想象力经济时代背景下产品设计行业发展趋势分析*

2022-01-15李谨佚马敏海

大众文艺 2021年24期

雍磊李谨佚马敏海

（宁波职业技术学院,浙江宁波 315800）

伴随着人工智能技术的日趋成熟，更多的岗位和职业将被人工智能所取代。当技术和智能成为标配，下阶段发展的核心会是什么？无论人工智能技术如何高精尖，始终无法超越人类的感知，无法超越人类的想象力，无法超越人类的创造力。想象力是人类特有的天赋，是创造力的源泉，其必将成为未来世界经济发展的核心内容。

一、想象力经济时代产生的背景

1.万物互联

随着互联网和人工智能技术的发展，万户互联、共享经济的出现使得社会资源开始优化配置。用户创造力的连接和共享是想象经济发挥其价值的基础。用户创造力的觉醒、企业创新力的爆发将推动想象力成为未来经济发展的新动力。

2.消费升级

从消费心理学角度分析，现代的消费更多是购买产品之外的属性，这些属性与身份、成长等信息息息相关，体验、分享和共享将逐步替代购买本身。

3.渠道革命

渠道1.0时代是典型的粗放型渠道，特点是“网点+服务+加盟”；渠道2.0时代体现了以生产为中心向以销售为中心的时代转变，衍生出一种互惠互利的商业存在；以美团、滴滴为代表的渠道3.0时代，是以“场景+痛点”为特点的技术性渠道，高度依赖场景创新、流量思维、科学技术。渠道3.0时代，其本质是技术推动变革，变革创造互联网商业价值，价值解决市场痛点，满足日益增长的用户需求。如今，随着科技的发展，全渠道（Omni-Channel）已成为产业转型的风向标。为了满足消费者的需求，企业采用线上线下的方式为客户提供无缝对接的购物体验。大胆想象，未来的渠道会以去中心化的形式出现，任何富有想象力的创变者都会拥有自己的渠道。

二、想象力经济时代下的产品设计行业发展趋势

物联网、大数据、人工智能等技术正在赋能产品设计行业智慧化转型。具体表现如下：

1.计算机视觉识别、自然语言处理（NLP）技术用于设计流行趋势研究

计算机视觉在人工智能系统中举足轻重，是感知层核心技术之一。原理是模拟生物视觉，分析、识别、检测和跟踪捕获图像中的数据和信息，真正去“识别”和“理解”这些图像。IBM的Watson AI能够分析来自时装秀的数以万计的图片，并分析洞察零售商在即将到来的季节应寻找哪些颜色和图案。该算法记录每张图片中的突出颜色，最终得到有关每种颜色出现频率的数据，用于流行趋势分析。

NLP有着人工智能皇冠上宝石的美誉。搜狗、微软等基于自然语言处理技术的输入法，已成为装机必备工具；人们获取信息的首选门户——百度、谷歌等搜索引擎也是自然语言处理的重要应用。NLP基于大数据、历史行为，记录用户详细信息，预测用户产品喜好，实现对用户需求的准确理解，实施精准的信息匹配。在新闻领域，已经实现了通过收集用户的阅读内容、时长等信息，以及包括所使用的终端设备类型在内的社交网络，对用户关注的关键词(源)进行综合分析，并进行详细分析，从而实现新闻的个性化推送服务，增强用户黏性。

2.大数据技术用于设计管理

现在的数字挖掘技术和分析技术，都已进入商业化阶段。大数据技术可以大幅降低成本，赋能企业及行业。产品设计行业的工作主要是研究用户需求并提出解决方案，为应对变化莫测的市场，算法驱动创新设计的新产品快速反应模式应运而生。该模式提供了一种通过建立“人”的需求评价指标为方法、定量化为手段的新产品开发新思路。面对现有市场的反应以及对新市场的预判，研发出直接把控消费者生活方式的新产品，从而使产品创新的层次和程度均比传统的产品高。该模式主要侧重于设计管理如下两方面创新：

