图片来源@视觉中国

文｜互联网的那些事儿

大模型的出现赋予了各大行业千万种幻想，就连传统行业也深陷其中。 

众所周知的是，包装印刷行业仍然属于产业集约度低、产能过剩、产业效率相对不足的传统印刷行业，在人工上也仍然严重依赖设计师和技术人员的个人经验。 

而随着AI时代的到来，包装印刷行业打通数字化不仅成为了可能，市场的天花板也因此得到拉升。 

根据共研产业咨询发布的数据，2023年我国包装设计行业市场规模将达到349.8亿元；中商产业研究院数据则显示，包装生产的市场规模高达15020亿，市场天花板极高。 

同时，也基于行业的发展，已有企业发布自研生成式人工智能设计系统。 

据悉，从设计到生产的一站式包装智能服务平台小象智合发布了自研的生成式人工智能设计系统ELEAI，有望实现让用户通过对话指令，就可以得到从设计到最终包装及印刷成品的端到端体验。 

更重要的是，小象智合发布的自研ELEAI智能包装设计系统，融合了行业语言模型、视觉生成模型、3D渲染模型等核心算法和预训练模型，可以实现“文生设计图”、“用户想法生成包装方案”等功能。 

但说到底，对于传统行业的转身需要思考的是，AI真的适合落地到商业包装设计领域吗？作为第一批将包装设计领域数字化的企业，小象智合真的拥有颠覆行业的能力吗？ 

重要的是从设计到产品整合 

AI对包装设计项目的赋能到底有多大呢？

首先我们需要了解一个包装设计项目，从需求到落地的环节：需求Brief -创意Brief -设计提案-提案反馈&修改- 印刷制版 -打样调整-批量生产。 

在需求到设计提案的过程中，最大的成本应该是反反复复修正所需的时间，修改到 批量生产的过程，则需要分为时间成本与样品调整成本。 

这个时候，成熟的AIGC将可以帮助包装设计项目优化创意可视化的时间和人力成本。 

其次，在创意层面，人工设计师或许能够做到突发奇想，但要知道这个概率是较低的，而通过数据投喂的AIGC，接触面会更广。 

当然，将AIGC应用于包装设计是一件看似理所当然，实则极具挑战的事，其中Midjourney对包装设计项目制作过程就是一个例子。 

不久前，FBIF创始人Mote发表了《2天300+作品，Midjourney将彻底颠覆 食品包装设计 ！》一文。 

仅仅是从文中的配图，我们就能感受到了AI图像生成软件对作图领域的能力，以及能看到它将颠覆设计领域的可能。 

最明显的是，在前期的文本生成图片上，Midjourney能够精确的达到设计需求和创意的结合。 

但问题还是存在的，例如Midjourney难以将生成结果完美的整合到产品的外形上，对外形所存在形态有着一定的局限性。 

根据测试结果来看，无论是使用上传图源，使用种子(Seed)，还是直接输入包装型号的方式，Midjourney总是会扭曲原有的包装版型，生成的包装设计始终不符合要求。 

据悉，就算能够生成接近的包装外形，一旦到了进入包装立体图转为印刷制版的展开图时，Midjourney难以独自完成。 

那么换个角度，小象智合是否能够完美的解决这一难题呢？ 

目前，小象智合在产品形态方面形成了“智能化设计前端 + 数字化中台 + 超级云工厂”的解决方案。 

更关键的是，“ELEAI”作为全球首款包装行业生成式人工智能设计系统——ELEAI，已经实现从一句话到成品包装，从设计到生产实现包装创新的所思即所见，所见即所得。然而事实真就如此吗？ 

从关于“ELEAI”的发布内容看，小象智合似乎更关注其繁杂技术之间结合，而对于生成设计与产品之间的契合度，并没有过多的涉及。 

例如，小象智合曾说到“ELEAI其实是一个融合了多种技术的综合体，当用户简单的输入一句文字描述的时候，背后我们需要进行复杂的各项技术模块的组合应用。” 

“比如，用AI语言模型分析理解用户需求，匹配适合的盒型和色彩搭配，生成主题文案，自动对应规格参数输出对应的图像Prompt，再对接到AI图像模型生成多个配图，然后再自动处理变成包装设计的组成元素。” 

