Lovart正式发布推出ChatCanvas，想挑战Figma和Canva？
在创意设计软件的赛道上，Figma 与 Canva 是两座绕不开的大山。前者凭借专业性在上市前夕估值冲向百亿美金大关，后者则以易用性坐拥超 300 亿美金估值和 25 亿美金的年收入。当所有人都以为市场格局已定时，AI 带来了新的变量。
这个变量，不仅仅是加入 AI 功能，而是 AI 正在把设计数字画笔升级为生成式的创意系统。Figma AI 的 First Draft 功能，已经能让设计师输入一句话就得到好几套完整的设计初稿。这些变化让原本稳定的市场变得充满变数，也让新兴的 AI 工具有了重新定义未来的机会。
" alt="
" width="2048" height="1365">
旧金山当地时间 7 月 23 日，设计圈的 " 圣地 "IDEO 的办公室里，挤满了来自 Open、Google、微软、斯坦福和 IDEO 的顶尖人才，他们正在参加一场 Lovart 的全球发布活动。OpenAI 负责创业支持的 Chris Brown 在现场发表了演讲，他称 Lovart 与 OpenAI 模型的合作为 " 最具代表性的案例之一 "，展示了像 GPT-4o 这样的前沿大模型，如何真正转化为充满想象力和实用性的 Agent 产品。
这场发布会的主角 Lovart，在为期数月的 Beta 测试中，仅靠口碑传播就吸引了近百万用户申请，伴随着正式全球上线，它也全面取消了邀请码，同时带来了其全新的交互功能的探索：ChatCanvas，一个能让用户直接在画布上与 AI" 对话 " 来修改设计的全新界面。
ChatCanvas
福布斯、CNBC 等媒体迅速跟进报道。在 X 上，一场关于 Lovart 的 " 叛逃 " 梗图（Meme）派对也开始了，创作者们纷纷晒图，开玩笑说要 " 卸载 Canva"、" 忘记 Figma"。
这当然是一种略带夸张的网络文化，但它背后的情绪是真实的，当下的 AI 工具，尤其是在设计领域，似乎总让人爱恨交加。我们一边惊叹于 AI 强大的生成能力，却又在无尽的改稿循环中，与那个看似智能、实则健忘的聊天框 " 对牛弹琴 "。这种 " 万物皆可 Chat" 的设计范式，成为一种可疑的 " 正确 "，所有人都这么做，但所有人都知道仅仅这么做是不够的。
其中一个瓶颈，出在了交互上。最近有一场关于从 UX（用户体验）到 AX（智能体体验）的相关讨论。在 AX 模式下，Agent 不再是你使用的 " 工具 "，而是与你协作的 " 伙伴 "。它能记住你的目标和偏好，理解项目的上下文，无缝融入你已有的工作流。
亚马逊 Prime Video 技术总监第一时间展示了它使用 Lovart 产出设计
日本网友对 ChatCanvas UI 创新的认可
在多数 Agent 产品还在让用户在聊天框里打转时，少数公司已经开始用 " 工作流架构师 " 的思维来构建产品。
在初步体验之后，我们发现 Lovart 试图用 ChatCanvas 回答两个核心问题，一个真正优秀的 AI 设计伙伴应该是什么样子的？以及，我们与 AI Agent 的交互，除了聊天框，还能是什么样子的？
一个全能的 AI 设计伙伴
Lovart 的定位始终不是单一的 AI 设计工具，而是一个 AI 设计智能体（AI Design Agent）。它的目标不是给你一张图，而是成为你在设计项目中的全能伙伴。
简单来说，无论是品牌视觉套件（如 Logo、VI），还是日常的营销与社交物料，甚至是更复杂的视频和 3D 内容，都在它的能力范围之内，试图一站式解决设计流程中的多个环节。
从视频中不难看出，Lovart 试图构建一个全面的创意工作站。但我们知道，对于任何一个设计师或者内容创作者来说，AI 创作的真正瓶颈从来不在 " 初次生成 "，而在 " 二次修改 "。
Lovart 声称能解决这个核心痛点，而答案，就藏在它随这次正式版重磅推出的 ChatCanvas 里。如果说传统的 AI 设计工具像一个电话对面的设计顾问，只能给你口头建议；那么 ChatCanvas，则更像一个和你身处同一个房间的设计师，当你指着墙上的画说 " 往左边挪一点 " 时，他会立刻上前帮你把画挪过去，让你即时看到效果。
