关乎设计AI 吞噬世界：一场范式转移！

从技术本质到产业格局，关于AI最透彻的十四个观察

编者按

作为一名设计师，当“AI”成为每个产品发布会、设计评审甚至日常脑暴中的高频词时，我们或许会感到兴奋，也可能伴随焦虑。这份来自Benedict Evans的深度观察，看似在讨论技术趋势与资本博弈，实则为我们清晰地勾勒出了AI浪潮下的设计新大陆与行动地图。

理解这些趋势，对设计师而言至关重要：

产品/UX设计师：当模型趋于“商品化”，体验与交互的差异化将成为核心竞争力。理解“软件从确定到概率”的转变，意味着我们需要设计全新的容错机制、用户预期管理和不确定性交互。
服务/系统设计师：企业应用缓慢但必然的渗透，提示我们关注B端场景中人机协同、流程再造与信任构建的深层设计机会。
所有泛行业设计师：AI不仅是工具，更是新的“设计素材”和“协作伙伴”。了解成本下降、基建普及的趋势，能让我们更早地将AI能力融入创意流程，从被动适应转向主动塑造。

与其担心被替代，不如将这些洞察视为设计新范式的说明书。接下来的14个观察，请带着一个问题阅读：在这个AI重构的世界里，我的设计价值将锚定何处？

正文

1/ AI的定义：尚未被机器掌握的能力

“AI就是机器目前还做不到的事。” —— 拉里·泰斯勒，1970

AI的定义本身就在动态演变。今天看似智能的语音助手、图像生成，明天可能就成了基础功能。技术的边界不断被突破，而“智能”的门槛也随之水涨船高。

🔍 设计启示： 设计师的“护城河”同样在动态变化。今天需要掌握的提示词工程，明天可能成为基础技能。保持对“机器尚不能之事”的敏锐洞察——尤其是情感、语境、伦理与复杂系统理解——将是设计专业性的核心。

2/ 不止是平台迁移，更是范式革命

AI可能看起来只是又一个技术平台的更迭，但更有力的观点认为，它是一场堪比电力发明或火种发现的范式转移。它改变的不仅是工具，更是我们解决问题、创造价值乃至认识世界的基本方式。

🔍 设计启示： 这要求我们进行“第一性原理”思考。不要只设计“带AI功能的产品”，而要重新思考在概率化、生成式、持续学习的新范式下，人与信息的交互本质是什么？用户体验的目标需要被如何重新定义？

3/ 竞争格局：OpenAI领跑，但护城河正在消失

OpenAI一度引领赛道，但如今我们看到，全球范围内的新玩家正在快速追赶。在大语言模型领域，几乎没有绝对的秘密或不可逾越的护城河。技术、人才与资本的流动，使得领先优势变得相对短暂。

🔍 设计启示： 对于产品设计师，这意味着底层模型能力将逐渐趋同，而顶层的用户体验、场景深耕与生态整合将成为真正的差异化优势。你的设计不应过度绑定某个特定模型，而应具备良好的可移植性与适配性。

4/ 资本流向：算力基建成为主战场

当前，大部分资金正疯狂涌入数据中心的建设。算力，而非单一的算法，正成为AI竞赛中最坚实、也最昂贵的基石。

🔍 设计启示： 算力普及意味着AI能力将像水电一样易于获取。设计师应提前构思，当实时生成、多模态交互、大规模个性化的成本门槛大幅降低后，可以催生哪些此前不可行的体验？例如，为每个用户实时生成独一无二的界面或内容流。

5/ 浪潮上的巨头：英伟达与微软

英伟达凭借其硬件霸主地位，成为这波AI浪潮最直接的受益者。而微软则通过云服务、企业生态与OpenAI的深度绑定，稳稳占据了应用层的关键入口。它们正乘着AI的巨浪高速航行。

🔍 设计启示： 关注巨头生态（如Microsoft Copilot体系）的设计规范与交互模式。它们很可能成为企业级AI应用的事实标准。同时，思考如何在寡头格局下，为更垂直、更创新的场景设计独立而优雅的体验。

6/ 模型正在“商品化”

随着技术扩散和开源社区的活跃，基础大模型正逐渐走向同质化与商品化。拥有一个“还不错”的模型，将不再是少数巨头的特权。

🔍 设计启示： 这是对设计师的解放。我们无需再纠结于“哪个模型最强”，而应更专注于：如何为特定领域、特定人群、特定任务定制最佳的人机交互流程？如何将“商品化”的模型能力，包装成具有独特品牌感和用户价值的体验？

