AIGC 高速发展下，各种设计类产品层出不穷，并且随着 Agent 技术的完善，设计类产品也从生成工具逐渐转为了与我们配合的 AI 设计师。这篇文章以 Lovart 为起点，讨论了现在的 AI Native 产品，例如 Lovart、LiblibAI 等，同样也包含了传统设计类产品，例如 Adobe 家族产品。

首先我们可以先介绍一下Lovart 这款产品，这是一款 AI Native 的设计类 SaaS 产品，与 Figma 类似，但是并没有桌面端。在 2025 年的 5 月开始邀请制测试，在同年 7 月份正式上线。

创始人陈冕，产品经理出身，有着丰富的互联网大厂工作经历。基本上国内的互联网大厂都有过工作经验，创业前是从字节跳动离开，成立了 LiblibAI，同名产品也是陈冕创业后做的第一款产品。这些内容我们都会在后面的部分详细展开。

付费方面也提供了订阅制的服务。是全球首款设计类 Agent 产品，具体的 Agent 搭建可以参考官方技术文档：

https://www.lovart.ai/zh/blog/inside-mcot-engine-ai-design-reasoning-zh-cn

深入 MCoT 引擎：为什么 Lovart 的 AI 在设计之前真的会思考

基本功能

简单介绍一下产品的界面和基本功能：

如果有用过设计软件，尤其是 Figma，应该会很熟悉这个界面。左侧是图层，下方是悬浮的工具栏，唯一不同的就是右侧加入了和 AI 的对话框，是最主要的与 AI 沟通的位置。基本的确定图像尺寸、张数，选择模型或者上传参考的功能都汇集在这个位置上。

这里画布的右下角可以看到一个小地图的功能，可以完整地展示整个画布上所有板块的位置，并用颜色深浅区分叠加关系。有点类似传统创作工具的缩略图。对于 AI 时代的设计流程，很可能一次产出同一个主题的多个不同设计元素，这个部分就可以帮助我们快速定位元素位置。

同样 Lovart 也加入了类似设计系统的功能，这是作为一名设计师在 Figma 中最常用的功能之一，建立一套设计系统明显可以提高设计的效率，并且增加品牌的一致性。并且很多设计类的 AI 产品也都加入了这个功能，像是 Claude Design 和字节家的 TRAE Work Design（原 TRAE Solo）也都加入了这个功能。这是 AI 设计类的产品从一个简单的生产工具开始变为一个可以加入流程的设计师。

也是 Agent 出现以后，或者说 Manus 这类 AI 产品出现后，给所有的产品都带来了 Agentic 化的趋势。我们更像是与 AI 进行协作，甚至产品的定位和用户都发生了变化，这部分我们会在后续进行讨论。

交互方式

Lovart 加入了画布，可以像一些传统设计软件调整元素，这也是 Lovart 最特别的一个地方，因为在最初 Midjourney 和 Stable Diffusion 的时代，设计类产品只是作为一个生产图片的工具，并不会生成可调整元素的内容，这跟当时模型的能力和 Agent 还未兴起是有一定原因的。

这也确实是一种更合理的交互方式，因为人类是习惯这种方式的。我们从小时候就面对黑板，长大以后面对投影，设计工作后我们会利用 Figma 与团队中的人在同一块画布上协作。这是人类最熟悉的方式，我们与 AI 协作设计同样应该利用人类最熟悉的方式。并且与 AI 的协作越来越像与另一位设计师共同协作，现在 Lovart 也推出了语音输入的功能，继 Vibe Coding 之后，Vibe Design 也这样兴起了。

这里带来了一个很有意思的思考，很多人都说画布是“旧时代”的功能，是 AI 时代不该有的功能。但是我们应该想明白的是，如果按第一性原理来思考这个问题，所谓的“旧事物”其实是我们的设备，我们的屏幕和手机，在“旧设备”上更符合人类交互逻辑的就是画布，所以画布是有其存在的理由和价值的。如果有一天我们交互的设备变成了 AI 眼镜，或者其他设备，同样会有一种新的“画布”出现，来匹配我们当时的交互逻辑。

我一直认为 Lovart 的画布是一个正确的功能选择，从现在越来越多的 AI 设计类产品也加入了这个功能就可以看出，大家的看法已经开始趋于一致了。

用户 & 需求

作为产品经理，当然也需要从用户和需求的角度来思考了。

就像我们刚才所说，Lovart 所针对的用户已经发生了变化，如果要详细说清楚这个问题，我们肯定要提到这个团队在 Lovart 之前的上一款产品，同样是 AIGC 领域图像类的 Web 端 SaaS 产品——LiblibAI。

LiblibAI是 Lovart 创始人陈冕从字节离开后的第一款产品，主要做的就是在云端为用户提供算力，借助 Web UI 或 Comfy UI 的框架提供图片生成的功能，并且还可以训练 Lora，同时也可以作为 AI 生图的社区分享自己的作品和工作流。创始人陈冕对做什么样的产品有一个基本的判断，也是我调研下来最受用的一句话：

