「」去年年初ChatGPT引爆全球，大模型一路狂飙，迄今，行业的热潮从通用大模型早已转移到领域模型、应用、多模态以及当下最火的机器人。

整个行业在寻求应用落地的过程中，领域模型应运而生，有关于通用大模型跟领域模型谁更有价值的讨论仍未停止。有人认为通用大模型只是提供一个底座，具备大学生的智商，而要想成为一个专业领域的研究生，则需要给它投喂更多领域知识，专门训练一个领域模型；但也有人断言随着模型不断迭代，一个通用模型也能表现出很强的专业能力，这在代码生成领域已成事实，例如Claude 3.5 Sonnet 在代码能力上可媲美一些垂直代码模型。

而对自研国内首个UI多模态大模型的AI设计工具Motiff妙多（下简称“Motiff”）来说，其副总裁张昊然告诉AI科技评论，在寻找商业化落地的过程中，大模型厂商会选择更大业态、更多领域数据的商业场景去做刻意训练，但UI不在这个领域范畴。

同时在他看来，Scaling Law对绝大多数专业领域是失效的，因为专业领域没有那么大量级数据，自然不能用Scaling Law去评估，他认为如UI这样的领域模型应该存在长期价值，通用大模型很难在一个时间周期内去赶超领域模型。

不久前，在IXDC2024国际体验设计大会上，AI设计工具Motiff推出了自主研发的UI多模态大模型Motiff妙多大模型，这是国内首个UI大模型。

Motiff妙多大模型具备较强的UI理解能力和执行开放式指令的能力。在五个行业公认的UI能力基准测试集中，Motiff妙多大模型的各项指标均超过了GPT-4o和苹果的Ferret UI，同时在Screen2Words（界面描述与推断）和Widget Captioning（部件描述）两大指标上也超越了谷歌的ScreenAI，其中Widget Captioning指标高达161.77，刷新SoTA。与Ferret UI、ScreenAI等现有解决方案相比，Motiff妙多大模型能灵活地根据上下文理解界面元素，达到“设计专家”水平，最接近人类对UI界面的理解和表述结果。

Motiff孵化自猿辅导，这家教育界的独角兽，在 2021年又开始开拓了一些新的商业方向，猿辅导内部尝试了羽绒服、月子中心、咖啡等多项业务，这款产品便是其中之一。张昊然便是从那时开始负责Motiff。

近日，Motiff副总裁张昊然在IXDC2024国际体验设计大会上接受了AI科技评论的访谈，跟我们分享了Motiff多模态大模型背后的训练故事、商业模式的选择、对出海的认知等等思考。

以下是为对话实录，稍经整理：

AI科技评论：一家主营业务是教育培训的公司，为什么会来做UI多模态大模型？

张昊然：在21年10月，我们写下了Motiff的第一行代码，结合团队的能力、擅长的事情，最终定位到AI结合专业工具可能会是一个新机会，往下细拆选择了UI设计领域。

整个决策过程经历了宏观到微观，选择SaaS，选择专业工具，选择产研领域的专业工具，选择UI设计。

AI科技评论：当时看到的整个UI设计的市场规模是多大？

张昊然：当时的预测和今天看到Figma 的结果可能差不多，但今天对总规模更乐观了。

Figma是领域头部产品，前年的营收是4亿美金，去年是6-7亿美金，今年预测大概能到10亿。最大的巨头即将获得了10亿美金的ARR，随着AI技术的发展，我认为总体市场规模会更大。

AI科技评论：什么时候开始做Motiff妙多大模型？

张昊然：我们其实不是ChatGPT出来后才开始做妙多这个产品，21年 GPT-3 还没有出现，当时用了很多AI1.0时代的技术，例如深度学习，已经产生了很高的效率。当时验证了这个方向是可行的，我们认为AI是这个工具到下一个代际的重要变量，大模型只是产品迭代过程中一项新技术出现。所以大模型对我们来说并不是所谓的新创业机会，而是考虑新技术的出现如何增强当下的产品。

AI科技评论：为什么不选用通用大模型来进行微调的方式，而是要选择自研？

张昊然：通用大模型在处理UI相关任务时，表现是弱的，这是事实。比如说让它去认知一个UI界面，通常只能到比较表层的认知，很难从UI专业角度去理解，通用模型没有太多专业领域的知识输入跟训练，所以我们需要去训一个专业模型来处理UI设计任务。

