在接触和学习 UI 设计的时候，我们都必须面对国内外 UI 设计风格差异巨大的问题。比如最近 618，相信大家没少被国产应用的广告“亲切的”问候。
一方面是寻找设计灵感时要做区分，另一方面则是我们学习 UI 时看的书籍，学习的理论、规范，都是由西方国家产出的，而国内设计的方向却和它们背道而驰，用一个词来形容现状，那就是 —— 割裂。
所以在初学阶段，理论学的越多，受到的冲击也就越大，疑问也就越多。所以我们今天的目标，就是来帮大家解答这个疑问。
当我们研究国内外 UI 设计的差异时，样式上的差异只是表象，它们是由更深层次的因素所激发，所以我们首先要深究这些问题的根源。
根据过去十几年的 UI 研究经验，我总结的设计差异包含下面这些因素：
1. 盈利模式的差异
国外产品相对国内的盈利模式相对简单、健康，排除掉大型平台和其它服务配套应用外（比如会员、硬件的配套），基本就是买断、订阅、广告这三个途径。
比如我们熟悉的 Figma、Canva、Notion 等，都是订阅制服务，在产品具备足够竞争力的条件下发展出海量的付费用户，获得巨大的收益和估值（团队只有一两百人时估值过百亿刀）。既然做好产品就能盈利，那这些产品的目标自然是打造更好的产品和提供更好的服务或体验来获得收益。
而国内市场我们都知道，用户付费的意愿是非常非常低的，这就导致很多产品即使做的还不错也看不到盈利希望，尤其是大厂产品，比如迅雷，百度网盘，网易云等等。
靠基础付费模式做不出让人满意的营收，产品团队自然要使出浑身解数来找到盈利点，不管是增加一些奇怪的功能，还是制造各种营销活动。而这些尝试想要获得持续的盈利是非常困难的，所以就得一直想，一直尝试，一直投放。
虽然吃相往往看上去很难看，但不这么做就会“暴毙”，而这么做至少还可以“苟延残喘”，为了生存和盈利，产品团队做出什么离奇的操作都能做出来。
这里还要澄清一点，有很多优秀的工具产品不是国内做不出来，是做出来也很难盈利，所以有能力的团队和开发者是不会轻易往火坑里跳的。
2. 人工成本的差异
第二点就是国内外人工成本上的巨大差异，发达国家的人工成本非常高昂，不只局限在产品开发团队的成本，还包括底层运营、客服、销售、业务员、快递员等等。
而产品的衍生业务往往要借助大量的底层劳力，比如京东做外卖服务，得有充沛的、廉价的骑手作为依托才办得起来，而这在发达西方国家是难以想象的。比如最近经常讨论的为什么日本线下购物市场还很繁荣，线上发展不起来。主要原因之一就是快递员的成本差了好几倍，做不出即廉价又便捷的网购体验。
加上西方国家对雇佣关系的保护，招人容易，裁员可就没有那么简单，所以多数产品团队对扩张都持非常谨慎的态度。人数少，又不能轻易搞 996，就大大限制了产品作妖的范围，这就直接导致他们没有人力做一大堆次要功能的迭代以及运营活动，设计需求自然也会低很多。
3. 用户习惯的差异
最后一点，就是用户习惯的差异。除了前面说的付费意愿低以外，还有很多其它因素。其中在我看来影响最大的因素，就是国内用户对互联网的依赖是远高于国外用户的。
国内的移动互联网行业爆发并不仅仅是局限在互联网行业里，而是把触手拓展到各行各业，用赢学的角度来讲甚至它还大幅度完善了政府基建和民生服务。我们今天缴纳水电费，办理银行卡通过线上就能完成，而很多发达国家甚至到今天还要你去营业厅手写填表。
并且互联网产品已经成为我们购物、娱乐的重要载体，大量的决策、交易、娱乐是在上面进行的。既然用户习惯和粘性都成型了，离不开这些产品了，那么“适当损害”一下用户体验也不是不可以。尤其是大厂各类离奇的功能和运营活动可以轮番轰炸用户，同时把用户对这类负面操作的耐受度都拉高了。
既然用户都适应了，那么为什么还要“装清高”，做个简约的、有原则的、有尊严的产品？当然是加入到运营的狂欢里和其它产品一起压榨用户的注意力，像孔雀开屏一样，在最鸡肋的器官上比划……
以上三点，就是造成国内外设计差异的根本因素。最早国内产品的设计是和国外看齐的，但随着市场的反馈和验证，我们最终走出了自己的道路。这是商业的选择，而不是简单归因给审美、民族、文化、消费力的限制。
不管创业者抱着什么样的想法，进入这个牌桌以后，最终都会被市场调教成相同的模样。
作为 UI 设计师来说，也不要认为这是错误的发展方向，因为这种模式大大增加了 UI 设计的需求量，间接提供了更多的饭碗。如果产品都按欧美的模式发展和设计，那对于国内 UI 设计行业来说真正的天塌了，设计岗位会锐减 8 成以上，而这是 AI 设计根本实现不了的破坏力。
有了内因，下面再对国内外 UI 设计的具体差异做对应的拆解，帮助大家更好理解国内市场的设计特征。
1. 中英文字形排版差异
第一个差异，就是中英文的字体形态差异。中文文字是方块化等宽的，而英文字母则是大小长短不一，词组长度更长，节奏感更强。所以英文设计中，往往会将字体作为一部分融入到排版中，丰富视觉观感。
而中文设计中文字的节奏感较弱，文本的主要作用基本就是传递信息，所以只用中文排版很难出现英文的相同效果，就会促使设计师添加更多的内容，来丰富界面的效果。
2. 运营需求的平面视觉
第二个差异，就是运营设计上的差异。欧美产品中运营活动不是没有，但是数量少，而且往往在设计上也做的很随意，说好听点叫简约，说难听点就是敷衍。
而国内运营活动数量多，且投入精力更大，运营的设计是没有限制的，可以用上广告平面的所有视觉手段，不管是插画还是 3D、AI、拟物、摄影。大团队往往会配置平面设计师完成这部分工作，小公司就要 UI 设计师自己负责，所以没有固定的设计要求，水平之间差距也巨大。
运营设计的差异，源自国内广告设计方向的特色，从早年追求隐喻、创意的合成设计，到现在追求视觉冲击力的大标题、大色块设计。
而国内运营设计在今天绝不只出现在一般广告位中，会见缝插针到所有元素中，比如页面顶部、二楼、胶囊、图标区、瓷片区、底部导航等等。
3. 字段和信息数量差异
国内有大量产品的功能和服务都更完善，这也就催生了更多的信息量和交互需求，单一页面、组件的信息量、交互、状态就远远比国外产品多。
这就导致我们在设计时要考虑这些复杂的情况，需要设计师做具体的业务分析整理字段，还需要做大量的稿件做测试和评审。
不像国外很多简单的产品内容就那么点，可以花大量精力去搞用研或者测试，在这种情况下光是完成产品需求就很困难，更遑论围绕那么海量的内容做用研也是很麻烦的。
所以国内团队虽然会强调体验，但实际设计过程中必然业务优先，体验更多是围绕业务的优化和改进。所以作品集表现上业务的权重是非常高的，绝对不是学习国外的项目包装逻辑堆砌体验和用研内容。
4. 品牌视觉特征的差异
在国内激烈的竞争环境中，建立品牌化的视觉感知就是每个产品都要认真对待的事情。但本身产品内容、信息量就已经很大了，要实现品牌化的视觉输出就没办法走传统品牌的“意识流”路线，使用简单的配色和大量的留白。
同时，UI 的组件样式又高度统一，使用常规样式完成的设计是很难塑造品牌化视觉的。所以最终的解决方案，就是给组件增加更多样式细节，通过局部的创意来塑造视觉上的差异，同时再和其它应用做出区分。
