日融資快報
AI 圖像生成平臺 Liblib AI 融資總額達數億元
AI圖像生成平臺 LiblibAI哩布哩布AI一年內，已經完成了三輪融資，總金額達數億元人民幣，天使輪投資方為源碼資本、高榕創投和金沙江創投；第二輪由戰略投資方領投；第三輪由明勢資本領投；老股東持續多輪加持。其中，遠識資本為多輪融資的獨家財務顧問。（智能涌現）
寵物共情 AI 公司 Traini 獲千萬天使輪融資
AI應用Traini不僅能讓用戶聽懂狗狗的叫聲，還能看懂狗狗的面部表情、身體行為等語言，來了解狗狗的心理狀況。Traini由中國連續創業者孫鄰家在美國硅谷創辦的寵物共情AI應用，在冷啟動的情況下，已有20萬iOS注冊用戶。今年5月，產品瀏覽量已經超百萬次。
Traini于5月完成千萬元天使輪融資，由天際資本FutureX Capital、BlueSea Partners、Tao Foundation、Mint Capital和其他投資人共同投資，包括前Meta工程總監梁英毅、Caper AI（Instacart子公司）工程負責人Lily Zhang、ORH Partners合伙人賈佩琳、博主Janie探美國等。老股東Valkyrie Fund I LP、Fengmin Gong (Palo Alto Networks Cofounder)繼續跟投。
AI 驅動的血細胞分析平臺 Scopio Labs 獲4200萬美元D輪融資
Scopio Labs 的平臺采用計算攝影技術，能夠提供數千個細胞的數字成像，為實驗室從業者提供高分辨率的全場景視圖，消除了手動顯微鏡操作的需求。該公司的解決方案結合了 AI 支持的臨床決策和全場景數字成像，旨在提高血細胞分析工作流程的效率，促進遠程咨詢和協作，加快決策速度，從而改善患者護理。
Scopio Labs 是 Full-Field Digital Cell Morphology 成像與分析平臺的開發商，近期宣布完成了 4200 萬美元的 D 輪融資。這輪融資由 Fortissimo Capital 領投，OurCrowd、Aurum Ventures MKI、OTV 和 LR Group 等其他投資者也參與了投資。
AI 芯片公司 Fractile 獲 1500 萬美元種子融資
Fractile 由 28 歲的人工智能博士 Walter Goodwin 于 2022 年創立，致力于打造首款新型 AI 芯片，能夠運行最先進的 AI 模型，速度比現有硬件快 100 倍，成本低 10 倍。
Kindred Capital 、 NATO Innovation Fund和Oxford Science Enterprises領投，Cocoa 和 Inovia Capital 跟投，天使投資人包括 Hermann Hauser（Acorn、Amadeus Capital 聯合創始人）、 Stan Boland （前 Icera、NVIDIA、 Element 14 和 Five AI），以及 Amar Shah（Wayve 聯合創始人）。迄今為止，Fractile 已籌集總資金 1750 萬美元。
AI 驅動的數據平臺 DAO Base 完成 600 萬美元融資
DAO Base 是一個專為 DAOs 設計的 AI 驅動的數據和基礎設施平臺，它通過先進的算法幫助 DAOs 和選民建立他們的區塊鏈和非區塊鏈數據聲譽層，使用戶能夠智能監控 DAO 治理、做出明智的決策，并探索未來的工作模式。
