Canva Is Tackling AI Design’s Most Frustrating Problem with Stefano Corazza- #784
三句話摘要
Canva AI 研究團隊如何通過自建模型實現成本與速度優化,打造兼具創意控制與迭代效率的設計生成系統。 Canva 的成功在於認清 AI 在創意工作中的局限(永遠不完美),建立快速迭代環境,並透過獨有資料和完整堆棧優化實現成本與速度的雙重突破。 迭代設計是核心:Stefano Caraza 指出 AI 永遠無法達成 100% 完美,必須建立快速迭代迴圈,讓人類持續調整。這推翻了「一次生成完美結果」的矽谷迷思。
重點整理
迭代設計是核心:Stefano Caraza 指出 AI 永遠無法達成 100% 完美,必須建立快速迭代迴圈,讓人類持續調整。這推翻了「一次生成完美結果」的矽谷迷思。
獨有資料帶來優勢:Canva 累積十年的設計資料和使用者互動數據,經過許可收集或授權購買。正因為擁有高質量、多樣化的訓練集,才能用更小的模型(百億參數)打敗更大的商業模型。
兩階段架構提升可控性:CanvaCraft 分成「場景規劃」和「像素生成」兩個階段。LLM 先生成結構化的場景描述(含邊界框、相對位置),再由擴散模型渲染。這樣設計師可在像素生成前編輯場景,改變元素位置、大小,無需重新生成整張圖。
完整堆棧控制成本:Canva 自行託管、優化推論棧。透過 GPU 級、核心級、批次大小、快取等多層優化,實現 40 倍成本降低。視訊生成成本在一年內下降兩個數量級(從每秒 0.5 美元降至接近 0.01 美元)。
實用技巧與重點
- 模型名稱:CanvaCraft(基礎圖像生成模型,從零訓練)、Canva Brush(視覺語言模型,基於開源模型微調)、Magic Layers(自動分層工具,支援編輯外來圖像)
- 具體數字:
- 生成成本:比最昂貴的商業模型便宜 40 倍
- 推論優化成果:視訊生成成本兩年內下降兩個數量級
- 模型參數:LLM 部分約 100 億參數(非競爭對手的百兆級)
- 場景描述細度:可包含邊界框、相對位置、結構化元數據
- 關鍵技術:
- 兩階段生成(場景圖→像素)
- 蒸餾(Distillation)優化推論
- 結構化場景描述(文本但包含坐標、邊界框)
- Vision Language Model 作為設計代理(可執行程式碼、API 呼叫、編輯操作)
- 發布渠道:
- Canva Connect API
- Model Context Protocol (MCP)
- Canva UI 內嵌
- 發布時間線:
- CanvaCraft 及研究團隊宣佈:2025 年 11 月初
- Canva Brush 宣佈:同月稍晚
- 後續發佈 CanvaCraft Fast 和 Ultra Fast 版本
- Craft 在 MCP 上線:宣佈後次日
- 基準測試:
- CanvaCraft 在 Design Arena 排名第四
- 使用 VLM(視覺語言模型)作為評分者,搭配結構化評分框架(可讀性、版面配置、構圖)
- 內部使用人類評估驗證
結論
Canva 的成功在於認清 AI 在創意工作中的局限(永遠不完美),建立快速迭代環境,並透過獨有資料和完整堆棧優化實現成本與速度的雙重突破。
完整解析
Canva 的 AI 研究團隊在 2025 年 11 月推出兩個關鍵模型,背後反映了該公司對「創意工作流中 AI 角色」的深刻思考。Stefano Caraza 強調,AI 助手的成功不在於一次性完美生成,而在於支持設計師的快速迭代。這打破了矽谷常見的偏見——以為新技術會直接提供完美答案。實際上,創意工作涉及多輪調整,AI 只能處理 70-80% 的工作,剩餘 20-30% 必須由人類在迴圈中完成。
CanvaCraft 的設計反映了這個理念。它採用兩階段架構,而非傳統的「單步生成」模式。第一階段,LLM 接收使用者輸入(文字提示、設計背景等),產生一份結構化的場景描述。這份描述不是籠統的文字,而是包含邊界框座標、元素相對位置、尺寸等細節的結構化資料。第二階段,專用的擴散模型將這份場景圖轉換成實際像素。這樣的分離帶來關鍵好處:設計師可在像素生成前修改場景(移動元素、改變大小),無需推翻重來。與此相比,傳統模型若使用者要求「把物體向右移動」,系統必須重新生成整張圖,常導致不一致。
Canva 之所以能打造這套系統,關鍵在於兩項優勢。首先是獨有資料:十年累積的數百萬筆設計、使用者互動數據,經許可或授權整合。這讓 Canva 能用百億參數的模型達到競爭對手用兆級參數才能達到的效果。其次是完整堆棧控制。公司自行託管模型推論,從 GPU 選擇、核心最佳化、批次大小、快取策略等每一層都精細調控。結果是成本優勢:生成一張設計圖的成本比最昂貴的商業模型便宜 40 倍。視訊生成領域更誇張,一年內成本下降兩個數量級,從每秒 0.5 美元降至接近 0.01 美元。
Canva Brush 則是在 CanvaCraft 基礎上的更高層次應用。它是一個代理系統,操作一套完整的設計工具,可執行程式碼、呼叫 API、調整版面。設計師可用高層次的語言指示 Brush(「讓它更吸睛」、「用 Gen Z 風格」),系統會在背景透過多次迭代自我改進,最後才呈現結果。這種「看不見的迭代」比每次都向設計師展示中間產物更有效率。
品質方面,Canva 在 Design Arena 排名第四,這在首次提交的情況下超出預期。Stefano 歸功於對訓練資料的深入理解:團隊發現,擴散模型若參數足夠大,可以處理極細緻的場景描述。因此他們大幅擴展場景描述的詳細程度,搭配適度增大的擴散模型,提升了輸出品質。另一個發現是不同設計類型的表現差異。CanvaCraft 在人像和風景上表現優異(追求逼真度),但初期在卡通內容上不如預期(因訓練時過度強調寫實)。但這類問題屬於「模型品味」微調,無需重新訓練。
《影片最後》,Stefano 指出研究的核心使命保持不變:讓 AI 更易取得、更融入創意迴圈、移除所有阻礙、重新設計工作流。但具體模型與技術方向會快速變化。他鼓勵團隊擁抱這種變化,而不是抗拒。一年前沒人預想到現在推出的模型,一年後推出的模型現在也還沒開始做。

