为什么有些手稿比电脑图更生动？Why are some hand-drawn sketches more expressive than computer graphics?

你是否发现过，有些看起来并不完美的手稿草图，经常比细节丰富、精确逼真的电脑渲染或照片，所表达的含义更深刻生动？

这不是错觉，人们反复发现过这个现象：手稿似乎常比计算机图像更有感染力。尤其在现代社会，令人目眩神驰的电影和广告让视觉被严重刺激、失去弹性；而手稿的克制和收敛，反而让读者倍感温和生动。

一般来说，这个现象过去常被建筑师和设计师熟知：用计算机绘制渲染的图纸虽然细节丰富、结构清晰，但似乎总不如手绘图纸的自然线条生动、富于表现力。

计算机制图出现后，很多建筑师最终的工程图纸依然保留一部分概念草图（甚至这些“草图”都不是早期原版，是后期重绘的所谓“早期草图”），其目的正是为了利用手稿特殊的表现力，传达计算机图纸无法表达的个人意绪。

然而，手稿并不以精确和复杂见长，而计算机制图的透视精确、直线笔挺、弧线饱满、极尽复杂巧妙的细节。为什么手稿依然在含义表达的生动性和表现力上更胜一筹。

不着急分析原因，让我们一起先看一些手稿。

达·芬奇的建筑和工程手稿。达·芬奇是左撇子，他的手稿是用左手从右向左书写的，因此手稿的字母呈现出镜像对称的方式。所以，如果读者拿一面镜子对着手稿，就能从左向右正常阅读。这也是达·芬奇特有的一种加密方式。

图1是一个集中式教堂的草稿（平立剖）；图2是达·芬奇假想的飞行器透视图，底部的梯子用于飞行器起飞和着陆；图3是一个假想的空气螺旋机，达·芬奇的直升机。

让我们再看几张。下面是我最喜欢的结构图册之一，《托尼·亨特的结构学手册》中的手绘图稿。这本书不是传统的结构教科书，它把手绘感觉和结构直觉完美地结合起来，让写的人和读的人都获得了更深入的直觉理解：这正是手稿对作者和读者最大的贡献。

如果你仔细看，图3中的右下角，大桥上的小汽车行驶在一座悬索桥上，大桥结构受压后，小汽车自己所在那段桥面中部向下凹陷，而相邻的桥面段却向上凸起。如果使用严谨的工程制图，一辆小汽车对一座跨海悬索桥造成的弯矩远远可以忽略不计，而手稿中桥面弯曲的程度也极其夸张不准。但正因为手稿有这种自由放大直觉的权利，作者的手让读者的脑明白了：无论大小，这是小汽车的荷载对桥面可能造成的弯矩分布情况。故意放大弯曲挠度的手稿，比精确的计算机制图，让读者理解起来容易得多；更不用说作者自己在手绘中，还获得的额外的深度理解。

看更多例子之前，让我斗胆对更有表现力这个形容词做个大概的定义：

1. 能更清晰、高效地表达关键信息。
2. 更容易引发读者联想和思考，让读者进入更深入的沉浸或产生更多灵感。
3. 对“读”和“看”都有效。读者和作者，都从“更有表现力”的文稿中获得了更深的理解领悟。

1.建筑：结构与设计

让我们顺着托尼·亨特的手稿，继续看看建筑领域的手稿和电脑图像表达。

1.1 手稿的建筑结构和细部

图1是托尼·亨特的手稿，图2来自 MIT 两位建筑与结构教授 Edward Allen 和 Wacław Zalewski 长达三十年的实践与合作的著作——Form and Forces: Designing Efficient, Expressive Structures 《形与力：设计高效而富有表现力的结构》。

图1中，上面提到的手稿“夸张”方法一再出现、随处出现的箭头伸出和标注，这是作者用书稿的直觉和读者（包括作者自己）进行对话的方式。

图2右上角（放大如下），"grout-filled hole in rock"（石材中薄胶泥填洞），石材结构中的虚线，一眼就能看出是金属螺栓打入石中。然后，作者和读者都会产生新的思考：螺栓打入多深？多粗？砂浆填洞多厚？外部钢索的拉力多大？石材和勾缝剂的抗剪强度和咬合多强才够？这些问题和思考正因为手稿的生动优美、可修改、不精确，反而进一步产生了更多的领悟。

