R2 调研：真实工业设计团队如何把 AI 编排成"流程"（2025–2026 优先）

调研日期：2026-09-02 方法：WebSearch（约 60 次，会话额度用尽）+ WebFetch 原文核读。凡原文抓取失败（403/超时）只依据搜索摘要的，均标注【仅摘要】；无法核实的数字标【未证实】。

0. 一句话结论先行

看了 40+ 个来源之后，能找到"有步骤、有工具、有把关点"的真实流程，共同结构惊人地一致：

草图/白模（人定形态与比例）→ AI 上皮/渲染（Vizcom/ComfyUI 类草图驱动工具，不是纯文生图）→ 人筛选 → 3D（Sub-D/NURBS/CAD 或 AI 3D 粗模）→ 人做工程/可制造性 → AI 再做 CMF/场景/动画等表达层。

AI 被限制在三处：①早期发散（项目前 1/3）；②"上皮"（材质/光照/场景）；③表达层（动画、展示图）。形态、比例、品牌感、可制造性判断全部保留在人手里。 一致性靠三样东西：草图/白模作为"锚"、自训练小模型（Vizcom Palette / 自训 LoRA）、以及一份"设计语言/组件标准"。

A. 国际大厂 / 工作室公开的 AI 设计流程

A1. General Motors 设计部（2026-03/04）

谁/产品：GM Design，Creative Designer Dan Shapiro；Director of Design Innovation & Technology Operations Bryan Styles。案例是把一张 Chevy 草图做成动画演示片。
流程： 1. 设计师手绘草图（人）→ 2. Vizcom 渲染出几十个变体（AI）→ 3. 设计师挑出最有说服力的几张，在更高起点上继续深化（人）→ 4. Vizcom 生成动画/CGI 可视化（AI）→ 5. 设计评审 + 实体原型验证（人）。
一致性/把关："We're still the ones deciding what feels like a Buick, a GMC, a Cadillac and… a Chevy" —— 品牌感判断完全由人承担；AI 只接管"搭 CGI 可视化"这种耗时耗人的环节。设计师角色转为"art director"。
效果：草图→短动画，原来多个团队几个月，现在一个设计师一天内。
来源：https://www.newsweek.com/gm-riding-the-wave-of-ai-focusing-on-human-tech-partnership-11756208 （2026-03-30）；GM 官方稿 https://news.gm.com/home.detail.html/Pages/topic/us/en/2026/apr/0416-designers-AI-creative-vision.html 【仅摘要，403】；GM 招聘"AI CGI Specialist"要求 Vizcom/Runway/Midjourney https://www.themuse.com/jobs/generalmotors/ai-cgi-specialist-design-visualization

A2. Ford（2025-11）

谁：Ford，Chief Data, AI & Analytics Officer Franziska Bell 受访。
流程：设计师用一张草图或一组参数 → 生成式 AI 渲染"数百张高保真图和 3D 模型" → 设计师作为 creative director 筛选；全流程强调 "human-in-the-loop"。Ford 也是 Vizcom 官网列出的客户，且 Ford/Pininfarina 仍保留油泥+VR 的"phygital"混合流程。
来源：https://www.forbes.com/sites/randybean/2025/11/23/how-ford-is-embracing-ai-to-drive-innovation-in-the-automotive-industry/ 【仅摘要，403】；Vizcom automotive 页客户 logo（Ford/Honda/Nissan/GM/Stellantis/NIO/DAF/Polaris）https://vizcom.com/solutions/automotive ；https://vizcom.com/blog/digital-car-design （2026-01-19）

A3. Kia Global Design × Autodesk Research（2022-09 → 2023-08，AU 2024 公开）

谁/产品：Kia AI Lead Designer Voho Seo（15 年 Kia 资历）+ Autodesk Research Sr. Principal Scientist Ye Wang。产品：轮毂概念设计的生成式 AI 原型工具。
流程： 1. 设计师输入"关键词特征 + 初始概念草图"（人）→ 2. 工具按"人类设计师的工作方式"训练的生成模型出多张轮毂方案（AI）→ 3. 设计师把这些当参考，深化成最终方案（人）。工具"从建立设计方向到探索设计选项全程陪伴"；团队"把设计约束整合进 GenAI，给设计师更大控制力"。
经验教训：Kia 2018 年就开始试市面 AI 工具，效果不满意，才走"和 Autodesk 一起按自己工作流定制训练"的路。Karim Habib：AI 短期内不会减员，Kia 设计团队全球约 400 人。
来源：https://www.autodesk.com/design-make/articles/kia-generative-ai-for-automotive-design 【仅摘要，403】；AU 2024 课程 https://www.autodesk.com/autodesk-university/class/Streamline-Conceptual-Design-with-Generative-AI-A-Research-Collaboration-with-Kia-2024 ；https://next.au-uw2-prd.autodesk.com/autodesk-university/article/introducing-generative-ai-to-conceptual-design-teams （已核读）；相关论文 "Leveraging Generative AI and CAD Automation for Efficient Automotive Wheel Design with Limited Data" https://www.researchsquare.com/article/rs-5041554/v1 【未核读，是否 Kia 作者未证实】

