拾海笔记 · 04 · 设计师的「算力奇点」：2026，我们还能卖什么？
本文约 5600 字，全文阅读大约 15 分钟。
最近两年，设计圈的公共讨论几乎被两种极端叙事完全撕裂。
第一种是"末日叙事"：多模态大模型出图只需几十秒，设计院和独立工作室即将迎来系统性的大规模裁员，传统的空间设计师这个职业正在消亡。
第二种是"壁垒叙事"：AI 生成的图像本质上是毫无工程逻辑的"光影废料"，懂行的甲方一眼就能看穿其无法落地的本质，因此不足为虑。
这两种叙事都有真实的行业切片作为支撑，但它们都不是客观的产业分析，而是面对底层技术冲击时的情绪投射——要么极度恐慌，要么盲目傲慢。
这是一个 10 多年的设计从业者，在 2026 年必须直面的现实。在这篇文章里，我不展示那些唬人的 Prompt 技巧，也不贩卖任何廉价的焦虑。我想做的事情极其收敛：用我自己的项目、我自己的数字，认真算一笔账。在 AI 重塑全球脑力劳动格局的背景下，设计师（建筑、空间设计）的护城河究竟退到了哪里？
一张效果图从 800 块到 8 毛钱
要理解目前的行业震荡，不能仅仅停留在"工具变快了"的表层，必须厘清过去十几年，传统设计行业的利润分配规则到底是什么。
经济学中有一个经典概念叫"微笑曲线"（Smile Curve），它揭示了全球产业链中利润分配的规律：曲线两端的研发设计和品牌营销拿走了绝大部分利润，而处于中间底部的制造与组装环节，利润最薄。设计行业内部也存在着一条微缩版的"微笑曲线"。
横轴为项目生命周期——商业定位 → 概念推演 → 视觉建模/渲染 → 施工图深化 → 现场品控。纵轴为附加值。传统模式下，视觉执行环节虽然耗时最长，但附加值处于中部偏下。参考利润分配比例（以某品牌连锁门店项目为例）：商业定位与概念推演约占设计费的 25%-30%，视觉建模与渲染约占 30%-35%，施工图深化约占 20%-25%，现场管控约占 10%-15%。
让我以最熟悉的两个项目类型来拆这笔账。
在 300 平米以内的 shopping mall 零售门店设计中，设计费通常在 100 到 300 元每平方米之间，复制店会下探到 50 至 100 元。一套包含概念推演、平面布局、3D 建模和高保真渲染的完整方案，至少需要 2 到 3 名初中级设计师配合，耗费 7 到 10 天的物理时间。在这个模型里，单张达到商业交付标准的效果图报价在 600 到 1000 元。甲方掏出的每一分钱，很大一部分是在为"视觉执行的物理时间"买单——设计师的审美积淀、软件熟练度（3D Max/Vray/Enscape）以及显性的体力消耗。
在体量更大的展馆和博物馆项目中，成本结构更加庞大。设计费往往达到 500 甚至上千元每平方米，从概念方案到满足施工的图纸输出，周期可达 1 到 2 个月。光不同板块和职责的设计师就需要 6 到 10 个人，项目全员可达 10 到 20 人，历经 3 个月到半年的跟进。
这是我过去 15 年最熟悉的成本结构。
但就在最近，我亲手算了一笔让我自己都沉默的账。
一个 200 平方米左右的展馆项目，传统流程下，至少需要一个 3 到 5 人的团队配合工作一周以上，才能达到可交付的方案质量。而在这个项目中，我用 AI 工作流——以 ComfyUI 搭建的 Stable Diffusion 本地工作站作为视觉生成引擎，配合结构建模、系统级的 Prompt 策略和多轮迭代——在一天之内完成了方案提交。
200 平方米展馆项目——传统流程：3-5 人团队，7 天以上，视觉执行占据大量人力时间；AI 工作流：1-2 人协作，1 天交付，人的角色从"画图"转为"决策"。
一周折叠成一天。这不是"效率提升了 30%"的线性优化。