AI科技评论：哪些UI场景已经可以用AI来实现？

张昊然：我们把整个UI的场景分为三个部分，第一个部分是设计师日常的工作，也是一个可抽象、可量化的操作，比如说要完成一个设计稿，需要多少步骤，这些步骤中可以找到一些规律，这里面有非常多是可用AI解决的，原因是这些操作有特别大的共性跟重复性；

第二部分是团队协作，设计团队之间的协作，设计团队跟研发团队的协作，大家在协作中需要共同面对的问题是保证设计的一致性。一致性怎么理解？例如今天我们看到的微信界面，背后可能有超过100个设计师在做同一款产品的不同模块，那怎么保证整个团队不同的人做出的东西是风格统一？这很关键。一致性需要一套实践去约束，目前最广泛的实践是通过设计系统的方式，而这里面有大量低效的工作，Motiff的一个方向就是对设计系统的工作流提效。

第三部分是针对大模型出现后对整个UI领域生产力的改变，即生成UI的能力。这是大模型出现后才带来的改变，以前的AI技术并不能实现生成功能，大模型对自然语义、对图片的理解能力比原来更强，输出也更有结构性，这使得AI在生成UI的领域有了更多新的可能。这是我们研究的一个方向。

AI科技评论：这对应了Motiff的三个模块，AI工具箱，AI设计系统，AI生成UI。

张昊然：是的。AI生成UI一直是我们研究的一个大命题。

AI科技评论：Motiff的训练选择的是最经典的整合专家模型，是参照了别的多模态模型的训练过程吗？

张昊然：当然有大量的学习跟参照。这源于开源技术的迅速发展，开源才使得更专注领域的团队去训练领域模型变得更可能；市面上也有非常多成功的领域模型给了我们很大的信心，像医疗、法律领域的。大家的逻辑都一样，用更多的领域知识和数据再训练，让领域模型更好为行业服务。

AI科技评论：您是产品背景，您是从什么时候开始关注大模型的？

张昊然：从GPT-3进入公众视野的时候。看到非常惊艳，虽然我没办法去训练实操，但是有更多的精力去尝试应用。

AI科技评论：您看论文吗？

张昊然：去年可能是我有生之年看过最多的一年。创业者要有意愿去follow前沿，因为这是一个非常大的技术革命。

AI科技评论：在整个Motiff妙多大模型训练过程中遇到的最大困难是什么？

张昊然：最大的困难是数据的有效性验证。我们从非常多的来源收集了近千万的数据，判断哪些数据有用，哪些数据有害，是比较困难的。一般来说验证数据有效性的方法是消融实验，但是大模型的训练成本太高，所以没办法每个数据消融。

AI科技评论：Motiff是一个自研模型，但是底层的视觉模型和语言模型都是拿的开源或者别家的，自研的部分在哪里？

张昊然：关键问题是我们如何定义“自研”。在我的定义里，如果我们自己研究出一个新的东西，跟别人不一样，能带来价值，这个自己研究的过程可叫“自研”。

从这个角度，Motiff 妙多大模型虽然借鉴了很多行业通用的训练方法，但要解决问题的过程是我们自己研究的，最终也产出了不错的交付成果，我认为这就是自研。

某种程度上，一辆畅销的电动车的发动机不是自己的，电池也不是自己的，很多东西都是组装的，这辆车叫自研吗？我认为当然也是。

AI科技评论：领域数据是UI多模态大模型表现优劣的关键因素吗？

张昊然：是，我们拥有高质量的数据，这是一种长时间的积累，对于所有的AI工程，数据其实是一个非常强的累积工作，得靠很多方式去收集、标注，如何组织一个规模化的团队、如何提高标注的生成质量，这些都是AI领域的核心壁垒。

AI科技评论：数据的处理依然是难点？

张昊然：标注的方法中标注的维度是不断变化的，以及对数据质量好坏的评估，这两件事是难点。因为标注维度会随着应用场景的变化去变化，可能第一次想到的标注维度已经够详细了，但面向一个新的产品设计问题时，又发现原来的标注维度是不够的。

这是一个值得大家去反复思考、完善的事情，目前看来第二点才是更难的点，因为模型训练中数据好的好坏、大家各自评价标准不同，模型的效果就不同，这个过程非常主观，我们也找到了一些方法反复去评估、提升。

AI科技评论：获取千万量级的预训练数据花了多长时间，遇到哪些困难？

张昊然：因为 Motiff 在 AI 工作上有持续的积累，所以从几年前我们就开始收集 UI 界面相关的数据了。此外，Motiff 也积累了很多的 UI 专家模型，这又进一步节约了数据收集的时间。

