 当劳动力。

再加上建立个人知识库、把经验结构化沉淀……你会发现，所有这些方法的底层逻辑都是一致的：

把隐性知识变成显性结构，让 AI 能理解、能执行、能复用。

四、冷静一下：这些东西，为什么你很难直接抄

说到这里，我知道肯定有人已经开始跃跃欲试了——"这不就是搭个知识库嘛，我也能搞！"

别急，咱们泼点冷水。

首先，团队规模是个硬门槛

在上午「AI 电商」的分享中就有提到"引入具备设计背景的技术人员建立自动化 AI 评测能力"——这类"魔武双修"的稀缺人才，目前基本都是各个大厂的宝贝疙瘩吧。

淘天团队是一个完整的、有技术支撑的设计团队。他们有专门的人做知识库建设，有专门的人做 AI 评测，有专门的人做工具开发。

如果一个设计团队就只有一两个设计师，搞知识库所付出的时间精力成本可能比做项目本身还大。

再者，业务复杂度决定了结构化的必要性

电商设计为什么需要这么深度的结构化？因为量大、场景多、变体复杂。

一个品牌延展到几十个品类、几百个 SKU 的时候，不结构化根本管不过来。

但如果你的业务场景相对单一，比如你就是做 ToB 产品设计的，需求量没那么爆炸，那可能现阶段还不需要这么"重"的体系。

所以，别焦虑。

这些经验很好，但不是每个团队都需要、都有条件立刻落地的。

五、那普通设计师能学到什么？

说了这么多，回到最实际的问题：咱们不抄体系，能抄什么？

我觉得有几点是可以直接拿来用的。

第一，沉淀你的个人知识资产

大厂设计师之所以强，不是因为他们个人多厉害，而是背后有团队、有知识库、有体系撑着。个人设计师最缺的恰恰是这个。

怎么补？把脑子里的经验写下来。下次做设计复盘的时候，试着把"为什么这么设计"写清楚——不是"我用了这个颜色因为好看"，而是"目标用户是25-35岁女性，产品定位温暖陪伴感，竞品普遍用冷色调，所以做差异化"。

顺手建个 Notion 页面，把设计规范、审美标准、优秀案例、常用 Prompt 模板整理进去。一旦知识变成文字，它就可以被复用、被分享、被 AI 理解。 这就是你一个人的"小团队"。

第二，用对方法和 AI 协作

两个技巧。写 Prompt 的时候，别上来就"帮我设计一个登录页"，试试分三步走：目标是什么、结构是什么样的、设计意志是什么。光是这一步，AI 给你的结果质量就会明显提升。

另外，别总是让 AI 帮你"做"东西。偶尔也试试让 AI 帮你"看"东西——把你做的设计丢给它，问它"你觉得哪里有问题""从用户视角看有什么不合理"。把它当设计评审搭档，而不是画图工具人。

第三，关注"规则定义"而不只是"结果产出"

这可能是最重要的一个思维转变。

我觉得，未来的设计师，价值会越来越体现在"定义什么是好的设计"，而不是"亲手做出好的设计"。

就像分享中说的——从执行者到生产条件的设计者。

你不是不画了。你是在更高的层面上，定义"画应该长什么样"。

六、写在最后

回到开头那个问题：大厂的 AI 设计能力，到底强在哪？

我的答案是：不是强在 AI 本身，而是强在他们需要更系统地把"设计"变成了一种可被 AI 理解的结构化语言。

他们不是在"用 AI"，他们是在"教 AI 理解设计"。

这两件事的区别，可能就是接下来几年设计师之间最大的分水岭。

但也不用太焦虑。

你不需要搭一个"创意大脑"，不需要自研 AI 生 UI 工具，不需要搞四级知识图谱。

你只需要从今天开始，试着把自己脑子里那些"我觉得应该这样"的设计判断，一点一点地写下来、理清楚。

当你能把"感觉"说清楚的时候，AI 才能真正帮到你。

这一步，不分大厂小厂，不分资深新手。