于是，主流产品就陷入这种样式上的竞赛，非常高频的更新组件和视觉的设计，希望做出和别人不同的设计同时又有自己的特点。
这种现状不能说是消极的，因为它确实推动了整个 UI 行业视觉的发展，但对 UI 设计师的视觉素养要求也就更高。所以今天国内的中高级 UI 设计师，转入国外 UI 市场以后都能实现降维打击，就是因为市场的要求对自身的磨练远比外部市场高。
基于以上的差异，可以说在国内做 UI 和和在国外做 UI 是两种难度，要学习和训练的方式也完全不同。作为 UI 设计师要懂得理解背后的成因，并不会无脑迷信国外的设计要求和标准，才可以帮助我们更好融入真实的工作。
结尾再说点有趣的问题，从我们之前学员到国外工作的反馈来看，虽然国内设计容易被嫌弃，但是从设计质量和输出上已经远超欧美的平均水平。
而他们的设计师多数还在划水搞一些无关痛痒的体验和用研时，我们在解决更复杂的商业问题，如果有机会，建议你们也可以去卷国外的 UI，会有你们想象不到的优势。
转载：优设
兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。
现在 AI 产品这么多，作为 UIUX 设计师，我到底应该使用哪一款？
Figma Make、Gemini、Claude Code、Codex，每一款产品看上去都能生成内容、写代码、做页面。
但真正深度使用过后，你会发现：它们擅长解决的问题并不相同。
兰亭妙微UI设计：今天，我们就站在 UIUX 设计师的真实工作流程中，聊聊每一款产品的能力边界，以及究竟应该如何选择。AI 产品更新很快，后续能力仍然会不断变化。
在对比之前，我们需要先明确一件事：
AI 产品不是功能越多越好，而是要看它能否进入你的真实工作流程。
比如，我要写一篇公众号文章、整理用户访谈，这和我要搭建一个复杂的页面 Demo，完全是两种任务。
如果没有理解差别，我们就很容易陷入一个误区：
今天看到别人用 Claude Code，我就去折腾 Claude Code；明天发现 Figma Make 更新了，又把所有流程搬回 Figma。
工具收藏了一堆，最后真正工作时依旧不知道应该打开哪一个。
那对于 UIUX 设计师而言，我们应该重点关注哪些问题？
接下来，我们逐个拆解。
如果你本身就在使用 Figma，又不想折腾复杂配置，那么 Figma Make 应该是最容易开始的工具。
它最大的优势在于：距离设计师原本的工作环境足够近。
你只需要在 Figma Make 中通过对话，就可以创建交互原型、Web 页面和功能 Demo。
同时，它支持将现有设计稿、竞品截图、产品文档和图片素材作为参考内容。比如，你可以丢给它一张竞品截图，让它参考页面布局、颜色和内容结构，生成一个相近的页面。
如果公司已经有相对成熟的设计系统，还可以通过 Make Kits 引入组件、变量、样式和使用规则，让生成结果更接近团队规范。
不过，这里大家需要留意：
接入设计系统，不代表生成结果一定正确。
特别是复杂业务页面，仍然需要设计师反复检查信息结构、组件使用和交互逻辑。竞品截图也只能作为参考，并不等于可以像素级还原。
这里稍微多说一点，现如今很多设计师都非常依赖 AI 工具，根本不用自己去做设计，但从来没有思考过 AI 生成的结果是否正确。比如今天有同学来咨询一个小的问题，在AI生成的页面中，他没有做任何的思考，直接使用结果导致提案失败，所以我们现在是需要具备判断能力的。
所以，Figma Make 更适合：
在我的日常使用中，Gemini 更多承担的是“内容助手”的角色。
它支持较长的上下文，也具备文本、图片、音频和视频等多模态理解能力。
因此，无论是阅读行业报告、分析竞品资料、整理访谈记录，还是拆解一段视频内容，它都非常合适。
在我自己的工作流里，无论是视频文案、公众号文章，还是课程资料，我都会使用 Gemini 做初步整理和润色。
从个人体验来看，它在表达层面会更自然一些，也更适合处理较长的文本内容。
不过，如果你的目标是直接修改 Figma 页面，或者搭建一套完整的设计工程化流程，它并不是第一选择。
Gemini 更适合：
Claude Code 的定位相对明确：
它首先是一款面向工程任务的代码智能体。
如果你需要理解复杂项目、梳理代码结构、定位 Bug，或者将一个页面 Demo 做得更加稳定，那么 Claude Code 会是非常不错的选择。
它能够读取项目文件、执行命令、修改代码，也可以通过 MCP 连接 Figma、Google Drive、Slack 等外部工具。
所以，Claude Code 并不是不能接入 Figma，而是它的重心依旧偏向工程实现。
在我的使用体验中，如果任务涉及复杂代码逻辑、项目级修改和稳定落地，我会优先考虑 Claude Code。
但如果目标是生成图片素材、调整视觉风格，或者希望在设计工具之间快速往返，它就不是我的第一选择。
Claude Code 更适合：
最后，我们来聊聊 Codex。
目前在日常辅导中，我更建议 UIUX 设计师重点尝试 Codex。
原因不是它在每一个单点能力上都绝对领先，而是：
它能够把设计师原本割裂的工作流程串联起来。
首先，Codex 可以通过 Figma MCP 读取组件、变量、布局和设计上下文，也可以将代码页面重新传回 Figma，生成可编辑的设计图层。
这就意味着，设计稿与真实页面之间不再是单向交付，而是能够反复往返。
其次，Codex 支持图片生成和迭代修改。
比如页面缺少图标、插画、背景图或者产品素材，你可以直接让它生成，再根据页面效果反复调整。
然后，它还支持 Computer Use、应用内浏览器和插件。
这就让设计师可以进一步串联：
需求梳理 -> 页面生成 -> 素材补充 -> 浏览器验证 -> 设计走查 -> 继续优化
比如我们之前讲过的设计验收，就可以让 Codex 通过浏览器查看真实页面，再对照设计稿检查问题。
当然，功能多也意味着使用时需要先想清楚任务。
Codex 并不是一个“一句话解决所有问题”的魔法工具。你依旧需要明确自己的目标，逐步搭建适合自己的工作流。
Codex 更适合：
如果你只是想快速生成原型，可以优先使用 Figma Make。
如果你需要整理资料、理解长文本和润色表达，可以优先使用 Gemini。
如果你要处理复杂代码和工程逻辑，可以使用 Claude Code。
如果你希望进一步串联设计、代码、素材和验收流程，可以重点尝试 Codex。
其实在我看来，设计师不需要强行选择唯一一款 AI 产品。
我自己更常用的方式是：
工具永远会不断更新。
我们真正需要掌握的，不是某一个软件的固定操作，而是理解它们的能力边界。
当你面对一个新任务时，能够快速判断应该使用什么工具，把想法真正落地，这才是 AI 带给 UIUX 设计师最重要的价值。
兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。
在互联网产品日趋成熟的今天，你会发现所有的App越来越像，似乎是同一套模版设计出来的产品；而这种普适化的设计会导致同质化严重，使得设计不精致，产品没有气质和品牌感。
一个App设计是否精致，是否富有设计感，在于它的细节，这就意味着我们在进行设计的时候，要从细微之处着手，从多方面去钻研如何创造出打动人心的UI设计。
兰亭妙微UI设计公司，总结了12个简单直观的提升设计感的小细节，一起来学习。
在对UI 文本进行样式控制的时候，最常见的错误莫过于过度依赖字体大小差异来营造对比；单纯使用字体大小对比，所营造的对比并不够，尝试结合色彩和字重来营造更好的对比效果。
每种颜色都有一个视觉权重，这有助于在内容中建立层次结构；通过使用颜色的深浅，为元素赋予不同的重要性。
如果可以的话，你甚至可以采用两到三种颜色：
类似的，在UI设计的时候，通常两种不同的字重足以营造出优秀的层次感：
▲主标题字重为600，其他标绿点的文字字重都为400
应当尽量不要让正文部分字重低于400，因为这一部分字体本身尺寸已经较小，低于400会使得可读性不佳。
如果你依然需要降低字重，那么不妨让字体色彩更浅一点，或者替换成其他识别度较强、字重相对较小的字体。
灰色文字在无彩/彩色背景下要分开处理：
不要在有色背景上使用灰色的文本，在白色背景下，将黑色的文本改成灰色（或者在黑色背景下使用灰色文本），是不错的淡化其视觉效果的做法。
但是在彩色背景下，想要降低和背景色之间的对比，通常有两种方法：
一是降低白色文本的不透明度；二是让文本逐步接近背景色，而不是改为灰色。
▲左图设计师职位信息为白色文字降低不透明度，右图为和背景同色相高明度的颜色
其次当涉及长篇内容时，大面积的深色粗体字会给人一种沉重感，而且很跳跃；通过选择类似深灰色（#4F4F4F）这样的颜色可以很容易地解决这个问题，使文字更容易被识别。
选择一种基础色，再调整色调和颜色深浅来增加均衡；设计时避免用过多的颜色。如果项目允许，只需使用固定的色板，通过调整基础色的饱和度和明度，利用这种简单的方式为设计增加一致性。
阴影是UI设计中最常见的视觉表现手法，它可以增加元素的深度，使其从背景中脱颖而出，引起用户的注意力，同时也能增强画面的视觉层次感。
相比于采用大范围的扩散模糊阴影，使用微妙的垂直偏移阴影效果更明显，更自然，它模拟了最常见的光源特征，光线从上往下照下来所营造的阴影效果。
这种轻柔的阴影呈现出的干净，增加了画面的精致；如果阴影的范围太小或颜色太深，位置也没有偏移，而是聚集在元素的四周，就会让画面更加扁平，让视觉变得厚重，呈现出不精致的画面感。
阴影不一定是黑色的，还有一种扩算阴影是模拟元素本身的颜色投射在背景上，由于阴影与元素的色调一致，因此呈现出十分融洽的画面感。
在UI设计中，这种手法不宜过多使用，否则呈现出的各种色彩搭配会让人眼花缭乱。
合格的设计师能够绘制风格统一的图标，而优秀的设计师能够创造风格独特的图标。
我们能否在追求大小一致，圆角一致，线宽一致和配色一致的同时，为它的视觉表现力加入更多的创意呢？例如下面这组图标设计，无论是在图形上的创新，还是颜色搭配上都呈现出无与伦比的创意。
标签栏作为一个App的全局导航起着至关重要的作用，它的设计影响着整个产品的视觉风格。
通常，大多数App都是使用iOS规范的设计样式（默认灰色，选中填充品牌色），这样的设计太普通，太常见了；要想让标签栏图标设计精致和富有个性，可以丰富每一个选中态图标的视觉表现，例如给图标加上背景和表情，即显得生动有趣，又增加了用户的好感，给人留下深刻的印象。
3D立体图标设计是近几年来的流行趋势，看上去十分精致、华丽，但是看久了会让人产生轻微的视觉疲劳，同时因其复杂的结构会增加用户的认知成本，一般在外卖美食类应用中比较常见。
Tab是App设计中最常见的控件之一，它源自Material Design的设计规范；现在很多iOS产品当中也开始使用这种导航栏样式来进行设计，而原本属于iOS规范当中的分段选择器变得不那么常见了。
在视觉表现形式上，Tab和标签栏同样也分为选中态和未选态，它的设计较为简单，通常是使用一组文字标签，通过颜色或在标签下加上小长条来区分两者的状态；因为它简单，却越难设计出彩，要发挥极大的设计想象力，跳脱出设计规范的限制，才能找到完美的方案。
例如虾米音乐的Tab选中态是一段音频波线，再配合文字的大小对比，一个富有设计感又符合产品特征的Tabs就被创造出来了。
我们还可以从品牌基因中获取灵感，品牌作为用户熟知的形象是个绝佳的来源。
从品牌形象中提取具有独特气质的视觉富豪作为Tab选中态的小长条，这样就建立起视觉上的联系，让用户产生由内而外的一致感受；例如马蜂窝品牌形象中的微笑符号和飞猪旅行品牌形象中的猪头都被延伸到Tab的设计上，既让界面视觉独一无二，又进一步强化了用户对品牌形象的认知。
在UI设计中，有许多的装饰元素，如卡片的边框、列表的分割线等，虽然边框，分割线是分隔两个元素的好办法，但是它不是唯一的方法；使用过多会让整个布局的设计感降低，或多或少都会干扰用户浏览的视线，让信息内容失去注意力，因此可以减少不必要的装饰元素。
我们可以通过以下几个方法来划分元素的视觉层次，让画面变得干净，整齐：
1）使用阴影
阴影同样可以营造出边界感，而且相比边框分割线更加微妙，并不会显得突兀，不会分散用户的注意力，让内容更聚焦。
2）使用不同的背景色来区分
通常，相邻的元素背景只需要有微妙的差别就能够让人对他们进行区分；所以，你所需要做的就是在不同的区块采用不同的背景色，并且尝试删除分割线，因为你根本不需要它。
3）增加额外的留白
创建元素之间的分离效果，并不一定要通过线框来表现，只要增加留白，让它们分隔开就行了，通过留白和间距来实现元素分组是UI设计中的常用手法。
在App中的每一个界面都有许多元素，那些同类的元素应保持统一的设计样式。
通常个人中心的标签栏图标是一个人形剪影，它代表着用户，因此可以在展示用户头像和用户形象的界面中延续使用。
如果图形拥有独特的外观，如椭圆矩形，也可以作为视觉符号的一种，延续到其他界面中，成为图形或按钮的外观；这样，整个界面就被统一的设计元素联系起来了，给用户始终如一的一致感。
选择符合产品气质的字体，可以与产品的定位相吻合，传递给用户正确的情感意识。
虽然默认字体可以满足大多数App 的设计需求，但会出现一个问题就是——系统字体的普适性并没有什么特色，在一些特定的情境下就显得收效甚微；例如在运动类App中更适合粗壮的斜体来传递力量、爆发力、速度的感觉，换成系统字体后，整体感觉在气势上就变弱了很多。
大多数App都支持三方登陆，他可以减轻用户注册的时间成本。
通常是在注册登陆页的底部展示第三方图标入口，这也是设计师最常忽略的内容，往往是直接将第三方图标调整一致大小和摆放整齐位置，没有针对它们再设计；一个设计精致的App不应漏过任何的细节，我们可以以自家App的图标风格为依据，对第三方图标进行优化设计。