A4. Toyota Research Institute（2023-06 发布，研究性质）

流程：设计师"草图 + 文本风格词（sleek/SUV-like/modern）+ 工程约束（风阻、离地间隙、座舱尺寸）"→ 把优化理论嵌进文生图过程 → 输出既满足风格又满足量化指标（论文里主要是风阻）的方案集。
把关：在 Toyota XD（Experimental Design Studio）测试；官方稿未确认已在设计部门全面部署，属"研究成果"。
意义：这是少数把工程约束当成生成过程的一等输入而不是事后筛选的案例。
来源：https://pressroom.toyota.com/toyota-research-institute-unveils-new-generative-ai-technique-for-vehicle-design/ （2023-06-20，已核读）；https://www.tri.global/news/toyota-research-institute-unveils-generative-ai-technique-vehicle-design

A5. BMW Group Designworks（2024-05）

工具：Midjourney、Runway、Kaiber。
流程：传统"草图→建模→渲染→迭代"链前面加一层：输入参数 → 几分钟内多个方向的图像/动画/纹理（AI）→ 设计师以此为起点深化（人）。跨学科（ID、UI/UX、创意咨询）用 AI 图做头脑风暴的"共同语言"。
把关："human designers' creative input and oversight remain essential"，AI 输出只当起点。
来源：https://www.yankodesign.com/2024/05/27/how-bmws-designworks-transforms-automotive-design-using-ai-tools/ （已核读，未点名个人）

A6. Samsung 家电设计团队 —— 2025 Bespoke AI 洗碗机（2025）

谁：产品设计师 Youngmin Park / Sanghyun Lee / Kyungseob Yang，CMF 设计师 Ahjung Joo。
AI 用在哪：只用在表达层——Magnific AI + Midjourney 做厨房场景效果图（四张），Firefly 做开门演示图；每张图明确标注"This image has been created by generative AI"。产品本体（无把手结构、缎面玻璃门、内部布局）全部人设计。
意义：大厂"AI 限定在沟通/可视化，不碰设计规格"的典型样本，且有披露标注制度。
来源：https://design.samsung.com/global/contents/2025-bespoke-dw-interview/ （已核读）

A7. Honda / Sony Honda Mobility / Subaru（2023-11）

Honda：设计师用 Stable Diffusion "帮助形成想法，但不用于正式提案"；Japan Mobility Show 上让观众用手机生成 Sustaina-C 概念车配色。
Subaru：限定特定部门使用，防止 AI 内容的 IP 侵权。
意义：早期就定下"AI 输出不进正式交付物"的边界。
来源：https://www.digitimes.com/news/a20231115PD201/japan-generative-ai-ev-honda.html （已核读）

A8. DAF Trucks 设计总监 + Car Design Academy（2026-03）

Bart van Lotringen（DAF 设计总监）："very much in favor of Vizcom"，看重的是它"听设计师的话"、快速迭代反馈。
Eric Stoddard（Car Design Academy）把工具分四类：LLM（调研/brief）、文生图（Midjourney/Nano Banana）、草图生图（Vizcom/Krea）、草图生 3D（Vizcom）。
经验教训：真正缺的是"与现有数字工具集成"——van Lotringen 的愿望清单是把 AI 嵌进 Alias 做曲面、2D→3D→VR 保持草图质感和可用网格。
来源：https://www.cardesignnews.com/design-tools/ai-in-2026-cutting-through-the-confusion/2638055 （2026-03-30，已核读）

A9. Mercedes-Benz（Gorden Wagener，2025）

已把 AI 当"加速流程"的工具，但坦言"AI 现在 99% 的输出不达标，1% 可以"；预言 10 年内多数设计工作由 AI 完成。
无具体流程描述，仅作行业态度记录。
来源：https://www.wardsauto.com/mercedes-benz/mercedes-benz-chief-designer-i-ll-probably-be-replaced-by-ai （已核读）