但这里有一个极其容易被忽略的前提：这套工具组合对操作者的要求，不是降低了，而是大幅提高了。 ComfyUI 和 Stable Diffusion 不是傻瓜式一键出图的玩具，它要求你对空间的审美方向有极其清晰的预判，对 Prompt 的语义控制有近乎工程化的理解，对每一版生成结果有即时的专业判断力。换句话说，AI 把设计师从"画图"这个体力消耗中解放了出来，但它同时要求你必须全程在做决策性工作——结构的搭建、审美方向的选择、方案逻辑的校验、生成结果的取舍。它淘汰的是"手"，筛选的是"脑"。
在商业世界里，有一条冷酷的铁律：一旦某项服务的边际成本趋零，它在交易中的议价权就会被系统性地转移。当委托方（甲方）逐渐认知到这一事实——而信息的抹平绝对只是时间问题——"按图收费"或强依赖视觉包装的定价模型将遭遇根本性的重估。但请注意，这里发生的不是"视觉价值归零"，而是视觉的议价权从"体力时间"转移到了"审美判断力"与"工具驾驭力"的组合上。能驾驭工具的人，效率是天文数字；不能驾驭的人，连被替代的资格都没有。
像素与混凝土：AI 翻车现场实录
如果逻辑推演到上一章就结束，那么"末日叙事"显然是成立的。但在这里，我们必须引入一个关键的限定条件。这也是当前任何通用大模型都无法跨越的硬性短板：物理世界的真实法则。
让我直接用自己项目中的实际案例来说明。
在这张 AI 生成的展厅效果图中，第一眼的视觉冲击力是足够的——光影氛围到位，色调统一，空间层次感不错。但当我用 15 年的施工经验逐一审视时，问题逐渐浮现：天花板的灯具布局杂乱无章，没有任何可辨识的模数规律，现实中灯光施工需要严格的点位排布和电气回路规划；吊顶在视线远端出现了明显的结构畸变，这种形态在真实的铝板或石膏板工艺中根本无法实现；展厅中央的屏幕以一种违背物理常识的角度倾斜内倒，在实际工程中这意味着屏幕会直接脱落；地面上出现了毫无功能逻辑的开槽造型——纯粹是画蛇添足。
第二张图的问题更为系统性：整个天花区域完全没有消防喷淋和空调管线的排布，脱离了最基本的机电现实；左侧的造型墙体呈现出非自然的弯曲弧度，以图中推测的部分角度，现有的金属板材或 GRG 工艺根本无法达成这种形态延伸；最典型的一个低级错误是——大屏幕被前方的造型结构遮挡了，这在现实中是任何一个基础设计师首先要避开的坑；地面上无端出现的造型和阴影同样缺乏任何功能性或工程逻辑；部分展台道具出现了畸变形态，暴露了模型对物体物理属性的无知。
这些问题指向同一个核心：基于 Transformer 架构的大模型，在处理物理世界的结构关系时存在巨大的系统性劣势。它理解的是像素之间的统计学关系——在"科技展馆"的标签下，某种金属质感旁边出现曲面造型的概率更高。但它对物理维度的常识一无所知：标高会不会和风管冲突？板材能不能弯成这个弧度？地面标高是否考虑了排水坡度？消防疏散通道的宽度是否满足强制性国家规范？
从一张极具画面感的氛围效果图，到一套能让施工队长按图施工并最终验收的图纸，中间隔着极其庞大的"现实损耗"。这条鸿沟里填满的是材料工艺、结构承重、管线排布、造价统筹和消防规范。
但公正地说，我必须同时指出：即便存在上述所有硬伤，大模型在当前的迭代趋势下，在色块搭配、氛围营造和视觉效果展示上，已经展示出了超越大部分中级专业设计师的水准。它出的"意图"是好的，有时甚至是极具启发性的。只是它无法出具承担法律与工程责任的"图纸"。
以我的个人经验判断，这条物理落地的鸿沟，在 3 年内不会被完全跨越。原因在于，空间设计的物理约束不是一个可以用更多数据喂养就能解决的统计学问题——它涉及的是材料科学、结构力学、机电系统和法规体系的交叉验证，每一个节点都需要基于真实物理世界的因果推理，而非概率预测。当然，局部环节的智能化辅助（比如 AI 预检消防规范冲突、自动校验管线碰撞）会持续进步。但"全自动从概念到施工图"？目前看不到可信的技术路径。（也许世界模型未来可以解，但绝对不是现在。哪怕华人科学家李飞飞，也承认这条技术路线无法复制类似于大语言模型的爆发式增长，而是用更长的时间去跑完它的成长期）
