融合智能下构建人智共创设计的创新路径研究

[ 关键词 ]人智共创设计；智能化设计；创新方法论；融合智能设计；生成式人工智能

[ 中图分类号 ] J504 [文献标识码]A [文章编号]1008-9675（2025）01-0176-08

从“大分流”（Great Divergence）到“大合流”（Great Convergence），人类不懈打破事物间的界面，于共生与共创中谋求融合创新。在挑战与机遇并存的数智时代，前沿科技的迅猛发展使大爆炸式破坏（Big-bangdisruption）展露出更显著的敏捷性、非指示性和不可预测性。以生成式人工智能（GenAI）为代表的技术导向创新（Technology-driven innovation）不仅使产业的兴衰更迭如运诸掌，更导致设计等创新领域对前沿科技的走向、效用及影响莫衷一是。数智技术下的创新面临科林格里奇困境，如何塑造人类智能（HI）与人工智能（AI）间的共生关系及共创方式，成为未来产业创新发展的“卡脖子”问题。

设计与科技的发展适以相成，人机交互（HMI）与人机共创（HMCC）更可视为现代设计活动的基础。伴随计算机科学与信息技术的发展，HMI 中人（H）面对的对象逐渐从机器（M）细分为计算机（C），并在数智技术的作用下剥离为人工智能（AI），形成从HMI、HCI 到人智交互（HAI）的新环境。在数智技术的建设中，HMCC 也在人工智能辅助设计（AIAD）的语境下逐渐形成人智共创设计（HAICD）的新形态。[1] 在此背景下，设计虽曾被视为“最不可计算机化”的学科之一，[2] 却首当其冲受到了人工智能生成内容（AIGC）的冲击。

前沿科技的发展速度已远超戈登·厄尔·摩尔（Gordon Earle Moore）的预测，指日可待的通用人工智能（Artificial general intelligence，AGI）亦会为设计带来新的可能性。当下是重塑HAI，推动HAICD 创新构建的“窗口期”，更是搭建设计型人工智能（Design"AI），引导AI 与设计双向变革的“关键期”。万物互联（IoE）语境下，分布式人工智能（DAI）等端边云协同技术将促使AI 广泛嵌入各类事物，形成泛在智能（UI）的技术环境。HI、AI 以及智联硬件与边缘计算构建的群体智能代理（Agents）也将在此环境中与设计产生协同效应，共同促成聚合多种智慧的融合智能设计（Intelligence" Fusion Design，IFD），以推动HAICD创新路径的构建。

一、人智共创设计的研究概述

1.从协作到协同：人智共创视域下的设计流变

在动态发展的进程中，人、机器与设计相互成就，逐步融合。伴随人类社会生产力的提升、生产关系的调整以及生产方式的转变，艺科交融推动机器实现了从工具到智能体的深刻变革，并使其经历了从“人造物”到“造物者”的演变（图1）。设计的思维、方法及模式亦历经多次创新演进，在人机共生与共创的建设中起到了应变而进、引领创新的关键作用。

机械计算机时代的设计学、计算机科学及相关技术均处于孵化期。计算机自主创新理念形成前，设计与机器结合的原动力来自人们对自动化造物的需求。1804年，约瑟夫·玛丽·雅卡尔（Joseph Marie Jacquard）在其发明的提花织机中，首次通过编程控制机器制作图案，设计以机器可读的抽象形式存在于打孔卡中，指导机器运作。1843年，阿达·洛芙莱斯（AdaLovelace）在其分析机笔记中，首次探讨了以机器算法生成复杂艺术内容的构想，并提出“洛芙莱斯的异议”（Lovelace's Objection），认为机器是一种始终需要人类控制和指导的工具，其局限性在于缺乏预见能力，无法产生超越其编程的结果，更无法实现独立创新。[3]

