AIGC在工业设计上的应用与思考

冯玉泉

AIGC在工业设计上的应用与思考

冯玉泉

（广东省轻工业技师学院，广州 510030）

对AIGC（人工智能生成内容）技术的发展、进化和应用进行梳理，通过实际案例找到AIGC技术在工业设计上的应用方法，验证目前AIGC技术应用于工业设计流程的程度。使用AIGC技术优化后的工业设计流程对“礼堂椅”家具设计项目进行的设计开发，通过该项目设计落地制造的全流程运作，分析案例中AIGC技术在工业设计流程上的应用。通过实际案例验证AIGC技术应用在工业设计流程上的有效性和局限性；分析探索AIGC优化后工业设计流程的特点。提出AIGC技术在工业设计应用上的优点与不足；验证了AIGC技术能优化工业设计流程；证实了AIGC技术能够有效节省设计的时间成本、提高设计效率、节省经费；提出目前工业设计流程中AIGC技术无法解决的环节。

工业设计；AIGC；概念设计；家具设计；礼堂椅

AIGC-人工智能生成内容技术（Artificial Intelligence Generated Content），简称AIGC，能够生成文本、图像、视频、音频等多种形式的内容。随着技术的发展，AIGC已经被广泛应用于影视、娱乐、设计、医疗、金融和教育等领域，其应用范围还在不断扩大[1]，随着AIGC工具不断地迭代和更新，其在工业设计领域的应用范围和影响也逐渐扩大[2]，AIGC不仅能够帮助工业设计师快速生成创意，还能在一定程度上提升设计的效率和质量。

1 AIGC的概念与应用

AIGC（Artificial Intelligence Generated Content）即人工智能生成内容，是一种利用人工智能技术自动生成文章、音频、视频等多媒体内容的方法[3]。目前AIGC发展得比较成熟的应用主要是通过用户输入的文字要求来生成用户所需要的内容，主要包括文字和图片等。从目前来看，AIGC在生成内容图片方面，能够很好地生成设计师概念创意的参考图片，甚至能够直接生成概念设计草图。因此，AIGC在工业设计行业能够很好地得到应用。

1.1 AIGC的发展

2015年7月谷歌推出DeepDream，开创人工智能模型根据文本生成图像的先河。2021年1月，OpenAI发布，DALL-E模型让文本生成图像真正出了圈。2022年7月，独立实验室Midjourney发布同名图像生成模型Midjourney，设计师Jason Allen用其生成的图片《太空歌剧院》在科罗拉多州博览会的美术比赛中获得头奖，并感慨“艺术已死，人类输了”，引起全球热议。2022年8月，SabilityAI的开源图像生成模型Stable Diffusion仅需一台电脑就能运行，截至当年10月，已有超过20万开发者下载。这一系列模型，引爆了AI作画领域，标志着人工智能向艺术和设计领域深入渗透的开始。2022年9月，红杉资本发文称2022年是AI元年。2022年12月，OpenAI的大型语言生成模型ChatGPT能做到和人类对答如流，能进行短文，诗歌，代码计算等不同类型的内容输出[4]。

1.2 AIGC图像生成类相关应用工具的介绍

1.2.1 ChatGPT

ChatGPT（Chat Generative Pre-trained Transformer）是OpenAI公司研发的一款聊天机器人程序，是人工智能技术驱动的自然语言处理工具，它能够基于在预训练阶段所见的模式和统计规律，来生成回答，还能根据聊天的上下文进行互动，像与真实人类一样来聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码，写论文等任务[5-6]，在工业设计上，它能帮助整理设计需求，并编写生成产品方案图的关键词。

1.2.2 Midjourney

Midjourney是一款云端AI绘画工具，不需要本地高性能电脑运行，但需要联网使用。使用Midjourney开展工业设计应用，只要输入设计需求的关键字，就能通过AI算法生成相对应的产品方案图，并且可以通过关键词来引导不同的设计风格。Midjourney艺术风格较强，但是随机性比较大。Midjourney操作简便，使用直观的自然语言就可以生成逼真效果的图片内容，很受初学者的青睐。由于Midjourney的数据库和算法程序是存放在网络服务器中的，其内容生成服务必须在线上进行，存在一定的泄密风险。Midjourney目前是通过账号管理使用的，尽管其账号需要收取一定的租金费用，但由于其使用简便、图片效果精美等，依然很受一些商业公司的欢迎。

