简而言之：传统的设计系统概念——一个静态资产库——已经过时。当我将自己在行业中的工作与庆应义塾大学系统设计与管理研究生院（SDM）的研究结合起来时，很明显我们正在朝着“设计智能”迈进。这不仅仅是一个存储库；它是一个主动的智能系统，汇集了指导方针、逻辑和代码。这一转变使我们能够将人工智能嵌入产品生命周期，将设计从被动的守门人转变为实时的自适应引擎。
我是James，Mercury Technology Solutions的首席执行官，也是庆应义塾大学SDM的教员。 香港 - 2026年1月4日
在系统工程中，我们经常谈论“集合”和“系统”之间的区别。集合是一堆零件；系统是一个整体，表现出涌现行为。
在过去的十年中，设计系统一直是集合——静态文档和资产，团队手动引用。虽然这是基础，但这种方法对于人工智能时代来说是不够的。未来在于创建“设计智能”——一个统一的真实来源，将设计规范、指导方针和生产代码汇集成一个智能系统，能够为创作者和最终用户提供人工智能工具的支持。
1. 系统架构：向基于模型的设计转变
在庆应SDM理论中，我们强调基于模型的系统工程（MBSE）以管理复杂性。我们正在见证这一理论在产品设计中的应用。
统一逻辑模型
传统上，设计和开发之间的“交接”边界存在摩擦。设计师在静态模型中工作，迫使开发人员从头开始重建界面，猜测间距和逻辑。
设计智能充当中央系统模型。它允许设计师使用开发人员使用的实际生产组件构建高保真原型。
- 对于设计师：它确保原型是功能性的，并受到现实的限制，而不仅仅是视觉近似。
- 对于开发人员：它允许他们直接接收可以在其基础上构建的原型，使他们能够专注于业务逻辑、API和后端架构，而不是争论像素对齐问题。
这种融合确保设计师和开发人员在同一个“系统模型”中操作，通过共同的代码说同一种语言。
2. 管理熵：单一真实来源
任何复杂系统面临的最大威胁之一是熵——系统退化为无序的倾向。在产品开发中，这表现为碎片化。
目前，设计智能分散在各个孤岛：Figma用于视觉，Storybook用于组件，GitHub用于代码，各种CMS平台用于内容。这种碎片化造成了AI工具——如Copilot、Claude Code或Cursor——无法保持一致性的空白。
为了有效利用人工智能，我们必须通过集中设计智能来减少这种熵。
- 集成：通过创建单一真实来源，我们简化了人工智能工具的集成。
- 验证：开发人员可以使用由此智能驱动的VSCode扩展，实时接收设计组件的“IntelliSense”，在编码时检查反模式和可访问性合规性。
3. 自适应系统：AI生成的界面
最深刻的转变是从静态界面到自适应系统”。我们开始交付能够按需生成视图和工作流程的应用程序，直接在客户的场所。想象一个场景，客户需要特定的数据可视化。系统使用嵌入的设计智能立即生成界面，而不是提交功能请求并等待开发周期。
护栏的控制理论
在系统设计管理中，我们定义
边界条件以确保安全性和可靠性。为了使AI生成的界面有效，AI不能产生幻觉；它必须在严格的参数内运作。 to ensure safety and reliability. For AI-generated interfaces to work, the AI cannot hallucinate; it must operate within strict parameters.
- 它必须利用已建立的组件库。
- 它必须遵循设计原则。
- 它必须保持功能集成。
您嵌入的设计智能充当控制逻辑，确保人工智能做出稳健、符合上下文的决策。
4. 过程优化：自动化验证与确认（V&V）循环
最后，一个强大的系统必须具有高效的验证与确认（V&V）循环。目前，设计审查和审计是手动的，资源密集型的瓶颈。
设计智能使我们能够自动化“设计系统操作”：
- 自动审计：系统可以自动审计代码库中的视觉不合规和间距问题，而不是手动扫描。
- 数据驱动决策：这种自动化将指标反馈到系统中——跟踪组件使用情况、自定义覆盖和版本采用。
- 实时支持：一个经过设计系统培训的人工智能聊天机器人可以回答基本的实施问题，释放人力资源用于复杂问题的解决。
结论：竞争优势
这种转型正在创造新的流程和混合角色，其规模可与互联网革命相媲美。将设计系统视为静态资产的组织将被抛在后面。那些实施设计智能——将其定位为产品生命周期中的主动、智能参与者——将通过减少周期和启用竞争对手无法匹敌的能力而获得巨大的竞争优势。
问题不再是“我们是否有设计系统？”而是“我们的设计系统是否智能？”
Mercury Technology Solutions：加速数字化。