为此，在生成落地的问题上，小象智合存在的问题仍然是可见的。 

建模初落地，无功无过？

4月12日，小象智合曾携其最新的AI智能设计+纳米数字印刷包装解决方案亮相第108届全国糖酒会。 

在其25款AI智能设计包装案例中，“GC未来”案例中的宇航服在手指细节上参差 不齐，“梵高的兔子”案例中的兔腿爪子更像是断爪的状态。 

这与Midjourney所存在的问题一致，不过这也证明了AI包装设计模型在落地的初期，是极难独自完成设计到落地的全链条过程的，其中仍然离不开专业设计团队的落地能力。 

更何况，平面设计只是其中的一个环节。在包装从平面设计到落地的过程中，仍有许多需要考虑的细节问题，如设计图调整、3D渲染、印刷、打样等。

另一方面，利用建模软件生成3D效果图，对于消费市场来说也将是必不可少的发展需求。重点是，在生成3D的设计场景中也依然需要人为介入。 

如果将生成的3D效果图应用到印刷制版的平面，例如颜色，尺寸、画面比例等多方面的细节，仍然需要大量的人为调整和作图，来使MJ的效果图与印刷平面相匹配。而这些，仍然是设计师的专业领域。 

更重要的是，在数据训练较为匮乏的背景下，ELEAI并不能完全代替人类的创造性思维和原创性。因为生成图片需要以关键词为前提，所以需要输入想法和创意，才能生成符合需求的包装。 

但有意思的是，小象智合对于ELEAI现在以及未来在生成图片的具体发展内容，并没有详细的提及，更多是着重的强调数字印刷过程中对环保的提升。 

例如“数字印刷作为特定印刷技术区别于传统胶印技术，它具有印前无须制版、小批量印刷订单生产、交付周期短等特点，尤其在环保方面，数字印刷技术相较传统印刷无需油墨溶剂、涂布液、润版液以及清洁药水等，可减少空气排放，具备一定的环境友好性。” 

某种程度上，围绕着“环保”讲故事，对合作方并没有太大的吸引力。 

加之，人工智能能够赋予包装设计行业的价值，远不止于为了实现环保，同时也为了降低行业对传统的人工的依赖以及时间成本，更是合作方对于效率的需求。 

可以想象，随着电商化的消费场景变得越来越重要，对供应链的创新与效率优化提出了巨大的挑战，从需求分析、设计生产到嵌入电商场景的数字化与智能化体验显得尤为重要。 

业务链条化就一定有优势吗？

包装设计行业智能化发展的过程，看似流程简单，但所需技术之多并不亚于大多数需要大模型落地的场景。 

先是要对使用者提出的要求进行充分的理解，紧接着对应落地产品规格参数生成图像，再对接到AI图像模型生成多个配图，然后再自动处理变成包装设计的组成元素，必要时要需要进行3D化处理。 

这对于仅仅只有AI能力的人工智能设计平台来说，或许难以形成行业壁垒。 

但，业务链条化就一定有优势吗？ 

据悉，小象智合开始通过自研的数字化智慧中台，为客户提供了一条包括印刷流程处理、管理系统在内的包装供应链，将设计、打样、生产环节进行了数字化打通。 

但其实，在各类大模型层次不穷的时代下，完全没有必要指望让一种AI完成所有的事情，在自身技术处于优势的情况下，或许可以形成行业壁垒，但投入的成本也会远远高于同行。 

实际上完全可以允许人工智能化包装设计，进行正常化的分工合作，在现成具有专业特长的AI面前，也是可以搭配使用的。 

类似于用ChatGPT对产品设计创意进行细分，紧接着通过ELEAI来实现可视化呈现。 

另外，在图片创作的整个过程中，无论是输入初期亦或是修改期间，还可以利用生成prompt关键词的网站进行协助，如PromptHero、Noonshot等，反推图片中的关键词。 

简单来说，就是图片进行“检验”，为的就是更好的控制图片内容或风格走向。 

当然，还有3D渲染的达成。 

在3D渲染上，也有如Mental Canvas、Magic3D、包小盒等在3D模型上更加聚焦的平台可以进行选择，或是平台间进行协同合作。 

不过，也不能说业务全链化没有优势，只不过在分秒必争的环境下，将具体的创作交给专业的AI，优势或许更明显。