designs（设计）在当前 AI 语境下主要指两层含义：一是用大模型生成界面、原型等视觉与产品设计，二是芯片、内核等工程方案的架构设计。近期无论哪个方向，AI 都在从“辅助工具”走向“直接产出可用成品”，成为开发与硬件领域的热议话题。
AI designs 的近期进展
在产品设计方向，一个使用 Claude Design 做原型节约 Token 的技巧提到，开发者可以先在 Claude 网站上完成完整设计稿并迭代到满意，再导出为本地 HTML，之后只需让 Claude 基于该版本继续修改。这种“先定稿、再增量”的流程，被不少人视为降低 Token 成本的实用做法。
在评测层面，Design Creativity Bench 发布：GPT-6 Astra 排第一、Claude Opus 5.5 第八 引入了一个模型创造力排行，GPT-6 Astra 位列第一，Claude Opus 5.5 排第八，且最强模型仍明显低于人类水平。这说明 AI 在设计创造力上虽快速进步，但与人类顶尖水准仍有差距。
在硬件方向，达摩院发布玄铁 E908A 车规 RISC-V CPU IP，面向 ASIL-B 与 ASIL-D 安全等级的汽车电子 designs，显示 RISC-V 架构正加速进入车规级市场。此外，前英伟达 GPU 架构师创办的公司推出 Y10 芯片，能在 1 毫秒内闭环机器人控制，瞄准物理 AI 场景的低延迟需求。
当前焦点与观察点
综合来看，designs 相关的讨论集中在三点。其一是工程落地：无论是 Claude Design 的原型导出流程，还是 E908A、Y10 这类芯片设计，重点都已从“能不能做”转向“如何高效迭代、如何满足安全与延迟等硬指标”。其二是能力评估：Design Creativity Bench 这类基准的出现，反映社区希望用统一标尺衡量模型的创造力，而“最强模型仍低于人类”的结论也为过热预期提供了校准。其三是开源架构的渗透：RISC-V 在车规 designs 中的推进，可能改变汽车芯片 IP 的供应格局。
值得观察的是，AI 生成的设计稿能否直接进入生产流程，仍取决于一致性、可维护性与版权归属等问题；而硬件端的 designs 竞争，则要看车规认证与实际量产进度。对普通开发者而言，先掌握“定稿后再迭代”的工作流，是当前性价比最高的切入方式。