A10. Key Tech（美国医疗器械/硬件设计咨询公司）—— 最完整的"公司级 AI 流程治理"样本（2025-08 / 2026-05）

谁：Industrial Designer Alli Shears；模拟项目 "Bridge"（品牌语言 + 数字角度计/理疗测量仪）。
2025-08 试点流程： | 阶段 | 工具 | 备注 | |---|---|---| | 调研/人物画像 | ChatGPT、Copilot | | | 品牌/图像发散 | Midjourney、Recraft → Illustrator 精修 | | | GUI | Adobe XD 手画线框 → Vizcom 上品牌色渲染 → XD 收尾 | | | 实体产品 | Midjourney 概念（需大量迭代）→ Vizcom 精修 → Luma 动画 | | | 展示图 | Vizcom 输出 + KeyShot 传统渲染合成 | "in-context render in record time" |
2026-05 固化后的流程：Marvin（定性调研标注）→ Midjourney Moodboard（上传已有设计当风格参考）→ Vizcom Animation（会议/提案素材）→ Photoshop AI（抠背景/生成背景）。
治理机制：季度工具审计；先用模拟项目写出内部指南；计划做"设计评审 custom GPT"专门标不一致；Do/Don't 清单（不输保密数据、AI 输出不经批准不当最终物）。
经验教训（原话）："generative AI is not a shortcut to good design"；Midjourney "struggled to imagine something outside of what it was trained on"（对全新产品形态无力）；"any output related to form, proportion, or production must be reviewed carefully by experienced designers and engineers"；3D 理解缺口 + 保密限制是两大瓶颈。
来源：https://www.keytechinc.com/2025/08/ai-as-a-creative-design-partner/ ；https://www.keytechinc.com/2026/05/ai-in-design-workflows-exploration-to-application/ （均已核读）

A11. Star（德国设计负责人 Manuel Gattinger，2026-02）—— 按"保真度"切分 AI 用法

低保真：多方向概念、轮廓与比例、快速变体。
中保真：概念精化、材料/工艺/色彩、设计语言一致性检查、使用场景叙事。
高保真：文档自动化、"sanity check"、公差/配合、壁厚/体积检查。
核心主张：学"AI 语言"（提示结构、参考策展、约束参数化、输出评估）而非某个工具；引 Hartmut Esslinger："when you prototype and simulate, the next decision is much better"。
来源：https://star.global/posts/generative-ai-in-industrial-design-where-it-helps-most/ （已核读）

A12. Braun Household 高级产品设计师 Jara Freund（leManoosh 课程，2025/26）

3 模块：①草图→AI 可读概念（"理解 AI 怎么读形态与比例"、Refine 模式修正、色块引导）；②快速探索（材质切换、多变体、跨迭代保持一致）；③概念→展示（场景、动画、故事化）。
管线：Sketch → Concept Refinement → Renders → Materials/Context → Animation → Prototype Visualization。
来源：https://lemanoosh.com/online-course-essentials-of-vizcom/ （已核读）

A13. Vizcom 平台层面的"一致性基础设施"（企业客户共用）

Custom Palettes（2024-12-05 发布）：上传 4–30 张风格一致的图 → 几分钟训练出私有模型 → 用 drawing-influence 百分比测试 → 团队共享，"确保所有人在同一视觉语言里工作"。
Component Library 指南（2026-01-23）：定义签名组件（特定圆角/比例/表面处理）、精确 Pantone/RAL、实体设计标准（例：Nike 气垫窗、BMW 双肾格栅）；指定审批 owner、季度复审、产品线版本管理。"Consistency should be the default, not extra effort."
AI 该放哪（2026-02-09）：AI 在项目前 1/3（0–30%）加值最大；细化、品牌对齐、可制造性、生产交接不该交给 AI。输入：草图定形态与比例，提示词只管材质/表面/光；输出 50–100+ 变体（传统 5–10 个）；需建立"品牌一致性、可制造性、创意质量"三重评审。
文生图 vs 草图驱动（2026-01-07）：文生图适合"还没定方向"的最早期；草图驱动=直接控制、在前一轮上迭代而不是每次从零抽卡。
来源：https://vizcom.com/blog/introducing-palettes ；https://vizcom.com/blog/component-library ；https://vizcom.com/blog/ai-design-workflow-integration-guide ；https://vizcom.com/blog/text-to-image-ai （均已核读）

