提案现场，你大概见过这种人。

他坐在会议室最里面，西装笔挺，面前摆着一杯没动过的咖啡。乙方的PPT翻到第三版，他终于开口了：“嗯，方向对，但感觉还差点什么。”

本文来源于广告门 adquan.com

“差点什么？”

“就是……你懂我意思吧。”

没有人懂。

甲方著名需求：让大象转个身（由ChatGPT Image 2生成）

这不是某一个甲方的问题，这是整个广告行业几十年来最难解的结构性困境：甲方脑子里有画面，但说不出来；乙方拿出方案，甲方说不对；双方反复拉锯，最后要么将就，要么散伙。

这个困境的本质，不是甲方刁难，也不是乙方不努力，而是创意的生产工具，从来都不在甲方手里。

设计软件要学，摄影棚要租，修图要时间，出稿要流程。甲方能做的，只有“说”——说感觉，说方向，说“我要那种苹果的感觉，但又不能太冷”。然后等乙方把这句话翻译成一张图。

翻译的过程，就是信息损耗的过程。最近ChatGPT Image 2出现，这件事似乎有了另一种可能。

我们做了多种实验：

我们用ChatGPT Image 2进行测试，覆盖多个不同的使用场景：品牌风格迁移、奢侈品视觉语言应用、日常物料生产。

每一组，我们都只用了一句话的Prompt，让AI用高端品牌的视觉语言，去表达接地气的产品。逻辑很简单：如果AI真的能理解品牌视觉风格这种抽象概念，那它应该能把苹果的极简美学，用在蜜雪冰城的柠檬水上；把爱马仕的奢侈品质感，用在兰州拉面的菜单上。

反差越大，越能说明问题。

实验一：Apple×蜜雪冰城柠檬水

Prompt 原文：

……

生成图片，把苹果的海报换成蜜雪冰城柠檬水的海报

……

配了一张苹果App Store的节庆海报作为参考图，仅此而已。

生成结果：

画面整体高饱和、强动感，夏日清爽与节庆热闹兼具。以红、粉、橙、黄为主色自上而下渐变，既有喜庆冲击力，又融入柠檬的清爽感。同时，沿用参考图的句式与排版，左上角是“蜜雪冰城”品牌名，下方配白色加粗大字，视觉重心突出。 

与参考图相比，主要有几点变化：舞龙和节庆叙事换成了产品中心叙事，所有视觉能量集中到一杯柠檬水上；节庆感保留了，但春节气质弱化，转向夏日爆款饮品；商业目的更直接，更像一张能直接用于门店海报或社媒推广的成品。

这背后的逻辑是：ChatGPT Image 2做的，不是把参考图的内容换一遍——而是理解了这张图的视觉逻辑：大面积渐变背景、超大文案占位、产品居中、动态元素烘托氛围，然后把这套逻辑迁移到了一个完全不同的品牌和产品上。

如果你把这张AI生成图发给一个不知情的人，他大概率不会第一时间说“这是AI做的”。这已经是一个很高的门槛了。

实验二：Hermès×兰州拉面菜单

这组实验的难度更高，也更有意思。

Prompt 原文：

……

生成图片，用Hermès风格生成兰州拉面店的菜单

……

没有参考图，没有颜色说明，没有任何额外指令。

生成结果：

这组实验结果是本次测试中最令人惊喜的。 

AI避开了皮革、马具等爱马仕的表面符号，转而用线条作为核心语言。细腻线条勾勒边框与装饰，构图克制，字体自带厚重历史感。 

“金城兰州拉面”六个字居中排布，副标题“一碗入魂，现拉现煮”以小字宽间距置于下方，贴合爱马仕突出工艺与细节的文字排版习惯。结合中式审美融入拉面场景，让这份菜单呈现出独特的高级感。

菜单里所有文案都是AI自行理解生成，ChatGPT大模型对现实世界的认知远超Midjourney这种纯粹的视觉模型。整体设计风格，已经达到了可以商用的标准。

唯一的问题是菜品的字略小，如果真的要用在门店，需要调整一下字号层级。但这是一个可以在对话框里用一句话解决的问题：“把菜品名称的字号放大一些。”