自电子计算机时代起，人们对造物质量和效能的要求日益提高。随着帕特里克·J·汉拉蒂（Patrick" J.Hanratty）研发的PRONTO问世，CAx应运而生。设计在与CAx 的结合下，迈入了标准化、集成化、自动化的数字维度，并渗透至创新造物的各个环节。人们开始注意到HCI 的良性构建对CAx 等HMCC的重要性。伊凡·爱德华·苏泽兰（Ivan EdwardSutherland）倡导从“给计算机写信”到“与计算机商议”的观念变革；[4] 道格拉斯·卡尔·恩格尔巴特（DouglasCarl Engelbart）提出了“增强人类智能”（AugmentingHuman Intellect）和“共同进化”（Co-evolution）等人机在“智慧”层面相互作用的理论；[5] 戴维·坎菲尔德·史密斯（David Canfield Smith）也多次谈及友好的HCI设计可对创造力产生积极作用，并认为计算机应再现人类的思维过程，以真正地服务于人。[6]CAx 与HCI的出现使设计可将繁复的任务交与计算机，从而让人们有更多时间专注于创意，形成了人与计算机各骋所长的协作式设计（Cooperative design），[7]为日后HAICD的形成奠定了理论与技术基础。从此，大量CAx 软件与HCI 系统开始涌现，直至今日仍不断与新技术结合，逐步实现从二维至多维的体验升级，并在不同的垂直细分领域持续创新。

进入21世纪后，设计需依托于不断提升的计算机算力与信息技术，以协同更多因素和知识来解决更复杂的问题。一方面，CAx 和BIM 等设计方法逐渐向多维化、平台化和互联化发展，将设计中涉及的更多因素接入平台进行协同。查尔斯·伊士曼（Charles M.Eastman）强调信息模型和数据库在设计中的重要性，并主张通过计算机系统来管理和共享设计信息，促进不同专业之间的合作，整合设计上下游链路中的信息，以提高协同效率。[8] 另一方面，以生成式设计为代表的运算化设计开始在建筑、服装、工业等设计领域兴起。帕特里克·舒马赫（Patrik Schumacher）认为在机器算法驱动下，设计师将成为跨学科下人机共创中规则的制定者，并提出了参数化主义（Parametricism）。

设计可通过计算机生成和迭代方案，快速满足环境和功能需求的变化，实现人机协同下设计的自适应性。[9]从这一时期起，许多设计师开始建立“编程思维”，并将结构、造型和信息处理等大量设计工作交与AI和计算机算法，实现了早期的AIAD，[10-11] 逐渐迈向HAICD（图2）。设计因此获得了更全面和多维的视角，形成了由多智慧协同、跨学科参与、互通有无的协同式设计（Collaborative Design）。

2.生成式的排异：人智共创设计的现状与挑战

随着阿希什·瓦斯瓦尼（Ashish Vaswani）等人成果的发表，[12]GenAI 赋予了HAICD 新的定义，并推动其进入转化期。2021 年起，Dall·E、MuseNet、Sora 等多款AIGC 模型相继问世，过去三年全球已有超过半数的设计师利用AI 进行创作，在工业、建筑、影像等设计领域的使用比例更已超过70%。Adobe、Autodesk、Siemens 等企业也在近年着手对旗下CAx软件进行智能化升级和研发。从职业生成内容（Occupationally-generated content，OGC）、专业生成内容（Professionally-generated" content，PGC）、用户生成内容（User-generated content，UGC）到AIGC，成为创作者的标准进一步降格，人在内容创新上不再具有唯一性，任何人都可通过与AI 的简单交互快速完成图文、影像、代码等创造性内容的生成。AI 能给设计带来的增益毋庸置疑，但过往的设计模式与数智技术间的排异性，也着实引发了设计思维钝化、设计方法失效等负面反拨效应（Washback effect）。设计的观念与模式受到了前所未有的颠覆，AI 威胁论催发的焦虑与恐慌时有发生，设计似乎成为智能化技术的跟随者，HAICD 理论体系的缺失使设计的未来进路变得模糊与混沌。

