掃碼就有煙火：生成式 AR 怎麼救老品牌的包裝

客戶帶著一款老字號禮盒來找你，說想「年輕化」。你心裡大概已經知道接下來會發生什麼：換個莫蘭迪色、加點燙金、字體換細一點，出貨。半年後銷售沒動，客戶說設計沒感覺，然後再換一家設計公司重來一次。

這個循環之所以難打破，是因為平面包裝能承載的資訊量早就到頂了。一個 15 公分見方的盒面，你要塞品牌故事、產地、工藝傳承、法規標示，最後每一項都講不清楚。

所以當我看到 Dong 與 Yang 在《International Journal of Arts and Technology》發表的 GIN-AR 研究，把生成式 AR 包裝直接做在瀏陽煙火這個文化資產上，並且同時處理設計與評估兩件事 [1]，我覺得值得同業花點時間看懂。這篇要回答的是：這套做法跟過去十年那堆「掃碼看影片」到底差在哪，以及台灣的印刷與設計端該怎麼接。

差別說穿了很簡單：舊的內容是預先錄好的，新的則是在使用當下才生成出來。

過去的 AR 包裝本質上是一支被藏起來的影片。你印一個 marker，使用者掃描，觸發一段早就拍好的 3D 動畫。內容固定、每個人看到的一樣、上線後就是資產折舊的開始。這也是為什麼多數品牌做過一次就不做了，單次製作成本高，但複用率趨近於零。

生成式 AR 換掉的是這個成本結構。內容在使用當下才被生成，意味著同一組印刷版面可以對應不特定多樣的視覺輸出。對煙火這種本質上就是「每次都不一樣」的產品來說，這個匹配度高得有點剛好：煙火的美學核心就是不可重複性，而預錄動畫恰恰違背了這件事。GIN-AR 挑瀏陽煙火當載體，感覺不像隨便選的，比較像是刻意找了一個跟生成式邏輯對得上的文化題目 [1]。

要提醒的是，這篇目前仍是 in press 狀態，完整摘要與評估數據尚未公開，能確認的是研究同時涵蓋設計與評估兩個環節 [1]。所以下面我談的效果推論，請當成產業分析判斷，不是論文結論。

文化題材的內容密度高，平面版面能裝的又最少，這個落差最大的地方，動態技術能加的分也最多。

一款茶葉禮盒的設計難題不是好不好看，是「三百年製茶史」沒辦法印在盒子上。你只能挑一句話、一張圖，其餘全部丟掉。這是設計端每天都在做的取捨，而且每次取捨都在損耗品牌資產。

觀察 IJART 這類期刊近年的 in press 列表，光是目前排隊中的論文就有 50 篇，書法機器人、博物館文創互動設計這類「傳統技藝 × 演算法」的題目密集出現，形成一個明顯的研究叢集。這是我的觀察而非文獻統計結論，但趨勢方向相當一致：學術端正在系統性地把生成式方法往文化載體上套，而包裝是其中最貼近商業變現的一段。

從產業角度看，這裡有個常被忽略的優勢。文化品牌的客戶通常有兩個特徵：預算相對寬鬆（因為單價高），以及對「創新」的容忍度其實比你以為的高（因為他們的焦慮更大）。這比讓一家快消品牌接受 AR 包裝容易得多。

印刷端要準備的其實沒那麼多，成本大多轉移到內容治理上。

實體印刷側的需求相對單純：一個穩定可辨識的視覺錨點。這可以是專屬 marker、可以是包裝主視覺本身的特徵區塊。技術上你已經會做了，套印精度、油墨反射率控制、局部上光會不會干擾辨識，這些都是既有製程能處理的變數，不需要換設備。

真正的成本在三個地方：

・內容生成的品質下限。生成式輸出會有離群值。一個文化品牌最怕的就是某次生成出了語意錯誤或視覺失當的畫面，而這在實體包裝上是無法回收的，盒子已經在消費者手上了。

・長期維運責任。包裝的物理壽命可能三年，AR 服務要不要撐三年？誰付這筆錢？這是報價單上最常被漏掉的一欄。

・失效降級設計。服務掛掉那天，這個包裝還能不能獨立成立？如果答案是不能，你交付出去的其實不算包裝，是一個總有一天會失效的產品。

第三點我認為是判斷一個 AR 包裝專案專不專業的分水嶺。成熟的做法是把 AR 當增益層而非必要層：實體版面自身完整，掃描只是加分。這跟包裝產業近年在合規、可追溯、循環設計上的思路一致，包裝一直都不只是版面設計，它要對現實世界的使用狀況負責。

先做一個客戶摸得到看得到的實體樣品，提案晚點再寫。

具體路徑我會這樣排：挑一個手上既有的文化類客戶（茶、酒、糕餅、工藝品都行），拿現成的包裝版面加一個辨識錨點，接一個成熟的生成式影像服務，做出單一 SKU 的可運作樣品。目標不是完美，是讓客戶在手上拿到那一秒的反應。

這件事的門檻正在快速下降。生成式服務已經是 API 呼叫，AR 辨識有現成 SDK，你真正需要投入的是設計判斷，決定什麼該生成、什麼絕對不能生成。而這恰好是印刷與設計端相對於純技術團隊的優勢：你懂實體，你知道燙金會不會反光到辨識失敗，你知道客戶的紅線在哪。

適用邊界要說清楚：這套判斷適合單價高、文化敘事密度高、客戶對品牌長期資產有意識的品項。如果你的客戶是低單價快消、通路強勢主導、包裝三個月改一次版，那 AR 層的投報率大概率算不出來，那類客戶該優化的是印製成本與上架速度，不是互動體驗。工具沒有好壞，只有配不配。

生成式 AR 與預錄式 AR 的根本差異是成本結構：內容在使用當下生成，同一組印刷版面可對應不特定多樣的輸出。

GIN-AR 選擇瀏陽煙火作為載體，是生成式邏輯與「每次都不一樣」的文化物件語意高度匹配的案例，研究同時涵蓋設計與評估 [1]。

文化包裝先跑出來，是因為內容密度與平面承載力的落差最大，動態技術的邊際效益最高。

印刷端的技術門檻低（穩定辨識錨點即可），真正成本在內容品質下限、長期維運責任歸屬與失效降級設計。

判斷專案專不專業的分水嶺：AR 應為增益層，實體版面自身必須完整可獨立成立。

對印刷製造端來說，這條路線最務實的意義不是「多一項服務」，而是把報價單從單價競爭挪到專案競爭，一旦交付內容包含互動層與維運期，比價的基準就變了。設計端要補的是內容治理能力：生成式輸出需要一組明確的禁區清單與人工複核閘門，這件事目前沒有現成標準，誰先寫出可交付的規範誰就先建立門檻。AI 導入的節奏建議由淺入深，先用既有 API 做單一 SKU 驗證，不要一開始就自建模型。SaaS 的機會則在「AR 內容維運」這塊空白：包裝的物理壽命與雲端服務壽命錯配是結構性問題，一個能讓中小印刷廠以年費方式託管 AR 層的平台，市場需求是真實的。待解問題有三個：生成式輸出的文化正確性如何自動化把關、AR 使用數據能否回饋到下一版包裝設計、以及當服務終止時的責任歸屬如何寫進合約。

[1] Dong、Yang（2028）. Generative AR Packaging for Liuyang Fireworks Heritage: Design and Evaluation of GIN-AR. International Journal of Arts and Technology. DOI: 10.1504/ijart.2028.10080581

[2] INTERNATIONAL JOURNAL OF APPLIED RESEARCH AND TECHNOLOGY. DOI: 10.24163/ijart/2017