DAOBase 宣布成功籌集了 600 萬美元的資金，這一輪融資得到了 SevenX Ventures、AntAlpha Ventures（Bitmain）、y2z Ventures、Tanuki Studio、Slingshot Labs、LD Capital、Mix Marvel DAO Venture、TI Capital 和 Bitrise Capital 等多家投資者的支持，以及 The Sandbox 聯合創始人 Sébastien Borget 和 DeXe Protocol 聯合創始人 Dmytro Kotliarov 等個人天使投資者的參與。
AI 驅動的故事創作平臺 Lumi Story 獲 400 萬美元種子融資
Lumi 由前 NFL 四分衛 Colin Kaepernick 創立，是一個AI驅動的故事講述平臺，旨在幫助創作者開發、發布和分發他們的故事。該平臺提供了用于創建故事角色、規劃敘事和生成腳本的工具。 Lumi 的人工智能輔助視覺和文本元素，幫助制作圖畫小說和其他內容。該平臺還提供出版和銷售服務以及物流處理，以便創作者可以專注于他們的創作。本輪融資由Seven Seven Six 領投。
Gen AI 初創公司 Rabbitt.AI 獲 210 萬美元融資
Rabbitt.AI 由 IIT-D 校友創立，最近獲得了來自 TC Group of Companies 的210萬美元融資。該公司提供定制化 LLM 開發工具、RAG 微調和數據中心 AI 等高級 AI 應用程序的創建部署服務。平臺具有 MLOps 集、語音機器人 AI 代理等，并優先考慮 AI 部署中的私優先策略。
Rabbitt.AI 創始人兼首席官 Harneet S.N. 表示:“與一個大模型相比，更小、定制和行業特定的微調模型正在取得更多進展。在 Rabbitt.AI，我們是這些模型的倡導者，幫助公司采用開源 AI 模型。”(站長之家)
（歡迎添加微信AIyanxishe2，了解更多AIGC、融資情況，與志同道合的朋友一同暢聊時新AI產品）
今日大廠風聞
Meta 訓練 Llama 3 遭遇頻繁故障：16384 塊 H100 GPU 訓練集群每 3 小時“罷工”一次
Meta 發布的一份研究報告顯示，其用于訓練 4050 億參數模型 Llama 3 的 16384 個英偉達 H100 顯卡集群在 54 天內出現了 419 次意外故障，平均每三小時就有一次。其中，一半以上的故障是由顯卡或其搭載的高帶寬內存（HBM3）引起的。 GPU 問題是導致故障的主要原因，占意外中斷的 58.7%。（IT之家）
百川智能成立信息服務公司，注冊資本 5000 萬元
近日北京百川智能信息服務有限公司成立，法定代表人為鄧江，注冊資本5000萬元，經營范圍含軟件開發、計算機系統服務、人工智能應用軟件開發、人工智能雙創服務平臺、信息技術咨詢服務、大數據服務等。股東信息顯示，該公司由王小川控股的北京百川智能科技有限公司全資持股。
任何人可永久訪問被刪除的 GitHub 代碼，GitHub：不是Bug
Truffle Security 的研究人員發現，即使在 GitHub 上刪除了代碼倉庫，這些代碼及其分叉副本的數據仍然可以被訪問。GitHub 的母公司微軟對此回應稱，這是一個有意為之的 “特性”，并非 BUG，GitHub 表示，這一設計符合官方文檔中的描述，且效果也完全符合預期。Truffle Security 公司的CEO Dylan Ayrey 建議 GitHub 考慮不在分叉之間共享分叉池，并建立新功能，允許用戶永久刪除提交。
波形智能發布新一代個性化自適應私人語言模型“Weaver 2.0”