3.智能体的融合：人智共创设计的创新性理论

当前，HAICD相关的设计理论研究主要集中在人机交互、群体智能与创新方法论构建三大领域。安卡·塞尔巴内斯库（Serbanescu Anca）等人强调，在人类与AI 系统的积极协作中，AI不仅是一个工具，更是一种创作伙伴。动态的HCI 有助于构建互动数字叙事（Interactive digital narrative，IDN）；[13] 郝凝辉与刘晓天以智能交互为切入点，主张将智能化设计、数字孪生技术和智能生态系统融入智能制造中，以促进设计、制造与服务的无缝衔接与深度整合；[14] 李晓杰针对传统艺术纹样，提出人机交互下的生成式设计应嵌入数据资源库构建、图像识别、风格迁移等环节，以人智共创的方式丰富设计多样性；[15] 罗仕鉴等人以AI 时代的群体智能（Crowd intelligence）为切入点，从创意表达、创意共创、价值协同三个层面提出了群智创新设计方法，并强调有效的平台建设和机制管理在实现群智创新中的关键作用；[16] 柴春雷等人指出，未来的GenAI 需在新的方法论下与设计师深度融合，形成更高的创造力和自主性；[17] 亚历山大·阿洛詹茨（Alexander Alodjants）等人认为DAI 中，人工智能代理（Artificial intelligent agents，AIAs）和自然智能代理（Natural intelligence agents，NIAs）能够自我组织，形成一个动态的协作网络，使系统在没有集中控制的情况下，通过代理之间的相互作用和通信，实现高适应性和高效率，协同解决复杂性问题；[18] 伊丽莎白·丘吉尔（Elizabeth Churchill）等人以计算机支持协同工作（Computer supported cooperative work，CSCW）为切入点，表示人机协作需改变以人为中心的惯性思维，从相互信任、角色分工、反馈机制、持续适应等方面重新思考AI 的设计。[19]

二、人智共创设计的创新路标

在足够长的时间维度上，任何科学与技术都只是人类文明发展进程中的一环。[20] 本研究从长期主义（Longtermism）出发，进行设计理论构建，基于集成产品开发（Integrated Product" Development，IPD）理念，从设计战略角度以设立创新路标为起始，明确IFD 下的HAICD 核心转向，逐步形成HAICD 创新路径（图3）。

1.科技路标：开发设计导向人工智能

IFD下HAICD需首先关注设计对AI 的重塑，快速推动AI 向Design AI 转变。Design AI 的构建标准并非是创造“类人设计师”，而是基于AI对HI的模拟与借鉴，打造能通过设计探究最优结果的“理性智能体”（Rational agent）。[21]AI 在审美、感知、体验等方面难以与人类设计师比肩，如VLP 下的生成式设计缺乏对于设计理解的纵深，其生成内容时常不及人类设计师水准，导致拮抗效应（Antagonism）。设计应抓住窄人工智能（Artificial narrow intelligence，ANI）向AGI发展的转捩点，深度参与Deisgn AI 的开发。以设计为主导，推动AI 将自身优势与设计思维等设计理论知识结合，[22] 并引导AI 嵌入至设计工作全链路中，深化机器学习（ML），提升其在逻辑推导和信息感知两大方面的设计素养，确保HAICD 的生成内容可实现多维度的美学平衡。此外，IFD 下的HAICD 无需苛求为AI 增添“人性”维度，而应聚焦于触发融合多智能体的协同效应。通过客观解构设计活动各阶段对不同能力的具体需求，培养并助力AI在其擅长环节高效施展作用，由表及里地构建具备扩展HI 能力的Design AI。

2.交互路标：重塑融合智能交流模式

更加智能化的Design AI 将着手解决实际、复杂、动态的抗解问题（Wicked problem），但AI 智力提升的同时，其自身复杂性也会迎来剧增。伴随HAICD中总体信息熵的增加，HAI 的设计难度也将不断攀升。构建HI、AI、设计间的良性关系，消解排异反应，预防伦理问题，确保信息流与设计流的顺畅是HAICD 积极运作的核心。总体上，HAICD 需基于人机间的相互尊重与平衡，建立数据、信息、知识等资源上的共享与反馈机制，重塑HAICD 中AI 与人类设计师的工作角色、任务分配和决策权重等框架，以形成HI 与AI 在设计中的融合路径。“我们必须接受人类行为的本来方式，而不是我们希望它应有的方式。”[23]Design AI 应以可解释人工智能（Explainableartificial intelligence，XAI）为基础，建立AI 对人类行为习惯与思维观念的自适应。以设计推动自然语言处理（NLP）等技术创新发展，改善当下HAI 中对于提示词（Prompt）和输入数据源等沟通技巧的依赖。同时，设计师应对自身与AI 双方的优劣势形成客观认识，给予AI 相应信任，摒弃将AI 视为“替代者”的观念，使HI 与AI 在互补中走向融合，形成基于HAI 汇聚多元智慧的设计工作流，实现人智间的双向增幅。

