AI审美复兴：为何不该只是新古典主义的回归

引言：一场关于审美的争论

近期，一条来自Twitter的观点引发了关于AI与审美未来走向的讨论。原帖回应了一个流行的假设——当技术（尤其是AI与自动化）大幅降低创作成本后，人类社会可能会迎来一场"审美复兴"。

发帖者认为："这可能是真的，但假设这场审美复兴会是那种'RETVRN'式的新古典主义流水货（neoclassical slop），将是一个错误。"

这条看似简短的评论，实际上触及了一个深刻的问题：当AI让精美的视觉与工艺变得触手可及时，我们究竟会回归什么样的审美？

生成式AI与创作成本革命的背景

要理解这场讨论的分量，我们首先需要认识到生成式AI对创作经济学的根本性冲击。生成式AI（Generative AI）是指能够根据输入提示自动生成文本、图像、音频、视频等内容的人工智能系统。以2022年Stable Diffusion和Midjourney等图像生成模型的爆发为标志，AI创作工具在短短两年内将一张高质量概念图的生产时间从数小时压缩至数秒，成本从数百美元降至几乎为零。这种成本结构的剧变不仅影响了商业设计领域，也开始渗透到建筑可视化、产品设计、时尚和工艺品复刻等传统上高度依赖人力的行业。正是在这一背景下，"AI将带来审美复兴"的假设开始广泛流传——当创作的边际成本趋近于零，人类是否会重新拥抱那些因成本高昂而被现代主义抛弃的装饰性美学？

"RETVRN"文化与新古典主义迷思

什么是"RETVRN"审美

在网络亚文化中，"RETVRN"（return的变体拼写）是一种带有怀旧色彩的文化口号，常与"回归传统"、"回归古典之美"的主张相关联。它往往指向古希腊罗马式的雕塑、对称的建筑立面、大理石柱廊等新古典主义符号。

"RETVRN"一词最早在2010年代末的Twitter和4chan等平台上流行，其刻意使用的拉丁化拼写（用V替代U）本身就是对古罗马铭文风格的模仿。这一文化符号与更广泛的"传统主义"（Traditionalism）网络运动相关联，参与者通过发布古典雕塑、哥特式教堂、文艺复兴绘画等图像来表达对现代建筑和当代艺术的不满。值得注意的是，这种审美偏好往往与特定的政治立场交织——它不仅是一种风格选择，更是一种文化身份的宣示。但当这种"回归"被算法驱动的推荐系统放大后，它倾向于收敛为最易传播的几种视觉模板，丧失了古典美学原本丰富的地域性和历史层次。

这种审美在社交媒体上极具传播性——它整洁、宏大、易于识别，也因此容易被批量复制。原帖作者用"slop"（劣质流水货）一词，正是在批评这种审美一旦被工业化、AI化地大规模生产，就会沦为空洞的视觉快消品。

为何这是一种误判

发帖者的核心论点在于：将"审美复兴"简单等同于"新古典主义回归"，本质上是一种以西方中心视角看待世界文化的偏见。审美的多样性远远超出古希腊罗马的框架，把复兴窄化为单一风格，反而削弱了这场讨论的想象力。

被忽视的非西方工艺传统

劳动密度更高的工艺美学

原帖中最富洞察力的一点是："事实上，大多数非西方的建筑与工艺风格，本身就比新古典主义要劳动密集得多。"

这一观点值得深思。以伊斯兰建筑中的几何镶嵌（girih）、中国传统的榫卯木作与斗拱、日本的组子细工、印度的石雕镂空、波斯的细密画为例，这些工艺往往需要极高的手工精度、复杂的重复图案设计，以及长年累月的匠人训练。相比之下，新古典主义的比例体系虽然严谨，但在图案复杂度与工艺层次上，未必超过这些非西方传统。

从技术层面来看，这些工艺的复杂度令人惊叹。伊斯兰建筑中的girih图案基于复杂的数学原理，部分图案甚至展现了准晶体结构——这一发现比西方数学家正式定义准晶体早了五个世纪。中国传统建筑中的斗拱系统是一种无需钉子、纯靠木构件咬合实现力学传递的结构，单个斗拱可能包含数十个精密加工的构件。日本组子细工（Kumiko）需要将木条切割至毫米级精度后手工拼接成几何纹样，一扇障子门可能包含上千个接合点。印度拉贾斯坦邦的jali（镂空石雕）则要求工匠在整块砂岩上雕刻出连续的几何网格，任何一处失误都可能导致整块石板报废。这些工艺的共同特征是：极高的失败成本、极长的学习曲线、以及难以通过简单的工业化手段复制的复杂度。