1.2.3 Stable Diffusion

Stable Diffusion是2022年发布的具有深度学习功能的文本生成图像模型工具，该工具可以线下运行[7]。普通个人用户都可以使用个人高性能电脑在本地运行，该工具对电脑的性能要求比较高，其生成图片的质量与电脑显卡的性能密切相关。与其他AIGC工具不同的是，Stable Diffusion虽然同样是通过输入关键字给内置的AI算法，生成相对应的内容图片，但Stable Diffusion有更多文字以外对生成图的控制手段，生成效果更加可控，能有效降低随机性，提高成功率，因此由其操作的复杂性也相对较高[8-9]。Stable Diffusion最大的特点是可以使用本地电脑离线运行，不依赖服务供应商和大型服务器，而且其模型库是开放的，使用者可以下载公共的模型库，也可以自行训练，生成自己特定的模型库，并由此开展算法内容的生成[10]。从某种角度来说，Stable Diffusion更适合中小型企业的AIGC内容应用。

除了上述比较成熟的AIGC工具，几乎每个月甚至每周都有新的AIGC图像类甚至3D模型生成类的工具涌现，AIGC发展趋势日益火热。

1.3 AIGC的未来展望

人工智能是一种会进化的科学，是一种融合了深度学习、生成算法、预训练模型、多模态累积融合、数据算法进化、自然语言模型等多种技术的智能程序。早期模型训练的最大困难就是缺乏优质训练数据集，因数据标注费时且准确率低，样本数量无法覆盖边缘案例，以及长期数据难以采集、隐私数据面临法律法规限制等问题。然而随着生成式AI的发展，模型产出的合成数据又反哺模型训练过程，形成加速飞轮。可以说，AIGC已经跨过了瓶颈期，进入了爆发性的成长期。

2 AIGC在工业设计上的应用

2.1 对工业设计流程的应用

目前许多设计行业从业者都在运用AIGC辅助设计业务开展，尤其是在方案草图制作方面，AIGC有着高效和便宜的优势，设计师能够非常方便地生成大量草图方案。对于以往常规工业设计流程而言，概念设计部分会耗费设计师较多的精力和时间。如果使用了AIGC的工具，概念设计则变得高效且便捷[11]。因此，AIGC对工业设计流程中的概念设计会产生比较大的影响。设计师可以利用AIGC来生成一些基础的设计方案或草图，从而加快设计的速度，提高了设计团队对设计项目产出的效率[12]。对工业设计流程而言，目前更多的是在概念设计阶段对AIGC进行应用，而对整体的工业设计产业流程的应用改变还比较有限，图1是AIGC技术所融合后的工业设计流程与原有传统工业设计流程的对比图。

图1 工业设计传统流程与AI融合后的流程对比

从目前的应用研究情况来看，AIGC对工业设计全流程产业的冲击仅在概念设计阶段会有比较大的影响，从现实情况来看，这个影响是积极的，由于高效的草图方案生成方式，也需要人脑对方案进行遴选，人脑对方案遴选的要素逻辑是基于工业设计基础知识及设计师对产品开发需求的把握，包括了产品合理性、用户研究、市场分析及市场定位等。从图1的对比分析中可以发现，常规工业设计的流程并没有很大改变，只是在概念设计的环节中作了优化调整。通过高效的AIGC工具，实现了各种设计方案的大量产出，优化了人工概念设计绘图操作技能。AIGC应用后的工业设计流程将会是传统工业设计流程的优化升级。

2.2 AIGC工具的生成图像特点

AIGC工具在产品概念图生成上，从最初的生成结果随机不可控、可用度不高，发展至今，已经逐渐积累出成熟高效的制作流程，设计师可以通过相对简易的操作，对生成结果进行各种控制[13]。以制作一张礼堂折叠椅为例，使用Stable Diffusion进行生成图像操作。从生成的图片结果来看，该产品概念图效果美观，外观造型灵活多变，其生成结果可以满足特定具体的设计要求。AIGC应用在产品设计上，具有高效产出多样化外观造型、有效获取CMF设计参考、容易达成IP意象融合、简便控制特定设计风格等特点。