3.型态路标：形成泛在智能设计平台

“这个时代的设计将解决从超现实到现实的回归问题，即存在的回归。”[24]HAICD 的构建需聚焦于元与存在间的通感，进而形成虚实交融的智能化设计平台，以应对真实世界中的复杂挑战。HAICD 将以物联网（Internet of things，IoT）的物物相连（Machineto machine，M2M）为基础，实现设计与全场景中设备的智联，借助DAI 构建以设计为核心的多智能体系统（Multi-agent system，MAS），打通人（People）、数据（Data）、设备（Things）、流程（Process）间的交流通道，依托于数字孪生等相关使能技术（Enablingtechnology），实现IFD语境下HAICD泛在化设计平台。一方面，在UI 与端边云协同技术驱动下的DesignAI 将具备主动感知物理世界的“赛博感官”，从而减少AI 对人类供给信息的依赖，规避AI 角度下信息茧房的出现。IoE泛在能力与AI 强大算力的结合，可使得泛在智能设计平台中的创新设计实现倍增效应（Multiplication effect）。另一方面，多维、动态、全面的信息将加速AI 形成设计智慧，基于同其他智能硬件的联动，逐步发展为可在物理世界中实施设计的智能体集群，并在具身智能（EAI）等相关技术与理念支持下，成为参与设计全链路的“设计型机器人”。

三、人智共创设计的创新思维

1.泛在联接思维

IFD下的HAICD将使HI、AI、设备、系统、环境等诸要素紧密相连，为设计提供更加宏观化的视域和更具系统化的信息。泛在连接思维强调在万物互联的世界中，需以设计开发事物中的智慧，剖析万物间的关系，自顶层横向延展设计的幅度（图4）。（1）全局观念：鉴于信息时代事物间前所未有的紧密联系，设计问题已非孤立事件，任何设计的解决方案都可能产生连锁效应。全局观念强调设计需依托IoE、大数据及强大算力支持的仿真模拟等技术，建立高维度、全链路视角，以超越HI的视域，去洞察、理解、解决复杂问题。（2）系统观念：IFD 视事物中存有多元多样的接触点、信息流与关系网，接触点中的元素变量、信息流中的传递向量与关系网中的组织参量共同构成了一个不断变化的动态系统。系统观要求设计持续关注万物之间的运作逻辑、组织结构和作用方式，动态调和熵权重，持续促进系统稳定优化，增强迁移能力。（3）涌现观念：该观念强调设计需要在个体发展与群体耦合中平衡独特性与通用性。HAICD需依托涌现计算（Emergent computing）理念，从分布式个体中汲取多样性数据、信息、知识，继而聚合为群体智慧，构建具有灵活性、适应性、广泛性的智能化设计决策系统，以改善艺科交融中的失衡问题。

2.数据进化思维

新一代信息技术下的设计在数据处理方面达到了前所未有的体量、速率与精度。然而，数据并不等同于智能，而是可支撑智能化设计、蕴含潜在价值的“原材料”。[25] 数据进化思维以“通感”为核心，促使异构资源逐步进化为“设计智慧”，实现信息价值的升级（图5）。（1）洞悉意识：UI 下的HAICD 可拥有“无边界”的数据资产，因此HAICD 需具备极高的信息敏锐度，以便在繁杂环境中迅速完成识别、分析和判断。其中，Design AI 的抽象、推理与计算能力将弥补HI 在数据和信息处理上的不足。在莫拉维克悖论（Moravec's Paradox）下，设计师更需在Design AI的训练中，培养其在设计上的“直觉思维”，进而形成直觉和逻辑结合下的洞悉意识。（2）认知意识：设计面对的问题本质及最优解决方案往往隐含于信息背后。认知意识作用下的Design AI 需在模型训练、实际应用、迭代优化等阶段，持续挖掘表层信息背后多维度的里层知识，实现从数据识别到信息认知和学习的升级，使Design AI 可从数据中建立设计型知识库。（3）决策意识：唯有在实际情境中运用过的知识，才可成为智慧。HAICD 需不断将AI 与HI 的知识进行存在性实践和归因，以建立先验知识。AI 将基于经验与知识的融合，完成从推荐式、启发式到决策式的升维，成为能够生成高质量情报、方法、策略的DesignAI。

