📰 本日設計情報｜2026/05/03：Adobe 雙更新、Xbox 綠球回歸、Standard 用影片教 AI 用電腦、JuliaHub 工業 agentic、NN/g 教你挑對人
Adobe 把 Photoshop + Lightroom 工作流卡點一次磨平、Xbox 換回玻璃綠球體、AI 開始學「用桌面軟體」與「設計工業硬體」、NN/g 提醒研究從邀對人開始——5 則設計師該關注的 5/3 新聞。
今天設計圈的主旋律是「更輕、更快、更會自己跑」。
Adobe 在 4/28 的 PS + Lightroom 雙更新把整套日常工作流的卡點一口氣磨平：物件可以在畫布上 3D 旋轉、Lightroom 的 AI Denoise 終於能在背景跑、Mood Boards 從 Lightroom 一鍵丟過去。Xbox 把 logo 換回那顆有玻璃感的綠色球體，宣示品牌結束「Microsoft Gaming」這段中年迷茫期。AI 那邊兩家剛拿錢的新創走的是兩條方向：一家想讓 AI 真的會「用電腦」，一家把 agentic 設計直接搬進工業硬體領域。最後 NN/g 收尾，提醒一件 PM 和設計師最常忘記的事——研究品質，從你選錯誰來受測就已經輸了。
以下是最近最值得關注的 5 則消息。
🔥 1. Adobe 4/28 雙更新｜把日常工作流的卡點一口氣磨平
過去三週 Adobe 的速度有點誇張。Firefly AI Assistant 公開 beta、Adobe for creativity 連接器登 Claude，現在又補上 Photoshop 27.6 + Lightroom 15.3 桌面雙更新，整條線一氣呵成。
Photoshop 27.6 帶來三個值得設計師立刻試的功能。Rotate Object on canvas 把以前要切到 3D 模式才能做的「假 3D 旋轉」變成在畫布上直接拖——丟一個剪好的物件進去，拖動角度即時 preview，最後輸出時才用 Firefly 重新生圖補側面。Generative Fill 接上 Firefly Image 5、Google Gemini 3.1 Nano Banana 2、Black Forest Labs FLUX.2 Pro 三個新模型，分別是 Adobe 自家、Google、開源陣營的當家旗艦——同一個工作流可以切換用，視覺風格可以差很多。Reflection Removal 升級，連水面、車窗、玻璃櫥窗的雜光都能算掉。
Lightroom Classic 15.3 改的是工作流的痛點：AI Denoise 終於不再卡住整個 Lightroom。以前跑 batch denoise 等於整個 app 鎖死，現在它在背景跑，你還能繼續看別的照片。Adobe 也說整體 slider 操作快了 5×（Windows）。新增的 Mood Boards 整合 Firefly Boards，從 Lightroom 一次選 10 張照片一鍵丟過去做情緒板，發想階段不用再來回 Photoshop。
對設計師意義：這次更新沒有單一的明星功能，但每一項都打中你今天就會用到的痛點。RAR 的 Photoshop 攻略《Generative AI 章節》下次更新會把 Rotate Object 3D + Firefly Image 5 vs. Gemini 3.1 風格差異整理進去。
2. Xbox 把 logo 換回那顆綠色球體｜「Microsoft Gaming」中年迷茫結束
5/1 開機 Series X|S 的人都看到了：Xbox 換新 logo 了。把那顆從 2001 年初代主機就在的球體+X，包上玻璃質感和 3D 高光，再點上一圈螢光綠輻射光暈——非常 Y2K，非常初代 Xbox。
這是新任 Xbox CEO Asha Sharma 主導的品牌重置的視覺收尾。她和 chief content officer Matt Booty 合寫的 4/23 內部信〈We Are Xbox〉裡那句直白：「Microsoft Gaming 描述的是我們的組織結構，不是我們的野心」——意思是過去幾年用「Microsoft Gaming」當對外品牌、把 Xbox 降格成產品線的策略，正式結束。同步調整的還有 Game Pass Ultimate 從 $29.99 降到 $22.99、PC Game Pass 從 $16.49 降到 $13.99。
從品牌設計的角度，這個 logo 很「對」也很「險」。對的部分是：把 25 年的視覺資產收回來用，是 Microsoft 罕見承認自己擅長的東西其實一直就在。險的部分是：這顆玻璃球體+輻射光暈是 2003 年 Aqua、Aero、Xbox 360 dashboard 的同一語言，這套美學在 2010 年代被 Flat Design 趕下台之後就再沒回來過。Microsoft 等於押注 skeuomorphism 和「質感、光、深度」會在 2026 之後重新成為主流。
對設計師意義：Liquid Glass 在 iOS 26 強制生效、Xbox 拉回玻璃球體、Adobe 把 Firefly 介面也加了更多 depth——三個訊號疊起來看，2026 視覺方向確實在離開 Flat 那一邊。Brand New 的下一波 case study 應該會圍著這顆球體吵半年。