1.2 计算机绘制的建筑结构和细部

下面两张图，都是 Structural Engineering for Architects《建筑师的结构工程》这本书中的图例，均用计算机绘制。

图1是计算机绘制的不同材料（木材、钢、混凝土）的两种典型结构连接方式：铰接点（不承受扭矩）和钢节点（承受扭矩）。

图2是英国布里斯托 (Bristol) 的米兹里奇人行天桥 (Meads Reach Footbridge)工程图。是用CAD绘制的剖面图和计算三维建模后三维分解的爆炸图（为了看清楚材料结构和构件）。

现代建筑设计和结构工程里，这类计算机制图极为常见，一般用AutoCAD或SketchUp/Rhino等计算机2D或3D建模软件，后期再使用Adobe平面处理软件优化最终图像。

公平地讲，上面这套英国米兹里奇人行天桥的图样，不逊色于手稿，甚至如果要论图像表达的精确性、轴测图的准确、构件的完整，这套计算机图纸还在手稿之上。如果你仔细观察图2中的第1张 Elevation（立面图），放大看里面线条的虚实、深浅、强弱，它们也良好地表现了信息的主次。

但依然，计算机制图中天然隐藏着一些倾向（或问题）：

• 计算机图纸的线条粗细和手稿笔触的轻重非常类似，它们代表着信息的主次关系。但是，电脑绘制的线条天然权重等同（粗细一致，重要性一致），除非电脑制图者有意识地主动调整线条的粗细、深浅、强弱关系。在绘制实践中，在电脑里调整信息的权重，并没有手稿直观（只需手指多用些力或者换根笔）。因此，质量糟糕的计算机图纸经常主次不分，糊作一团。
• 电脑擅长大量重复的劳作，因此计算机图纸极易被海量的细节掩盖。这个过程中，计算机制图者容易产生“内容已经够多够好”的错觉，所产生的海量细节会天然削弱更深层的推敲思考，恰好忽视了最重要的关键细节。手稿作者则没有这方面问题，因为手绘手写是繁重的体力活，天然强迫作者思考这些内容是否正确、有必要。

1.3 工程结构中的手稿 vs 电脑图

让我们继续观察工程领域的情况。下面三套图，左边是手绘稿，右侧是电脑图表。

• 图1：钢材料受拉状态下的应力-应变曲线。左侧是建筑师的结构手册 Structure for Architects A case Study in Steel, Wood, and Reinforced Concrete Design (Ashwani Bedi, Ramsey Dabby) 的手绘图表，表现钢材受拉后经历弹性形变、塑性形变、应变硬化阶段。右侧是 Wikipedia 对钢材受拉性能的典型说明，计算机绘制。

• 图2：结构构件的内应力。左侧是结构图册 Building structures From Concepts to Design (Malcolm Millais) 章节4：应力的概念。右侧是 Structural engineering for architects a handbook (Evans, Peter McLean, William F. Silver etc.) 章节2：一根梁的内力：弯矩和剪力。

• 图3：结构公式。左侧是《托尼·亨特结构学手记》附录：梁的弯曲和挠度公式。右侧是结构教科书中计算机绘制的“梁的弯矩、剪力、挠度公式图表”。手绘的自然线条给读者一种我也能画出来，因而我也能理解的亲切感。右边的计算机图表更准确，公式也更丰富，但更冰冷疏离。

放在一起对比，手稿和电脑图都准确传达了工程信息，在信息密度上电脑图甚至更胜一筹。

同时，计算机图纸的机械感天然有种精确无误、令人信服的感觉（即使不一定绝对准确无误）。手绘的工程图表则没有这种令人信服的精确感，但手稿显得更随意温和，手稿的笔触也让工程知识显得更亲切。

2.科学：叶绿体

不只建筑师和设计师发现了手稿更生动，让我们看看科学知识如何被传播。下面是两张关于光合作用的关于光合作用的图解。

• 图1：（手绘）光合作用示意图，Khan Academy 可汗学院。

• 图2：（电脑渲染）光合作用示意图，一本典型的生物化学教科书。

哪张图更好理解？

对于一个已经深入理解生物化学知识的科学家，有可能第二张有更多引发思考的信息。但是对于学生而言，经常的反馈是：第一张手稿风格的叶绿体清晰易懂得多。

为什么会这样？潜在的原因有这几点：

1. 叶绿体的三维结构不是光合作用概念的重点，因此，图2的三维结构增加了噪音，干扰了读者理解。
2. 计算机可以随意上色，作者在绘制图2时，让图示的色彩比图1的手绘风格艳丽得多。
3. 图2 中右下角有一个类似水杯一样有“把手”的蛋白质复合体（ATP Synthase，ATP合成酶），它的复杂三维结构在这个知识场景下根本不需要被展现，这也是干扰信号，哪怕它是正确的。正因为计算机如此低门槛地可以插入更多信息，所以作者往往引入更多噪音而不是信息。