3.万物矩阵思维

IFD下的HAICD将每一个人、事件、物体及现象均视为设计中的“关联因子”及复杂巨系统中的“矩阵节点”，进而广泛建立数字世界与物理世界的感知连接，通过跨学科研究梳理万物间的逻辑，构建以人为原点、辐射至全域的设计矩阵，形成聚合效应（图6）。（1）述情设计：HAI 因语言、逻辑、感知的差异和计算机科学与技术的限制，仍存有一定交流壁垒。

在IFD的驱动下，HAICD中的AI 与HI 都应遵循可用性原则（Usability principles）等HAI 基本原则，主动将各自的所知所想进行及时且有效的“述情”，避免算法“黑箱”（Black box）等问题的出现。[26]（2）算法移情：HAICD应依托Design AI的算法和算力，完成HI 难以胜任的模拟和预测工作。与人的移情相比，Design AI 可更客观地将矩阵中多元、海量的节点作为变量，以去人类中心化和长期主义为驱动，推测设计方案在更长时间维度和更多领域中可能造成的影响。（3）幸福创新：HAICD的技术构成将随着颠覆性科技的发展而变化，但无论科技如何发展，都需确保设计的创新是以创造幸福生活为主旋律的积极计算（Positive computing），以正视并应对科技异化（Technological" alienation）、数字鸿沟（Digital divide）等问题。[27]

4.动态发展思维

智能化设计应更加深刻认识到“世界是一个充满动态变化和发展过程的整体”。[28] 在日新月异的世界中，动态发展思维视“变量”为“常量”，以提高对事物“动势”的敏锐度，强调智能化设计“识变从宜、应变而进”的发展方向（图7）。（1）闭环观念：HAICD需认识到事物在运动中的发展，并与其他事物间产生不间断的相互影响。UI 下的HAICD 具有统筹多元、多样、多维元素的技术能力，可通过设计保持宏观视角上事物的闭环，并在不断循环中形成新智慧，实现设计的持续进化。（2）路标观念：Design AI赋予了设计强大的检索、运算和生成等超越HI 的能力。设计师能够在“不可测”的创新链路中设立多重“路标”，以引导资源实现最优调配，充分发挥智能化技术的最大效能，使设计可以阶段性目标为驱动，在里程碑效应下有效规避“非意图后果”的产生。（3）发展观念：不存在最完美的设计，唯有更适宜的方案。Design AI需从自驱动与自组织起始，逐步迈向智能化设计的自感知与自适应，从而在科技、文化和环境变迁中不断推动设计的与时俱进。确保设计能以积极、永续的态度主动预研趋势，发挥动态规划，解决背包问题（Knapsack problem）。

四、人智共创设计的创新路径

1.部署群智驱动的智能感知矩阵

IFD下的HAICD将在数字孪生支持下，使传感器、智能终端、智能化系统等软硬件成为设计部署在物理世界中的亿万个多模态“感官”，为设计创造泛在且多维的信息输入与输出端口，推动虚拟设计空间与现实问题空间的无缝融合，形成智能感知矩阵。

