📰 本日設計情報｜2026/06/10：Apple Icon Composer 把圖示變成可分層編輯、Foundation Models 讓 app 隨時換 Claude/Gemini、OpenAI 也遞了 IPO
WWDC26 給設計師的兩件實用工具：Icon Composer 分層做圖示、Foundation Models 隨時換 AI 大腦。加上 OpenAI 遞 IPO、NN/g 拆解 AI design 的四種工作。
WWDC 剛落幕，Apple 這次給設計師的重點，落在兩樣能直接拿來用的東西：Icon Composer 把「做圖示」這件最沒成就感的苦差變成可分層編輯，Foundation Models 則讓你的 app 隨時換 Claude 或 Gemini 當大腦、不用改半行 code。同一週，OpenAI 跟著 Anthropic 也遞了 IPO——你每天在用的 AI 工具，背後那兩家正排隊上市。NN/g 則替這場熱鬧降溫，提醒你「AI design」這個詞底下，其實藏了四種完全不同的工作。
以下是最近最值得關注的 4 則消息。
🔥 Apple Icon Composer 上線——做一份設計，分層輸出全平台圖示
做 app icon 一直是設計師最沒成就感的苦工之一：每個尺寸、每個外觀模式各匯出一張，改一次顏色等於整批重來。
WWDC26 上 Apple 端出 Icon Composer，一個專門做圖示的新工具。你只做一份設計，它就能輸出 iPhone、iPad、Mac、Apple Watch 各平台的版本——而且不是壓平的單張圖，是可以分層編輯的多層格式：每一層的 Liquid Glass 材質、透明度、模糊都能個別調，還能即時預覽動態光影、在淺色／深色／清透各種外觀模式之間切換比對。它跟 Xcode 直接打通，需要平面版宣傳圖時，再一鍵壓平輸出。
對設計師，這條的意義很實在——做圖示從「為每個尺寸各畫一張」變成「畫一份、分層輸出」，省下的時間能讓你把心思放回圖示本身的辨識度。Apple 把圖示做成了一套系統，懂分層、懂材質的人會做得又快又一致。
Foundation Models 讓 app 隨時換腦——Claude、Gemini 共用同一個 Swift API
把 AI 接進 app 最痛的，從來不是接不上，是綁死：選了一家模型，之後想換就得改一堆 code。
WWDC26 的 Platforms State of the Union，Apple 把 Foundation Models 框架改成「隨時換腦」。它定義了一個公開的 LanguageModel protocol——本機的 Apple 模型、雲端的 Claude、Gemini，只要符合這個介面就能互換。團隊可以先用本機模型做原型，複雜的問題再轉給 Claude 或 Gemini，而且只要改一行 Swift 套件相依，session 邏輯和其他程式碼完全不用動。框架同時加了圖片輸入、server 端模型呼叫，還有一套 Dynamic Profiles 拿來組多代理工作流。Apple 也說這套框架今年夏天會開源，App Store 下載量低於兩百萬的開發者，能免費用 Private Cloud Compute。
這對設計師看似遠，其實近。當「換 AI 模型」變成像換字型一樣低成本，產品團隊就能依場景挑最合適的腦——意味著你設計的介面背後，AI 行為會更常被調整、被 A/B。懂得替不同模型設計對話流與 fallback 的設計師，會越來越值錢。
OpenAI 也遞了 IPO——繼 Anthropic 之後，AI 雙雄前後腳走向公開市場
你每天在用的 AI 工具，背後那兩家正排隊上市。
繼上週 Anthropic 遞出 S-1，OpenAI 6/8 也確認以保密方式遞交了 IPO 申請。OpenAI 自己的說法很妙：「反正會外洩，乾脆自己先講。」時程未定，還補了一句「可能還要一陣子，因為有些事情當私人公司比較好做」。兩家最大的 AI 實驗室在一週內前後腳走向公開市場，背後是整個產業從燒錢擴張期，被推向要對營收和獲利交代的階段。
IPO 這件事，跟你的工作流其實有關。一旦這些公司要對股東負責，AI 工具的免費額度、API 定價、模型穩定度都會跟著「商業化」——你會看到更多按用量收費、更多方案分層。立場照舊：AI 是加速器，但把整套工作流綁死在某一家的免費方案上，是這一輪該重新評估的風險。把 AI 當外掛、把判斷留在自己手裡，比押注哪家會贏更實際。
NN/g：「AI design」其實是四種完全不同的工作
「我在做 AI design」這句話，現在幾乎等於沒說。
NN/g 6/5 發了一篇〈The Four Design Jobs AI Created (So Far)〉，把大家含混叫「AI design」的工作拆成四種完全不同的活：第一種是用 AI 幫設計系統批量生元件變體；第二種是設計聊天介面這類對話式 UI；第三種是把資料結構化、好讓 AI agent 讀得懂；第四種是定義一個 LLM 該怎麼回應、什麼語氣、什麼邊界。NN/g 的重點很白：這四種需要的技能天差地遠，混為一談只會讓人選錯方向、學錯東西。
對設計師，這篇是一張定位地圖。與其焦慮「要不要學 AI design」，不如先問自己想做的是哪一種——生視覺、設計對話、處理資料，還是調教模型行為？方向清楚了，要補的基本功才補得對。AI 把「設計」這個詞撐大了，看得懂自己站在哪一格的人，才不會在熱鬧裡迷路。
📖 延伸學習