App中优美的图文设计，能带给用户如沐春风的视觉享受，它非常重要。我们经常看到文字叠加在图片背景上的设计样式；为了减少复杂图片背景对文字的干扰，通常的做法是叠加半透明度的黑色蒙版，让白色文字清晰可见，但这不是最优的办法。
我们可以从图片中提取主色调用于叠加背景的填充色，这样就使文字、色块和图片融入到一起了，画面变得高级和富有设计感。
图片的质量影响着整个App的格调和用户的情绪，高品质的图片给人愉悦的视觉享受，产生美好的联想；而低品质的图片会瞬间拉低App的质感。
在App设计中，一张漂亮的图片从收集到上线，需要经过裁剪，调色等过程才能被使用；即使是普通的商品图片，我们将它抠图后调整成统一大小，再加上干净的背景，就能立刻提升商品的美感，界面视觉也会变得美观、整洁。
现在的UI界面设计中，卡片式设计已经是一种非常常见的设计形式，它有利于信息分层和整合，划分出更加清晰的组织结构，实现复杂内容的简化处理，提高空间利用率；同时卡片式设计通常很依赖视觉元素，很强的视觉元素正是卡片式设计的一种优势，也是提升设计品质感的良方。
兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。
jankspace精准概括这类痛点：产品对外宣传全链路无缝自动化，实际使用却要在账号、支付、文件、权限间反复跳转，消耗用户耐心却毫无体验增益，属于设计失误带来的无效负担。消费心理学宜家效应佐证：用户亲手投入步骤完成事物后，会自发抬高产品价值；动手参与的沉没成本，最终转化为情感与记忆沉淀。
| 摩擦分类 | 用户体感 | 典型场景 | 设计决策 |
|---|---|---|---|
| 坏摩擦 | 被迫填坑、烦躁流失 | 重复登录、错乱跳转、无效排队 | 全盘删除优化 |
| 交易必要摩擦 | 安全感确认 | 支付二次核验、隐私授权 | 精简话术、保留必要步骤 |
| 仪式型好摩擦 | 沉浸场景、充满期待 | 开箱、线下试穿、集章打卡 | 结构化设计，配套情绪回报 |
| 记忆型好摩擦 | 愿意投入时间、加深印象 | 长内容观看、线下展览动线、手作 DIY | 设计体验峰值 |
兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。
AI 行业的爆发始于2022年 ChatGPT 和 Midjouney 的发布，到现在已经快4年了，整个发展过程用突飞猛进、日新月异形容一点都不过分。
但不管它过去还是现在，发展得有多迅猛，都依旧处于行业早期的开荒和发展阶段，离真正成熟的理想形态还有很长的一段路要走，这是我们首先要达成的共识。
而之所以有这样的结论，原因就是 AI 的发展速度是超过现实世界匹配它的速度的，这造成了一种经济和机会成本上的巨大阻力。
简单来说，我们可以把 AI 技术的应用拆分成上、中、下游三个层，上层是 AI 的核心，主要是算法、大模型，中游是负责运行AI模型的硬件和支撑，即 AI 芯片、光模块 CPO、高速内存 HBM、服务器液冷、特高压电路等，下游即 AI 具体的应用工具，包括 AI 软件、硬件、智能体等。
这是一个非常庞大且复杂的产业链，它们之间是需要相互耦合，才能顺利应用到具体的使用场景中。
简单来说，就是 AI 模型厂商需要根据技术路线和成本选择硬件并购买算力中心，以及消耗海量的电力来训练自己的模型并维持它的正常运转。虽然这些背后的基建作为普通用户可能感受不深，但头部厂商的竞争已经到了白热化的阶段。
比如大模型的开发必然要关注硬件规格和架构，大洋彼岸除了英伟达外，还陆续推出了谷歌 TPU、微软 Maia、英特尔 Gaudi 等芯片，它们代表了不同的技术方案，应用在了不同的模型上。
而因为贸易和地缘政治的因素，国内是无法进口这些高端芯片，所以我们只能自研生产以满足国产大模型的需求。如阿里在自研并应用自家的真武系列芯片， DeepSeek 近期更新缓慢的重要原因就是因为要适配华为的昇腾系列芯片等。
之所以要提这点，是因为 AI 大模型的发展也适用马太效应，赢家通吃。在接近性能和水平下谁家应用的算力、电力成本最低，谁就具备了最大的优势。
而每家大模型厂商都要面临技术路线的选择，并投入海量的成本孤注一掷做基建，很难走回头路。这种发展路径注定会让行业发展充满波折和动荡，会有很多企业倒在半路上，连带着它们提供的产品和服务一起逐渐消亡。
比如文生图的 OG Midjounery，已经无法跟上大厂的技术和训练规模掉队，在今天已经无人问津，而一年多前网上还到处都是用 MJ 生成UI界面设计，UI 设计师要下岗的帖子。
强如 OpenAI，也要应对 Google、X AI、Anthropic、Seedance 的冲击和成本管理失控（GPT5 训练量需要消耗一个中等规模城市1年用电量），也在近期放弃旗下的文生视频工具 Sora。
模型和硬件端都充满了巨大的不确定性，因为技术的发展是需要“试”出来的，总有前浪会被拍死在沙滩上。至于谁会被拍死在沙滩上就不是站在今天的视角上能回答的。
再回到我们今天的主角 Anthropic，这是一家非常务实的 AI 公司，专注于开发有商业应用场景的大模型，是写作、编程等领域中的最佳选择。与之相对的则是类似 ChatGPT、Gemini 这类全能多模态大模型。
因为其模型可用性极高，所以从去年开始付费用户量暴增，在今年初预估年化收益已经超过300亿美元，不仅用户付费率远高于 OpenAI，且运行成本也远比它低。
而这家公司想要年底要上市（估值8000亿美金），产品矩阵的拓展就成为非常重要的资本策略。通过发布 Claude Design，能很好的和 Claude Code 实现联动，完成使用 AI 开发软件的闭环。
至于现阶段 Claude Design 够不够用不重要，毕竟故事和逻辑是成立的，作为初版它也有后续升级迭代和优化的空间。在我们目前的试用中，它的生成效果也就那样，但消耗的 Token 量（你最好确保自己有个足够鼓的钱包）……
Claude Design 有新上市的光环风头正盛，那是否还记发布也还不久的Google Stitch、OpenClaw、FigmaMake、Rive、Pencil 等等。
再往前是否还记得使用 StableDiffusion 训练 Lora 和 Checkpoint 的工作流？
工具一直在更新，即使今天还很粗糙。但用发展的眼光看问题的话，终有一天它生成的质量会足够高足够智能足够可控，甚至通过脑机接口 BMI 实现所想即所得的水平（又到了做梦的时候）。
但是，那天是什么时候？
以及，和你现在设计的界面有什么关系？
作为设计师一定要搞清楚的逻辑，就是 AI 生成界面和图像的过程，只是一种工具的发展和进步，提升了设计师的设计效率。就像人类发明了电脑和软件，取代了尺规作图，同样也大幅度降低了设计的效率和成本，但设计师这个岗位并没有消失。