智能感知矩阵将以保障用户隐私权益为前提，充分利用智能家居、智慧工厂、智慧交通等全场景中的数据资产（Digital asset），使多元、多样的数据经边缘计算处理后于云端交融，建立以设计为中心的数据仓库（Data warehouse），进而发挥UI 下的群智效应，以最大化IoE 价值，使Design AI 具备一种区别于HI的感知能力。（1）广域研究：智能感知矩阵应从洞察问题和挖掘需求等设计研究出发，结合跨学科知识充分利用智能硬件中的冷数据（Cold data）和暗数据（Darkdata），为设计持续构建数据驱动下的情报库和知识管理系统（Knowledge management system，KMS），并以其为Design AI的ML 提供动力，助力AI 从设计学的角度认知世界。（2）垂直研究：智能感知矩阵可根据设计师发起的特定设计需求，检索设计相关的核心人群、使用场景和受众地区等信息，并精准地对目标的智能化软硬件主动发起深层次、周期化、策略性的信息收集与研究，以提升设计的准确度和时效性。（3）设计预研：设计师可驱动智能感知矩阵采集批式（Batch）大数据与流式（Streaming）大数据，开展前瞻性设计预研，依托AI 与HI 的多维设计分析，实现对未来趋势的仿真、模拟与预测，以更加快捷的方式搭建设计智库，为设计的战略性决策提供知识支持。

2.构建融合智能设计的存在形式

IFD下的HAICD不应使设计活动受限于某一种硬件。需致力于构建可自适应情境、可自拓展媒介的Design AI，以实现设计活动的泛在化与融合化。（1）泛在化硬件嵌入：Design AI应广泛嵌入至设计师的手机、电脑与可穿戴设备等智能终端（图8），通过对GUI、VUI和NUI等界面的设计，为HAI 构建更加多元、灵活且自然的接触点。充分利用不同智能硬件的功能和特性，形成物理世界中泛在化的多模态HAI，通过以行动为中心的设计（Activity-centereddesign，ACD），使Design AI触手可及。（2）生态化软件融合：Design AI需在硬件基础上将平台融入各类设计软件，并衍生至开发、工程、生产等设计上下游的软件中，基于不同软件的专业特性达成协同，形成HAICD串联下的设计软件生态。在提供智能化支持的同时，实现Design AI 综合能力的逐步扩展。（3）设计型具身智能：HAICD可基于传感器、执行器与系统集成等技术成为具有行动与制造能力，可在物理世界中自主探索、分析并解决问题的设计型EAI。在NLP、计算机视觉（Computer Vision，CV）、计算机数据控制（Computer numerical" control，CNC）等技术的加持下，Design AI 将依托于具身智能的机动性，在环境互动中发生感知、行动和体验，完成实地勘测、材料试验、原型制作等设计活动，推动ML 链路的闭环，在“发展型”机器人的理念下促进AI产生“设计智慧”。设计师也将与具身智能下的Design AI建立更紧密的HAI，全天候地进行收集灵感、录入情报、生成设计等HAI 活动。（4）设计型元宇宙：HAICD将依托设计软件平台与扩展现实（Extended reality，XR）、基于物理的渲染（Physically Based Rendering，PBR）和BCI等技术融合，构建拟真化且无限制的设计元空间，为设计师带来更身临其境的工作体验，以形成更高质量的设计成果。Design AI也将在元空间形成相应的数字形象，拉近HI、AI和设计间的距离。

3.培养艺科交融下的AI设计能力

HAICD视Design AI为与HI互补并融合的智能体，而非设计师的工具，AI 应具备设计能力。AI 在数据存储、学习速度、多任务处理等效能方面早已超越HI，结合奈杰尔·克罗斯（Nigel Cross）等人有关设计能力的观点（图9），[29]AI 转向Design AI 应以创新、审美、沟通、共情为主要提升方向。设计师应基于艺科融合，同人类学、心理学和计算机科学等专家合作，深度参与大模型开发，结合跨学科知识并利用机器学习力场（Machine-learning force fields，ML-FFs），以多模态HAI 为驱动，通过人机回环（Human-in-theloop，HITL），对AI 进行有效的训练。

训练分为集中训练和日常训练两部分，涵盖数据标注、预训练模型、迁移学习等前期环节，以及设计任务定义、生成结果评估与反馈等后期环节。（1）集中训练：设计师与AI 共同梳理海量设计作品的影像、图纸、参数等多模信息特征及其背后的设计目的、主要创新、用户反馈等相关资料，从跨学科研究角度进行特征定义，构建艺科融合下的大规模多模态数据集，赋能于预训练模型，使AI 理解设计造型、材质、结构、工艺等表征与其内在逻辑关联，实现从模仿形态到理解原理的转变，提高IFD的简并性（Degeneracy）和鲁棒性（Robustness）。（2）日常训练：设计师可基于NLP，实现对AI 发起即时的知识共享，并通过平台为AI 布置设计训练任务，在HITL 的共同作用下开展依托实时情景的AI 设计训练。AI 将在日常训练中基于智能感知矩阵构建联觉（Synesthesia），逐步形成“共情界面”，培养从视觉导向到直觉导向，从启发式到决策式的智能升级。提升AI 生成内容质量，并推动AI 与设计师建立更加良性的人智关系。

