不知大家是否有察觉到，曾经大受关注的界面 UI 的生成式设计，现在似乎有些“冷场”了。

一年多前，国内几家设计工具平台纷纷砸钱入场，准备在生成式 AI 领域大展拳脚，目标直指产品界面设计。

那时候，这个赛道可谓风光无限。然而一年过去，大家渐渐没了声响，产品界面的 AI 设计，好像突然就没人聊了。

这个曾经的热点是被抛弃了吗？也不尽然。

更准确地说，大家心照不宣地调转方向，集体出海，去海外寻找商业化和技术发展的更大空间。

方向上的分化也很明显：

• 有的平台选择专注于相对容易入手的“官网”型界面设计，试图满足中小企业的基础需求；

• 有的则退回到设计助理的定位，专注于通过 AI 辅助设计师更高效地完成工作。

那么，究竟发生了什么，让这场轰轰烈烈的变革变得如此安静？

主要原因集中在以下几个方面：

01. AI 生成能力尚且不足

虽然每一款产品都在演示中展示了几个看上去不错的生成界面，但坦白说，这种“不错”仅限于 Demo 场景。

一旦面对真实的复杂设计需求，目前的生成效果就难以令人满意。

如果仔细试用过这类工具，就会发现一个共性：除了官方展示的几个精心优化案例外，用户在实际操作中，无论如何调整提示词，生成的界面效果都与预期相差甚远。

甚至，还会出现一些非常低级的排版错误。

这直接导致了一个尴尬局面：生成式 AI 很难真正参与到实际的、严肃的设计工作中去。

02. 设计需求的业务复杂度

现实中的设计工作，并不仅仅是画几张图。

它往往包含复杂的业务逻辑、繁琐的用户流程和深层的商业目标。

而这些，恰恰是当前通用的 AI 系统无法理解的。

在真实的业务需求面前，这些通用的 AI 模型，基本就派不上用场了。

03. 国内的付费环境不佳

虽然国内用户的付费意愿相比几年前有明显改善，但这仅限于刚需类的工具产品。

对于 AI 界面生成这类工具，它没能直接替代设计师的工作，企业很难看到明确的投资回报。

在缺乏真正核心竞争力的情况下，想让企业为此买单，难度可想而知。

04. 政策监管影响

随着国家对生成式 AI 监管力度的加强，大模型的开发和应用受到诸多限制。

很多优秀的大模型能力很难被直接应用到产品中，这也直接影响了产品能力的建设。

集体出海，成了共同选择

在这种局面下，大家心照不宣地做出了同一个选择：出海。

海外市场，尤其是欧美等发达国家，对于新兴设计工具和生成式 AI 的付费意愿显著更高，商业化潜力巨大。

同时，海外相对宽松的政策环境，也为产品的快速发展提供了更优渥的土壤。

这些公司出海后的表现如何呢？

产品上线初期，它们都在 ProductHunt 上获得了巨大的曝光，迅速积累了一批早期用户，引起了市场的广泛关注。

这种曝光为后续推广打下了不错的基础。

但在初期的热度过后，大家目前的情况怎么样呢？

目前来看，日子也都不太好过。

在这些出海工具中，我选了一家情况相对较好的产品（下称产品 A），借助 Similarweb 做了一些对比分析。

虽然 Similarweb 的数据并非绝对准确，但在同一口径下，依然能看出清晰的趋势，具备参考价值。

先抛一下分析的结论：

01. 市场占有率较低

产品 A 在设计类 SaaS 工具市场的占有率很低，流量与 Canva、Webflow 这样的头部企业相差甚远。

用户群主要集中在新兴市场（印度、巴基斯坦、尼日利亚等），占比高达 45%，这与它预期的欧美主流市场相去甚远。

02. 核心产品能力有限

产品 A 的界面 UI 生成，本质上还是依赖于“模板库”，自身模型生成能力有限。

当面对不同的真实设计需求时，能力显得比较单薄。

03. 盈利能力有限

用户主要集中在印度、巴基斯坦等新兴市场，这些市场的用户付费意愿本身较低。

即使活跃用户数量可观，但付费转化率也难以形成有效的收入支撑。

为什么说出海之后也不好过

设计类 SaaS 工具市场的竞争激烈程度超出想象。

在 Web Design 领域，排名前 100 的产品月活用户通常在 300 万以上。

相比之下，产品 A 的月活跃用户仅 20 多万，与行业前列的竞争者存在明显差距。

数据最有说服力：排第一的 Canva 月活超过 7000 万（也有报道称已超 1.9 亿），与产品 A 场景类似的 Webflow 也有 700 万月活。

在这种情况下，想在海外市场激烈竞争中分得一杯羹，挑战巨大。

产品能力的核心限制

另一个关键点在于，产品 A 的能力本质上基于前端框架。

也就是说，它的“生成”结果是基于已存且成熟的模板完成的。

对于产品官网这类有明确模式抽象的界面，它勉强能应付。

但如果我们换到其他领域，比如让 AI 生成一个电商购物平台的界面，结果就相当惨淡。

这也是我一直强调的观点：界面 UI 的生成式设计，在目前阶段，极度依赖行业标准化的建立。

用户真正需要的，不只是“皮肤”

另一方面，对于绝大多数潜在用户而言，他们需要的是借助 AI 完成产品界面设计的工作，而不仅仅是一套“皮肤”。

相比于 Webflow，它所提供的 CMS 能力才更贴近用户的真实业务需求。

付费市场的现实问题

最后，聊聊付费市场的问题。

对于 SaaS 类产品，行业基础付费转化率在 5% 到 10% 之间，这还是在付费环境较好的欧美市场。

而产品 A 的主要流量来源——印度（24.5%）、巴基斯坦（11%）、尼日利亚（9.37%）——三个市场加起来占了 40% 多。

这些新兴市场的付费意愿和价格敏感度，给产品的整体盈利能力带来了很大限制，也使其商业模式的可持续性受到挑战。

生成式 AI 在界面 UI 方面还有机会吗？

对于这个问题，我的答案是肯定的。

但关键在于，界面生成如何能够真正解决企业的业务需求。

生成式 AI 想要在界面 UI 领域有所突破，就必须与具体的业务需求进行深度融合。

还记得早期介绍的 Salesforce 的 GPT 吗？它将生成式 AI 整合进业务工作流，帮助用户在推进业务的过程中生成所需的界面和功能。

这种与业务流程融合在一起的生产力，才可能为企业带来实际价值，企业也才愿意为此买单。

前段时间，一位做产品的朋友约咖啡。

他原本是想来了解一下生成式 AI 在设计领域的最新进展，结果聊着聊着，话题就变成了 AI 如何融入到企业的业务项目生产中，帮助企业降低内耗。

我们姑且称之为“去中心化”的产品研发设计。

这是一个很有趣的议题，一个多小时的深入讨论下来，逻辑上确实具备可行性。

当然，这需要时间。

• 需要等待技术能力的进步；

• 需要等待产品、设计、研发等角色之间协作模式的演变。

但这可能是生成式 AI 真正落地并发挥其价值的一个重要方向。

回来后我花了些时间重新梳理了一下，从「去中心化产品研发设计」的逻辑，到它给我们工作方式带来的变化与调整，进行了深入分析。

这些思考，或许比单纯讨论“AI能画什么”更有价值。