因为使用工具的人之间的差异，会直接影响最终的输出效果，就像用同一个 AI 生成工具你可能就是做不出网上高赞帖子的案例，都用美图秀秀不用 PS 去 P 图你也 P 不过有一定专业积累的摄影师。
而且任何工具使用都有门槛，就一个简单的 Claude Design、Google Stitch 安装和使用都需要学习和适应，生成结果还要做大量的调节和校准，这些就不是工作量，老板和产品经理也一定能闲得每天学习新工具并且直接自己干？
我相信有很多公司现在都很热衷于拥抱 AI，强行推进 AI 的工作流，从企业战略和发展的角度来讲是能够理解的，但在实际执行层面上却不会像想的那么美好。其中最大的问题就是前面提到的整个产业的不确定性，产品还都有各自的局限。
每个团队在搭建 AI 工作流的时候需要做技术的选型，以及围绕自己的实际生产场景优化工具的使用方式。往往为了一个简单的工作结果就要耗费大量的精力去搭建工作流，而这个工作流很可能是一次性的，因为之后的工作场景发生改变这套工作流就用不了了。
有些同学可能心态好点觉得这种过程可以收获宝贵的经验，但最不幸的，就是工具的升级和更新（甚至关闭）可以直接颠覆掉原来的做法，让原先的成果毫无意义。
在我朋友中普遍得到的反馈，就是在稍微复杂的专业场景中，强行适配 AI 的结果往往只有增加工作量，原先目标的降本增效，实际导致了更长的工作时间和更晚下班，从去年到现在在不同 AI 工具中做研究疲于奔命。
换个角度思考，其实就是工作过程变成今天用 PS，明天用 Figma，后天用 Excel 或 PPT 进行设计，每一阵子换个工具设计相同的东西，而它们又不能解决设计过程中最复杂的决策部分。
也就是我们一直在使用充满不确定性的工具去寻求相对确定的结果。
这就是今天 AI 工具在 UI 行业中应用的真相，不管我们怎么用逻辑还是格局去判断未来 AI 要实现一切，但起码不是今天和最近，就是变得更强了，也依旧需要有人去操作和控制。
而我们现在要做的是关注最终输出的结果，而不是和别人炫耀 Figma 用的好，还是 Sketch、XD、即时、Pixso 用的好。等到市场竞争格局基本确认，通用的工具也普及以后，再去掌握和学习也不会低人一等（门槛不会高到哪里去）。
兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。
留存边界：极小众精细化定制场景，配置向导保留兜底入口，不作为主流操作路径。
兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。
因此今天兰亭妙微UI设计公司，来讲解 B 端产品界面的视觉风格，聊聊在整个行业当中视觉风格的变化与目前的现状。以及给大家说说未来应该如何选择自己产品的视觉风格～
我们会将整体分为行业初期，萌芽期、成长期、野蛮发展期、新阶段 ，每一个阶段给大家总结一个最为流行的风格，并分析这个风格出现的原因，方便大家进行理解。
我们把时间拉回到 2012 年。在那时，Ant Design 还没有出现，也没有什么 Element、Semi Design，行业当中最早的 B 端系统都是以客户端的形式进行呈现。
整体风格也非常老旧，像是那会儿的 Office、SAP、Salesforce，你可以看到都是他们青涩的模样。
在经典传统的设计风格当中，会使用大面积的白色作为底色，同时在页面中用灰色进行分割，使得整个页面散乱抢眼，导致整体的视觉很难被大众所接受，总体感觉信息较散，难以进行聚焦。
而在早期，出现这些老旧风格主要有三个原因：
关于这类风格的产品，大家不要觉得这夸张，其实在目前依旧有很多产品会延续这个风格。比如 医疗类产品、工业生产类系统，对于他们而言，能用即可，不必纠结太多。
但随着时间的推移，行业中对于 B 端设计的要求也在逐渐变高。
我们将时间推移到 2015 年前后，随着行业不断发展，在国外 Fiori、Salesforce 的出现让大家意识到，这类型的 B 端产品也是需要设计的。
因此国内外的很多系统都是在这一时间面世，像是 Ant Design、Element 都相继发布。
由于这些设计系统的诞生，你会发现大家对于整个 B 端设计有了一点自己的想法。
在设计上，会去考虑使用 区块划分，将整个页面进行规整呈现。
比如 SAP 在使用了 Fiori 过后，就会使整个界面更干净。
同样非常老牌的 Salesforce 在 2015 年的时候。也带来了相当大的视觉变化。整体都能感受到，整个页面会通过不断的分层、颜色的划分、通过黑白灰的方式去呈现页面当中的基本信息。
我们的时间来到 2018 年前后，在这个时间节点，很多产品都推出了自己的设计系统，对于 B 端设计风格而言，也会提出更高的要求。
比如 Teambition 产品当中，它们提供了自己的设计系统的内容去指导整个产品来进行迭代和优化。同样 Ant Design 它们也推出了自己的 Ant Design Pro 来演示使用设计系统过后，能够搭建出什么样的产品。
同样，这个时段很多产品也开始进行自己产品的视觉优化，这时候整体的风格是以：黑色侧边导航为主，然后内容形态进行延展。
比如像有赞、Coding、微盟、飞书，之前都是这样的设计风格来进行呈现。
你会发现它们在整体的设计上都会更加重视页面的分块颜色的区隔，整体页面的识别效率。同时这段时间爆发出来非常多的 B 端产品，随后国内都会按照侧边黑色导航的样式进行进一步设计，这一定程度上提高了国内 B 端设计的下限～
我们随后将时间推移到 2019 年后，在这时诞生了新拟态设计风格。
它最早是乌克兰设计师 Alexander Plyuto 在追波和 ins 发布的一副系列作品，随后大家发现非常奇特，所以得到广泛的关注。
新拟态的设计风格是以立体效果与浮雕元素，呈现更为三维立体的效果，会给人一种奇特、梦幻的界面体验。
随后就会有很多产品都开始进行跟进，比如 智能家居的产品、金融类产品都有所涉及，甚至很多 B 端产品也勇敢尝试，但大多数设计师设计完过后，整体评价都不算太高。
为什么没有大规模的推行，我觉得有 3 点原因：
现在还会使用新拟态风格的界面设计越来越少，大多数只会在官网设计的局部进行使用，这样可以转换视觉感受，给到用户更好的视觉冲击～
时间来到 2022-2024 年左右，你会发现很多产品都开始在这个时间节点进行更新。
像我们熟知的 飞书、有赞、微盟、ONES、Coding，再到 Ant Design、Salesforce，你会发现非常多的产品都在进行界面风格上的迭代。
对于这个风格，我们愿意叫它为 灰白风。
整体页面是以 灰色和白色 进行的页面划分，在分布上灰色占据弱侧信息，白色占据核心信息，进而形成对页面内容的划分。
聊到这里，可能有部分同学不太理解，这里我们以飞书管理后台的迭代作为示例，给大家进行讲解。
在 2018 年，飞书管理后台的第一个版本，采取的就是沉稳侧黑风，
在 2022 年，飞书的管理后台开始改变为灰白风格