2.2.1 高效产出多样化外观造型

众所周知，AIGC的生成方式其实是基于人工智能的算法的生成，而人工智能的算法是基于深度学习的数据进行的，数据经过深度学习再通过算法，结合人类语言处理技术，产生出内容的生成[14]。在整个AIGC内容生成过程中，它没有人类思维所固有的惯性思维，其产生的每一个内容方案都是算法数据上的组合。这种内容数据的组合，具有特别强的随机性，也能够产生多种跳跃性的结果，甚至会产生很多人类意识中不合理的结果，需要设计师对生成的结果内容进行筛选。由于AIGC能够高效产出大量图形方案，其生成的内容拥有更高的效率和跳跃度，所生成的图像在造型变化上具有更多的可能性。因此，AIGC的应用让设计更容易获取多样外观造型的变化，见图2。

2.2.2 有效获取CMF设计参考

由于AIGC是基于大量高质量模型的深度学习，其模型数据算法中蕴含着极为丰富的材质、色彩和表面处理数据。因此，当使用AIGC产出产品效果图时，其CMF表现能力特别强大。基于这种便捷的生成效果图像方式，使设计师在产品设计CMF方面的探索变得更加便捷，设计师能够高效地获取各种材质、色彩、表面处理的组合搭配参考，能够大大地提高概念设计的有效性和参考度，见图3。

2.2.3 有效达成IP意向融合

在实际产品开发设计的过程中，经常会遇到品牌IP的融合设计问题。对AIGC而言，由于算法融合等，使IP品牌与产品造型的融合变得很容易实现，而且其实现的效果还具有较高的参考价值。如图4所示，分别生成了钢铁侠、蝙蝠侠、冰雪女王三款不同IP意向融合的礼堂椅。

2.2.4 简便控制特定设计风格

由于AIGC的内容生成逻辑是以语言文字作为生成基础，因此在风格设定调整上具有简便性。在实际操作中只需要输入所需要的风格设定，即可生成所需要的产品概念草图。如图5所示生成的中式风格、POP风格及极简风格的礼堂椅。这种通过语言控制的风格设计方式，可以让设计师简便地控制产品的设计风格，而且由于内容生产的廉价高效，促使设计师可以大量生产出不同风格的概念作品，对于概念设计方案风格，具有较高的参考意义。

图2 不同造型的礼堂椅

图3 不同材质的礼堂椅

图4 IP形象融合的礼堂椅

2.3 AICG应用前后的工业设计流程对比

AIGC工具的最大优势在于生成效率，由于生成一张上述的效果图只需数秒，因此能在很短的时间生成成百上千的产品概念图进行筛选比较，对设计师在概念草图设计方面具有很大的帮助。高效的出图方式，颠覆了设计人员传统建模渲染出效果图的方式，使出图变得廉价和高效，对产品的创意产生方式也有了很大的改变[15]。因此，AIGC技术主要能够提升工业设计流程中概念设计阶段的效率，将设计师从以往概念方案效果图的制作工作中解放出来，可以拥有更多的时间精力去对方案设计方向进行打磨。

2.4 AIGC的可靠性

人工智能提供的产品设计方案的可靠性取决于算法和数据的质量。如果算法和数据都经过充分的测试和验证，那么人工智能生成的设计方案可以达到很高的可靠性。然而，如图6所示，如果出现了算法或数据缺陷，那么生成的设计方案可能会出现错误或不准确的情况。AIGC产出的内容毕竟是算法产出的，其产出的结果是需要筛选的，而产出内容可靠性的验证，基本上还是依靠人脑来完成。

