近期在AI模型**聚合平台库拉KULAAI（c.kulaai.cn）**上实测了GPT-Image-2的UI界面原型设计能力。4月21日发布至今，产品经理社区已经炸了。这篇从实际工作流出发，聊聊它到底能替代哪些环节、不能替代哪些环节。
产品经理的痛点：等排期
产品经理出方案，经常需要一张高保真的界面图来跟团队对齐方向。以前要么自己用Figma画半天，要么排期等设计师，一来一回好几天。
从一个想法到可交互的原型，以前至少一周。现在只用两句话，等了不到10分钟。
这不是夸张。实测中让它生成一组AI健身运动App的界面——首页运动数据仪表盘、课程推荐页、运动记录详情页、社区动态页，四个屏幕一次生成，设计感、色彩、排版都在线。最关键的是中文几乎零错误。
高保真UI：跟之前不是一个级别
之前谷歌的Nano Banana Pro也测过，生UI界面的效果嘛——文字、图标还是会有瑕疵，只能看个大概的风格方向。
GPT-Image-2完全不同。实测生成AI健身App界面，四个屏幕一次出图，深色主题配荧光绿点缀，所有文字使用中文，字号间距对齐几乎零错误。跟之前Nano Banana Pro生的UI比，完全不是一个级别。
更狠的是它还能提取UI组件。一句话："请提取这个App的所有UI组件图，平铺在图片上，方便我切图使用"——按钮、卡片、图标、导航栏、标签，整齐平铺出来。稍微调整下，这个App的UI设计规范就能用了。
从UI图到可运行的前端页面
这是最让人兴奋的发现。
Codex里也上线了这个模型。这意味着可以直接生成UI图，再利用代码能力把设计图复原成前端页面。
一句话出来的UI界面图已经很好了。再用一句话，直接根据UI开发前端页面。效果比想象的还好——截图已经是用代码实现的HTML页面，是可交互的。
从描述需求，到生成设计图，到直接变成可运行的前端页面——整个过程没画一笔原型，也没写一行代码。这不只是效率提升，是工作流在变。
世界知识：它"知道"网站该长什么样
GPT-Image-2最离谱的能力是世界知识。
从小红书随便找了一张小米SU7的图片，图上没有任何文字，只有一个侧面的汽车。让它"为这个汽车生成符合其气质和风格的官网UI设计稿"。
结果它居然脑补出了这是小米的车，配色都是一样的。它为这张图生成了一个汽车官网，所有的细节都是对的：内饰、剖面图、轮毂、大灯、尾翼、甚至价格。
再试B端广告投放平台的官网UI设计稿，它甚至知道这类型网站上应该有哪些卖点，以及UI上应该展示哪些信息。
这种"知道"的能力，是GPT-Image-2跟其他模型最本质的区别。它不是在画图，它是在"理解"一个产品应该长什么样。
游戏UI：复杂场景的极限测试
让它参考《无畏契约》的游戏风格，生成一个以三国为主题、神话风格的FPS游戏选人界面UI图片。模仿得非常像——界面的布局和交互采用了《无畏契约》的选人方式，但整个氛围、风格、背景以及角色都变成了三国的感觉。
更简单的提示词："生成一个'黑神话武松'的游戏截图"。它真的能get到——UI设计、整个界面以及画面风格，都是《黑神话》的游戏风格。
设计师歸藏的评价：以前设计师值钱的地方有两层——能画出来、知道该画成什么样。第一层这两年早塌了，这次连第二层也开始松动。
技术路径的拐弯
为什么这次不一样？林克的技术拆解给出了答案。
过去几年主流方法来自扩散模型。它的出发点很朴素：从雪花一步步去噪，有机会还原出一张图。但这套方法有一个结构性限制：生成几乎是"整体发生"的，没有顺序概念。人物、背景、装饰、文字，都在同一个收敛轨道里被"涂抹"出来。模型没有"先写第一个字、再写第二个字"的能力。
GPT-Image-2的变化恰好发生在这个断点上。它通过视觉分词器，把图像拆成一系列离散单元，类似文本里的token。一旦进入序列空间，语言模型那套成熟的方法就可以直接接入。生成过程就有了顺序，可以"从前到后写出来"。
更关键的一步，是引入了接近"agent"的训练思路。语言模型承担了类似"规划器"的角色——先理解任务，再形成计划，最后执行。从工程角度看，这是一条"规划—执行"链路被内嵌进模型本身。
这种结构对文字的影响是立竿见影的。因为文字本质就是一种强约束的序列任务，而语言模型正好擅长处理序列。
实测中的真实问题
跑完二十多个场景，几个坑必须说清楚：
排版路数单一。设计师实测后发现，GPT-Image-2倾向于把所有海报做成模块化分割——标题在顶部，主图成对角，其他信息从左侧依次向下摆放。调局部元素时不会做版式动态平衡，底部小字和上面的信息明显出现不平衡。
小字容易出错。大标题基本没问题，但底部的免责条款、小字说明等细小文字仍有出错风险。
复现稳定性不足。同样关键词同样的垫图无法做到稳定输出同样的结果。这对需要批量出图、保持视觉一致性的场景是个硬伤。
设计师实测后的判断：排版水平至少有初中级设计师左右的水平，能满足很多中低价格客户的需求。悲观者永远正确，乐观者永远前行。
趋势判断
StartupFortune在发布日给了一个定位：从"creative novelty"到"production infrastructure"。品牌mockup、广告设计、信息图表——过去因为文字不可靠而必须人工介入的场景，开始变成一条prompt可以交付的工作流。
但benchmark performance和production performance往往有差距。99%是实验室数字，真实场景能不能扛住，5月API开放后才会有定论。
对产品经理来说，GPT-Image-2把"等排期"这道墙直接拆了。但AI降低的是执行门槛，拉高的是决策门槛。AI给了你十张图，哪张能用？哪个更好？为什么？这些问题AI回答不了。
该担心的不是某个岗位，而是那些只做"执行"、不做"思考"的人。工具会越来越强，但方向永远由人把控。