由于业务的叠加，2023 年时，在此基础上增加了顶部导航的业务维度，最终形成了现在这样的界面。
为什么这类型的风格会大受追捧，我觉得有以下几个原因
关于设计风格，我们这篇只是讲解了过去的风格内容，下篇文章我们讲解当前整个 B 端产品的设计梳理，讲解了更为重要的四种风格。
转载：优设
兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。
兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。
前 Meta AI 团队创立的 Hero 公司，推出专利技术 AI Autocomplete SDK，能实时预测任务所需全部参数，输入 “订机票” 即刻呈现所有选项，让交互速度提升 10 倍、成本大降。这篇文章深入解析这项革命性技术的工作原理、应用场景与商业价值，探讨它能否成为未来 AI 应用的标配，带你看懂人机交互的下一场变革。
你有没有想过，为什么和 AI 聊天总感觉像在玩猜谜游戏？你说想订机票，AI 问你去哪儿。你说去纽约，它问什么时候出发。你说下周三，它又问几点。你说早上，它接着问要直飞还是转机，经济舱还是商务舱，要不要托运行李。这种来回问答的过程让人抓狂，就像是在玩一场永无止境的”二十个问题”游戏。更糟糕的是，有时候你都不知道 AI 需要什么信息，只能等它一个一个问。这种交互方式看似自然，实则效率低下，完全违背了 AI 应该让我们生活更简单的初衷。
前 Meta AI 团队成员创立的 Hero 公司刚刚发布了一项专利技术，可能会彻底改变这种局面。他们推出的 AI Autocomplete SDK 不是简单的自动补全功能，而是一个能够实时预测并呈现完成任务所需全部信息的系统。想象一下，当你开始输入”订机票”的时候，屏幕上立刻出现所有相关参数：出发地、目的地、日期、时间、航空公司、座位偏好、行李选项等等，你只需要填写或选择就好，不需要等 AI 一个一个问你。这听起来像是一个小改进，但实际上它可能会让 AI 交互速度提升 10 倍，成本降低 10 倍，并且为未来的增强现实设备奠定基础。
Hero 不仅将这项技术用在自己的助手应用中，还通过 SDK 向其他公司开放。这意味着我们可能很快就会在各种应用中看到这种全新的交互方式。而且，他们刚刚获得了 Forerunner Ventures 领投的 300 万美元追加投资，这是在去年 400 万美元种子轮之后的又一次资本认可。我深入研究了这项技术后发现，它的影响远比表面看起来要深远得多。
这个现象背后反映的是当前 AI 交互方式的根本缺陷。大语言模型虽然能理解自然语言，但它们并不知道用户想要完成什么任务需要哪些具体信息。就像 Hero 的 AI 工程师 Saharsh Vedi 说的：”现在的问题是，负担都在用户身上，他们需要思考 AI 需要什么信息。”这完全颠倒了技术服务人类的关系。
我自己在使用 AI 工具时也深有体会。比如用 AI 生成图片，我经常需要反复调整提示词，尝试不同的描述方式，才能得到满意的结果。有时候我花在琢磨提示词上的时间，比直接用传统工具做图还要长。更令人沮丧的是，即使你精心设计了提示词，AI 也可能遗漏某些重要细节，导致结果不符合预期。然后你又得重新生成，这不仅浪费时间，对于按次收费的服务来说，还意味着额外的成本。
当前主流的 AI 应用都试图通过各种方式解决这个问题。有些添加了建议按钮，提供预设的提示词模板。有些使用引导式问答，一步步收集用户需求。还有些像 Adobe 的 Firefly 应用，把提示词拆分成多个部分，比如创作音乐时分别输入情绪、风格和用途。这些方法都在一定程度上改善了用户体验，但都没有从根本上解决问题：用户仍然需要主动思考和输入信息，AI 仍然处于被动等待的状态。
Hero 的方法则完全不同。他们不是让 AI 更聪明地问问题，而是让系统主动预测并呈现完成任务所需的全部信息。这种思路的转变看似简单，实则颠覆了整个交互范式。就像创始人 Brad Kowalk 说的：”我们基本上意识到，你在互联网上能做的任何事情，都只是一系列参数。一旦你看到了这一点，就很难再忽视它。”这句话听起来简单，但它揭示了一个深刻的洞察：无论多么复杂的任务，本质上都可以分解为一组参数，而这些参数是可以预测和呈现的。
AI Autocomplete 的核心理念是前置加载所有必要信息，而不是通过反复问答来收集。当你开始输入或说话时，系统会实时更新界面，显示完成这个动作所需的所有参数。这不是简单的文本补全，而是一个理解任务结构、预测所需信息、动态呈现选项的智能系统。
拿订机票这个例子来说。在传统的 AI 助手中，你可能需要经历这样的对话：你说”我想订机票”，AI 问”您要去哪里？”，你说”纽约”，AI 问”什么时候出发？”，你说”下周三”，AI 问”您希望几点的航班？”，你说”早上”，AI 问”经济舱还是商务舱？”，你说”经济舱”，AI 问”需要托运行李吗？”，以此类推。整个过程可能需要十几轮对话，每次都要等待 AI 的回应。如果你在某个环节说得不够清楚，或者 AI 理解错了，还得重新来过。
但在 Hero 的 AI Autocomplete 系统中，当你输入”订机票”的瞬间，屏幕上就会出现所有相关字段：出发地、目的地、出发日期、出发时间、航空公司偏好、返程日期、座位类型、行李选项等等。你可以随时停下来，只填写你知道的信息，然后发送查询。系统会根据你已经提供的信息，智能地建议或填充其他字段。你不需要等待 AI 一个一个问你，所有信息都在你眼前，你完全掌控着交互的节奏。
这种方法的优势是多方面的。第一，速度快。Hero 声称可以让操作速度提升 10 倍，因为省去了大量来回对话的时间。第二，成本低。每次 AI 的响应都需要服务器计算，减少对话轮次意味着大幅降低运营成本。Kowalk 特别强调了这一点：”因为涉及的消息更少，规模化运营的公司可以节省服务器成本。”第三，用户体验更好。你不会感觉自己在被 AI 审问，而是在一个清晰的框架内主动提供信息。
我特别欣赏 Hero 工程师 Vedi 说的那句话：”希望我们回头看时，几乎不记得’提示词’这个概念。”这体现了他们的雄心：不是改进提示词，而是让提示词成为历史。在他们的愿景中，未来的 AI 交互应该是结构化的、可预测的、高效的，而不是开放式的、充满不确定性的对话。
AI Autocomplete 的应用场景远比订机票更广泛。Hero 在发布时特别强调了几个重要领域，每个都有可能被这项技术彻底改变。
搜索和电商是最直接的应用场景。现在在电商平台搜索商品，你需要输入关键词，然后在成百上千的结果中筛选，使用各种过滤器来缩小范围。这个过程既费时又费力。但如果有了 AI Autocomplete，当你输入”咖啡”时，系统立刻显示出品牌、烘焙程度、包装规格、配送时间、订阅频率等参数。你可以快速选择你想要的选项，甚至可以设置”每月配送”这样的重复订单。Hero 展示的咖啡订购例子就很好地说明了这一点：不仅可以快速完成当前订单，还能轻松设置定期订购，就像你说”每个月”一样简单。