图5 不同风格的礼堂椅

图6 AIGC生成的缺陷图片

3 设计实践——“礼堂椅”成品案例

3.1 礼堂椅设计方案

提供礼堂椅设计方案的甲方是一家专门制造教学家具的中型企业，当前该企业需要设计出一款更能够适应市场需求，同时具有简约、平稳风格的现代感礼堂座椅。该设计方案在概念设计之初，便通过Stable Diffusion这个AIGC工具输出大量的概念设计方案，设计师通过输入文本内容生成大量概念草图方案，这些草图方案平均只需要5秒就可以产生一张，若运行5分钟，就可以自动生成约60张各种形式的礼堂椅概念图，见图7。由此可见，AIGC是一个很好的设计辅助工具，能够帮助设计师廉价、高效地实现多样性图形概念产出，大大地提高方案产出的效率。高效产出概念设计方案的方式，能够降低设计的成本，这对于企业节省设计成本具有一定的价值。

基于AIGC的算法，人工智能能够对人类社会历史上所存在的各种艺术风格流派，甚至是网络话题进行大数据分析，因此能够对指定的艺术风格和指定的设计方案进行定向参考。得益于大数据的分析，AIGC能够通过一定的算法产生出具有特定风格定向的概念设计方案。在众多产出的方案中，设计师根据市场风格的需求、形式美感的把握、产品结构的合理性、人机工程的合理性、材料应用的特点等方面进行综合分析，筛选出较有代表性的方案供甲方选择，见图8。方案筛选的过程，也是与客户沟通的过程，集中体现了设计师的综合能力水平。最后甲方选出1款相对符合设计要求的概念设计方案，见图9。

由于AIGC的算法原因，人工智能能够对人类社会历史上所存在的各种艺术风格流派甚至是网络话题进行大数据分析，因此能够对指定的艺术风格和指定的设计方案进行定向参考。得益于大数据分析，AIGC能够通过一定的算法产生出具有特定风格定向的概念设计方案[16]。在众多产出的方案中，设计师根据市场风格的需求、形式美感的把握、产品结构的合理性、人机工程的合理性、材料应用的特点等方面进行综合分析，筛选出较有代表性的方案供甲方选择，较有代表性的方案见图8。方案筛选的过程，也是与客户沟通的过程，集中体现了设计师的综合能力水平。最后甲方选出1款相对符合设计要求的概念设计方案见图9。

在参数化设计阶段，发现这款AIGC 原生的概念设计方案在产品零配件结构装配上。还有很多不符合现实生产工艺的情况，方案也基本没有尺寸数据支持。因此，需要设计师将概念设计图纸进行详细的参数化设计。工业设计解决方案与产品绘画方案最大的区别在于设计方案是有参数尺寸的，绘画方案可以是没有尺寸的天马行空作品，而工业设计的方案则必须进行参数化设计，才能实现落地。

在产品的细节设计上，由于生产工艺的制约（如各种标准零配件、标准五金件的合理使用，以及各种材料加工工艺的制约），产品整体的结构装配，都需要逐一进行合理化设计。通过该案例发现AIGC生成的方案在参数化设计方面还存在比较明显的缺陷。产品的产业链整合、零配件设计和结构装配在整个设计落地流程中占据了大部分的时间，需要靠设计师去具体落地和验证，故产品在落地生产阶段，设计师的地位是不可替代的[17]。

图8 较有代表性的方案

图9 初步筛选出的方案

通过礼堂椅的设计过程，发现AIGC的方案只能够称之为图形方案，还不能达到设计方案实施的层面。

图10 参数化设计后的定稿方案

3.2 样机方案装配制作

产品的落地投产是设计师对产品合理性推敲及不断进行参数化设计改良迭代的结果。在礼堂椅样机装配过程中，其零配件由多种材料构成，包括了布料、ABS塑料、聚氨酯高压发泡海绵、金属框形弹簧、热压弧形多层板等。不同的配件类型，有的属于固定的标准件如写字板弯曲球头，也有浇铸成型的非标件如椅脚架，见图11。所有零配件制作完毕后，还需要装配组合，现阶段的AIGC是无法为样品装配提供辅助的。

传统的礼堂椅站脚采用的是五金材料的钣金框架结构，由于现实生产工艺限制，美观度有所降低，批量生产速度慢、生产精度控制难度大。而现在的这个方案，礼堂椅脚部采用铝合金材质，经浇铸成型工艺制作主体结构件，保证了外观设计能够最大程度地还原概念方案的美感。从结构工程方面考虑，铝合金材料一体浇筑成型，具有批量生产速度快、精度高、比重小、强度高，耐蚀性好、承重力强的优点，很适合本设计项目应用。