波形智能發布了新一代多模態無限式長內容生成的個性化自適應私人語言模型“Weaver 2.0”，以及升級的多語言多模態的AI內容創作工具“蛙蛙寫作2.0”“Siuuu.AI”“AI Learning”等系列產品。目前，新一代的“Weaver 2.0”模型和LPA技術已經部署在波形智能的多個產品和應用中。
波形智能創始人兼CEO姜昱辰本科畢業于浙大竺可楨學院，博士就讀于蘇黎世理工大學，師從國際著名學者Ryan Cotterell，曾在微軟亞研院從事大語言模型的訓練與推理。今年1月波形智能已完成千萬元級Pre-A輪融資，由藍馳創投領投，西湖科創投、螞蟻金服董事長井賢棟、知名天使人費革勝、老股東藕舫天使跟投。（36氪）
3.85萬元，全開源！眾擎機器人首款EDU版專業級大人形開售
眾擎機器人公司推出了SA01 EDU 版專業級人形機器人，目標市場為科研教育，產品提供整機或散件套裝，價格為3.85 萬元。該機器人具備高擴展性，可自選搭載機械臂和其他人形部件。SA01 采用了強化學習算法和高效率動力模組方案，具有優異的動力性能和高品質的鋁合金骨架，確保了長壽命和高性價比。眾擎已經完成了天使輪融資，并準備新一輪融資。此外，還有兩款全尺寸人形機器人產品將于近期推出，分別面向工業和商業服務場景。
愷英網絡發布AI大模型新突破，全自動生成游戲成為現實
愷英網絡公布在游戲制作中的AI技術突破，即如何通過大模型應用實現全自動生成游戲，實現游戲生產方式的變革。此次發布的多任務執行的進階，讓AI生成并非局限于文本、音視頻內容，而成為一種復合工具，能夠滿足一個游戲多個維度的開發需求。基于這個開發邏輯愷英大模型提供給開發者一個問答應用，引導用戶采用像與人“聊天”的形式對AI提出需求，AI根據需求便全自動開始畫圖，寫文檔、做美術、做音樂、然后自動整合出完整的游戲，這使得做一款游戲的門檻下降幾乎為零。
今日產品動態
Product Hunt 熱榜，AI 產品架構師 Archie
Archie 是一個 AI 驅動的產品架構師，它能夠在幾分鐘內壓縮傳統月份的工作量，大幅降低成本。Archie 利用多個大型語言模型，在產品生命周期的不同階段專門化。讓用戶專注于創造性工作，而不是提示工程，它通過高效的 AI API 調用來實現更快、更智能的設計和規劃過程。Archie 能夠幫助用戶更全面地思考，提前發現潛在的問題，并提供改進建議，比如合規性、安全性等方面的考慮。Archie 的工作流程包括創意、需求、視覺架構、技術架構和規劃等階段，每一階段都能夠通過 AI 的智能化處理來節省時間和成本。用戶可以通過與 Archie 聊天的功能來提問、做出請求，甚至與項目一起享受樂趣。
? https://archie.8base.com/?ref=ph_home&utm_campaign=Archie&utm_medium=webdisplay&utm_source=producthunt
GitHub Trending 熱榜，開源項目ollama
ollama 是一個開源項目，旨在幫助用戶輕松啟動和運行包括 Llama 3.1、Mistral、Gemma 2 在內的大型語言模型。該項目支持多種操作系統，包括 macOS、Windows 和 Linux，并提供了 Docker 鏡像 ollama。用戶可以通過簡單的命令行操作來下載、創建、運行和管理模型。項目還提供了一系列的庫，如 ollama-python 和 ollama-js，以及詳細的文檔和示例，幫助開發者集成和定制模型。此外，ollama 支持從 GGUF、PyTorch 或 Safetensors 格式導入模型，并允許用戶通過編寫 Modelfile 來自定義模型的參數和提示。該項目的安裝和使用說明都非常清晰，適合各種技術水平的用戶。
? https://github.com/ollama/ollama