A14. 其他被点名但流程细节不足的

Nissan / Stellantis / NIO（蔚来）/ Polaris / Dell / Sonos / Steelcase / Trek / Teague / Whipsaw：出现在 Vizcom automotive 页客户 logo，无公开流程。https://vizcom.com/solutions/automotive
New Balance：2023-11 成为 Vizcom 客户（Forbes 2024-03）【仅摘要，403】。
adidas "AI Archive 自训练扩散模型"：只见于二手文章，无 adidas 一手来源，其中"18 个月→24 小时""37% 销售增长"等数字【未证实】。https://chiefaiofficer.com/how-adidas-ai-accelerates-sneaker-design-from-months-to-days-while-achieving-37-sales-increase/
Nike AI collaborative project（Jack Myers，2025-07）：是作者书里的示例案例，非 Nike 官方；流程 ChatGPT→Autodesk Generative Design→AI 3D 打印→Midjourney 营销图。https://themyersreport.substack.com/p/a-nike-ai-collaborative-project-bringing
Logitech / Philips / Sony / Dyson / Nothing / Teenage Engineering / Layer / frog / IDEO / Pentagram：搜索未找到带步骤的公开工业设计 AI 流程（Logitech 只有 responsible AI 治理；frog 是 DesignOps 数字产品；IDEO 是课程）。
Hyundai：只有工程侧 generative design 与 NVIDIA 合作，无造型设计流程。

B. 国内

B1. 洛可可 LKK（2023 → 2025）

公开说法：贾伟：所有洛可可/洛客设计师都开始用 AI；"以前草图→2D→3D，现在 AI 直接生成海量方案"；"过去 30 天 3 个方案，AI 3 秒 1000 个"【表述来自访谈，非量化验证】。AI 用于竞品分析、策划（策略层）与产品设计阶段。
内部基建：洛客平台（流程/营销/交付数字化）+ 水母智能"触手 AI"（支持模型上传/训练/调用，2023-06 专业版公测，面向品牌/产品/建筑设计）。
2025-03 洛可可医疗：AI 咨询师顾恩全向高校介绍"AI 辅助生成医疗设计方案"与"AI 优化产品形态结构"两个环节，具体工具未列。
评价：找不到 LKK 公开的"分步流程图"，能确认的是：策略层用 LLM、方案层用生图、并自建可训练模型的平台。
来源：https://m.mp.oeeee.com/oe/BAAFRD000020230601804452.html （2023-06，已核读）；https://zhuanlan.zhihu.com/p/644823644 【仅摘要】；https://design.sdju.edu.cn/2025/0327/c3541a139042/page.htm （已核读）

B2. 赫兹工业设计（深圳，2026-04）—— 国内设计公司少见的"分阶段+工具+把关点"写法

阶段	输入	工具	输出	人工把关
需求洞察	品类/竞品	Google Trends AI、DeepVision	竞品报告	洞察提炼
概念发散	设计约束+Prompt	Midjourney、Stable Diffusion	百余概念图	筛选+二次创作
三维/结构	性能/成本约束	Fusion 360 AI、拓扑优化	结构方案	可制造性评估
CMF 呈现	色彩/材质方向	AI 渲染、KeyShot AI	多版效果图	最终选择
验证	设计文件	ANSYS AI、DeepDesign	仿真/缺陷预测	工程决策
- 原则："AI 负责批量出方案，核心创意设计师把控"；三条教训：同质化（必须深度二创）、版权（专利检索）、能力退化（保留手绘/建模）。周期 14–30 天→7–15 天【自述】。
- 来源：https://www.hezidesign.com/jingyan/633.html （已核读）

B3. IDNICE（深圳考拉妈妈科技，2026-03）—— 国内"文字/草图→3D"产品化

4 步：构思（文本/草图→AI 把模糊想法收敛成方向）→ 3D 生成（多角度/材质/预览）→ 对比迭代（并排比较、版本管理）→ 可行性评估（结构/制造可行性）。
定位：把"构思→对比→可行性"闭环做成产品，面向工业设计师/产品经理/创客。
来源：https://news.sina.com.cn/sx/2026-03-26/detail-inhsicux9052399.shtml （已核读）
同类：DeepDesign（36 氪，工业 3D 生成）https://36kr.com/p/3202972651741698 【抓取被安全检测拦截，未核读】

B4. 普象网系列《AI 产品设计全流程》（作者：无人区保险员，深圳，2024-02）—— 国内最"节点级"的个人工作流

三篇：上集/下集《SD 产品设计全流程》+ 终章《ComfyUI 工作流生成带背景的展示图》。
终章 9 步：SD 出满意产品图 → Midjourney 出风格背景 → SAM 语义分割抠产品 → 转黑白遮罩 → 裁无背景产品图 → IP-Adapter + 自训 LoRA（电商背景）重绘融合 → 扩画板重绘 → 1.5× 放大 → Photoshop 修饰。
一致性：靠 IP-Adapter 做风格迁移 + 自训背景 LoRA。
来源：https://www.puxiang.com/articles/ecb3d0851e26d0873f012c381d923ed5 （已核读；上/下集链接未抓到）