这张图可以直接拿去和设计师沟通：就是这个感觉，帮我做精。从0到80分，AI已经帮你走完了。

实验三：中国电信App弹窗

前两组实验，测的是风格迁移能力：把一个品牌的视觉语言，用在另一个品牌的内容上。这组实验测的是另一件事：日常物料的生产能力。不是创意，不是反差，就是一张普通的运营弹窗。这是广告行业里体量最大、最消耗人力的那类工作。每天都要出，每次都差不多，但每次都要重新做。

Prompt 原文：

……

生成一个中国电信App弹窗设计，主标题：39元20GB夏日冲浪不断网，副标题：首订权益N选1+至高月赠10GB，设计要有夏季的元素和氛围背景。

……

生成结果：

这张图的意义，不在于它有多好看。它的意义在于：一句话，出了一张可以直接进提案的稿子。

主标题、副标题、夏季氛围、品牌色系，全部到位。如果是过去，这张图需要运营写需求、设计排版、来回确认，至少半天。现在，从输入Prompt到拿到结果，不超过一分钟。这不是在说设计师要失业了，而是在说，那些按规格重复产出的物料——活动弹窗、促销 banner、节日海报——这类工作的生产方式，正在被根本性地改变。

设计师的时间，可以从这里解放出来，去做那些真正需要判断力的事情。

做完这几组实验，有几个判断是清晰的。

AI对风格的理解，已经超出预期。它不是在做表面的视觉模仿，而是在某种程度上理解了为什么苹果的海报看起来贵、为什么爱马仕的物料有历史感。这背后是对大量品牌视觉案例的学习，但结果是它能把这种理解迁移到新的内容上。

Prompt不需要像咒语一样复杂，这是这次实验最反直觉的发现。三组实验，每一组的Prompt都只有一句话。AI大模型的技术进步，能从极简的指令里，理解你真正想要的东西。这意味着未来AI设计的使用门槛，比大多数人想象的低得多。

提示词：以“神仙也点外卖”为主题，为XX外卖设计海报

提示词：帮我生成沙县小吃品牌VI

可用和好用之间，还有最后一公里。几组实验的产出，都在“可以用”的水平线上，但距离“真正好用”还有一点差距。这个差距，主要体现在细节质感、字体排印、和品牌一致性上。

这最后一公里，恰恰是人的价值所在。

它为什么能听懂甲方的话

先说清楚ChatGPT Image 2是什么，以及它和之前的AI生图工具有什么本质差异。不是参数，不是技术路线，而是它能理解的语言类型变了。

过去的AI生图工具，你得用“描述性语言”：画面里有什么，光线从哪里来，背景是什么颜色。这是一种翻译图像的语言，需要你把脑子里的画面先拆解成视觉元素，再输入给机器。

ChatGPT Image 2能理解的，是感受性语言：苹果风格的极简、爱马仕的高级感、那种日系杂志的冷淡。这些描述，在过去只能出现在创意Brief里，是甲方和乙方之间的沟通语言，不是机器能处理的指令。

现在它能处理了。而更关键的是两个能力：

第一，文字可以直接渲染进画面。不是贴图，不是后期合成，而是AI在理解了整体视觉风格之后，把文案作为画面的一部分生成出来。这意味着一张海报，包括排版、字体感、文字与图像的关系，可以一次性输出。Google的Nano Banana系列模型也能输出汉字，但整体的高级感总归是弱了一些。

第二，支持多轮对话修改。再高级一点、颜色再暖一些、把logo放到左下角，这些在过去需要重新沟通、重新出稿的修改，现在可以在对话框里完成。

这两个能力叠加在一起，意味着什么？从参考图到可用稿的距离，被大幅压缩了。

过去，AI生图的产出是灵感参考，还需要设计师二次加工才能用。现在，某些场景下，它的产出已经接近可以直接用的程度。

三个正在发生的变化

变化一：提案环节的权力在转移

过去，提案是乙方的主场。甲方带着模糊的需求进来，乙方带着精心准备的方案出去。“惊喜感”是乙方的核心竞争力之一——你不知道他们会拿出什么，但你期待那个“哇”的瞬间。现在，这个结构开始松动。

