“过去我们谈论AI，总是把它当作一个‘工具’——一个能帮我们做表格、修图片、写文案的‘助手’。但今天，AI正在完成一次质的跨越：它正在成为像电力、互联网一样的基础设施。”近日，在同济大学设计人工智能实验室主办的一场行业论坛上，实验室主任范凌提出了这一引人深思的观点。
作为国内最早探索“设计+人工智能”交叉领域的学者之一，范凌长期关注技术对创意产业的深层影响。他在演讲中指出，AI的基础设施化意味着三个层面的转变：从“使用”到“依赖”、从“辅助”到“嵌入”、从“局部应用”到“全流程覆盖”。这一判断迅速引发学界与产业界的广泛讨论。
从“工具”到“基础设施”：AI的角色跃迁
在传统认知中，AI工具往往被定位为提升效率的“插件”——设计师用 Midjourney 快速生成草图，程序员用 Copilot 补全代码，写作者用 ChatGPT 润色文字。但在范凌看来，这种“工具论”已经无法解释当下AI的渗透速度与深度。
“当AI开始参与定义工作流程、决定创作边界、甚至重构行业标准时，它就不再只是一个工具。”范凌举例说，在建筑设计领域，AI已能从场地分析、能耗模拟到生成式方案设计提供闭环支持，直接影响设计师的决策逻辑；在平面设计领域，AI排版系统能根据内容自动生成上百种版式，并实时响应用户反馈。“设计不再是‘人用工具做设计’，而是‘人与AI共同构建设计系统’——AI成了设计得以发生的底层平台。”
这一转变的背后，是技术成本的急剧下降与泛化能力的指数级提升。范凌引用数据指出，过去三年，大语言模型的训练成本下降了超过90%，而多模态模型的参数量增长了数百倍。“当AI可以像水龙头一样即开即用，并且能适配几乎所有场景，它就具备了基础设施的核心特征——普遍性、低门槛、高可靠性。”
设计师的“基础设施素养”：从学习软件到理解AI
范凌进一步指出，AI基础设施化对设计教育提出了根本性挑战。“过去，设计师的核心技能是掌握Photoshop、Sketch等‘工具’，未来，设计师的核心竞争力在于理解AI的底层逻辑——数据、算法、反馈机制。”
他以同济大学设计人工智能实验室的实践为例，介绍了一项名为“AI素养训练营”的课程。该课程不教授具体软件，而是引导学生用编程思维拆解AI的决策过程，甚至让学生用低代码平台训练自己的小模型。“我们需要培养的不是‘AI用户’，而是‘AI建筑师’——他们能理解基础设施的底层规则，并在此基础上进行创造。”
这种转型也反映在招聘市场上。范凌观察到，头部设计企业近年来开始设立“AI设计策略师”岗位，要求候选人具备从数据采集到模型调优的全链条能力。“只会在提示词栏里敲几个关键词的人，很快会被淘汰；真正能利用AI重新定义设计流程的人，才是未来的稀缺人才。”
争议与挑战：基础设施化的隐忧
不过，范凌并不回避AI基础设施化带来的隐忧。他在演讲中特别提到“锁定效应”与“创意扁平化”两大风险。“当所有人都用同一套底层模型，生成的结果可能趋同。我们可能正在失去那些‘不可被计算’的创意——比如直觉、偶然、来自人的错误的美。”
此外，数据隐私、版权归属、算法偏见等问题也随着基础设施化而放大。范凌呼吁行业建立“AI基础设施伦理框架”，包括透明的训练数据来源、可解释的决策路径、以及人机协作的边界规则。“基础设施越强，对它的监管越要前置。”
未来已来：中国需在“AI设计基础设施”上抢先布局
在报告的结尾，范凌展示了一张图表：全球AI设计基础设施平台的数量，中国占不到15%，且多为通用型大模型。“我们缺少专为设计领域优化的底层模型，比如能理解‘比例’‘色彩调和’‘叙事节奏’等美学维度的AI。”
他建议，高校、企业、政府应联合搭建面向设计行业的“AI设计操作系统”，包括开源数据库、行业标准接口、以及人才培养体系。“基础设施的本质是公共利益。谁能率先建成高质量、低成本、开放的AI设计基础设施，谁就能在下一轮全球创意产业竞争中掌握主动权。”
从“工具”到“基础设施”，AI正在改写设计的底层逻辑。而范凌的这番洞察，不仅是对当下的判断，更是一份指向未来的行动路线图。正如他在演讲结尾所说：“我们不是在设计AI，我们是在设计AI与人类共生时代的基石。”