一个困难是高质量的手机界面量级极小，想获得训一个大模型级别的手机界面数据是困难的。

AI科技评论：在多模态大模型训练中，要将不同模态之间的数据有效地融合非常困难，妙多如何克服这个难题？视觉语言如何转换成自然语言？

张昊然：从模型角度来说，需要添加模态之间的转换器（Connector）。从数据角度。需准备模态对齐数据。从训练角度，则是固定专家模型参数，训练模态转换器（Connector）。

AI科技评论：在我们的模型训练过程中，为什么选择从第二阶段（对齐训练）开始领域迁移，而不是从第一阶段（独立预训练）就引入领域知识？

张昊然：在第一阶段就去做领域数据的训练是可行的，我们其实也在探索会不会更好，但它面临两个现实的问题，第一阶段去做成本巨高，因为训练量很大，不确定性也会很多；第二点是训练越接近最后一步，可控性越强，所以在对齐之后做领域的迁移训练，对模型的规训能力越强。

AI科技评论：打榜跟在实际生产环境中的表现相差多大？有投资人说现在如果有创业者说他的产品打榜排名多少，他们看都不会看。

张昊然：打榜跟实际生产环境中的表现有相关关系，但不是因果关系。我们的产品更在意的是在专业领域的任务实现是不是够好，而且打榜用的是公用的评测集，放到行业中会有一定的滞后性。

AI科技评论：UI这块的评测集的滞后性很大吗？

张昊然：至少我们现在关注的一些能力从专业角度来说非常重要，但其实都还没有被纳入公开的评测集中。

例如，一些公开的评测集中，有对某个组件到底是什么、怎么使用的理解，但却没有对组件的分类、分类是否准确的评测，这是非常务实的一个需求，因为设计师在应用场景中会有组件归类的诉求，所以这是评测集跟实际需求的gap。

AI科技评论：为什么不在开源的UI MLLMs上直接微调一个领域模型？

张昊然：据我所知目前还没有开源的UI MLLMs。但如果有，我们选不选开源标准是看如何能让产品 效果更好，一个开源模型的封装往往更后置，我们对它的控制力会更弱，优化空间也更小，所以我们权衡后选择了最经典的整合专家模型这个方案。

AI科技评论：听您讲Motiff要对标Figma，但是Figma并没有加入太多大模型的能力，Motiff要从哪几个维度对标？

张昊然：其实不是对标，是革新，用AI能力去革新现有的设计工具，我们要做一个AI时代的设计工具，就要去看Figma定义了哪些，我们要看这些能不能重新定义，我们专注这件事。

AI科技评论：如何解决大模型带来的超高推理成本这一行业痛点？

张昊然：越大的模型推理成本越高，但并不是所有任务都需要超大的模型。构建不同尺寸的多模态模型，可以缓解这个问题。此外，在功能设计上也有一些巧妙规避推理的方法。推理成本高应该是每个大模型应用的痛点，但是结合 Motiff 更灵活的 AI 产品形态，Motiff妙多大模型有更多更灵活的选择。

AI科技评论：您觉得大模型时代的产品跟上一个时代的产品有什么不一样吗？

张昊然：挺多不同的，尤其是产品力完全不同，过去的AI产品往往解决的是一个领域非常小的场景问题，是用大数据、海量的数据去解决小问题，例如深度学习里最典型的例子就是人脸识别。

产品思维也在发生改变。现在整个行业处于先训一个模型，再找应用场景的状态，有时候可能发现问题后再去匹配模型的状态。做AI产品的成本也大幅下降。以前得确定技术能商业化、评估有多大收益，才能下定决心去做那么大规模的训练。但是现在大模型训练出来后被调用的成本是低的，这给了行业很多新机会。人们能够更低门槛、更大限度、更高频次地去调用AI能力，从而去产生更多产品创新。这是大模型时代带来的本质的不同。

AI科技评论：在商业模式选择上一开始就说要TOB？

张昊然：其实没有。对于这类协同SaaS的用户拓展来说，总结下来有两套路径，一个是PLG（Product Led Growth，产品驱动增长）一个是SLG（Sales Led Growth，销售驱动增长 ），这俩其实不矛盾，可能是一体两面或者相辅相成去看待。

