CNET科技資訊網 3月31日 北京報道(文/周雅):每次來到人稱“北京硅谷”的望京,都會被迅速遷移過來的互聯網logo驚訝到,而已經立在這里十年的LKK設計大廈,反倒像個中年大叔,沉穩(wěn)中帶點故事。走進大門,右側一整面墻上掛滿千奇百怪的獎杯獎牌——“紅點獎”、“iF設計大獎”、“紅星”等等,每一個都是設計師們的奢侈夢,但在這里,它們被擠擠挨挨、漫不經心地擺在一起。
見到洛可可創(chuàng)新設計集團(北京)賈偉設計顧問總經理孟憲志的時候,他剛剛結束洛可可設計學院的晨課,坐在我面前,鴨舌帽以及同色系的圍巾,從著裝上就容易分辨出他的職業(yè)。
工業(yè)設計絕不僅是“美容師”
“洛可可一直被誤讀為純技術性公司,但其實它提供的是整體線服務”孟憲志說。
一只最著名的杯子——55度杯子就是洛可可的杰作。但人們只看到其外觀設計的精巧,卻忽略了冰山下的運作。從品牌預設,到產品設計,再到實現生產,最終互聯網營銷,洛可可提供了一條龍式的設計服務。明星產品就這樣被“包裝”出來了。
因此,通常的說法,認為工業(yè)設計是外觀造型美化師——“這是錯的,起碼是不全面的”,孟憲志認為。
按洛可可公司的規(guī)范流程,從前端的使用體驗到后端的產品實現,再到后面市場上銷售,都要負責。設計公司給企業(yè)的價值不單單是外觀上的改變,而是整個產品概念上的改變,最終讓產品在市場上贏得更大價值。
唯創(chuàng)新不敗
這個世界上做杯子的有千萬個企業(yè),為什么偏偏某一個會成為爆款?
“關鍵在于創(chuàng)新”,孟憲志說,創(chuàng)新說起來容易做起來難,這是一個系列工程。技術上是否獨一無二?外形上是否推陳出新?一切的成功都源于設計者的內心。
孟憲志進一步解釋道,創(chuàng)新之所以是中國工業(yè)的弱項,根源在于整體思維習慣。不是設計師不愿意創(chuàng)新,而是甲方太“現實”。設計師想把產品設計得盡善盡美,但大多數的甲方客戶僅僅受現實利益驅動,要快,要省錢……按這個思路下去,中國人會一直使用低配、簡陋的低價產品,卻把高利潤讓位給懂設計、包裝和營銷的西方產品。這或許是中國設計的產品缺乏“工匠精神”的內因之一。
設計師面臨的終極問題
在孟憲志眼里,一個設計師面臨的終極問題,是商業(yè)、設計和審美的三者關系。
設計,針對的是使用功能。設計師要做出市面上強烈需要的產品,要能大賣,滿足“眾樂樂”的概念。要理解與設計相對的一個詞,叫藝術,這叫“獨樂樂”。
而商業(yè),正是市場對產品設計的反饋。這個設計是否成功,都得拿市場來衡量下,能不能賣,最終是消費者用錢包來回答。
審美,簡單講就是就是大眾愛不愛,有多少人愛。比如說蘋果手機漂亮,小白領喜歡,中年人也喜歡,說明這種審美有共性,超越年齡和階層。
“審美和商業(yè)、設計三者是既矛盾又統一的關系。” 孟憲志總結,設計師自己覺得很得意的作品,也許賣不好,因為沒有從市場角度去考慮,這就不叫好的設計作品。而好的產品必須滿足兩個特性:
一個是體驗性。產品是因為解決人的某種需求而生,必須給人很好的體驗。而當今世紀,正是一個體驗的時代。
第二個是專有屬性。你有一個產品很好用,但滿世界都有,你這個就不稀罕,價值就不存在。所以一個好產品,必須有“自己的語言”。
孟憲志說,讓好產品改變生活質量,是洛可可的第一訴求,也是他們作為設計師的第一訴求。但洛可可公司的優(yōu)越之處,在于不滿足功能優(yōu)勢,而把人類的情感,和最佳的體驗融入其中。
“這是我和其他設計師的夢想,匯合起來,就是洛可可的夢想”,孟憲志說。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據不同問題靈活調整內部專家配置。該方法在數學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯合研究團隊開發(fā)出Rolling Forcing技術,實現AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現,通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數據集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。