開發者推薦
1.Alchemist：在真實圖像中改變物體屬性
MIT CSAIL 和 Google Research團隊推出的一種名為 “Alchemist” 的技術，它能夠在不損失圖像真實性的前提下，對真實圖像中的物體材料屬性進行靈活的編輯。這種技術支持對物體的粗糙度、透明度、金屬度和反照率等材料屬性進行線性調整。
?https://prafullsharma.net/alchemist/
2.Differ:根據文本描述插入對象
廈門大學、OpenGVLab、香港大學等提出Diffree，能夠通過文本描述實現對象的自然添加，無需用戶指定邊界框或手繪掩碼。通過在 OABench 數據集上訓練，Diffree 能夠處理多種對象添加任務，并且能夠在同一圖像中多次插入對象。Diffree 的一個關鍵特性是它能夠預測新對象的位置，并且可以通過文本引導來實現對象添加。
項目?https://opengvlab.github.io/Diffree/
試玩?https://huggingface.co/spaces/LiruiZhao/Diffree
特別關注
Perplexity 聯合創始人兼產品負責人Johnny Ho，揭秘如何用AI建立公司
Perplexity 是一家成立不到兩年的 AI 公司，員工不到 50 人，用戶數已達到數千萬，并且年收入超過 2000 萬美元。最近，Perplexity 完成了 6300 萬美元的融資，估值超過 10 億美元，吸引了包括 Nvidia、Jeff Bezos 等知名投資者的關注。
Perplexity 的產品開發方法包括利用 AI 進行產品管理、類似黏菌霉菌的組織結構、小團隊、少量管理人員以及對產品經理未來價值的預測。鼓勵員工先通過 AI 解決問題。Perplexity 的團隊通常只有兩到三個人，甚至有些項目如播客由一人獨立完成。公司傾向于聘請自我驅動的個人，而不是強調管理能力的人選。
Perplexity 使用 AI 工具來構建其產品，盡管在編碼方面的應用有限，但在產品管理和決策方面非常有效。公司只有兩名全職產品經理，項目通常由一到兩人完成，最多不超過四人。產品經理的主要工作是對使用案例進行判斷和優先級排序，以及根據數據和用戶研究做出決策。
Perplexity 的團隊結構旨在最小化協調成本，通過共享可重用的指南和流程來并行化項目。公司使用 AI 進行 “橡皮鴨調試”，以減少對完美一致和共識的依賴。Perplexity 制定了季度計劃，并在產品路線圖中保持靈活性，以適應 AI 領域的快速變化。公司的決策過程相對去中心化，項目由單一的責任人驅動，并盡可能并行化執行步驟。Perplexity 的產品開發成功依賴于將反饋 distill 成直觀的產品，并賦予團隊成員控制決策的權力，以便快速迭代。
? https://www.lennysnewsletter.com/p/how-perplexity-builds-product
敬請期待明日的最新動態！
AI情報局征集情報合伙人，匯集獨家價值線索！如果您可以提供有關AI最新融資&行業內幕&獨特產品，請添加運營微信號：AIyanxishe2備注行業崗位。
雷峰網
你們覺得哪些產品特別“丑”呢？
Winnie是一位長期生活在紐約的工業設計師，由于家人買了拼多多的股票，她出于好奇，下載了“拼多多”。但是一打開操作頁面，那種密密麻麻的信息排列式布局，立刻讓她望而卻步——一個上市公司的App為什么 UI 會設計得這么“丑”？
如果你仔細回想一下，“拼多多”所代表的這種復雜、高度集合信息的設計風格，在中國互聯網江湖中并非個例。