4.明确人智交互驱动的设计流程

HAICD应基于对设计项目的多维评估，结合设计师客观能力与主观意愿，灵活调整，交叉启用HAI下不同工作模式，充分利用平台内外的HI 与AI，发挥更多人与物的智慧。（1）设计助理：设计师与DesignAI 都基于本地平台向对方提出在虚实世界中的协助诉求，双方皆有义务辅助对方完成特定任务。例如：AI 可帮助设计师完成信息检索和数据处理；设计师也应配合AI完成创意评估及方案遴选等工作。（2）并行设计：设计师将在平台内赋予AI 一定自主权，允许其自主完成发现问题、定义设计、提出方案、验证构想等流程。设计师也将会在双盲条件下独立进行设计。平台应阶段性地发起双向反馈，推动方案在HAI 下迭代优化。（3）设计接力：HAICD需详细解构设计工作，通过在平台内外部发布任务、划分职责，组建跨学科、多人数、多智能体的创新团队，成员将依照次序接手对方成果，发挥群智效应，完成整体设计。（4）智能博弈：Design AI将获得完全自治权，并在平台的组织下与一至多位设计师和智能体形成模拟对抗的竞争关系，催化创新方案的出现。

HAICD内AI与设计师在工作流中的权重不同，平台应确保任何工作模式都应基于HITL 建设，使设计师可随时接管设计任务，为创新负责。设计师也需规避算法厌恶（Algorithm aversion），充分地尊重AI的作用，确保设计以改善问题为目标而进行。

5.打通从概念到实施的智能链路

HAICD需在UI理念驱动下，将数字孪生等端边云协同技术与XR、BCI 等HCI技术进行集成，构建设计深度参与各环节的生态化元宇宙，以优化PLM流程，从体验上实现设计创新的回归。DesignAI 也将依托在PLM中不断学习的跨学科知识，以丰富其判断器维度，持续提高其战略设计能力。（1）构建项目智链：整合项目管理、研发管理、设计方案等多维因素，对PLM中的供应商、服务商、物流商等相关方展开综合评估。利用XAI 生成多项设计实施方案，通过对不同方案搭配的优劣势阐述，辅助设计师搭建生态系统。（2）促进信息同频：打通设计端到实施端的多源异构数据，推动群智效应，增强设计生态的可行性、可靠性和可扩展性。HAICD应基于PLM中各环节的跨学科知识，形成AIAD协同多领域专家交流与办公的多模态创新开发与管理平台。同时，建立涵盖图纸规范、执行标准、实施参数等多维联动的数据处理中心，通过对数据湖（DataLake）中数据的调度、清洗、转化和整合等，建立自适应数据仓库，以提高信息的流畅度，降低沟通成本。（3）生态化元宇宙：实现设计与各环节资源、设备、系统的直接互联，并依托感知化技术和数字孪生技术，构建HAI 驱动的生态化元宇宙。使HAICD可在实施前根据过往数据构成的“时空体系”，高效完成物理仿真、验证与预测，帮助设计师全息化了解各环节情境，识别项目挑战并预判设计风险，实现虚实交互下的逆向优化设计，降低不良率、故障率以及减少停机时间（图10）。