7/ DeepSeek的启示：5亿美元的门槛

DeepSeek证明了一个观点：大约5亿美元的投入，就足以快速搭建数据中心并训练出一个性能接近顶级基准的大模型。这很可能意味着，未来每个有实力的国家都将拥有自己的国家级基础模型。

🔍 设计启示： 本土化与文化适配的重要性将空前凸显。设计师需要深入理解不同市场、语言和文化语境下的用户需求、价值观和交互习惯。为“中国模型”、“欧洲模型”或“中东模型”设计体验，可能需要截然不同的思路。

8/ 新的“摩尔定律”：Token价格持续崩盘

大模型推理的成本（每Token价格）正在快速下降，这仿佛形成了一条专属于LLM的 “新摩尔定律” 。成本的降低是技术普及和应用爆发的首要前提。

🔍 设计启示： 大胆想象“免费”或“近乎免费”的AI能力能做什么？我们可以设计更长、更复杂的对话线程，支持更高频、更细颗粒度的交互，甚至将AI作为常驻后台的隐形伙伴。成本约束的解除，将直接打开体验创新的空间。

9/ 聊天机器人市场：同质化竞争与ChatGPT的统治

目前，各类聊天机器人在核心体验上已大同小异。然而，ChatGPT凭借先发优势和强大的品牌效应，在消费级市场依然占据着压倒性的主导地位。

🔍 设计启示： 在通用聊天机器人赛道挑战巨头是困难的。设计师的机会在于垂直化、场景化与工具化。思考如何将对话能力深度嵌入到某个具体工作流（如设计评审、代码编写、法律咨询）中，创造“用完即走”但不可替代的专业体验。

10/ 软件范式的根本转变：从确定到概率

软件正在从确定性逻辑转向概率性输出。这引发了一个根本性问题：

a）我们是用LLM来控制和驱动所有传统软件吗？
b）还是LLM只是构建软件时调用的另一个API？

这决定了AI是“操作系统”还是“功能组件”。

🔍 设计启示： 这是最核心的设计挑战。我们需要创造新的交互模式来管理不确定性：如何设计可控的生成（如滑块控制创造性）、如何提供清晰的解释与溯源、如何让用户纠正与引导AI、如何设计优雅的降级方案？这将是下一代UX的核心课题。

11/ 企业应用：慢于预期的采纳曲线

AI在企业端的落地速度，远比许多人预想的要缓慢。这与当年云计算花费多年才赢得企业信任的历程颇为相似。涉及数据安全、流程改造和投资回报的考量，让企业决策更为审慎。

🔍 设计启示： 企业级AI设计师需要具备系统思维与变革管理意识。设计解决方案时，必须将数据隐私、合规审计、与现有系统集成、员工培训与接受度作为同等重要的设计约束。成功的关键往往在于对组织文化与工作习惯的深刻理解，而非单纯的技术炫技。

12/ 当前挑战：慢、贵、不可预测

大模型目前仍存在响应慢、成本高、输出不可预测等明显缺陷。但需要明确的是，这些都是在平台级转移最终完成之前，必须被攻克的技术难题，而非无法逾越的终极障碍。

🔍 设计启示： 在过渡期，优秀的设计可以弥补技术的不足。通过巧妙的加载状态设计、预期管理、结果预览、异步处理等交互手段，提升用户在等待和不确定中的体验。同时，为“不可预测性”本身设计有趣的玩法，或许能化劣势为特色。

13/ 最受欢迎的AI用例

截至目前，AI应用最集中的领域已经显现，它们主要集中在内容生成、效率工具和创意辅助等能够直接提升个人生产力的场景。

🔍 设计启示： 关注这些已验证的“杀手级应用”，但更要思考它们的下一阶段。当文本生成、图像生成变得普及时，如何设计更深度的编辑、迭代、风格化协作流程？如何将单点工具串联成无缝的个人工作流？这里存在巨大的体验创新空间。

14/ 创业浪潮：万物皆可AI

几乎每一个新兴的初创公司，都在其故事中融入了AI的元素。“AI+”已成为创投市场的默认配置和基础门票。

🔍 设计启示： 对设计师而言，这意味着几乎所有行业和领域都值得用AI思维重做一遍。你的设计背景（金融、医疗、教育、娱乐）与AI结合，可能催生独特的创新。关键在于，不要为了AI而AI，始终从真实用户痛点和场景价值出发，用设计让AI技术变得真正可用、易用且爱用。

整理自： Benedict Evans - 《AI Eats the World》 - SuperAI Singapore 2025 演讲：https://youtube.com/watch?v=niJpDnNtNp4

更多 AI 前沿技术与设计灵感，欢迎关注「设计小站」公众号（ID：sjxz00），一起探索科技与设计的融合创新。