媒体生成是另一个会被改变的领域。我之前提到过用 AI 生成图片时需要反复调整提示词的痛苦。AI Autocomplete 可以在你开始输入时就实时展示各种参数：主体、动作、风格、光线、相机角度、分辨率等等。你可以从这些选项中选择，而不是试图用文字准确描述你想要的效果。这不仅能激发创意，让你看到自己可能没想到的选项，还能显著减少生成次数，从而降低服务器成本。对于视频生成这种计算密集型任务来说，减少迭代次数的意义更加重大。
客户服务和企业表单填写也是重要应用场景。现在的客服聊天机器人通常需要通过一系列问答来收集信息，比如你的订单号、问题类型、联系方式等等。这个过程对用户来说很繁琐，对企业来说也低效，因为经常需要后续跟进来补充缺失的信息。有了 AI Autocomplete，聊天机器人可以根据用户的初始问题，立即呈现所有相关字段，引导用户一次性提供完整信息。这既节省了用户时间，也降低了企业的运营成本。
我认为这项技术最具潜力的应用可能还没有被充分认识到。比如在教育领域，AI Autocomplete 可以帮助学生构建更好的学习查询，展示他们可能没想到的相关主题和角度。在医疗领域，它可以帮助患者更准确地描述症状，提供结构化的问诊表单。在法律、金融等专业服务领域，它可以帮助非专业人士更有效地表达需求，获取更精准的服务。这些场景的共同点是：专业性强、信息复杂、普通用户难以准确表达需求。AI Autocomplete 恰好可以弥合这个知识鸿沟。
Hero 的 AI Autocomplete 不仅改变了用户体验，还开创了一种全新的广告模式。这让我感到特别兴奋，因为它解决了自然语言界面商业化的一个核心难题：如何在对话式交互中自然地融入广告，而不破坏用户体验？
传统的搜索广告模式是基于关键词和搜索结果的。你在 Google 搜索”咖啡机”，顶部会显示付费广告。这种模式在图形界面中运作良好，但在纯对话界面中却很难实现。你总不能让 AI 助手在回答问题的中途突然推销产品吧？那会让对话变得非常生硬和令人反感。
Hero 的方法则巧妙得多。在 AI Autocomplete 系统中，品牌可以通过三种方式出现：第一，类似 Google Ads，品牌可以付费成为决策过程中的优先建议选项。比如在订咖啡的例子中，Peet’s Coffee 可以付费让自己出现在品牌选择列表的前面。第二，品牌可以建议互补产品，添加到当前订单中。比如在你订咖啡时，建议搭配某款点心或咖啡杯。第三，品牌可以从更高的重复购买率中受益，因为在 AI Autocomplete 系统中，设置定期订单就像说”每个月”一样简单。
我认为这种广告模式的天才之处在于，它不是打断用户的决策过程，而是增强这个过程。当你在选择咖啡品牌时，看到各种选项本来就是决策的一部分，付费推广的品牌只是在这个自然的选择过程中获得了更显眼的位置。这和传统搜索广告的逻辑一致，但执行方式更自然、更不突兀。
Hero 目前正在与 AI 广告平台 Koah Labs 讨论合作，将这种新广告形式推向市场。我觉得如果这种模式成功，它可能会成为自然语言界面商业化的标准模式。想想看，未来所有 AI 助手、AI agent 和对话式应用都可能需要这样一种不破坏用户体验的广告模式。Hero 作为先行者，有机会定义这个新兴市场的规则。
更重要的是，这种广告模式对小企业也很友好。不像传统的品牌广告需要巨额投入，自然语言广告可以非常精准地针对特定需求。一家本地咖啡烘焙商可以选择在用户搜索”小批量手工烘焙咖啡”时出现，而不需要和星巴克竞争”咖啡”这样的大词。这种精准性和可负担性可能会让更多中小企业进入数字广告市场。
AI Autocomplete 的诞生其实源于增强现实的需求，这是我觉得最有远见的部分。Hero 的联合创始人 Brad Kowalk 和 Seung Woo Lee 都曾在 Meta 工作，参与 AR 相关项目。离开 Meta 后，他们一直在思考 AR 大规模普及面临的一个核心问题：当 AR 设备的屏幕空间远小于智能手机时，如何让它同样有用？
这是一个很多人没有深入思考过的问题。我们习惯了智能手机的大屏幕、复杂菜单、多层导航。但 AR 眼镜不可能有那么大的显示空间，也不适合复杂的触摸操作。那么，如何在有限的界面上提供丰富的功能呢？
大公司的思路通常是将移动端的界面缩小，配合手势控制。但 Hero 认为这不是正确的方向。Kowalk 和 Lee 的洞察是：AR 设备需要的不是缩小版的图形界面，而是基于意图的交互系统。用户应该能够用自然语言表达意图，系统通过 AI Autocomplete 这样的技术引导用户提供必要信息，然后直接执行任务。整个过程不需要复杂的 UI，只需要清晰的参数呈现和简单的选择机制。
我觉得这个思路非常前瞻。它不是试图把现有的交互模式搬到新设备上，而是为新设备设计全新的交互范式。这种轻量级但强大的 AR 操作系统，可能会成为下一代计算平台的基础。就像触摸屏为智能手机带来的革命一样，基于意图的自然语言交互可能会为 AR 设备带来类似的变革。
Hero 三年前就开始申请这项技术的专利，说明他们很早就看到了这个方向。现在专利已经获批，技术已经成熟，时机也恰到好处。大语言模型的进步让自然语言理解变得可靠，AR 设备开始进入消费市场，用户对新交互方式的接受度也在提高。所有这些因素结合在一起，为 AI Autocomplete 这样的技术创造了完美的时间窗口。
虽然 Hero 现在主要在移动和 Web 应用中推广这项技术，但他们的长远目标显然是 AR。这也解释了为什么他们选择以 SDK 的形式开放技术，而不是只在自己的应用中使用。他们希望建立一个标准，一个未来 AR 交互的基础协议。如果成功，Hero 可能不只是一家应用公司，而是下一代计算平台的基础设施提供者。
Hero 选择以 SDK 形式开放 AI Autocomplete 技术，这是一个非常聪明的战略决策。CTO Seung Woo Lee 解释说：”我们三年前就意识到，AI agent 的瓶颈不会是 AI 浏览互联网和完成任务的能力，而是用户知道该说什么的能力。所以，我们不是再造一个玩’十个问题’游戏的聊天界面，而是推出一个让用户能一次性完成任何多步骤动作的系统。我们相信我们的技术有能力增强今天所有使用自然语言输入的产品。”
这段话揭示了他们的雄心：不是造一个更好的聊天机器人，而是改变整个行业的交互方式。这就需要让其他公司也能使用这项技术，而不是把它封闭在自己的应用中。从商业角度看，这是一个高风险高回报的策略。风险在于，开放技术意味着竞争对手也能使用，可能会削弱自己的差异化优势。回报在于，如果技术被广泛采用，Hero 就能成为这个新交互范式的标准制定者和基础设施提供者。