接下来，我们将通过为一场真实的线下活动制作宣传物料，来亲身体验这场发生在画布上的全新设计对话。
和 ChatCanvas 聊设计，在画布上 " 指点江山 "
Lovart 作为首个 AI 设计 Agent，上线以来收获了不少好评，这次正式版的 ChatCanvas 到底好不好用，理论说了再多，都不如一次真刀真枪的实战。
硅星人团队正好要搞个线下活动，需要一套完整的视觉物料。任务来了，ChatCanvas 能帮助我们从一张核心视觉图出发，搞定所有设计吗？
我们的起点是一张由设计同事提供的视觉元素，我们将这张图上传到 Lovart，并给出了一个比较粗略的需求，围绕这个核心视觉，制作一套包含海报、社交媒体图、T 恤周边等在内的宣传物料。
Lovart 提供了几个不同的创意方向让我们选，我们挑了个 " 赛博灯塔 " 的方向。
短暂的等待后，第一版结果出炉了，其中几张长这样。
考虑到我们给的指令相当粗略，第一版产出的结果已经像模像样。Lovart 基本延续了主视觉的风格和色调，质感也不错，作为一个设计的起点，完全是合格的。但设计最磨人的，永远是后面的修修改改。
在开始修改前，简单介绍一下 ChatCanvas 的核心操作逻辑：
" 打点评论 "：按下快捷键 "C"，鼠标会变成一个评论工具。你可以在画布上任何图片的任何位置或区域 " 打点 "，然后像在协作文档里一样，留下你的修改意见或创意想法。
" 单聊 " 或 " 群聊 "：你可以只选中一张图跟它 " 单聊 "，也可以同时选中多张图，分别给出不同指令，进行 " 群聊 "。
" 立即执行 " 或 " 稍后处理 "：每条评论都可以选择 "Run" 立即执行，或者 "Add to Queue" 先放进任务列表，最后点击 "Run All"，让 AI 一次性处理所有修改。
理解了这套玩法，我们来看看实际的操作。画布上摆着好几张图，我们发现 AI 给 T 恤设计的 Logo 和海报上的有些偏差。这时，我们体验到了 ChatCanvas 一个非常强大的多图协作功能。我们同时选中了 T 恤图和主海报图，在 ChatCanvas 里，先框选出主海报上那个正确的 Logo，给出指令：" 用这个 logo"，然后又在 T 恤上框选出 Logo 应该在的位置，直接下令：" 替换这里的 Logo"，随后 Lovart 精准地理解并执行了操作。
接着，我们选中主海报，准备开始 Chat 起来。结果发现，ChatCanvas 有时过分热情了，它会像一个有点紧张的设计实习生，在你提出一个模糊的想法后，开启十万个为什么模式，不停地追问和确认，有时候甚至会把人问到不知道该怎么回答，很想怼它一句，你是一个成熟的 Agent 了，就没有一点自己的主见。
还能像编程神器 Cursor 一样，提供 "Tab 补全 " 建议，帮我们把模糊的想法变得具体。
如果修改不够好的，或者一些简单的比如图片裁剪的调整，还可以使用 Lovart 内置的编辑工具手动调整。对于更复杂的调整，甚至可以用 " 提取图层 " 将某个元素单独分离出来。
海报调整得差不多了，我们来尝试 Lovart 的多模态交付能力，选中一张海报，只输入了 " 让这张图片动起来 " 的简单想法。ChatCanvas 通过 Tab 补全为我们补充了转场、音效等详细描述，并最终生成了一段效果不错的动态海报（Video Poster）。
有了视频，再来个周边？我们继续和 ChatCanvas 聊：" 将这个灯塔生成一个 3D 渲染的玩具摆件概念图 " 几分钟后，一 3D 概念图就生成了。我们还在后续的沟通中去掉了多余的元素，加上了透明底。
使用 ChatCanvas 的过程，就像与一个有求必应、能力无死角、且情绪稳定的设计小伙伴沟通一样，让我们可以 " 指拿打拿 "，从 Logo，平面海报到动态海报，再到周边礼品，我们围绕一场活动所需的核心视觉资产，完成了从 0 到 1 的创建和迭代，这个效率在传统的工具和工作流程上是难以想象的。
经过这一轮折腾，我们终于明白了 ChatCanvas 的真正野心。它不想做下一个 Midjourney（生成一张图就完事），也不想做下一个 Figma（本质上还是专业设计工具）。它想做的，是那个你梦寐以求的设计合伙人，既不会跟你抢创意主导权，又能把那些重复枯燥的执行工作统统承包下来。