（1）以产品用户研究为主的设计管理

对互联网用户数据进行采集、整理和分析，通过构建与之相匹配的数据维度和模型，得出用户实际需求和企业设计生产之间的关联，实现产品设计创新，并形成产品理念。

（2）以产品用户反馈为主的设计管理

伴随着用户的购买、使用等行为，会生成海量非结构化数据，对这些数据进行解析汇总，可以从中得到大量反馈信息，这为接下来的产品设计调整与创新指明了方向，满足广大用户的个性化需求，为产品设计由批量化生产转为规模化个性化生产转型提供了保障。

基于以上两方面的实践可形成与变迁的时代共同进步甚至超前的产品认知。

3.深度学习算法用于收集用户数据与智能推荐

与过去的机器学习模型相比，深度学习技术带来了革命性的变化。首先，深度学习本身的模型容量更大、变化更丰富，可以针对具体的场景数据进行模型的自由定制。其次，模型的设计变得更加简单，基于标准化的深度学习训练框架能够非常容易地实现一个全新的算法模型并进行大规模的分布式训练，普通的算法工程师就可以轻松完成这个过程。而在以前的大规模机器学习阶段，需要非常强大的专业团队耗时、耗力、耗资才能定制式地研发出一个工业级可用的新模型算法。无论利用深度学习算法训练出来的模型有多复杂，只要有系统化的流水线来支持，都可以快速部署到线上提供服务。

大数据爆炸时代，数据体量繁杂、快速、多样、价值密度低。使用深度学习技术可以帮助企业更加注重目标导向、数据驱动和体验驱动，在用户/内容理解、用户行为估计、在线设计、智能竞价、商品周期优化等方面进行高效的数字化技术和业务创新。

通过深度学习的阿里鲁班系统做到了批量定制Banner。设计师把经验和知识总结成做法和风格，然后搭建了一套设计框架，机器通过深度学习框架并通过合理调配，演绎出百花齐放的设计风格，批量组装上亿Banner。伴随着深度学习算法的不断进步，将有更多类似于阿里鲁班的智能设计工具（系统）诞生，设计师只需要输入需求关键词和用户行为关键词，通过简单的人机交互，系统便会进行交叉计算，短时间内就可以做出智能推荐，比如风格建议、功能建议、成本建议等。重复性工作由机器承担，人脑的创造力得以解放，专注于设计管理、创意设计、用户交流体验等领域，开展无限想象。

4.计算机仿真、虚拟现实技术用于快速产品设计与展示

与传统的产品设计相比，计算机仿真和虚拟技术所支持的产品设计有如下优势：

（1）参数计算用于造型定位、色彩选择、材料测试、功能优化等环节，从而优化产品设计的各个环节，缩短产品设计周期，增强市场核心竞争力；

（2）在产品成型后的展示与评估方面，加深了人机结合程度，产品所包含的理念能够更好地展示给受众，增强了产品的体验感；

（3）所呈现的产品可知、可感、可触、可摸，从中获取产品潜在用户的数据及信息，使得设计更贴近用户需求，开拓了产品体验及增值区间；

（4）有助于实现从设计、管理、控制到产品改进闭环管理，通过技术对产品进行多维度预测。

计算机仿真技术越来越成熟，未来的发展趋势是更好地实现产品虚拟现实。它将基于图形技术、人工智能技术、仿真技术，嫁接人类行为研究，为产品开发提供虚拟且真实的三维环境。设计师借此模拟设计产品外观和结构，并进行虚拟加工、装配、调试、检验和试用。这些技术使得在设计阶段就能够及时发现准产品的缺陷并得到有效解决，降低产品开发风险，缩短产品开发周期。用户还可以使用手势、语言等方式进行虚拟产品概念设计,设计师借此寻找落地具象化的设计点,极大降低新产品投放市场的风险。

对产品用户而言，借助物联网平台，产品定制的参与者可以将自己的喜好与产品设计师、社区用户进行线上互动，体验来自设计、生产、销售各环节全生命周期的服务。

对产品制造商而言，有了物联网技术的支持，能够帮助其快速适应市场变化，满足日益增长的个性化用户需求，从而得到更多的市场机会，并可有效避免产品滞销导致资金链断裂、运营困难。用户的新型参与方式使得制造商的关注点从产品制造逐渐转移到产品服务中来，形成一种新的商业模式——面向服务的制造（SOM），实现从单独创造价值向价值共创转变。