淘寶、京東、等等，各大主流 App 的首頁設計均是如此——琳瑯滿目的信息恨不得填滿你的世界，色彩斑斕的圖片、GIF 搔首弄姿般地時刻提醒著你：點我！點我！
（從左到右依次是：淘寶、京東、蘇寧易購、1號店）
電商類 App 的首頁UI界面，是不是長得都差不多？
相較于國內互聯網公司復雜的“大而全”式設計，國外的 UI 設計大多走“簡約”路線：非常注重留白，收藏起功能選擇欄，集中突出某一項功能。
在同行的映襯下，難怪 Winnie 會覺得中國的 App“丑” 了。難道是中國互聯網人的審美出了什么問題嗎？
關于審美的討論，其實是一個公說公有理、婆說婆有理的話題。在互聯網設計當中，美、丑都是相對的概念。在 Winnie 眼中，“丑”就是密集式的復雜設計，以中國為代表；“美”則是留白式的簡約設計，以美國等西方為代表。
自從喬布斯開始，在以科技創新為象征的互聯網行業中，美國等西方國家一直都“代表著先進文化的前進方向”，如今順理成章地，它們所采用的簡約設計風格，是目前國際上 UI 設計界的主流聲音。但中國的互聯網公司這次卻偏偏不跟風了，紛紛祭出各種五花八門的復雜設計作品，讓人眼花繚亂、應接不暇。
中國這種高密度的信息設計，往往都伴隨著幾大特點：鏈接多、圖片多、色彩斑斕。而這與漢字的結構息息相關。
中文中最復雜的漢字 biang 共有57畫，“biang biang面”為陜西關中地區的一種民間美食
與英文這種表音的拉丁文字不同，漢字作為表意的象形文字，是世界上最復雜的語言之一。英文有26個字母，相互排列組合就可以構成有意義的詞；但是漢字卻有八萬多個單字，不論是單獨、排列還是組合都可能生成不同的詞，結構著實復雜。
并且漢字沒有大小寫、沒有空格、筆畫眾多、花頭較少。在自身復雜的前提下，簡體漢字也缺乏很多設計上的可塑性。這就決定了在界面設計上，簡體漢字比英文更加繁瑣。所以，當你的App上大量出現中文的時候，即使其他元素保持不變，你也會覺得設計變得更復雜了，像是變“丑”了，降低了原先設計的“逼格”。
把包上的英文轉換成漢字，立刻滿滿的違和感（圖片來源微博）
在互聯網的世界中，簡體漢字不僅在外觀上相比英文更加復雜，其在功能上受到的制約，也加劇了這種復雜的呈現方式。
互聯網是誕生于英語世界的產物，這是一個從最底層的框架開始，就以字母為基礎構建的網絡平臺。不論是 Windows還是 Linux，再到移動時代的 Android 和 iOS，所有的操作程序都是用英文寫就的，這就導致在中文搜索出現前，如果用方塊字搜索網頁，你幾乎什么也搜不到的。
中文搜索出現后，域名的字母問題依然存在，用戶可以看得懂漢語，但是他們無法記住用英文字母拼就的域名。所以與其讓用戶去記住網頁地址的一連串字母，不如直接提供鏈接——這就體現了非英語世界中“門戶網站”的重要性。大量排列鏈接的意義本質上正是為了解決用戶“看不懂英語字母”的問題，讓他們可以直接點擊鏈接，導航到想去的網站。
2007年的新浪網
而且，這并不是簡體中文獨有的情況，日語、韓語、繁體中文等在設計上都與簡體中文有著相似的困境。在迎接以英文為主的互聯網時代到來時，不可避免地要使用這種多鏈接的方式，設計自己的網頁。
文字多了，為了配合布局讓網頁看起來不會那么枯燥，我們自然而然會想到添加圖片。于是各種五顏六色的圖片、色彩斑斕的GIF也就應運而生，配合設計師調配頁面上復雜的設計風格。
在國外腦科學領域有一個研究分支為“文化神經科學”（Cultural neuroscience），主要研究不同文化背景會對人的大腦神經產生怎樣的影響。