从该案例的产业应用来看，产品的零配件应用、结构功能设计、材料应用选择及生产工艺应用等方面都是目前AIGC无法解决的。

3.3 礼堂椅产品的落地投产

该礼堂椅设计方案首先经过了AIGC概念设计，然后经过设计师的参数化设计，对该产品的结构功能、材料应用、生产工艺等方面进行了细致合理的设计。在设计过程中，需要花费大量的时间和经验去整合各种上游配件厂商，从标准件应用到非标件的设计制作，再到各种物料的选择应用，都充满着设计师的心血，才有了该设计的落地，见图12。该礼堂椅设计落地以来实现交货量已达到20万张。

4 AIGC应用于工业设计所带来的思考

人工智能就像是潘多拉的盒子，一旦被打开，将再也无法合上[18]。无论是ChatGPT、Midjourney、Stable Diffusion还是其他的AIGC工具，它们都能够高速、廉价、高质量地生成概念设计方案图片。这种高效廉价的创意生产方式已经逐渐动摇了工业设计中概念设计的产生方式[19]。甚至，这些人工智能工具都正以不可估量的速度在进化，可能是半年、三个月，甚至更短的时间，就会进化出更加易用且高效的工具。作为工业设计师，在学习新工具的同时，更要考虑设计的核心价值在哪里[20]。将来，可能设计师们不再需要学习如何把效果图做得更加逼真，也不需要为概念设计建模花费大量时间，如此，人们就会迎来更加纯粹的设计时代。AIGC在工业设计应用后，设计师可以更加关注设计本身，关注设计能否更人性化、更易用、更人机和更加符合消费定位，让设计更有效。AIGC的广泛应用，可能会让设计师与美术工作者两个职业区分得更加明显。

图11 样机验证过程

图12 礼堂椅成品各部件的材料和工艺介绍

4.1 工作流程的变化

原有的工业设计流程的概念设计阶段，由于有了AIGC工具的诞生，使新图像方案的生成变得高效而廉价，但对整个工业设计产业流程的影响并不大。对设计师而言，传统的工业设计流程中，概念设计效果图所占用的设计时间是非常多的，应用了AIGC技术后，概念设计的方案将可以在短时间内无限产生，大大地节省了概念草图方案生成的时间。节省设计时间，对设计企业而言就相当于节省了成本，提高了生产效率。然而对方案确定后的参数化设计，以及产品的样机试产、量产等阶段来看，还无法与AIGC结合。

4.2 设计师技能的变化

随着AIGC技术的应用，设计师的技能会发生变化，从原来的手工绘图加软件设计表达，改变为使用各种AIGC工具的设计师。AIGC工具提高了概念设计产生的效率，减轻了设计师的负担，节省了设计成本，让设计师可以更多地关注设计方案的合理性，提高设计创意的有效性。通过案例验证了AIGC技术应用在工业设计后，产品开发对结构工程师技能的依赖将会更加明显。当概念设计方案被确定后，设计方案结构的合理性、零配件的选择、生产工艺的选择、产业链的情况都需要设计师去考虑并落实。因此，设计师应该更加重视参数化设计的职业技能，了解产业链的上游零配件情况，了解产品的结构设计、零配件装配、生产工艺选择、标准件应用、材料应用等方面的要求。

4.3 对设计师职业素养的变化。

设计师的核心竞争力是职业素养，而不是产品设计方案的绘画图像制作。目前，人工智能还无法考虑到产品的用户体验，需要设计师去对概念方案进行迭代优化，从而生成一个甲方和设计师都认为有效、可行的解决方案。因此，设计师应具有更高的职业素养，包括对造型美学、CMF、市场研究分析、零配件情况、结构设计、装配都要熟悉，要求设计师要更懂设计的本质，才能够对大量的AIGC方案进行有效的甄别与深化，避免设计方向错误。