我认为这个选择体现了创始团队的格局。他们在 Meta 工作过，见识过平台级技术的威力。他们知道，真正改变世界的不是一个优秀的应用，而是一个被广泛采用的标准。就像 HTTP 协议定义了网页浏览，触摸屏定义了智能手机交互，AI Autocomplete 有潜力定义自然语言交互的标准。
SDK 策略还有助于快速验证技术价值和收集反馈。通过让不同行业、不同应用场景的公司使用这项技术，Hero 可以快速发现技术的优势和局限，找到最有价值的应用场景，并根据实际使用情况不断改进。这比自己闷头做一个应用要高效得多。
从生态系统角度看，SDK 策略有助于建立网络效应。使用 Hero AI Autocomplete 的应用越多,用户就越熟悉这种交互方式。用户越熟悉，新应用采用这种交互方式的价值就越大。这种正反馈循环一旦启动，会形成很强的护城河。就像用户习惯了触摸屏之后，任何新的移动设备都必须支持触摸，未来用户习惯了 AI Autocomplete 之后，任何新的自然语言应用可能都需要支持这种交互方式。
Hero 的 AI Autocomplete 让我重新思考了当前 AI 交互的发展方向。整个行业似乎都在朝着”更自然的对话”这个方向努力，让 AI 更像人类一样交流。但 Hero 提出了一个反直觉的观点：也许最好的交互方式不是完全模拟人类对话，而是结合对话的自然性和表单的结构性。
人类之间的对话之所以高效，是因为双方共享大量背景知识和语境。你和朋友聊天时，可以用很简短的话表达复杂意思，因为你们互相了解。但人和 AI 的对话不一样，AI 不知道你的偏好、习惯和当前情境。如果完全模拟人类对话，就会导致大量不必要的来回确认。
Hero 的方法是承认这个差异，利用 AI 的优势来弥补。AI 可以快速分析任务结构，预测所需信息，实时更新界面。这些都是人类做不到的。通过展示结构化的参数，AI Autocomplete 实际上是在利用机器的优势，而不是试图完全模仿人类。
我认为这种思路会影响整个 AI 产品设计领域。未来我们可能会看到更多混合式交互：既有自然语言的灵活性，又有结构化界面的清晰性。这不是倒退到传统 GUI，而是在更高层次上综合了两种交互方式的优点。
从技术架构角度看，AI Autocomplete 也提出了新的要求。它需要 AI 模型不仅能理解用户意图，还要能预测任务结构和参数需求。这可能会推动一类新的 AI 模型发展，专门用于任务分解和参数预测。Hero 提到他们使用了一系列模型来预测用户可能输入的内容，说明这不是单一模型能解决的问题，而需要专门的技术栈。
对于正在开发 AI 产品的团队来说，Hero 的成功提供了重要启示：不要只关注 AI 的智能程度，还要关注交互设计。最聪明的 AI 如果交互方式糟糕，用户体验也会很差。反过来，即使 AI 能力有限，如果交互设计得当，也能提供很好的用户体验。Hero 的技术本质上是通过更好的交互设计，最大化了现有 AI 能力的价值。
我也在思考这项技术可能的局限性。它适合参数化的、结构化的任务，但对于真正开放式的、需要创造性的对话可能不太适用。比如你和 AI 讨论一个哲学问题，或者寻求情感支持，这种场景下强行展示参数就会显得生硬。所以 AI Autocomplete 可能不会取代所有类型的 AI 交互，而是在特定场景下提供更优选择。
另一个值得关注的是隐私和数据安全。AI Autocomplete 需要理解任务结构和预测用户需求，这意味着它需要访问相当多的上下文信息。如何在提供个性化服务和保护用户隐私之间找到平衡，将是这类技术普及过程中必须解决的问题。
Hero 目前正在自己的助手应用中测试这项技术，计划在几个月内向用户发布。他们重点展示的功能是帮助用户通过自动补全提示词找到会议时间或和朋友见面的时间。这是一个很实用的场景，也是一个很好的切入点。安排会议往往需要考虑多个人的时间、地点偏好、会议时长等因素，用自然语言描述清楚并不容易。有了 AI Autocomplete，这个过程会简化很多。
但我更期待看到 Hero 在更广泛场景中的应用。比如在旅行规划、购物、客户服务等领域，AI Autocomplete 的价值可能更加明显。Hero 的 SDK 策略意味着我们不需要等 Hero 自己去开发所有应用场景，而是会看到各行各业的公司将这项技术集成到自己的产品中。
从融资角度看，Hero 去年获得了 400 万美元种子轮，现在又获得了 Forerunner Ventures 领投的 300 万美元追加投资。Kowalk 表示，根据应用和 SDK 的增长情况，他们计划在未来几个月筹集更大一轮融资。我认为如果 SDK 能够吸引到一批有影响力的客户，证明技术价值，那么 A 轮融资应该不成问题。这项技术的潜在市场非常大，任何使用自然语言输入的应用都可能是潜在客户。
我也在想，Hero 会不会成为下一个 Twilio 或 Stripe 那样的基础设施公司？Twilio 让每个应用都能方便地集成短信和电话功能，Stripe 让每个应用都能方便地接入支付。Hero 有潜力让每个应用都能方便地提供优秀的自然语言交互体验。如果真的走到这一步，Hero 的价值将远超一个普通的应用公司。
但挑战也是存在的。技术再好，也需要市场教育和生态建设。开发者需要理解这项技术的价值，学会如何集成和使用。用户需要适应这种新的交互方式，培养新的使用习惯。这些都需要时间和持续投入。Hero 团队有 Meta 的背景，应该对这些挑战有充分认识。
我特别欣赏 Hero 团队的一点是，他们在三年前就开始布局这个方向，提前申请了专利。这种前瞻性在快速变化的 AI 领域特别难得。很多公司都在追逐最新的热点，而 Hero 则在思考更根本的问题：人机交互的本质是什么？未来的交互应该是什么样子？这种长期思维是真正有影响力的公司的特质。
最后，我想说的是，Hero 的 AI Autocomplete 提醒我们，AI 革命不只是关于更强大的模型，也关于更好的交互设计。技术进步和设计创新同样重要，甚至在某些场景下，好的设计比更强的模型更有价值。这也是为什么我对 Hero 的未来充满期待。他们不是在和其他公司比谁的模型更强，而是在重新定义人机交互的方式。这种创新往往更持久，也更有影响力。
我相信，几年后回头看，我们会惊讶地发现自己曾经需要花那么多时间和 AI 来回对话，就像我们现在回想起曾经需要记住各种命令行指令一样。AI Autocomplete 可能就是推动这个转变的关键技术之一。
转载：人人都是产品经理
兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。
兰亭妙微（蓝蓝设计）www.lanlanwork.com 是一家专注而深入的界面设计公司，为期望卓越的国内外企业提供卓越的大数据可视化界面设计、B端界面设计、桌面端界面设计、APP界面设计、图标定制、用户体验设计、交互设计、UI咨询、高端网站设计、平面设计，以及相关的软件开发服务，咨询电话：01063334945。
蓝蓝设计的小编 http://www.lanlanwork.com