在 2024 年 10 月我首次发表这篇文章时，我已经从事包装设计工作超过 25 年，并在商业项目中使用人工智能约一年半时间。这极大地改变了我探索想法和制作视觉素材的速度。
最让我感兴趣的不是生成更多图像的能力，而是能够尝试那些过去需要很长时间才能开发出来的方向。这些成果仍然需要编辑、技术处理，并且要有明确的意义。
理解品类惯例，选择差异化方向
包装设计方案通常需要做出选择：要么使用熟悉的类别标识，要么营造明显的对比效果。通常，最佳方案介于这两种极端之间。
生成式工具能迅速呈现反复出现的色彩、构图和图像组合。我用它探索视觉可能性，而不把它当作真实产品与消费者调研的替代。某种形式频繁出现于生成结果，并不证明它畅销或受消费者偏爱。
发展设计概念
人工智能使得提前比较多种设计方向变得更容易。当方案还在制定过程中，团队需要一些具体的内容进行讨论时，这一点非常有用。
选择标准比变化数量更为重要：这个想法能否体现品牌特色，让产品易于理解，并带来有意义的差异？一个令人印象深刻的形象或许仍会不符合要求。
布局仍需依靠设计判断力
生成的概念方案并非可直接使用的设计布局。文本、层级结构、必要信息、条形码、尺寸以及印刷规格都需要仔细处理。
我把AI视为这一过程中素材与可能性的来源。生成一张漂亮图片，并不能保证信息清晰可读、方案可制造或环境表现良好。
为真实产品营造视觉背景
我的工作中有一个实用的用途，就是为产品图片设计背景。过去我需要查找素材库，现在却能创造出符合构图需求的背景：比如为扬声器设计的街头艺术图案，或是为夜灯设计的宁静夜晚室内场景。
然后，我将这一背景与实际产品的照片结合在一起。这种区分非常重要：环境可以虚构，但产品及其描述必须准确。灯光、比例和视角也仍需检查。
季节性实验
为了万圣节活动，我设计了由人工智能辅助设计的威士忌和伏特加酒瓶方案。随后，我将这些设计应用于商品制作，包括贴纸、T恤、手机壳和包包等。
这是一项视觉实验，并不意味着这些酒瓶已经完成工程设计或投入生产。它展示了一个想法如何从包装概念延伸到其他载体，同时保留可辨识的个性。
测试设计方案
视觉样稿有助于团队讨论比例、信息层级和货架上的呈现效果。AI也可以协助整理调研反馈，但必须使用真实回答，并核查解读是否准确。
效果图或AI生成的意见，都不能替代实物样品及面向目标用户的调研。开启、拿取、耐用性和可读性，必须在实际使用条件下检验。
生产与环保声明
投入生产意味着与负责制造产品的人一起解决材料、印刷工艺、公差、组装及成本问题。人工智能可以辅助部分分析工作，但无法确保设计方案能够实际制造出来。
同样适用于可持续性。环保声明需要关于材料、生产、运输和处置的证据。而一种绿色视觉语言，或没有可靠依据的人工智能评估，并非此类证据。
让品牌拥有统一的风格
插图、角色和视觉设计能够帮助产品讲述故事。生成式工具拓展了素材范围，但整体协调性则源于艺术指导：选择属于品牌的元素，拒绝不相关的部分。
对我来说，这就是人工智能在包装领域的持久价值。它让我有更多空间去探索，同时保留了核心责任——将有潜力的设计概念转化为清晰、真实且可行的设计方案。
