今日所见

设计没有做一个醒目的“气候地标”，而是把建筑拆成五个蜂巢状体量，顺着坡地错开高度、方向和几何关系。不同空间的光线和材料也跟内容一起变化：入口使用浅色木材；“Mission”空间通过南北通透的玻璃把自然光与景观带进室内；需要沉浸投影的“Globe”和“Games”空间则转为更暗、更吸声的环境。连续架空地板让展陈未来可以更换，也便于不同材料在更新时拆分处理。

这个项目很适合学生重新理解“教育空间”。很多展馆先把建筑做完，再把知识贴进去；这里更有意思的是，内容、身体感受、空间秩序和未来可变性被一起设计了。以后做校园展示、科普空间甚至课程教室，可以多问一层：如果拿掉所有说明文字，这个空间本身还能不能让人感到、理解或练习你真正想教的东西？

查看项目｜Klimaerlebniswelt 官方

Uchronia 做的是一次尺度转换。原本在脚下和建筑细部里容易被忽略的花卉语言，被放大成发光花瓣；花朵根部又变成环形座椅，让人能够坐下来、停留，再重新抬头看这座熟悉的建筑。设计没有努力“像历史”，却借由颜色、尺度、光和身体位置，让人重新注意到历史空间里本来就存在的东西。

这对空间更新特别有启发。学生很容易把“场地文化”理解成增加一个当地符号，但现场真正值得被设计的，可能是被忽略的纹样、光线、旧痕迹、比例、路径或人的停留方式。新形式最有说服力的时候，不是它看起来很有文化，而是你能说清楚：它究竟从现场的哪一条关系长出来。

更有意思的是评分权重：包容与可达性 30%，空间清晰与可实施性 25%，原创性 20%，对残障用户需求的理解 15%，表达 10%。 它把经常只出现在课程说明里的“关注用户”“考虑可实施性”，直接变成了会影响分数的结构。学生自然会知道：如果没有看见障碍、没有理解使用者，再漂亮的图也拿不到高分。

这件事可以直接迁移到课堂。很多时候，学生不是“不知道要调研”，而是任务结构告诉他们，最后真正被奖励的仍然是效果图。与其反复提醒“要以人为本”，不如把作业流程改成：先交现场证据，再定义问题，最后才允许出方案。 当评价标准改变，学生的工作顺序才会真正改变。

这意味着 AI 很可能更像一个认知支架：当问题还模糊时，它擅长补视角、补结构、补解释，让一个设计问题迅速变得“比较完整”。但完整并不自动等于突破。研究者也提醒，AI 输出可能让人更快收敛到一个看起来合理的方向，而人的独立发散阶段仍可能保留一些更不规整、更不容易被预测的东西。

这给课堂一个非常可执行的启发：不要从第一秒就把人和 AI 混在一起。 可以先让学生做一轮 Human-only divergent pass，留下自己的 5 个初始方向；第二轮再让 AI 只做扩展、质疑、补机制和找漏洞；最后把两轮并排比较。这样学生学到的不是“如何让 AI 给我创意”，而是更具体地看见：机器究竟放大了哪一种能力，又在哪一种能力上不应该替我做决定。

查看研究｜PLOS ONE 原始论文

这种担忧不等于已经发生了相同比例的失业。它首先是一种对未来的预期。年轻人往往正处在学习专业、进入职业和建立身份的阶段，当他们还没真正进入某个行业，就已经不断听见“入门任务会被自动化”“技能更新会越来越快”，职业选择的起点就可能从“我想成为什么”悄悄变成“什么不会被替代”。

这也是设计教育值得回应的地方。课程不能只教学生追最新工具，也不能只用“AI 不会取代有创造力的人”来安慰他们。更有用的是帮助他们逐渐建立几个更稳定的支点：我能看见什么问题、我愿意为什么负责、我如何验证判断、我怎样和别人协作，以及工具变化以后我还能继续学习什么。 当职业名称越来越不稳定，人的方向感反而需要被更认真地训练。