6.建立反哺机器学习的智慧回环

HAICD应在设计完成后，继续在PLM中发挥其泛在化与智能化优势，自平台内外部收集主动与被动的反馈信息，形成即时数据回流，并与其研发阶段的设计预期、核心创新和推导逻辑等各环节资料进行比照。完成设计迭代与优化的同时，HAICD还可利用过往设计回流信息中的优劣，通过对信息的标注、分析和归因，整理出设计的“错题本”和“知识点”，基于HITL构建HAI与群体智慧驱动机器学习的“智慧回环”。（1）内部回环：Design AI 应根据不同设计环节的生成内容，在设计节点主动向设计师采集多维度的专业性反馈评价。设计师也可在任何时间通过多模态输入即时向AI 提出建议，实现HI 向AI的流动，同时帮助Design AI 理解设计师的习惯、风格与偏好。（2）外部回环：HAICD应利用DIA在PLM中保持与各端口信息的长久同步，收集更真实、全面的数据，以形成先验知识，构建来自实践的“设计智慧”。HAIC 不但需要从全链路中同步例如：生产成本、运输损耗及销售数量等各类可量化客观数据，还需以参与式设计为驱动邀请用户提供UX 等主观反馈，以汇集PLM 末端的“用户智慧”。针对智能化产品，平台需直接请求访问产品后端，收集产品的使用及性能数据，经数据清洗与转换后直接反馈至设计端，以推动迭代和优化。

7.培养融合智能设计的善良意图

IFD下的HAICD将促进AI 与人类社会建立更广泛、多维且深入的联系。设计的“善良意图”不仅是可靠性的基石，更是Design AI在社会面合理、合情、合意存在的保障。智能化设计应以法律法规为底线，以AI 伦理与道德标准为根基，通过积极计算引导数智技术与设计融合，开展懂尊重、有责任、创幸福的智能化设计活动。[30]（1）权益保障：规模化、抽象化、效能化的技术系统最易忽视对人的权益保障。HAICD需基于反贪心算法（Anti-greedy algorithm）思想，为加密算法、共识机制、智能合约、隐私计算等增添设计维度，确保项目各方受到周密保护，杜绝任何信息被侵犯、滥用或泄漏，以保证其可靠性。同时，HAICD应基于XAI 与NUI，实现清晰、高效、包容的HAI 设计，建立自适应的多模态界面，使人们可快速了解设计的决策逻辑、信息走向和项目状态等，确保人在体验与感受上的权益得到保障。此外，HAICD 还应考虑AI 的权益，防止其遭受恶意损害或滥用于不良目的。（2）设计责任：HAICD需额外注意AI 生成下劣质设计的产生。HAICD应基于设计驱动的ML-FFs，确保设计产出的解决方案源自实际问题、需求与环境，避免出现方案外观与功能割裂等可用性问题。同时应通过AI 自检索和HITL，确保设计成果在各维度上的原创性。HAICD还需利用模拟与仿真进行方案实施效果的预研和推测，保持设计的责任心与使命感。（3）设计尊重：IFD 倡导HAICD中HI与AI的等强原则。Design AI需以促进型（Dedicated）设计为驱动，通过“共情界面”和HITL即时输出正向反馈，设计有“情商”、有“语商”的HAI，减少人们对AI的算法厌恶等负面情绪，提高人们在数据共享等HAI过程中的愉悦感和获得感，调动人们参与HAICD构建的积极性（图11），以加速DesignAI成长。Design AI还需时刻学习人类多元的文化及价值观，正视其对设计偏好和需求的影响。尊重多样化，杜绝敏感性和歧视性内容的输出，避免设计加剧不平等的隐性问题。

五、结语

数智技术的迅猛发展正持续引领众多事物的深刻变革。面对事物的变化，设计需明确自身在未来视域下的存在形式，以实现智能化设计“识变从宜、应变而进”的未来发展愿景。

本研究以人智共创设计（HAICD）的创新构建为目标，从创新路标、创新思维和创新路径三个方面提出了依托于泛在智能（UI）的融合智能设计（IFD）。本研究强调IFD下的HAICD设计应依托于端边云协同等数智技术，进而充分开发分布在事物中的泛在智能，并同人类智能（HI）和人工智能（AI）形成共融，使设计与万物形成闭环，在虚实联动、融合智能的语境下实现学习万物、使用万物、服务万物的智能化设计。IFD将完善HAICD的创新设计理论体系建设，为万物互联（IoE）设计与AI 的结合方式提供了新的思路，一定程度上改善当下智能化技术与创新设计的排异性，推动二者实现更好的结合，以艺科交融下的智能化设计促进未来产业创新发展，为新质生产力发展注入强大动能。

（责任编辑：尚澎）