5 结语

使用AIGC技术介入设计的“礼堂椅”家具设计案例，及其设计制造落地的过程，证实了AIGC技术能够节省设计时间成本、提高设计效率、节省设计经费的特点，验证了目前AIGC技术还无法对参数化设计、结构装配、生产工艺选择、零配件选用等环节提供有效帮助。通过AIGC应用于工业设计前后的流程对比，提出AIGC技术目前更适合应用在概念设计中。相信在不远的将来，AIGC技术的发展能给工业设计带来更多的优化与改良，更好地提升生产效率，减轻设计师负担。当人们再次仰望星空时，工业设计也将拥有更广阔的未来。

[1] 新华网. 抓住新一代人工智能发展的重大机遇[EB/ OL]. (2018-11-23) [2023-9-11]. https://cpc.people.com.cn/ shipin/n1/2018/1101/c243247-30376489.html?ivk_sa=1024320u. China Xinhua News Network Corperation. Seize the Major Opportunity of the Development of a New Generation of Artificial Intelligence[EB/OL]. (2018-11-23) [2023-9-11]. https://cpc.people.com.cn/shipin/n1/2018/ 1101/c243247-30376489.html?ivk_sa=1024320u

[2] 陈永伟. 超越ChatGPT：生成式AI的机遇、风险与挑战[J]. 山东大学学报(哲学社会科学版), 2023(3): 127-143.CHEN Y W. Beyond ChatGPT: Opportunities, Risks, and Challenges from Generative AI[J]. Journal of Shandong University (Philosophy and Social Sciences), 2023(3): 127-143.

[3] 李白杨, 白云, 詹希旎, 等. 人工智能生成内容(AIGC)的技术特征与形态演进[J]. 图书情报知识, 2023, 40(1): 66-74. LI B Y, BAI Y, ZHAN X N, et al. The Technical Features and Aromorphosis of Artificial Intelligence Generated Content(AIGC)[J]. Documentation, Information & Knowledge, 2023, 40(1): 66-74.

[4] 徐畅, 杜欣泽, 于凯迪. AIGC在设计行业应用中的挑战与策略[J]. 人工智能, 2023, 10(4): 51-60.XU C, DU X Z, YU K D. Challenges and Strategies of AIGC Application in Design Industry[J]. AI-View, 2023, 10(4): 51-60.

[5] 史占中, 郑世民, 蒋越. ChatGPT与AIGC产业链[J]. 上海管理科学, 2023, 45(2): 12-14.SHI Z Z, ZHENG S M, JIANG Y. ChatGPT与AIGC产业链[J]. Shanghai Management Science, 2023, 45(2): 12-14.

[6] 史新燕. 基于ChatGPT的分析: 人工智能对新闻传播业的影响和应对[J]. 哈尔滨师范大学社会科学学报, 2023, 14(3): 149-153.SHI X Y. Analysis Bases on ChatGPT: The Impact of Artificial Intelligence on the News and Communication Industry and Responses[J]. Journal of Social Science of Harbin Normal University, 2023, 14(3): 149-153.

[7] 张福也. AIGC技术在动态图形设计中的影响[J]. 丝网印刷, 2023(12): 97-99.ZHANG F Y. Research on the Influence of AIGC Technology in Motion Graphics Design[J]. Screen Printing, 2023(12): 97-99.

[8] Arxiv. High-Resolution Image Synthesis with Latent Diffusion Models[EB/OL]. (2021-12-20)[2022-04-13]. https://arxiv.org/abs/2112.10752

[9] Arxiv. Scaling up GANs for Text-to-Image Synthesis [EB/OL]. (2023-05-09)[2023-06-19]. https://arxiv.org/abs/ 2303.05511

[10] HO J, JAIN A, ABBEEL P. Denoising Diffusion Probabilistic Models[EB/OL]. (2006-11-23)[2023-06-19]. http:// arxiv.org/abs/2006.11239.

[11] 程琳, 王明治. AI技术时代设计业者的机遇和挑战[J]. 丝网印刷, 2023(12): 93-96.CHENG L, WANG M Z. Opportunities and Challenges for Designers in the Era of AI Technology[J]. Screen Printing, 2023(12): 93-96.