B5. 站酷 UC 设计（广州，约 2023）—— 非工业设计但机制可借鉴

ComfyUI 可复用工作流让"不同设计师把 2D 设计图转成统一 3D 风格"；MJ 初稿 → ComfyUI 细化 → PS 合成。
来源：https://www.zcool.com.cn/work/ZNzA1ODgxNDA=.html （已核读）

B6. 木马 / 浪尖 / 指南创新 / 小米 / 华为 / 追觅 / 安克 / 云鲸 / 蔚来 / 小鹏 / 理想

木马丁伟《设计管理》提"从关注人和组织转向数据、智能、人机共创"，无流程；浪尖只有"蔬菜标准化数字化全流程系统"；其余在搜索范围内没找到带具体步骤的公开分享。蔚来仅出现在 Vizcom 客户 logo。
来源：https://news.qq.com/rain/a/20250926A05EX200 【仅摘要】；https://www.nineidea.com/5915.html （已核读，无实质流程）

B7. 国内高校

湖南大学设计艺术学院（2025-08-13~20）："未来制作 2：AIGC、手工艺感知与日常创造力"国际工作坊——AI 辅助剪纸图像 + 非遗传承人实体材料共创；讲座（8/16）→ 工作坊（8/17）→ 成果讨论（8/18）。https://design.hnu.edu.cn/info/1032/8840.htm （已核读）
江南大学：2025 政府奖学金暑期"AIGC 赋能传统文化数字创新"工作坊；数字智能设计专业含 AIGC 辅助设计训练；2024–25 招聘方向含"AIGC 辅助工业设计"。https://studyabroad.jiangnan.edu.cn/info/1023/1543.htm 【仅摘要】
清华 iCenter："基于 AIGC 的智能硬件产品设计与原型制作实践教学"项目页 https://imuseum.icenter.tsinghua.edu.cn/iCentershuangchuangjiaoshixiangmu/212.html 【两次超时，未核读】

C. 个人设计师 / 教程型工作流

C1. Dennis Johann Mueller（鞋类设计师，Vizcom 2024-02 & 2026-01）

5 步：Procreate 手绘 → 自写 prompt → Vizcom 渲染 → 有机迭代（多方向）→ 人工筛选定方向。
一致性：性能鞋先从鞋楦（last）出发保证人体工学基础；坚持"轮廓/曲面过渡"等设计基本功；"测试你要卖的所有配色，不只 hero 色"。
教训："never get stuck too much on that first idea"；AI 最有用是"design writer's block"时；年轻设计师先做实体模型理解物理世界。
来源：https://vizcom.com/blog/using-vizcom-as-a-co-creator-a-new-era-for-footwear-design ；https://vizcom.com/blog/ai-for-product-designers （均已核读）

C2. Arsutoria School 学生 Gabriel Robustelli + 3D 负责人 Andrea Rondoni（2025-05）

6 步：手绘 → Photoshop 加纹理/细节（Generative Fill 扩背景）→ Vizcom 渲染（用"drawing influence"滑杆控制忠实度）→ Higgsfield 图生视频 → CapCut 剪辑 → PhotoLeap 社媒适配。
一致性：参考图上传 + 绘图影响百分比 + 分层编辑保留原稿。
来源：https://www.arsutoriaschool.com/story-case-ai-tools-for-footwear-designers-and-how-to-make-the-most-of-them/ （已核读）

C3. Claas Kuhnen（家具/椅子，Vizcom）

照片参考 → Live Render 实时迭代 → Multi-view 3D 多视角检查 → Modify 局部修改。核心是"实时迭代避免推倒重来"。
来源：https://vizcom.com/blog/ai-for-product-designers

C4. Vizcom 团队 48 小时"草图→3D 打印椅子"挑战 + Miguel 的 "Remote"（AI 语音麦克风）

粗草图 → 渲染变体 → AI 生成 3D 模型 → 导出 3D 打印；Miguel：草图 → Vizcom 渲染 → CAD 设计 → 形态探索 → 3D 打印原型（AI 3D 只当粗模，正式 CAD 仍是人做）。
来源：https://vizcom.com/blog/ai-for-product-designers ；https://vizcom.com/blog/text-to-image-ai

C5. Konzepthaus "Haus of Learning" 汽车设计 7 阶段工具图（2026-07）

①调研/brief：ChatGPT/Claude/Gemini → ②发散：Midjourney/Firefly/Nano Banana → ③草图转渲染：Vizcom → ④CMF：Substance 3D → ⑤3D 粗模：Meshy/Tripo → ⑥HMI：Figma AI → ⑦动效叙事：Runway/Kling/Veo。
原则："最有效的工作流是不同阶段用不同工具"。
来源：https://www.konzepthaus-consulting.com/blog/best-ai-tools-automotive-design-haus-of-learning/ （已核读）

