AI 行业的爆发始于2022年 ChatGPT 和 Midjouney 的发布到现在已经快4年了整个发展过程用突飞猛进、日新月异形容一点都不过分。但不管它过去还是现在发展得有多迅猛都依旧处于行业早期的开荒和发展阶段离真正成熟的理想形态还有很长的一段路要走这是我们首先要达成的共识。而之所以有这样的结论原因就是 AI 的发展速度是超过现实世界匹配它的速度的这造成了一种经济和机会成本上的巨大阻力。简单来说我们可以把 AI 技术的应用拆分成上、中、下游三个层上层是 AI 的核心主要是算法、大模型中游是负责运行AI模型的硬件和支撑即 AI 芯片、光模块 CPO、高速内存 HBM、服务器液冷、特高压电路等下游即 AI 具体的应用工具包括 AI 软件、硬件、智能体等。这是一个非常庞大且复杂的产业链它们之间是需要相互耦合才能顺利应用到具体的使用场景中。简单来说就是 AI 模型厂商需要根据技术路线和成本选择硬件并购买算力中心以及消耗海量的电力来训练自己的模型并维持它的正常运转。虽然这些背后的基建作为普通用户可能感受不深但头部厂商的竞争已经到了白热化的阶段。比如大模型的开发必然要关注硬件规格和架构大洋彼岸除了英伟达外还陆续推出了谷歌 TPU、微软 Maia、英特尔 Gaudi 等芯片它们代表了不同的技术方案应用在了不同的模型上。而因为贸易和地缘政治的因素国内是无法进口这些高端芯片所以我们只能自研生产以满足国产大模型的需求。如阿里在自研并应用自家的真武系列芯片 DeepSeek 近期更新缓慢的重要原因就是因为要适配华为的昇腾系列芯片等。之所以要提这点是因为 AI 大模型的发展也适用马太效应赢家通吃。在接近性能和水平下谁家应用的算力、电力成本最低谁就具备了最大的优势。而每家大模型厂商都要面临技术路线的选择并投入海量的成本孤注一掷做基建很难走回头路。这种发展路径注定会让行业发展充满波折和动荡会有很多企业倒在半路上连带着它们提供的产品和服务一起逐渐消亡。比如文生图的 OG Midjounery已经无法跟上大厂的技术和训练规模掉队在今天已经无人问津而一年多前网上还到处都是用 MJ 生成UI界面设计UI 设计师要下岗的帖子。强如 OpenAI也要应对 Google、X AI、Anthropic、Seedance 的冲击和成本管理失控GPT5 训练量需要消耗一个中等规模城市1年用电量也在近期放弃旗下的文生视频工具 Sora。模型和硬件端都充满了巨大的不确定性因为技术的发展是需要“试”出来的总有前浪会被拍死在沙滩上。至于谁会被拍死在沙滩上就不是站在今天的视角上能回答的。再回到我们今天的主角 Anthropic这是一家非常务实的 AI 公司专注于开发有商业应用场景的大模型是写作、编程等领域中的最佳选择。与之相对的则是类似 ChatGPT、Gemini 这类全能多模态大模型。因为其模型可用性极高所以从去年开始付费用户量暴增在今年初预估年化收益已经超过300亿美元不仅用户付费率远高于 OpenAI且运行成本也远比它低。而这家公司想要年底要上市估值8000亿美金产品矩阵的拓展就成为非常重要的资本策略。通过发布 Claude Design能很好的和 Claude Code 实现联动完成使用 AI 开发软件的闭环。至于现阶段 Claude Design 够不够用不重要毕竟故事和逻辑是成立的作为初版它也有后续升级迭代和优化的空间。在我们目前的试用中它的生成效果也就那样但消耗的 Token 量你最好确保自己有个足够鼓的钱包……Claude Design 有新上市的光环风头正盛那是否还记发布也还不久的Google Stitch、OpenClaw、FigmaMake、Rive、Pencil 等等。再往前是否还记得使用 StableDiffusion 训练 Lora 和 Checkpoint 的工作流工具一直在更新即使今天还很粗糙。但用发展的眼光看问题的话终有一天它生成的质量会足够高足够智能足够可控甚至通过脑机接口 BMI 实现所想即所得的水平又到了做梦的时候。但是那天是什么时候以及和你现在设计的界面有什么关系作为设计师一定要搞清楚的逻辑就是 AI 生成界面和图像的过程只是一种工具的发展和进步提升了设计师的设计效率。就像人类发明了电脑和软件取代了尺规作图同样也大幅度降低了设计的效率和成本但设计师这个岗位并没有消失。因为使用工具的人之间的差异会直接影响最终的输出效果就像用同一个 AI 生成工具你可能就是做不出网上高赞帖子的案例都用美图秀秀不用 PS 去 P 图你也 P 不过有一定专业积累的摄影师。而且任何工具使用都有门槛就一个简单的 Claude Design、Google Stitch 安装和使用都需要学习和适应生成结果还要做大量的调节和校准这些就不是工作量老板和产品经理也一定能闲得每天学习新工具并且直接自己干我相信有很多公司现在都很热衷于拥抱 AI强行推进 AI 的工作流从企业战略和发展的角度来讲是能够理解的但在实际执行层面上却不会像想的那么美好。其中最大的问题就是前面提到的整个产业的不确定性产品还都有各自的局限。每个团队在搭建 AI 工作流的时候需要做技术的选型以及围绕自己的实际生产场景优化工具的使用方式。往往为了一个简单的工作结果就要耗费大量的精力去搭建工作流而这个工作流很可能是一次性的因为之后的工作场景发生改变这套工作流就用不了了。有些同学可能心态好点觉得这种过程可以收获宝贵的经验但最不幸的就是工具的升级和更新甚至关闭可以直接颠覆掉原来的做法让原先的成果毫无意义。在我朋友中普遍得到的反馈就是在稍微复杂的专业场景中强行适配 AI 的结果往往只有增加工作量原先目标的降本增效实际导致了更长的工作时间和更晚下班从去年到现在在不同 AI 工具中做研究疲于奔命。换个角度思考其实就是工作过程变成今天用 PS明天用 Figma后天用 Excel 或 PPT 进行设计每一阵子换个工具设计相同的东西而它们又不能解决设计过程中最复杂的决策部分。也就是我们一直在使用充满不确定性的工具去寻求相对确定的结果。这就是今天 AI 工具在 UI 行业中应用的真相不管我们怎么用逻辑还是格局去判断未来 AI 要实现一切但起码不是今天和最近就是变得更强了也依旧需要有人去操作和控制。而我们现在要做的是关注最终输出的结果而不是和别人炫耀 Figma 用的好还是 Sketch、XD、即时、Pixso 用的好。等到市场竞争格局基本确认通用的工具也普及以后再去掌握和学习也不会低人一等门槛不会高到哪里去。