[12] 许雪晨, 田侃, 李文军. 新一代人工智能技术(AIGC): 发展演进、产业机遇及前景展望[J]. 产业经济评论, 2023(4): 5-22.XU X C, TIAN K, LI W J. Next Generation Artificial Intelligence Technology(AIGC): Development Evolution, Industrial Opportunities and Prospects[J]. Review of Industrial Economics, 2023(4): 5-22.

[13] GU L, LI Y. Who Made the Paintings: Artists or Artificial Intelligence? the Effects of Identity on Liking and Purchase Intention[J]. Frontiers in Psychology, 2022, 13: 941163.

[14] 李军燕. 设计人工智能视野下人机交互情感化设计的应用[J]. 软件, 2021, 42(12): 34-37. LI J Y. Application on Human-Computer Interaction Emotional Design in the Field of Design Artificial Intelligence[J]. Software, 2021, 42(12): 34-37.

[15] 曹祥哲. 人工智能视域下的产品设计新特征及情感交互设计探究[J]. 包装工程, 2022, 43(18): 32-38.CAO X Z. New Features of Product Design and Emotional Interaction Design from Perspective of Artificial Intelligence[J]. Packaging Engineering, 2022, 43(18): 32-38.

[16] 赵鋆凡, 苏明扬, 李秀. AIGC赋能高效电影制作——以3D人体动画生成工具为例[J]. 现代电影技术, 2023 (7): 4-9.ZHAO J F, SU M Y, LI X. AIGC Enables Efficient Film Production-a Case Study of 3D Human Motion Animation Generation Tool[J]. Advanced Motion Picture Technology, 2023(7): 4-9.

[17] 汤重熹. 基础研究是设计思维赖以生存的土壤[J]. 设计, 2019, 32(18): 58-63. TANG C X. Basic Research is the Soil on which Design Thinking Depends[J]. Design, 2019, 32(18): 58-63.

[18] 王佑镁, 王旦, 梁炜怡, 等. “阿拉丁神灯” 还是“潘多拉魔盒”: ChatGPT教育应用的潜能与风险[J]. 现代远程教育研究, 2023, 35(2): 48-56. WANG Y M, WANG D, LIANG W Y, et al. "Aladdin's Lamp" or "Pandora's Box": The Potential and Risks of ChatGPT's Educational Application[J]. Modern Distance Education Research, 2023, 35(2): 48-56.

[19] 华婧雅, 白文君. 人工智能时代异化劳动的新形态及其扬弃路径[J]. 和田师范专科学校学报, 2020, 39(1): 49-54. HUA J Y, BAI W J. The New Forms of Alienated Labor in the Age of Artificial Intelligence and the Way to Sublate it[J]. Journal of Hotan Normal College, 2020, 39(1): 49-54.

[20] 荆伟. 人工智能驱动下的设计产业融合创新探究[J]. 包装工程, 2021, 42(16): 79-84. JING W. The Fusion and Innovation of Design Industry which Driven by Artificial Intelligence[J]. Packaging Engineering, 2021, 42(16): 79-84.

Application and Thinking of AIGC in Industrial Design

FENG Yuquan

(Guangdong Technician College of Light Industry, Guangzhou 510030, China)

The work aims to sort out the development, evolution and application of AIGC (artificial intelligence generated content) technology, find the application method of AIGC technology in industrial design through practical cases, and verify the degree of AIGC technology applied in the industrial design process at present. The industrial design process optimized by AIGC technology was used to design and develop the "auditorium chair" furniture design project, and the application of AIGC technology in the industrial design process was analyzed through the whole process operation of the project design and manufacturing. The validity and limitations of AIGC technology in the industrial design process were verified by practical cases. The characteristics of the industrial design process optimized by AIGC were analyzed and explored. The advantages and disadvantages of AIGC technology in industrial design application are proposed. It verifies that AIGC technology can bring process optimization to the industrial design process. AIGC technology can effectively save time cost, improve design efficiency and save money. The link that AIGC technology can not solve in the current industrial design process is put forward.

industrial design; AIGC; conceptual design; furniture design; auditorium chair

TB472

A

1001-3563(2024)08-0337-09

10.19554/j.cnki.1001-3563.2024.08.036

2023-11-24