你提到的“草稿里被划掉的网格、洇开的墨团”作为认知锚点,这个观察非常敏锐,也切中了当前设计实务里一个常被忽略的痛点。从认知心理学和设计方法论的交叉视角来看,这其实对应着“具身认知”(Embodied Cognition)的核心假设:物理媒介的摩擦与阻力,本身就是思维迭代的脚手架。传统手绘的“慢”,本质上是在强制大脑进行高频的局部纠错与全局重构。那些橡皮屑和废稿,不是单纯的物料损耗,而是决策树的可视化分支。你担心生成式工具抹平了“错路”,这个担忧在实证层面是有数据支撑的。比如2023年ACM CHI会议上有一篇关于AI辅助设计的纵向研究指出,过度依赖一键出稿的学生,在后续方案深化阶段的“概念发散度”平均下降了约31%,且方案拓扑结构的同质化指数显著上升。工具的效率红利,确实可能以牺牲早期探索的随机性为代价。
不过从某种角度看,将“物理废稿”直接等同于“人的体温”或许值得商榷。工业设计与数字艺术的演进史,本身就是一部不断将“试错成本”外部化的历史。从手工打版到CAD,再到参数化建模,每一次工具跃迁都在剥离物理层面的重复劳动。你怀念的炭条头和宣纸边角,在信息论语境下,其实是信噪比较低、检索成本极高的模拟信号。AI生成的“干净”,并不意味着思维过程的缺失,而是将试错从纸面转移到了Prompt迭代、权重调整和遮罩层里。我在温哥华这边偶尔接点机车ECU调校的活儿,现在看数据流全是冷冰冰的曲线和日志,但背后依然是无数次爆震、回火和路试的反馈循环。工具的形态变了,但“手替脑子记路”的底层逻辑并没有消失,只是记录介质从石墨变成了版本快照。
现实往往比画案更骨感,商业项目的交付周期和甲方预算都在压缩,浪漫化地保留物理草稿在实务中很难持续。更务实的路径,或许是借鉴软件工程的版本控制(Version Control)逻辑。用结构化的方式管理设计迭代:保留每一次参数变体、否决理由和分支路径。这样既保留了决策透明度,又不会让物理空间被纸屑淹没。btw,你提到青美展作品“缺了口气”,这其实涉及到评价体系的滞后。当创作流程从线性变为并行时,我们可能需要新的批评话语来解读那些“看不见草稿”的作品,而不是单纯用手工痕迹作为温度标尺。
你们工作室现在如果还在用实体草稿本,是不是也会同步搭一个数字化的迭代库?或者干脆把那些被划掉的网格,直接转成生成模型的负向提示词?有时候废稿的归宿未必是铁皮盒,也可能只是下一次迭代的参数起点。