C6. Francesca Tabor 5 步产品视觉流程（2025-11，AI 顾问，无真实商业项目）

Weavy（节点式流程规划/版本）→ Reve（概念）→ Midjourney（渲染）→ Nano Banana 2（场景合成保持光照透视）→ Magnific（放大）。偏"视觉产出"而非工程。
来源：https://www.francescatabor.com/articles/2025/11/22/ai-enhanced-product-design-workflow （已核读）

C7. ComfyUI 官方站的产品/草图工作流（2025–26）

"Bring Your Sketches to Life"：手绘 → 3D 风格渲染或粘土灰模，含 LoRA 调节 + 自动提示词；"Line Art → 3D-style"：ControlNet Canny + Dual CLIP + UltimateSDUpscale 4K；Depth+Canny 双 ControlNet 用于产品/建筑保持空间关系与轮廓。
来源：https://comfyui.org/en/bring-sketches-to-life-3d-conversion ；https://comfyui.org/en/ai-powered-art-generation-tutorial ；https://docs.comfy.org/tutorials/controlnet/depth-controlnet 【均仅摘要，正文 403】

C8. B 站相关（仅标题级，未逐一核读）

"在 Blender 里跑 ComfyUI 实时渲染工作流（适用 C4D/3dmax/PS）" https://www.bilibili.com/video/BV1uAYNzaE3e/
"TripoAI 2.0 三视图 AI 建模 + ComfyUI 版" https://www.bilibili.com/video/BV1uwCmYcEty/
"SD-Trainer LoRA 训练一键包" https://www.bilibili.com/video/BV1AL411q7Ub/
"Z-image LoRA 训练教程" https://www.bilibili.com/video/BV1fXmcBQEiJ/
这些证明"白模→ComfyUI 上皮""三视图→AI 3D""自训 LoRA"三条技术路径在国内教程圈已成熟，但没找到把三者串成"产品设计从需求到交付"的单一教程。

C9. LoRA 保持设计语言（通用教程）

共识参数：30 张左右策展图、Kohya SS / ComfyUI 训练节点、LoRA 2–10MB；用于"专有产品美学"、品牌视觉、产品摄影一致光照。
来源：https://stable-diffusion-art.com/train-lora/ ；https://www.woshipm.com/ai/6373891.html ；https://zhuanlan.zhihu.com/p/1910770906252423861 【均仅摘要】

D. 学术 / 行业报告 / 设计教育

D1. Designer experiences and perspectives on the role of generative AI in industrial design（AI & SOCIETY，2025-07-24）

5 场工作坊 + 焦点小组，32 名工业设计师/学生动手用图像生成器，反思如何进入自己工作流。
来源：https://link.springer.com/article/10.1007/s00146-025-02504-6 【仅摘要，登录墙】

D2. A Generative AI-Driven Industrial Design Framework for Human–GenAI Co-Creation（GID-HGCC，Symmetry，2026-02）

四阶段：需求确认 → 概念生成 → 概念评估 → 3D 建模；提出可追溯的跨阶段工件流 "结构化提示 → 候选概念 → 评估输出 → 3D 工程问题清单"，让约束一路传递到工程交接。
直指现有研究三缺：阶段角色不清、约束不可追溯、缺阶段化评估。
来源：https://www.mdpi.com/2073-8994/18/2/352 【仅摘要，403】

D3. KAIST 3D Sketching + 2D Generative AI for Car Exterior Design（UIST 2025，2025-09/10 釜山）

作者 Seung-Jun Lee 等（KAIST Bae 实验室）。解决 2D 生成的两个痛点：每个视角要重画草图、多视角一致性差；方案是先做表达性 3D 草图，再从任意视角出 2D 线稿 → 2D 生成，实现"3D 草图 ↔ 2D 细画 ↔ 真实感生成"无缝切换。CHI 2025 EA 有前置版本。
来源：https://dl.acm.org/doi/10.1145/3746059.3747609 ；https://dl.acm.org/doi/10.1145/3706599.3719731 【均仅摘要】

D4. MIT DeCoDE Sketch2Prototype（Edwards/Man/Ahmed，2024）

草图 → 文本（GPT-4V）→ 图像（DALL-E 3）→ 3D → 3D 打印"looks-like"原型。关键发现：以文本为中间模态比直接 sketch→3D 更多样、更可制造，且文本层便于人工反馈。
来源：https://arxiv.org/abs/2405.12985 （已核读）