2005年，密歇根大學心理學系的三位教授Hannah Faye Chua, Julie E. Boland 和 Richard E. Nisbett 做了一個有趣的實驗。他們把一些圖片，分別拿給美國人和中國人觀看，然后記錄受試者的眼動情況和記憶能力。結果表明，美國人更容易注意到圖片中的單個物體；而中國人則能夠對物體、環境、背景等多種元素有一個均衡的感知。
實驗中所用到的讓受試者觀察的圖片示例和論文截圖
換句話說，中國人和美國人對信息有不同的感知方式，我們更擅長觀測充滿復雜信息的環境。Chua 他們認為，這與中美的文化差異相關：美國更崇尚個人主義，而中國則更崇尚集體主義。
后來，這一學科的其他相關研究均不斷印證了 Chua 他們的發現。專欄作家 Sharon Begley 在 “文化如何塑造大腦” 一文中寫道：當觀察復雜的場景時，亞裔和非亞裔分別激活了不同的大腦區域。亞裔大腦中的圖形處理區域會活躍起來，這使他們更能關注到整體；而非亞裔的大腦活動則主要集中在個體物體識別區域。
也就是說，咱們中國人，天生就有能夠處理復雜信息的能力，所以在面對“拼多多”們這種繁瑣的 UI 設計時，根本就沒太當回事兒。在我們日常生活的文化空間中，中國用戶已經逐漸習慣了各種復雜的元素構成，并不會認為它特別得“丑”或者“美”。復雜，只是一種習慣性的設計表達。
美國曼哈頓唐人街的街市布局與曼哈頓其他地區的布局截然不同，充滿了中國“復雜”的特色（圖片來源：維基百科）
傳統中國人愛熱鬧，喜歡“人多”的氛圍，比如好餐廳就一定要是人聲鼎沸的，一定要是排隊的；喜歡紅色，因為代表喜慶。逢年過節更是要走街串巷，鑼鼓喧天、鞭炮齊鳴，這代表了好兆頭，是中國文化的一部分。
在這種文化環境下，我們誕生出來的設計作品也極具特色。諸如窗花、貼圖等充滿民族文化的設計作品，往往都透露著一種“復雜”的特點。一個作品中通常都有不止一個人物，細節雕琢得到位，各種元素齊全，整體上來看，體現出的就是一種信息密集式的復雜藝術特征。
（蘇州桃花塢產出的桃花塢年畫，色彩艷麗）
如果把它和“拼多多”們的主頁聯想在一起，是不是有一種異曲同工之妙？
你很難說這是丑還是美，它是一種客觀存在的文化現象，沒有隨著科技和互聯網的發展而消失，而是以另一種方式保存了下來。在使用這些互聯網產品時，中國最廣大的用戶們并沒有表現出太多對美丑的評價，因為我們在大腦中已經自然地接受了這種“復雜”的設計風格。
日本設計師原研哉（無印良品最早的設計總監），曾在自己的書中（《設計中的設計》）說到：設計的首要任務永遠都是實用性，要在實用性的基礎上給用戶以美的體驗。原研哉是日本極簡主義設計理念的代表，極簡如他，依然強調的是設計在功能端的作用。
對于互聯網界面的 UI 設計來說，撇開文化表層的原因，它從本質來看就是一種商業行為，那么“滿足用戶需求”，就是產品經理在任何時候都會最優先考慮的事。對于中國的這些互聯網公司來說，采用復雜設計的最直接原因，可能只是因為這么做能賺錢而已。
Porter Erisman 在自己的暢銷書《六十億購物者（Six Billion Shopper）》中，記錄了李開復還在谷歌時的一次內部講話，那時谷歌還沒有離開中國。李開復在講話中提到，在全球各地谷歌實驗室進行的“眼動測試”中（眼動測試，記錄受試者在瀏覽網站時眼睛轉動的情況，以此來判斷他們注意力的變化），他們發現了一個有意思的現象：美國的谷歌用戶，在使用谷歌時，目光會直接鎖定在搜索框；而中國的谷歌用戶則可能會把整個網站都瀏覽一遍，就像是在尋找一些可能潛藏的“小驚喜”。
《六十億購物者》這本書描寫了全球電子商務市場中的企業故事。
李開復的結論與Chua教授等的研究結果如出一轍。顯然，在中國的社會環境下，高信息密度的復雜式設計更符合用戶的行為習慣，也能吸引更多的用戶流量。