3. Standard Intelligence 拿 $75M｜21 歲創辦人 + Karpathy 押注「會用電腦」的 AI
Sequoia 和 Spark Capital 4/30 領投的這家公司有兩個值得設計師注意的細節。第一，整家公司只有 6 個人，創辦人 Galen Mead 21 歲、Devansh Pandey 20 歲，估值 $500M。第二，Andrej Karpathy（OpenAI co-founder、Tesla Autopilot 前負責人）以個人身份天使投了。
他們做的東西叫 FDM-1（Foundation Model 1），主打「computer use」——讓 AI 真的能像人一樣看著螢幕、操作 GUI。聽起來像 Anthropic 的 Computer Use 或 OpenAI 的 Operator，但 Standard Intelligence 的訓練方式不同：他們不用 screenshot 訓練，他們用影片。模型直接看人類連續操作軟體的影像流，學「動作的時序」，不是「畫面的快照」。
效果上，Demo 裡 FDM-1 已經能在 Blender 拉一顆 CAD 齒輪、在 SF 街道上開車繞一圈（fine-tune 一小時之後）、像有好奇心的工程師那樣探索一個陌生軟體找 bug。
對設計師意義：之前 Anthropic 的 Computer Use 只能操作 web，這類「能用桌面軟體」的 AI 真的成熟之後，第一波被波及的就是專業創作軟體——Photoshop、Illustrator、After Effects、Blender。設計師會從「自己用」變成「指揮 AI 用」，而會下指令的人和不會的人之間的產出落差會拉大。功底還是要練，但練的同時要學「怎麼把指令拆細到 AI 能執行」。
4. JuliaHub 拿 $65M Series B｜agentic AI 從 UI 跨到工業設計
過去半年 agentic AI 的故事都在 UI 和軟體：Figma Make、Webflow App Gen、Cursor、Devin。JuliaHub 4/30 宣布的 Series B + Dyad 3.0 把同一個劇本搬進工業硬體。
Dyad 3.0 自稱「世界第一個 agentic AI hardware engineering 平台」——工程師丟一份完整的系統規格進去，AI agent 自己跑出設計、模擬、測試、迭代的迴圈，把以前要幾個月的 R&D cycle 壓縮到幾天。Use case 已經涵蓋熱泵、衛星、半導體、鋰電池，多家 Fortune 100 在用，產業遍及航太、汽車、HVAC、政府、公用事業。融資由 Dorilton Capital 領投，General Catalyst 跟投，前 Snowflake CEO Bob Muglia 也是投資人。
技術層面，Dyad 把 scientific AI、agentic modeling、編譯 pipeline 拼進同一個工作流，並整合 Synopsys 的 Ansys TwinAI 做物理模擬+資料模型混合的 hybrid digital twin。
對設計師意義：這條線跟 UI/UX 設計師看似無關，但邏輯一樣——當 AI agent 能把設計、測試、迭代收進一個閉環，原本「設計師畫 → 工程師做 → QA 測 → 再回頭改」的多崗位流程被壓平。半導體、汽車這些產業的工業設計師、CMF 設計師、HMI 設計師都會在 5 年內感受到同一波壓力。先看清楚 agentic 設計的形狀比較重要，誰先學會把工作拆成「給 agent 跑」和「人來判斷」兩種，誰就能在這波佔位。
5. NN/g 5/1 新文｜研究品質，從你「邀錯誰」就已經輸了
這篇文章用一句話講完：研究結論的好壞，70% 取決於你選來的人對不對。 但現實裡幾乎沒有 PM 或設計師認真做這一步——很多研究在送出招募表單那一刻就已經注定無效。
NN/g 把篩選條件拆成三層。Inclusion criteria：誰應該被邀進來。標準是「會在真實情境用這個產品的人」，不是「方便找的人」。研究 B2B SaaS 的人別找學生填問卷。Exclusion criteria：誰要被踢掉，比如行業內部人士（會用 jargon 判斷）、上週剛做過類似研究的（會給專家答案而非自然反應）、有利益衝突的（會迎合）。Diversity criteria：抓「使用方式的差異」而不是 demographic 的差異——同樣是「用 Figma 的人」，每天都用的設計師、每月才開一次的 PM、第一次接觸的工程師，三個族群得到的洞察會完全不同。
文章特別點出一個常被跳過的步驟：寫篩選 logic 的 if-then 樹。不是只列條件就好，而是把「如果受測者勾了 A 但又勾 B，他算哪一群」全部寫死。這樣才能避免招募方執行時的判斷偏差。
對設計師意義：UX 研究跟設計師最相關的不是訪談技巧，是「不要把錯的數據當成對的洞察」。下次當你看到一份研究結論「使用者不喜歡這個按鈕」，第一個問題不該是「為什麼不喜歡」，而是「這 12 個受測者是誰、怎麼挑出來的」。Riven 在 Figma 全攻略「設計流程」章節裡也會強調：研究是設計上游的源頭，源頭髒了，下游 wireframe 畫得再美也是錯的。
📖 延伸學習