D5. SketchConcept（2025-08）

iPad 草图 + 语音 → LLM 出功能描述 → 映射到图像生成的部件（function-to-visual mapping）→ 可分解/编辑概念；两轮用户研究。
来源：https://arxiv.org/abs/2508.07141 （已核读）

D6. Design Generative AI for Practitioners（CHI'26 工作坊，Paris-Saclay/Lille，2026-03）

从业者批评："对话驱动的范式迫使视觉型设计师从视觉思维切换到组织语言指令"；词汇错配；整图操作让人"修补"而非"从零打造"。提出 DesignPrompt（多模态输入分解）、FusAIn（编码视觉属性的"智能笔"）、DesignTrace（节点式追踪决策与备选）。
来源：https://arxiv.org/html/2603.03074v1 （已核读）

D7. Frontiers Exploring creativity in human–AI co-creation（2025-09-30）

42 名设计师（21 新手/21 有 3 年+经验）。新手把 AI 当发散引擎；有经验者只用 AI 加速"构图想法的可视化"，不让它生成设计解。工具：ChatGPT/Claude/Gemini → Midjourney/SD/DALL·E → Luma/Blender/MeshLab。
来源：https://www.frontiersin.org/journals/computer-science/articles/10.3389/fcomp.2025.1672735/full （已核读）

D8. Changing Skills of Industrial Designers in the Age of GenAI（2026-06）

2020–2025 系统综述 + 6 名真实使用 GenAI 的设计师；发现：创意/发散/可视化增强，但认知负荷上升、信息可靠性问题、"生产意识"（对制造的敏感度）下降。
来源：https://www.researchgate.net/publication/406341843 【仅摘要，403】

D9. Dassault CATIA "草图到概念车"8 步（2026-04）

AI 出视觉概念 → AI 算子 2D→3D 网格 → Sub-D 雕主体量 → 视觉脚本自动生成轮/风挡 → 参数化变体 → 材质/光照体验 → 多设计师并行 → 维持 NURBS 保证下游工程。无点名客户（"leading OEMs"）。
来源：https://blog.3ds.com/brands/catia/catia-ai-automotive-design-workflow/ （已核读）

D10. Core77 / Autodesk Fusion "AI: Beyond Concept Design"（2025-12）

AI 在 CAD 内的五处：自动建模（概念）、草图智能约束、生成式设计（优化）、紧固件自动替换（细节）、自动出图（文档）。案例 Shute Dynamics（Robin Shute）、Photocentric（Ed Barlow）。
来源：https://www.core77.com/posts/139330/AI-Beyond-Concept-Design （已核读）

D11. 设计教育

ArtCenter：7 周 Generative Design 工作坊（Herrera + SHO.ai 的 Sho Rust + Christian Saclier），"给 AI 详细客户信息→个性化产出"；校规要求引用 AI 需写明工具、完整 prompt、公司、日期、URL。https://www.artcenter.edu/connect/dot-magazine/articles/230713-adapt-or-die.html （已核读，2023）；政策页 https://www.artcenter.edu/about/get-to-know-artcenter/policies-and-disclosures/artcenter-position-and-policy-on-generative-ai.html
RCA：9 周混合课程 "Designing Services and Products with AI"。https://qs-gen.com/ue-to-offer-students-designing-services-and-products-with-artificial-intelligence-course-by-the-royal-college-of-art/ 【仅摘要】
湖大/江大/清华见 B7。

D12. 其他

IJCRT 2025-06《Integrating Generative-AI Workflows into Industrial Product and Automotive Aesthetic Design》：Amity 本科毕业论文，工具矩阵 Vizcom/Meshy/Midjourney/SolidWorks Assistant/Rhino-ML/Fusion 360 AI，证据强度低。https://www.ijcrt.org/papers/IJCRT2506261.pdf （已核读前 6 页）
MIT Media Lab DeSAI'25 工作坊 https://www.media.mit.edu/events/generative-ai-for-design-workshop-2025-desai25/ 【未核读】

E. 共同结构（跨 A–D 归纳）

E1. 五段式骨架，几乎所有案例都能套进去

[0 调研/brief]  LLM 整理需求、竞品、人物画像            ← Key Tech / 赫兹 / Konzepthaus / GID-HGCC
[1 发散]        文生图 或 草图生图 出 50–1000 张         ← 全员；有经验者压缩此段
[2 收敛/锚定]   人手绘草图 / 白模 / 鞋楦 / 3D 草图 作为"锚"  ← GM / Mueller / KAIST / Braun 课程
[3 上皮]        草图驱动渲染（Vizcom/ComfyUI+ControlNet）  ← 最普遍、最稳定的 AI 落点
[4 3D/工程]     Sub-D→NURBS/CAD；AI 3D 只当粗模         ← CATIA / Miguel / Sketch2Prototype
[5 表达]        CMF 变体、场景、动画、展示图             ← Samsung / GM / Arsutoria / 普象