算力的根扎在数据中心里，而空间设计的根扎在混凝土、钢材、人工费和物理规范里。这种虚拟概率与现实刚性之间的错位，正是这个行业目前最大、也是最后的一块缓冲地带。
孤岛困境：我的工具链熵增
除了物理法则的壁垒，那些高呼"AI 全自动设计"的人，往往忽略了项目执行深层的隐性成本：工具链的割裂与系统性冗余。
过去 15 年，我的工作流程是这样的：CAD 画平面和施工图，SketchUp 或 3D Max 建模，安装 Vray 或 Enscape 渲染器跑图，渲染完成后导入 Photoshop 做后期合成和调色，最终放进 PowerPoint 完成汇报文件。至少 3 个大板块、十几个软件之间来回切换。
每一次切换都意味着格式转换、数据流失和手动对齐。CAD 的线稿导入建模软件时，图层信息会丢失；建模软件的场景导出到渲染器时，材质需要重新赋予；渲染出的图片放进 PS 时，又需要手动校色、补光、合成人物和前景。在我过去带队的经验中，这种"数据搬运"耗费的时间，接近项目总周期的一半。真正用来思考设计逻辑、复盘方案合理性、和甲方做深度沟通的时间，往往因此被极度压缩。每每总在深夜加班熬夜，不是因为方案本身多么复杂，而是因为大量精力被消耗在了工具之间的缝隙里。
AI 的降临，解决了这个问题吗？
没有。或者更准确地说，它在每一个孤立的环节上实现了单点加速，但工具链本身的割裂不仅没有愈合，甚至在某种程度上变得更碎了。
我现在的工作流中，概念扩写和逻辑推演交给 Claude，简单结构搭建依然使用 3Dmax 或者 SU，视觉生成走 ComfyUI 和 Stable Diffusion 的本地工作站或 Nano Banana 这样的高保真 API，底层代码辅助用 Claude Code。但在搭建具体施工框架时，依然需要回到 CAD 或 BIM 系统中进行人工的尺寸约束。各个节点之间的壁垒依然森严。工作流并未因 AI 的加入而自动贯通。
而这里还隐藏着一个反直觉的事实：对于一个成熟的设计师而言，AI 工具切入后，需要人进行深度思考的工作量实际上是大幅增加的。判断、审核、修正、复盘——这些决策性动作需要消耗大量的心智带宽。过去你花在"画图"上的时间被释放了，但它立刻被"评估 AI 画的图到底对不对"这件事填满了。一个沉淀了十几年经验的设计师，思考、判断、决策在过去的职业生涯中本就占据了大量时间，AI 并没有减轻这部分负担，反而因为生成速度的暴增而加重了审核的密度。
对于初学者和中级设计师而言，这种从重复劳动中的解放是显著的——他们确实可以更快地"出图"了。但最终交付质量的提升是有限的，因为他们缺乏足够的经验来判断 AI 的输出哪些可用、哪些是陷阱。
将这些散落的极速节点串联成一条能真正完成商业交付的工业化工作流，依然极度依赖人类操盘手的统筹智慧——不仅仅是设计能力，更是对每一个环节的质量判断力和对全流程的 SOP 控制力。
专家杠杆与价值极化：从管理摩擦中解放出来的人
上文描述了诸多 AI 的硬伤——物理世界的无知、工具链的断裂、审核负担的反向增加。而这些硬伤恰恰圈定了 AI 真实的能力边界。而在这个边界之内——概念可视化、氛围渲染、风格迭代——AI 的单点效率提升不是 30%，是几十倍。这一点必须诚实地承认。
然而，这个边界之内的产能爆发，只有看得清边界在哪里的人才能安全地兑现。看不清的人，会把 AI 的输出直接当成可交付成果，然后在施工现场翻车；看得清的人，会把 AI 的输出当成高速草稿，用专业经验在边界之外完成从像素到混凝土的翻译。