很多通用的 AI 伙伴之所以被用户觉得 " 智障 " 或 " 无聊 "，是因为它们缺乏明确的目标和场景限制，导致泛泛回应、情绪浅薄、体验重复。Lovart 通过 ChatCanvas 把 "AI 伙伴 " 放入一个聚焦的生产力场景，专注解决设计问题，它的能力边界就会清晰、输出更有用、也更容易形成长期依赖，设计师与 AI 可以形成 " 人审美＋AI 生成＋人选优＋AI 微调 " 的循环，反而能放大 AI 的价值。
在完成了为 "ACC 2025" 嘉年华打造全套视觉资产的体验后，我们对 Lovart 这个产品也有了更立体的认知。它最独特的地方，在于找到了一条与主流 Agent 产品不同的演进路径。
如果说 Midjourney 的核心是 " 生成 "，通过不断精炼 Prompt 来追求一张完美的图片；那么 Lovart 则更侧重于 " 创作 " 的全过程，它生成的内容只是一个起点，后续在画布上的持续迭代和修改才是关键。
如果说 Figma 或 Canva 是功能强大的 " 工具台 "，需要我们亲力亲为地操作每一个细节；那么 Lovart 则更像一个 " 设计合伙人 "，你可以将很多重复性的执行工作交给它，自己则更专注于创意的决策。
如果说通用 Agent 的核心是 " 对话 "，试图用一个聊天框解决所有问题；那么 Lovart 的 ChatCanvas 则证明了，对于设计这类复杂的、视觉化的任务，一个能理解画布上下文、支持多模态输入的 " 混合工作区 "，是远比纯聊天更高效的交互模式。
贯穿整个体验，我们最深的感受是，Lovart 试图平衡两件事，" 效率 " 与 " 掌控 "。它用 AI 批量生成的能力，提升了从 0 到 1 的效率；又通过 ChatCanvas 的对话式修改和画布上的手动编辑工具，将最终的创意掌控权牢牢交还到用户手中。
当然，我们的这次测试，在很大程度上是 " 反 AI 专家 " 的。我们没有使用那些结构复杂、魔法咒语般的 Prompt，很多指令都相当模糊，" 很甲方 "。即便如此，Lovart 也给出了一个相当不错的、坚实的产出基座。
这恰恰证明了它的价值，它不仅极大地降低了高质量创意产出的门槛，让更多人能快速上手；同时，在专业用户和设计师的手中，它的上限又可以拉得非常高。
当然，作为一款刚刚走出 Beta 阶段的产品，Lovart 也并非完美。在体验中，我们偶尔也会遇到画布操作不流畅、图片加载延迟等性能问题。
更深层次的挑战在于，尽管海外用户用 Meme 开玩笑说要 " 放弃 Figma 和 Canva"，但事实上，Lovart 距离这两座大山还有不小的距离。Figma 凭借其强大的云端协作工作流、系统化的组件机制与开发者对接能力，早已成为专业团队的核心设计平台；而 Canva 则通过极简的操作、一站式的内容创作工具链和海量的多媒体模板生态，赢得了全球非专业用户的青睐。这些深厚的护城河，都是 Lovart 目前远远不具备的，同时，其高度依赖外部 API 的模式，随着正式开放，在商业化路径完全跑通之前，也是一个非常烧钱的生意。
但这些瑕疵和短板，并不妨碍它目前受到用户的喜爱。有 Reddit 用户如此评价 Lovart：" 和 Midjourney 或 Leonardo 相比，这里的用户体验就是流畅。感觉一切都是为创作者，而不是为工程师打造的。" 另一位用户则贴切地形容：" 这就是 Figma 和 Midjourney 生下的孩子，而且它还不用睡觉。"
CNBC 的报道视角更有意思，把 Lovart 当作中国技术人才征战硅谷的典型案例，并指出中国 AI 的真正优势很可能在于 " 应用 " 而非 " 模型 "。 这与英伟达 CEO 黄仁勋近期的观点不谋而合，" 哪个模型最聪明将变得越来越不重要，哪个模型最有用才是关键。"
这种 " 有用 "，最终都将落到用户的实际体验上，Lovart 在 ChatCanvas 上的尝试，也让我们看到未来的创意工具，将不再是需要人去苦哈哈学习和适应的单向命令机器，而更像是能读懂你意图、融入你工作流的智能伙伴。
这可能就是我们能预见的，AI 时代里创作者最好的未来。终于不用再跟工具斗智斗勇，而是真正专注于创意本身。