人工把关点固定在 1→2（选方向）、3→4（形态/比例/可制造性）、4→5（品牌一致性）三道闸。

E2. 四个反复出现的"一致性装置"

草图/白模是锚，不是 prompt：Vizcom 官方、DAF、Braun 课程、KAIST 论文都强调"输入决定形态与比例，文字只管材质光照"。KAIST 更把锚提升到 3D 草图来解决多视角一致。
自训练小模型：Vizcom Custom Palette（4–30 张图）、普象作者的自训 LoRA、洛可可"触手 AI"支持模型训练、Kia 与 Autodesk 按自家方式训练——成熟团队几乎都有一个"自己的模型"，只是有的叫 Palette 有的叫 LoRA。
一份设计语言/组件规范：Vizcom Component Library（圆角/比例/表面/Pantone/RAL + owner + 季度复审）、GM 的"什么像 Buick 什么像 Cadillac"由人判定、Key Tech 计划做"设计评审 GPT"。规范先于工具。
把 AI 关在特定环节：Samsung 只让 AI 做场景图并标注；Honda 只用于"形成想法不进正式提案"；Subaru 限定部门；Vizcom 明说 AI 在项目前 1/3 有价值、后 2/3 不该用；Frontiers 研究显示资深设计师只用 AI 加速可视化。

E3. 3D 的位置

3D 确实在中间，但角色分裂：AI 3D（Vizcom 3D / Meshy / Tripo / IDNICE）= 粗模，用来看比例、打印 looks-like；真正交付的 3D 仍是 Sub-D→NURBS/CAD（CATIA、Miguel 案例、CDN 里 DAF 的愿望清单）。目前没有任何案例把 AI 3D 直接当工程模型。
学术侧（Sketch2Prototype、GID-HGCC）都在找"中间模态"——文本或结构化工件——让约束能穿过 2D→3D 的断层。

E4. 大家自己总结的教训（去重）

AI 对"训练集里没有的新形态"无力（Key Tech、Wagener 的 99% 不达标）。
同质化，必须二创（赫兹）；生产意识退化（Changing Skills）；认知负荷上升。
保密/IP 是企业落地的硬约束（Key Tech、Subaru）。
真正的瓶颈是与 Alias/CAD 的集成而不是出图质量（DAF）。
手绘/模型基本功不能丢（Mueller、Alan Macey："不会画车的人用不好这些工具"）。

F. 与"聊天式抽卡"的本质区别

维度	聊天式抽卡	上述成功流程
主输入	文字 prompt	草图 / 白模 / 3D 草图（形态与比例由人定），文字只管表皮
迭代方式	每次从零重新生成	在上一轮结果上局部修改（Refine/Modify/inpaint），保留锚
一致性来源	靠运气和反复 reroll	自训 Palette/LoRA + 组件规范 + 参考图
约束	事后肉眼筛	约束作为输入（TRI 风阻、Kia 设计约束、GID-HGCC 结构化提示）或固定检查闸
AI 边界	全流程都想让 AI 做	明确限定在前 1/3 发散 + 上皮 + 表达层；形态/工程/品牌判断不外包
产物	一张图	可追溯的工件链（草图→变体→选定→3D→问题清单），能进 CAD 和评审
组织	个人技巧	有 owner、有指南、有季度审计、有披露标注（Key Tech / Samsung / ArtCenter）

一句话：成功案例不是"让 AI 想"，而是"人先定骨架，AI 批量填皮，人再过闸"。 Paris-Saclay 的 CHI'26 论文把这点说透了——对话式范式逼视觉型设计师改用语言指令，本身就是错配；专业工具的方向是多模态输入分解、直接视觉操控和节点式决策追踪。

G. 未证实 / 未能核读清单

Ford 详细流程（Forbes 403，仅摘要）
Kia×Autodesk 训练数据是否含 Kia 自有历史轮毂（未披露）
adidas AI Archive 全部数字
洛可可"3 秒 1000 方案""30 天 3 方案"为访谈口径
赫兹"周期缩短 50%"为自述
MDPI GID-HGCC、Springer 32 人研究、KAIST UIST、Changing Skills 均只读到摘要
清华 iCenter 课程页超时；DeepDesign 36 氪被拦截
B 站视频只核对标题，未看内容
小米/华为/追觅/安克/云鲸/小鹏/理想设计中心：本轮未找到带步骤的公开分享

← 返回主报告