书名：计算设计
定价：59.0
ISBN：9787301372968
作者：李月恩 主编
版次：1
出版时间：2026-03

内容提要：

产品创新设计是工业设计类专业和设计学专业的一门专业课，该课程具有应用性和操作性强的特点。本书共分8章，系统阐述计算设计的理论构建、学科边界、实践路径、技术融合及未来趋势。第1章从数据驱动设计的范式转移入手，探讨设计数据的采集、分析与流程构建；第2章界定计算设计的内涵与外延，辨析其与传统设计、AI设计的本质差异；第3章通过跨领域案例，提炼计算设计的实践路径与效能评估体系；第4章聚焦生成式AI对计算设计的重塑，分析新流程、新美学及新挑战；第5章探讨计算设计与AI技术的融合路径，涵盖建筑、工业、数字媒体等领域；第6章梳理AI时代计算设计的技术平台，构建分类体系并展望未来；第7章描绘智慧设计的演进图景，从自动化到自主化，重新定义人类角色；第8章展望未来设计范式的颠覆与设计师进化，提出核心能力培养与教育改革建议。

作者简介：
李月恩，山东建筑大学副教授，硕导，中国工业设计学会理事，主要从事产品设计教学及研究工作，先后发表论文40余篇，其中SCI/EI检索文章22篇，出版学术著作4部，翻译著作1部。参与文化部科技创新、山东省科技攻关等多项省部级研究项目。国外访问期间，参与开展国际合作、协同研究项目2项，多次参加国际会议并做学术报告。

目录：
第1 章 数据驱动设计范式的理论构建与方法论研究 /001
1.1 数据驱动设计的范式转移：从辅助工具到驱动核心 /003
1.1.1 数据在设计中的角色演变历程 /003
1.1.2 范式转移的理论基础与驱动因素 /004
1.1.3 数据驱动设计范式的核心特征 /005
1.2 设计数据的类型、特征及其采集与清洗方法 /006
1.2.1 设计数据的分类体系与特征分析 /006
1.2.2 设计数据的采集技术与方法 /008
1.2.3 数据清洗与预处理策略 /009
1.3 数据分析技术在设计决策中的应用 /011
1.3.1 统计分析技术的应用 /011
1.3.2 机器学习算法的应用 /012
1.3.3 自然语言处理技术的应用 /013
1.4 可重复、可验证的数据驱动设计流程构建 /015
1.4.1 设计流程的标准化框架体系 /015
1.4.2 验证机制与评估指标体系 /017
1.4.3 流程质量控制体系、风险管理机制与持续改进机制 /018
1.5 数据驱动设计方法论体系的构建 /020
1.5.1 数据驱动设计方法论体系的理论基础 /020
1.5.2 数据驱动设计方法论体系的核心架构 /021
1.5.3 数据驱动设计方法论体系的实施路径 /023
1.6 结论 /024
第2 章 计算设计的内涵与外延的学科边界界定 /028
2.1 计算设计的思想源流与演进脉络 /029
2.1.1 算法设计的早期探索 /029
2.1.2 参数化设计的兴起与发展 /030
2.1.3 生成式设计的演进轨迹 /031
2.1.4 计算设计的形成与整合 /031
2.2 计算设计的概念辨析与边界界定 /032
2.2.1 计算设计与传统设计的本质差异 /032
2.2.2 计算设计与计算机辅助设计的核心区别 /033
2.2.3 计算设计与AI 设计的能力边界比较 /033
2.2.4 计算设计的核心内涵与主要特征 /034
2.2.5 计算设计的能力边界 /035
2.3 计算设计的学科体系构建 /036
2.3.1 跨学科知识结构 /036
2.3.2 核心技能体系 /036
2.3.3 伦理规范框架 /037
2.3.4 教育体系 /038
2.3.5 行业标准 /039
2.4 结论 /040
第3 章 计算设计的实践路径与效能评估 /042
3.1 研究背景与理论基础 /044
3.1.1 参数化设计、生成式设计与算法设计的概念界定 /044
3.1.2 跨领域应用特征分析 /045
3.2 研究方法与案例选择策略 /045
3.2.1 案例研究方法论框架 /045
3.2.2 案例筛选标准 /046
3.2.3 数据收集与分析方法 /047
3.3 多维度分析框架构建 /047
3.3.1 问题界定维度分析 /047
3.3.2 算法选择维度分析 /048