一个会用ChatGPT Image 2的品牌方，可以在提案会之前，自己生成三到五个方向的视觉参考。不是精稿，但足够说明“我要的是这个感觉，不是那个感觉”。

这件事的影响是双向的。对甲方来说，沟通成本大幅降低。“你懂我意思吧”这句话，终于可以被一张图替代。对乙方来说，“惊喜感”被压缩了，但这未必是坏事。当甲方能更清晰地表达需求，乙方就可以把更多精力放在“为什么这个方向是对的”上，而不是“猜测甲方到底想要什么”上。

本质上，这是一次策略思维对执行技法的重新定价。能说清楚为什么的人，比能做出来“是什么”的人，价值会更高。

变化二：中小品牌的审美平权

过去，好的视觉等于好的预算。一套完整的品牌视觉系统，从策略到执行，动辄几十万起。一张能用的产品海报，找专业摄影师加设计师，几千到几万不等。这个门槛，把大量中小品牌挡在了“专业视觉”的门外。

现在，一个会描述的运营，可以用ChatGPT Image 2产出接近专业水准的物料。这不是说专业设计师要失业了。而是说，“能不能做出来”和“做得好不好”，开始成为两个独立的问题。

提示词：生成某威士忌品牌跟山西老陈醋的联名海报

过去，这两个问题是绑定的——你没有预算，就做不出来，更谈不上好不好。现在，做出来的门槛大幅降低，做得好的标准反而更清晰了。

但门槛依然存在，只是换了位置。

品牌一致性，是第一道门槛。AI每次生成的结果都不完全相同，如何保证跨渠道、跨时间的视觉一致性，仍然需要专业判断。版权问题，是第二道门槛。风格模仿的法律边界，目前仍然模糊。苹果风格是一种描述，不是一个受保护的版权，但如果生成结果过于接近某个具体作品，就进入了灰色地带。精修能力，是第三道门槛。从80分到95分的最后冲刺，仍然需要人工介入。AI能帮你到80分，但那最后15分，是专业设计师的价值所在。

提示词：参考「长城干红：三毫米的旅程 一颗好葡萄要走十年」的海报设计小米汽车的海报

变化三：创意人的角色在迁移

这是最容易被误读的一个变化。

“AI会取代设计师吗？”这个问题，问错了。

更准确的问题是：AI会改变设计师做什么吗？

答案是肯定的。Photoshop出现的时候，有人说它会消灭设计师。结果是Photoshop消灭了一部分重复性的手工劳动，但扩大了设计师能做的事情的边界。今天的设计师，能做的事情比Photoshop出现之前多得多。

ChatGPT Image 2的逻辑是一样的。它会消灭一部分执行型的工作——那些按照明确规格、重复产出的物料制作。但它会释放出更多空间，让创意人去做判断型的工作——判断哪个方向是对的，判断AI的产出哪里好哪里差，判断如何把80分的结果推到95分。

这需要三种新能力：

会“说”创意。Prompt工程不是技术活，是创意活。你能不能用语言精准描述一种视觉感受，决定了AI能不能给你想要的结果。

会“判断”创意。AI会给你很多选项，但它不知道哪个是对的。审美判断力，是这个时代最稀缺的能力之一。

会“调教”创意。多轮对话的能力，是把AI从“随机生成”变成“精准产出”的关键。这需要你知道自己要什么，也知道怎么一步步引导AI到达那里。

这不是被替代，这是被解放——从重复性的执行工作里解放出来，去做更需要人类判断力的事情。

会说话，只是第一步。回到开头那个提案现场。如果那个甲方用上了ChatGPT Image 2，他可能会在会议前生成一张图，带进会议室，说：就是这个感觉。

乙方看了，终于不用猜了。

但故事到这里还没结束。那张图，是看起来不错的图。但看起来不错和能打动人之间，还有一段距离。那段距离，需要有人回答：这张图为什么对？它传递了什么？它能让目标用户产生什么感受？它和品牌的长期资产是什么关系？

提示词：生成大卫奥格威和尼尔法兰奇在某平台直播的图片

这些问题，ChatGPT Image 2回答不了。AI、降低了创意的生产门槛，但没有降低创意的思考门槛。

甲方的春天，是真实的。当“说出来就能生成”成为可能，甲方第一次拥有了直接参与创意生产的工具，这是一次真实的权力结构变化，但这也是乙方重新定义自身价值的时机。

当执行的门槛降低，策略的价值就会上升。当做出来变得容易，做对了就变得更难，也更值钱。会说话，只是第一步。说对话，才是核心竞争力。

END