目前专业工具的付费群体分为C和B，B就是企业付费给员工使用，C的主要市场来源是个体设计师或者小型团队，例如Freelancer，这部分在国际化市场中的体量非常大。

国内的Freelancer在UI领域偏少，更多还是在企业工作，所以我们目前的阶段性做法是海外主要TOC，国内TOB会重一点。这是阶段性的选择，不是一成不变的，原因是，第一点我们觉得Motiff在国内的产品力竞争优势非常明显，第二点是国内没有C，那么国内只能TOB。

AI科技评论：海外TOC的增长策略是什么？

张昊然：海外TOC更符合我们团队现在的能力，因为一个中国公司出海要靠销售去打，大部分公司其实不具备这个能力，或者说过往的经历证明了这样的团队是极少的。

AI科技评论：大多数技术方向都是这种状况吗？

张昊然：当然也有例外，WPS近些年在某些国家的出海TOB据说做得不错。但也有一些其它国产的协同办公产品，有钱有组织力，却铩羽而归。关键还是能否找到匹配的区域性市场，以及在区域性市场里还具备较强的企业连接能力。

AI科技评论：Motiff最初就决定要出海吗？

张昊然：是的，首先出海意味着你的市场天花板可能会高几十倍，从一片湖到真正的一片海。其次，越工具化的东西越适合全球化，内容或业务属性越强的越难，这是个共识。Motiff是个工具性很强的产品，所以它天然适合国际化。

AI科技评论：Motiff国内外版本有什么不同？

张昊然：功能层面没什么不同，同时海外和中国在支付、服务、安全性上也有一些差异化诉求，我们会针对化满足。

AI科技评论：就像飞书一样，国内的版本很多都是按照国外的用户使用习惯来设计的，Motiff没有这样的设计差异吗？

张昊然：就像刚才说的，UI并不是一个强内容或业务属性的行业，相反，它的工具属性极强，就像“全世界的扳手都长得差不多”。

AI科技评论：随着这一波生成式AI爆发，中国AI企业出海面临的共同问题有哪些？

张昊然：我可能不具备能力来总结共同问题，我觉得企业各有各的问题。挑战往往是针对领域、用户场景而不同，如果一定要说共性问题，海外直接建立销售的能力对大多数企业来讲是很难的，在这种情况下就要考虑TOC。

AI科技评论：Motiff海外的团队建设是怎样的？

张昊然：我们在新加坡、北美有分公司，但更多还是从运营的角度去考虑，而不是销售角度。

AI科技评论：出海战场主要是新加坡？

张昊然：我们并不限制国家，Motiff从发布到现在两个月，在十多个国家已经积累了不错的用户量，在不同国家表现也有差异。还是回到工具属性的问题，大家的gap是小的，其实更多是看有没有更高效或者ROI（投资回报率）好的渠道，能获得更多曝光。

AI科技评论：外界一直流传着一种预判是随着通用大模型的不断发展，垂直模型和领域模型未来不需要了，是一种伪命题，您怎么看？

张昊然：这有可能会发生，各种论断各不相同，我当下的认知是有部分的模型应该存在长期价值，通用大模型很难在一个时间周期内去赶超领域模型。

这背后的原因非常朴实，对于通用模型来说，很难拿到高质量的专业领域数据，一个模型训练的壁垒还是训练数据。通用大模型的好处是数量多，大力出奇迹，但是Scaling Law对绝大多数专业领域的效果都是失效的。原因是专业领域没有那么多数据，不符合大力出奇迹。所以没有那么大量级的数据时，就谈不上一个所谓的Scaling Law。

现实世界中的数据分布往往越不专业的越容易获得、数量越多，越专业的数据越稀疏。有没有一些领域会被大模型卷到呢？我觉得会，现在行业面临最大的挑战是找不到商业化应用的场景，大模型厂商首先会选择有更大商业业态、更多领域数据的场景，但目前UI不在这个领域范畴。

AI科技评论：在您看来，大模型带给UI领域怎样的影响？

张昊然：我们刚开始做Motiff这个项目时，还没有大模型技术，当时用的是深度学习等方式去解决任务式的问题，我们都觉得它在效率上已经足够好了。大模型出现后，它是技术层面的大变革，使得原来很多不可想象的事情变为可能，现在的界面生产工作流是产品经理、UI设计师、研发的整个流程，大模型能有效缩短现有的工作流。

人很多时候受限于效率跟时间，当技术无限压缩生产流程，使得意图到实现的路径变短，最终生产力、生产关系也都会发生改变。「」