以淘寶和亞馬遜為例。對于美國用戶來說，他們平常的購物場景發達，用戶登陸亞馬遜往往會直接通過搜索框找自己需要的商品。而且這些用戶通常在登陸前，就對自己所要購買的商品有了充分了解。
亞馬遜在不同地區的首頁設計差異，它的中國版已經為中國人的使用習慣進行了明顯的個性化設計
但是中國用戶在淘寶上，往往會有一個“逛”的行為。他們打開淘寶后就像逛商場一樣，四處翻看，打開各種鏈接和優惠活動頁、觀看特賣直播，然后把不同店家的相同商品放進購物車，最后貨比三家再購買。
顯然，如果一個中國用戶用亞馬遜買東西，他不會覺得亞馬遜簡約、好看，反而會認為它的用戶體驗弱爆了，想要的信息統統都沒有。
除此之外，中國龐大的人口基數，也是孕育復雜式互聯網設計的一個重要原因。龐大的人口基數下代表了中國大多數互聯網用戶的基本樣貌：受教育程度普遍不高、需求多樣（且每一個細分需求都有足夠大的市場）、消費能力偏低。
雖然現在大家口中常說：到處都是985/211，碩士博士滿地跑。但實際情況是，中國從恢復高考以來，四十年累計的本科學歷者只占全國人口的不到 4%。受教育程度較低意味著對審美的敏感度也較低，他們更追求基本層次的體驗和享受。
對于這樣的網民群體，與其采用簡約設計讓他們獨立搜索，不如把所有選項都放在他們面前，讓他們自由挑選。越懶人模式的設計，也就越能夠留住用戶。
留住用戶就是留住了衣食父母，產品經理們一定都懂這個道理——于是他們把所有能想到的需求，都放在設計界面中。因為即使一個不起眼的需求，在龐大的用戶基數面前，都可能有海量的市場，誰都不愿放棄可能存在的商機。
最后，消費能力偏低，這就意味著中國用戶對價格更加敏感。2017年，中國全國居民人均可支配收入約為2.6萬元（約4000美元），而美國人均可支配收入則是60,000美元，是中國人的大約15倍。
同樣在手機App上搜索小米手環，在亞馬遜和淘寶出現的截然不同的UI界面。
琳瑯滿目的填充式設計，充分滿足了消費者們的“廉價”心理：復雜的設計下，在線商品就像現實中的大賣場，復雜往往代表著“便宜”。
“廉價”的設計不會給用戶帶來心理負擔。我們在日常生活中，看到一家店裝潢精美設計優雅，會潛意識認為這家店的東西肯定很貴，從而在進店之前就產生消費心理障礙。
而價格敏感的用戶常常也會有一些“占小便宜心理”。他們往往覺得相同價錢買得東西越多，就越劃算。這也就是為什么淘寶店主們總會在賣東西時，送很多小禮品。比如買衣服送襪子，買籃球送氣針、氣筒籃球袋等等。所以，中國的電商們在制作宣傳圖片時，也會極力在一張圖里堆滿各種優惠信息，充分滿足人們“多就是好”的潛在閱讀期待。
所以，中國互聯網這種“復雜式”的設計風格泛濫，并不是我們失去了審美，而是在文化、經濟、消費者心理等多重作用下的考量。相比國外的簡約式風格設計，復雜的設計可能不好看，但是對于產品經理們來說，好看，并不是他們設計產品的最關鍵因素。
再多說句題外話，這種復雜的設計風格，如果讓國外公司模仿，還真不一定能做成。
去年天貓雙十一的時候，杭州的森馬電商部門聘請了幾十位設計師，來實時設計各種商品的展示圖片，以滿足淘寶這種復雜設計 UI 下的內容宣傳和調換。這只是森馬一個品牌而已，那天參與雙十一的品牌可能有成百上千個。為了要配合淘寶這種信息密集式的頁面設計，商家需要花費一筆巨大的人力成本。這樣的工作，也只有還在吃著人口紅利尾巴的中國市場上，才有機會做到了。
其實，中國的藝術史源遠流長，簡約之美的設計理念并不是什么舶來品，我們其實擅長得很。上文中舉的復雜的藝術設計作品，多來自民間。那么簡約的藝術設計作品，過去都是誰在把玩欣賞呢？
嗯，文人騷客，巨賈富商，皇親國戚。
如今，中國一些小眾的App和網站，也會選擇簡約式的設計風格。但代表中國最廣大人民普遍需求的，依然是那些用著復雜式設計的互聯網公司們。
作者：項一誠