复杂度与AI能力的天然契合

这里隐含着一个技术命题：如果AI真的能降低创作成本，那么它最应该释放的，恰恰是那些过去因"太耗人力"而难以普及的高复杂度工艺美学，而不是那些本就相对容易标准化的古典符号。

换句话说，AI审美复兴的真正潜力，可能在于让繁复精致的手工传统重新变得"可负担"，而非制造更多千篇一律的罗马柱。

AI与审美生产的深层变革

从稀缺到丰富的生产逻辑转变

人类历史上，精美的装饰与工艺长期是财富与权力的象征，因为它们意味着大量的人力投入。工业化曾一度让审美趋向简约——现代主义的"少即是多"某种程度上是对机器生产的妥协。

这种妥协有着深刻的历史根源。20世纪初的现代主义运动——从包豪斯学派到勒·柯布西耶的"住宅是居住的机器"——在很大程度上是对工业生产逻辑的美学适应。当机器无法高效复制手工装饰的复杂性时，"去装饰化"就成为了一种既具哲学正当性又符合经济理性的选择。阿道夫·卢斯在1908年发表的著名论文《装饰与罪恶》明确将装饰视为文明退化的标志，但这一极端立场背后有着清晰的经济逻辑：在大规模生产时代，装饰意味着额外的工时和成本，而光滑的平面和标准化的几何形体则是机器最擅长制造的。因此，如果AI真的从根本上改变了复杂图案和精细装饰的生产成本结构，那么现代主义的经济基础就会被动摇，装饰主义的回归将不仅是审美偏好的转变，更是生产力变革的必然结果。

而生成式AI带来的，是又一次生产逻辑的重构。当图案设计、渲染、迭代的边际成本趋近于零时，"复杂"不再是奢侈品。理论上，我们可以见证一场装饰主义的回潮——但这次的载体是算法。

风险：训练数据驱动的审美同质化

然而，原帖的警惕同样重要。AI在降低成本的同时，也天然倾向于生成"训练数据中最常见"的风格。如果训练语料被西方古典美学主导，那么所谓的复兴很可能真的沦为"新古典主义流水货"——不是因为它最美，而是因为它最容易被模型模仿和输出。

这一风险有着明确的技术根源。当前主流图像生成模型（如Stable Diffusion、DALL-E、Midjourney）的训练数据主要来源于互联网爬取的图像-文本对数据集，其中最著名的是LAION-5B，包含约58亿个图文对。由于互联网内容的语言和文化分布极不均衡——英语内容占据压倒性比例，西方艺术史的数字化程度也远高于其他文化传统——这导致模型在生成"美丽建筑"或"精美装饰"等提示词对应的图像时，会系统性地偏向欧洲古典风格。这种偏差不仅是数据量的问题，还涉及标注质量：西方艺术作品通常拥有详细的元数据标签（风格、流派、时期），而许多非西方工艺传统在数据集中可能仅被粗略标记为"亚洲艺术"或"传统工艺"，导致模型无法学习到足够的风格细粒度。

这构成了一个真实的张力：技术上AI可以承载无限的审美多样性，但在实践中，它可能反而加剧文化的单一化。

结语：审美未来的开放性

这条Twitter评论虽短，却提出了一个值得整个AI创作领域思考的问题：我们希望AI带来的审美复兴，是回到某个被浪漫化的过去，还是拓展出真正多元、包容各种工艺传统的未来？

答案很大程度上取决于我们如何构建训练数据、如何设计工具、以及创作者本身抱持怎样的文化视野。如果我们只是让AI批量生产罗马柱与大理石雕像，那不过是用新技术复刻旧偏见；而如果我们能借助AI让全世界那些劳动密集、濒临失传的工艺美学重新流通，才是这场技术变革真正令人期待之处。

审美的未来不应被预设。它应当像人类文明本身一样，丰富而不可预测。