3.3.3 人机协作维度分析 /049
3.3.4 解决方案生成与优化维度分析 /049
3.3.5 价值创造维度分析 /050
3.4 跨领域案例实证分析 /052
3.4.1 建筑设计领域案例分析 /052
3.4.2 产品设计领域案例分析 /053
3.4.3 城市设计领域案例分析 /054
3.4.4 交互设计领域案例分析 /055
3.5 最佳实践路径提炼 /055
3.5.1 成功案例的关键成功因素分析 /055
3.5.2 失败案例的风险因素识别 /057
3.5.3 分场景实践路径构建 /058
3.6 效能评估指标体系构建 /059
3.6.1 设计效能评估指标体系 /059
3.6.2 经济效益评估指标体系 /060
3.6.3 评估方法与工具设计 /061
3.7 结论 /062
第4 章 生成式AI 与计算设计的新质生产力、新流程与
新美学融合 /065
4.1 生成式AI 的技术基础与发展脉络 /066
4.1.1 主流生成式AI 模型的技术特征 /066
4.1.2 技术发展的关键节点 /067
4.1.3 在计算设计领域的应用现状 /068
4.2 生成式AI 重塑计算设计的核心环节 /069
4.2.1 概念发散：打破传统思维定式 /069
4.2.2 方案生成：基于约束条件的自动化探索 /070
4.2.3 风格迁移：跨文化与跨历史的设计融合 /070
4.2.4 性能模拟：设计与性能的一体化优化 /071
4.3 人机协作的新设计流程 /072
4.3.1 角色分工：人类主导创意评判，AI 负责执行探索 /072
4.3.2 工作流程：从需求分析到方案定稿与执行的闭环 /074
4.3.3 质量控制：建立人机协作的评价标准 /075
4.4 新设计语言与美学特征的批判性分析 /077
4.4.1 设计语言的算法化转向 /077
4.4.2 AI 生成内容的美学特征 /078
4.4.3 对设计文化多样性的影响 /079
4.5 新挑战与应对策略 /080
4.5.1 知识产权：AI 生成内容的版权归属难题 /080
4.5.2 设计原创性：生成式AI 时代的原创性界定与保护 /082
4.5.3 技术伦理：偏见、误导与安全风险 /083
4.5.4 行业影响：对设计教育模式与从业人员职业发展的
深远影响 /085
4.6 结论 /087
第5 章 计算设计与AI 技术的融合路径 /090
5.1 时代背景与现状分析 /090
5.1.1 计算设计与AI 技术融合的时代背景 /090
5.1.2 学科壁垒与技术壁垒的现状分析 /091
5.2 学科壁垒的突破路径：跨学科融合机制研究 /093
5.2.1 设计学与计算机科学的理论体系差异 /093
5.2.2 跨学科人才培养模式创新 /094
5.2.3 跨学科研究方法论与协作机制 /095
5.3 技术壁垒的突破路径：关键技术方向分析 /097
5.3.1 硬件架构创新：从通用计算到专用芯片 /097
5.3.2 软件工具链整合：AI 技术与设计软件的融合 /099
5.3.3 数据标准统一：设计数据的智能化处理 /100
5.4 建筑设计领域的AI 融合：智能设计生态构建 /102
5.4.1 建筑信息模型与AI 的深度融合技术路径 /102
5.4.2 建筑结构优化与可持续设计 /103
5.4.3 生成式建筑设计的应用场景 /104
5.5 工业设计领域的AI 融合：智能制造驱动创新 /106
5.5.1 参数化设计与AI 生成的协同创新 /106
5.5.2 人机工程学与AI 技术的融合应用 /107
5.5.3 材料科学与AI 设计的融合创新 /108
5.6 数字媒体设计领域的AI 融合：创意产业变革 /109
5.6.1 生成式AI 在内容创作中的技术突破 /109
5.6.2 虚拟制作与扩展现实技术的AI 融合 /110
5.6.3 交互设计与智能用户体验 /112
5.7 创新机会与挑战：多维度分析 /113
5.7.1 学术研究维度的创新机会与挑战 /113
5.7.2 产业应用维度的市场机遇与风险 /114
5.7.3 产品开发维度的技术集成挑战 /116
5.8 结论 /118
5.8.1 融合路径总结 /118
5.8.2 未来发展趋势展望 /120