做产品一定要做一个链路的上游，或者发现新的需求。

可能和他的原话有一些出入，但是基本的意思是一致的。我们一部分一部分来看，首先就是做到一个链路的上游。我们仍然以设计类产品举例子，全球收入最高的设计类产品是什么？我觉得并不难猜，就是 Adobe，基本上占据着设计行业的大半壁江山。Adobe 基本上掌握着整个设计行业链路的整个下游，它并不服务一般的 C 端用户，没有除了设计师之外的用户会花着高昂的订阅费用去修几张图片，调一调曲线。

所以如果我们在做 AI 产品的时候选择去做一个 AI 修图或者 AI 局部设计的方向，是一定做不过 Adobe 的，对标国内的产品，是一定无法对坑美图秀秀加入 AI 功能的。它们掌握着用户的信任和本身的用户积累，并且新产品会有极大的迁移成本，这个方向就是做在了整个链路的下游。并且这也不是我们常说的 AI Native 的产品。

真正的 AI Native 的产品，应该是缺少了 AI，这个产品就完全不成立的。

我们可以再举一个例子，如果我们想做一款知识库产品，可以加入 AI 问答，帮助我们在办公或生活上更加有效率地组织我们的知识或者内容。我们只需要回答一个问题：我们真的打得过飞书 + AI 或 Notion + AI 吗？显然是没有任何希望的，所以我们只能在链路的上游寻找机会，或者寻找新的 AI Native 的需求。

所以 LiblibAI 诞生了，它算是处于设计中更加上游的位置，我们产出内容直接使用，即便调整我们也会使用 AI 去做进一步的调整。并且 AI 会让一般的 C 端用户也来生两张图玩一下。这也是为什么有许多突然火了的生图活动，例如生成你 80 岁的照片这类活动，会更吸引一般的 C 端用户，但是这类用户并不具备太大的黏性，也很难做出长期的付费。

但是也同样吸引到了一批生产者，会利用 Comfy UI 借助云端算力搭建自己的工作流协助自己本来的行业。可以看到的例子就是电商行业的模特图生成，甚至在前几年这个领域诞生过体量很大的创业公司。就算是现在，在电商平台还是会看到很多 AI 生成的内容。不过这不是我们讨论的重点，只要可以明白，做在一个领域链路的上游，是有一定机会的。

接下来我们要聊的就是发现新的需求。这里我要提到另一款成功的设计类产品——Canva，中国名称为可画。我们刚才提到世界收入最高的设计类产品是 Adobe 全家桶，那么第二名其实就是这款产品 Canva。

这款产品并不是一款 AI 产品，只是现在加入了许多的 AI 功能。最初 Canva 诞生的时候是服务一批特定人群的需求的。那就是想在社交媒体发高质量图片的人群。Canva 诞生于 Instagram 刚火起来的时代，有一批人希望在社交媒体发送高质量的内容，但是他们并不会 Adobe 家的软件，学习成本又太高了，所以 Canva 抓住了这个机会，从新的需求出发，获得了现在的规模。并且 Canva 的 AI 化做的也很不错，才能保持如此优异的成绩。

回到我们的主角，Lovart 其实也是从新需求出发的一款产品。而 Lovart 抓住的其实是设计师的痛点，这款产品并不会是一款服务于广大 C 端用户的产品，它仍然是一款服务于设计师的产品。它希望将本来的设计师变为一个设计总监，利用 Agent 的能力，让设计师也雇了一群属于自己的设计师，这样只需要人工在最后的阶段进行检查或者简单的修改。所以也可以呼应之前为什么 Lovart 要加入画布这个功能，Lovart 本来就是服务设计师的。

当然这是主要的场景，我还能想到的扩展的场景就是服务于一些对设计要求没那么高的 B 端公司、小企业，或者一些设计资源吃紧的公司，对于一些简单的物料，具有一定审美的市场部员工就可以直接利用 Lovart 去产出内容，并不需要雇几个设计师那么高的成本。并且随着产品的迭代和模型能力的优化，Lovart 的产出质量只会越来越高。

Lovart 创始人陈冕做客播客节目《罗永浩的十字路口》

现在的 Lovart 依然面临很多问题，在模型质量与成本共同飞速攀升的时候是否能平衡成本问题；能否建立起足够的护城河；能否让更多的非垂类设计师群体，但是有一定设计需求的用户去使用产品；如何面对国内用户付费意愿低的现状。我非常期待 Lovart 的答案。

到这里我表达了我对 Lovart 这款产品结合设计领域产品的一些理解，我曾经也是一个设计领域的从业者，直到现在仍然非常喜欢做设计，也因为自己的傲慢抵制过 AI 生图。我们无法阻止科技的进步，同样我们也没有必要以极度抵触的情绪去看待科技的进步。也许 AI 会代替我们的工作，但是工作从来不是人类的全部意义，我认为设计也不会消亡，人类的创造力仍然会创造出更多优秀的作品。