让我先讲一段切身的经历。
我在某连锁品牌担任设计总监期间，管理着设计、施工、运营三个小组共约 15 人的团队。那几年里我面临最多的问题，不是设计本身有多难，而是环节和流程上的系统性摩擦。跨部门的沟通与协作、本部门的内部对齐，大量的观点摩擦、信息同步的错位、成员之间能力的差异——在持续不断的沟通中，项目最宝贵的时间被大量消耗。
作为项目负责人，我超过一半的精力花在了管理协调和执行层的兜底上——确保每个设计师理解了甲方的真实意图、确保施工图和效果图的逻辑一致、确保不同小组之间的信息没有走样。真正用于顶层商业决策和审美判断的时间被严重压缩。我的大量心智带宽，不是在做"更好的设计"，而是在做"确保别人不出错"。
这就是传统模式下，专家产能被"物理时间"锁死的典型场景。即使再懂商业架构，你也必须耐着性子带领团队一版版地扣图、改方案。你的专业判断力是整个团队最稀缺的资源，但它的绝大部分产出被耗散在了管理摩擦中。
而现在，AI 在它擅长的领域快到恐怖——这恰恰改写了上面这个等式。
回到那个 200 平方米展馆项目的例子。过去，同样质量的交付需要一个 3 到 5 人的团队配合一周以上，我作为负责人要深度介入每一个环节的审核和纠偏。现在，我一天内交付，而且全程做的都是决策性工作——审美方向的选择、空间逻辑的校验、生成结果的取舍、最终方案的定稿。过去被管理摩擦吞噬的那 50% 以上的心智带宽，被彻底释放了出来。
这就是 AI 作为"专家杠杆"最本质的价值：它不是让每个人都变强了，而是让本来就具备判断力的人获得了突破线性规律的产能杠杆。一个沉淀了 15 年、懂施工工艺、懂造价控制、懂顶层商业逻辑的操盘手，可以用极低的价格购买算力，瞬间补齐视觉表现上的体力消耗，把全部精力压注在那最关键的 10% 顶层商业决策和 10% 验收 SOP 上。
但对于只承担"制图"功能的执行层而言，AI 带来的是完全不同的命运。如果你只有"把 CAD 翻模并渲染出来"这项单一技能，那么在 AI 面前，你的产出可以被任何一个掌握了基础 AI 工具的人以极低的成本覆盖。在 AI 时代，平庸的同质化藏都藏不住。
AI 提升的是高水平从业者的上限，这方面的潜力和价值巨大。但它同时无情地压低了纯执行层的议价地板。差距不是缩小了，是被放大了——而且是以一种过去难以想象的数量级在放大。
思考：重新寻找价值链的锚点
认清了这条重新划定的价值链，我们该作何选择？
回到那条微笑曲线。AI 正在做的事情，本质上是把曲线底部的"视觉执行"环节彻底碾平——它的利润空间被抽干，它的人力需求被压缩。但曲线两端的价值不但没有被削弱，反而因为视觉成本的暴跌而变得更加凸显：上游的商业定位与概念推演——这决定了"做不做、为什么做、做给谁"；下游的施工落地与现场品控——这决定了"做得出来、验收得了、承担得起法律责任"。
当"画图"不再具有溢价，你在这条曲线上的位置就决定了一切。
如果你站在底部，只做"视觉执行"的买卖——无论你的 3D Max 操作多么娴熟、渲染参数多么精细——你正在和一台每小时成本不到一块钱的算力机器竞争。这场仗没法打。
如果你站在两端的任何一端——能做顶层的商业架构决策，或者能完成从图纸到混凝土的物理落地——AI 就不是你的替代者，而是你的杠杆。它帮你把过去消耗在执行摩擦和管理协调中的心智带宽释放出来，让你终于可以把全部精力放在真正创造价值的地方。
对于在行业里摸爬滚打多年的从业者来说，现在最危险的举动，就是试图用过去的"手艺惯性"去抵抗算力的碾压；而最理性的策略，是彻底剥离那些正在贬值的执行技能，将全部筹码压注在 AI 无法触及的真实物理节点与复杂的商业决策上。
理解你在价值链上的位置，比单纯的焦虑或者盲目地拥抱工具要重要得多。