5.8.3 对不同群体的建议 /122
第6 章 计算设计在AI 时代的应用技术平台 /124
6.1 AI 时代计算设计应用技术平台全景梳理 /124
6.1.1 AI 辅助设计平台 /124
6.1.2 生成式设计平台 /125
6.1.3 大语言模型驱动设计平台 /126
6.1.4 数字孪生平台 /127
6.1.5 智能优化与仿真平台 /128
6.1.6 垂直领域专用平台 /129
6.1.7 开源与云平台生态 /130
6.2 技术平台分类体系构建 /131
6.2.1 按技术架构分类 /131
6.2.2 按云计算服务模式分类 /132
6.2.3 按应用场景分类 /133
6.2.4 按设计技术应用分类 /134
6.3 未来技术发展方向：系统视角分析 /135
6.3.1 技术演进趋势 /135
6.3.2 应用领域拓展 /136
6.3.3 产业生态发展 /137
6.3.4 社会影响与挑战 /138
6.4 典型案例深度剖析 /140
6.4.1 国际领先平台 /140
6.4.2 国内平台创新实践 /141
6.4.3 垂直领域专业平台 /142
6.5 结论 /144
第7 章 智慧设计的未来图景 /147
7.1 智慧设计的演进背景与研究目标 /148
7.1.1 当前生成式AI 技术基础与设计领域应用现状 /148
7.1.2 技术融合趋势：物联网、城市信息模型与数字孪生的
协同效应 /149
7.2 智慧设计技术的演进路径：从自动化到自主化 /150
7.2.1 技术发展阶段划分与特征分析 /150
7.2.2 近期关键技术突破节点 /151
7.2.3 对不同设计领域智慧设计演进路径的差异化分析 /152
7.3 技术融合架构：构建实时全域感知能力 /153
7.3.1 多源异构数据整合机制 /153
7.3.2 边缘计算与云端计算协同架构 /154
7.3.3 实时数据处理与决策支持系统 /156
7.4 自主设计系统的技术可行性分析 /157
7.4.1 机器学习算法演进与自主决策能力 /157
7.4.2 自我迭代与学习机制设计 /158
7.4.3 实际应用场景验证与案例分析 /159
7.5 人类角色的根本性转变：从操作员到策略制定者与伦理
监督员 /160
7.5.1 人机协作边界的重新定义 /160
7.5.2 策略制定者与伦理监督员角色分析 /162
7.5.3 人机协作工作流程重构 /163
7.6 智慧设计在应对全球性挑战方面的贡献 /165
7.6.1 气候变化适应与碳中和设计 /165
7.6.2 资源循环与可持续材料应用 /166
7.6.3 韧性城市与灾害预防设计 /167
7.7 结论 /168
第8 章 未来设计范式的颠覆与设计师的进化 /172
8.1 设计工具形态的智能化革命 /173
8.1.1 AI 驱动的设计工具演进路径 /173
8.1.2 新兴交互技术重塑人机界面 /174
8.1.3 云端协作平台的一体化整合 /175
8.2 工作组织模式的分布式重构 /176
8.2.1 远程协作成为主流工作方式 /176
8.2.2 自由职业与众包平台的生态繁荣 /177
8.2.3 小型化、专业化设计机构的崛起 /177
8.3 价值创造逻辑的系统性演进 /178
8.3.1 从美学设计向体验设计的价值跃迁 /178
8.3.2 可持续设计理念的全面渗透 /179
8.3.3 设计思维的跨界融合与创新驱动 /180
8.4 产业生态结构的平台化转型 /181
8.4.1 设计产业链的结构性变革 /181
8.4.2 科技巨头与平台企业的生态主导 /182
8.4.3 开放协作的共享型设计生态 /182
8.5 设计师核心能力的进化路径 /183
8.5.1 算法思维 /183
8.5.2 AI 协作能力 /184
8.5.3 系统设计思维 /184
8.5.4 数字素养 /185
8.5.5 伦理判断力 /185
8.6 对设计教育与职业发展的战略性建议 /186
8.6.1 教育体系的系统性改革 /186
8.6.2 面向未来的教学方法创新 /187
8.6.3 职业发展路径规划与能力提升策略 /188
8.6.4 终身学习体系建设 /189
8.7 结论 /189
致谢 /191
参考文献 /194