Midjourney 讓人人都能1分鐘產出美圖，在社群爆紅！會讓設計師失業嗎？|數位時代 BusinessNext

Midjourney 讓人人都能1分鐘產出美圖，在社群爆紅！會讓設計師失業嗎？

Midjourney的出現，象徵了一次革命性的創新。也帶來一個關鍵的問題：如果某一天，任何人都可以靠自己生成美圖，那麼設計師所扮演的角色會因此改變嗎？

真人、AI 分不清楚！毫無破綻的美圖機器是它？

AI生成算圖工具「Midjourney」在開放Beta版本測試後，於臉書社團內迅速走紅。使用者只要輸入想要的場景、風格、題材、角色等關鍵字，AI便會在一分鐘內生成出4幅精緻細膩、完成度甚至遠勝真人手繪的圖片。

Midjourney 並非首個主打「自動生成美圖」的 AI，但相較於類似定位的 Disco Diffusion，Midjourney 所擅長的風格範圍極廣，且會自動推薦使用者與理想風格最接近的關鍵字。即使現在仍處於開發階段，未來透過機器學習的持續修正，客製化的製圖功能只會更加精準逼真，真人手繪與電腦產圖之間的差異，也會日益模糊，甚至無關緊要。

AI也能幫企業量身打造網頁、排版、Logo？

儘管 Midjourney 可說是目前最廣為人知、具代表性的案例，但是這種透過演算法，在使用者告知需求後，自動生成相關視覺的技術，絕非設計界首例。事實上，在短時間內生成大量案例、帶來超出經驗範圍的靈感，向來是生成式設計/衍生設計（Generative Design）的鮮明特色。藉由短時間內的大量刺激，設計師能夠省去大量前期探索時間，並將精力專注在定義問題與挑選方案上。

最經典的案例，是麻省理工學院實驗室的識別系統。透過巧妙安排光束在空間中的位置，設計方透過AI自動生成了 40,000個排列組合，讓每一個實驗室都能擁有獨一無二的代表圖案。另外一個傑出的商業企劃，是由奧美替 Nutella 操刀的個性化產品包裝，公司發行了限量700萬罐的Nutella，每款都帶有不同版本的品牌圖形標識，在僅一個月內就全數賣光。

除此之外，DesignScape 之前就曾經推出實驗性的自動排版建議網站，讓排版新手可以透過演算法建議，決定物件的擺放位置。甚至有企業推出了創造品牌logo的免費工具，只要輸入希望的風格、色系，就可以取得自動化生成的 logo。

生成式設計在商業上的嘗試遠遠不止於此。實際上，從網頁設計、使用者介面等生成式設計，早已經在各式應用中落地生根，試圖讓 AI 成為激發靈感的助手。

身為企業，該追求夠好的設計，還是高明的設計？

Midjourney 的出現，象徵了一次革命性的創新。也帶來一個關鍵的問題：如果某一天，任何人都可以靠自己生成美圖，那麼設計師所扮演的角色會因此改變嗎？又或者，換個角度想，企業與設計師合作，能帶來什麼獨特的價值？

筆者認為，這個問題要回歸到常見的使用情境中，才能完整地回答。設計師能提供的價值，取決於企業追求的是「夠好的設計」，還是「高明的設計」。

以前者來說，Canva 在近兩年的廣為流傳，便足以證明市場存在著明確的製圖剛需——面對一次性的活動，需要快速產出海報、傳單、社群貼文時，零設計基礎的初學者們需要一套快速上手的基礎工具，在高度緊縮的時程中盡量減低來回溝通成本，做出「夠好」的設計。

但是高度依賴模板、「夠好」的設計，同時也代表能夠較容易被複製，難以與競爭對手做出差異化，也自然無法在消費者心裡留下深刻印象。要打造出一套完整、獨特、延伸性強大的視覺系統，考驗的是設計師對於市場競品的全盤理解、對消費者心理的洞察，以及巧妙地將產品跟品牌結合的說故事能力。這三者必須同時具備，才能造就「高明」的設計。而儘管已有前文上述輔助工具的誕生，這三者當中的任何一個要素，都並非生成式設計可以取代。

回歸到一開始的問題，筆者個人認為，未來若快速生成大量參考案例、提供排版建議的生成式工具邁向成熟，新手設計師的確可能在接案時，因此面臨更大的比較壓力。然而，即使如此，對商業問題的洞察、對產品與品牌的詮釋，仍然是造就品牌差異的關鍵。也因此，即使生成式設計將提供超出想像的豐富靈感，定義問題、擬定完善解決方案的職責，終究得回歸到設計師身上。

本文授權轉載自：FC未來商務

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。