📰 本日設計情報｜2026/06/23：AI 影片打價格戰、Spline 一句話長 3D、Scorsese 替 AI 站台挨轟
AI 把生成壓到幾乎免費，於是大家開始爭那段以外的東西——判斷、品味，和 AI 複製不走的記憶點。
📰 本日設計情報｜2026/06/23
今天的設計圈有一條共同的暗線：當 AI 把「生成」這段壓到幾乎免費，大家就開始爭那段以外的東西。ByteDance 把 AI 影片打進價格戰、Spline 讓你打一句話就長出 3D，工具便宜到你敢一次做二十版來挑；同一週，Scorsese 親自替 AI 站台又被美術指導工會圍剿，把「該不該用、用誰的東西用」這條斷層線攤上了最高規格的舞台。Schweppes 花大錢做的第一件事是把一隻退場的豹找回來，NN/g 則提醒你真正的摩擦藏在使用者的腦袋裡。串起來看，生成變成水電的那一刻，值錢的就只剩判斷、品味，和那些 AI 複製不走的記憶點。
以下是最近最值得關注的 5 則消息。
🔥 AI 影片開始打價格戰——ByteDance 把生成成本砍一半
ByteDance 旗下火山引擎丟出 Seedance 2.0 Mini，比標準版便宜約一半、比 Fast 版快兩倍，畫質卻沒掉太多。目前能在即夢（Dreamina）和剪映 CapCut 裡直接用，API 預計 6/22 開放，輸出 480P／720P、4–15 秒的短片。
它鎖定的不是「做出最美那一支」，是「一次要很多版」的場景——社群短影音、商品情境、A／B 測試素材這種要大量產、又要壓成本的活。當生成一支的代價逼近零，你的工作方式就會變：不再是小心翼翼生一支交出去，而是敢一次生二十支來挑。
對設計師的工作流，這代表 AI 影片的瓶頸從「做不做得出來」移到了「哪一支值得留」。便宜的是生成，貴的還是你決定哪支能上、節奏怎麼剪、故事怎麼說——Seedance 幫你把骰子變便宜，挑哪顆能用，仍然是你的眼睛說了算。
📖 延伸學習
Spline 把「建模」變成打一句話的事
3D 設計工具 Spline 近期把 AI 推進工作流核心。Text-to-3D 你描述一句，它一次給四個已經為瀏覽器最佳化的高完成度變體；Image-to-3D 直接把一張平面圖估出深度、長成模型；新整合進來的 Hana 還能在裡面生圖、改圖。底層也一起升級——3D 形狀的記憶體管理快了約一倍、GPU 效能提升 15%，USDZ 匯入、material layers 動態改材質都補上了。
3D 一直卡在學習曲線太陡，做一顆像樣的球都要耗半天。當建模的前 80% 能用一句話生出來，門檻就被狠狠拉低一階。
對設計師的工作流，這代表你省下的是「把腦中畫面變成可動 3D」的苦工，留下的是挑哪個變體、怎麼打光、怎麼接進網站的判斷。Web 3D、產品情境、互動 hero 區塊這些以前要外包或硬學的東西，現在自己就能起一個能看的版本。
Scorsese 親自替 AI 站台，然後被美術指導工會圍剿
FLUX 背後的 Black Forest Labs 在 6 月初宣布找來 Martin Scorsese 當顧問，還放出他用 FLUX 替新片《What Happens at Night》（DiCaprio、Jennifer Lawrence 主演）畫分鏡的影片。一週之內，美國美術指導工會（Art Directors Guild）公開開砲，說他「背棄了一路幫他成就經典作品的人類藝術家」，把這次合作定性為「對電影協作本質的背叛」，並直指生成式模型的能力，是靠未經同意、從網路上扒來的大量受版權保護作品堆出來的。
重點不是 Scorsese 站哪一邊。重點是當一個被公認最懂視覺的大師都說「我拿 AI 來想分鏡」，「要不要用 AI」這題就回不去了，真正要吵的，是訓練資料從哪來、誰被付錢、誰的署名被悄悄拿掉。
對設計師，這條斷層線遲早會走到你的接案桌上。客戶問你「這是不是 AI、來源乾不乾淨」的那一刻，先想清楚自己的立場——那比你手上用哪個工具，重要得多。
Schweppes 花大錢做的第一件事，是把一隻豹找回來
JKR（做過 KFC、Burger King 那兩次經典回歸的同一家）替 Schweppes 操刀全球重塑，主軸是用兩百多年的底氣，把一個老品牌重講一次。最被討論的一手，是把退場多年的吉祥物「Clive 那隻豹」請回來當品牌記憶點；整套視覺重畫了 logo、配上訂製字體，把那串招牌氣泡強化成可延展的視覺語言，等於把「我發明了氣泡飲」這件事變成一整套系統。
這是一份現成的 case study：當一個品牌什麼都有、就是顯得老，JKR 沒從「換個更潮的色」下手，而是回頭挖品牌資產裡最有記憶點、最有情感連結的那一個，放大成整套語言。
對設計師，2026 的品牌重塑越來越像考古——不是發明新符號，是把對的舊符號重新找出來、重新講對。客戶手上那個被冷落的老吉祥物，可能就是下一個品牌資產。
使用者卡住的地方，常常不在介面，在腦袋
NN/g 一篇文章把行為經濟學當成診斷工具：很多你以為的「設計問題」，其實是「決策摩擦」——選項太多造成的癱瘓、損失趨避讓人不敢按下確認、預設值的力量被你低估。它的建議不是再跑一輪可用性測試就好，而是用 analytics、session 錄影、客服資料這些「人實際做了什麼」的觀察，去反推那些使用者嘴上不會說、但行為會出賣的卡點。
這提醒了一件容易忘的事：不是每個轉換率問題都靠「把按鈕改大、文案改順」解決。有時候使用者不是看不懂，是心理上不想動。
對設計師，把行為經濟學放進工具箱，你看 friction 的解析度會高一階——從「介面哪裡不順」升級到「人為什麼不願意」。後面那一題，才是真正難解、也真正值錢的。
📖 延伸學習