结合这几点，图1的手绘图重点是：叶绿体的位置形状，放大后的微观结构，以及光合作用的反应方程式。

然而，图2的电脑图把重点变成了：过度艳丽的色彩、膜和蛋白的三维结构、蛋白质结构的形状，物质分子的反光和大小。

更丰富的信息，更精确的表达，并不永远是好的。信噪比更重要。

3.软件架构示意图

在软件世界里，几十年前计算机绘图刚出现，就出现了UML (Unified Modeling Language 统一建模语言) 这种描述工程流程和业务关系的普遍性图示。如果感兴趣，可以深入看看。

但最近五年，在UML的基础上，一个手绘风格的架构图软件 (Excalidraw) 开始被工程师青睐，成了不少软件工程师默认的架构图风格。

下面的两张图，分别是用 Google 搜索：“UML software architecture” vs “Excalidraw software architecture”。远远看上去，区别并不大。

如果分别打开一张放大看，就会看到如下：

Excalidraw没有重新发明UML，它只是对UML的机械风格，做了一个调整：把精确无变化的机械线条，换成自然手绘中抖动、重复、不完美的的手稿风格。

这对读者和作者的理解思考提升，不是一星半点的。现在，不少大型办公软件内置的UML，都提供了Excalidraw的手绘风格。

软件工程的示意图朝着手稿风格的转向，和上面提到的建筑结构、生化科学领域类似的现象非常相似。大家不约而同的发现，手稿更好理解。

如果工程师觉得电脑精确无比的示意图是最好，就不会出现Excalidraw 这种故意带有手稿“毛刺”和手绘痕迹的示意图。今天Excalidraw的成功，是人类的肉眼和手脑，共同投票的结果。

这个投票说：带有手绘痕迹的说明图（哪怕依然是计算机做出来的），也自然而然地更让人亲近、降低理解的心理门槛，也更容易建立领悟的脑回路——手稿的表现形式让内容更易懂。

4.手稿的启示

根据上面的案例细节，我列举一些手稿比电脑图更生动的可能原因：

1. 用手拿笔在纸上写字作画更费力，手稿的绘制过程存在客观的现实阻力，费时、费力、费心，但恰好是这些阻力，天然去除了不重要的内容。
2. 手绘线条和色彩的详略、主次、强弱，给有经验的作者提供了主动强调信息表达中主次关系的机会。
3. 手稿强迫作者放慢速度，写写画画的过程中，有时间深度思考并修改内容，这正是在引导作者重新和手稿对话，手稿创作的结果也比电脑创作更深思熟虑。
4. 慢速创作的徒手线条和文字，更不完美，它的自然有机感，天然给读者亲近，降低了读者理解的心理门槛。
5. 手稿的不完美，是辅助作者思考、帮助读者理解的记忆锚点，这种不精确是建立关联的钥匙，不是缺陷。
6. 但计算机制图绝不是一无是处。手稿和电脑图各有所长：电脑图虽然容易让人失去锚点，把清晰的内容变得抽象，但电脑线条准确、完美、易复制，在需要精确表达和大规模传播的场景中无可替代。而有晃动、不完美的自然手绘线条，让表达更接近真实世界、让内容更易懂。

⚓计算机图像的优点，是能够清晰、精确地表达各种复杂的结构和关系，但它不够生动，与创作者的沟通也不如草图自然。而手稿的优点正在于此，手稿引人入胜、帮助作者深度思考、帮助读者深度理解，但手稿不善于大规模精确复制枯燥重复的内容，而这正是电脑图的优点。对二者的利用需要审慎的选择。

5.两个方向的启示：创作和理解

• 对生成式内容的理解：看和想 👁 🧠

让我们最后回到文章的标题图。

我按照这篇文章的内容，用 GPT image-2 生成的一系列封面图，它应该体现出手稿和电脑图的特征，并且让读者有感觉：电脑华丽但难懂，手稿简单但清晰。

我继续深入地描述了这张封面的特征：右侧应该比左侧更酷，这是AI的世界，充满色彩、想象、新鲜感和吸引力，但杂乱无章，没有逻辑结构。而左侧，应该简单、单调、不完美，但足够清晰，就像希区柯克谈人生幸福 - 视野清晰，能看到远方的地平线。

最后一次AI生成的结果如下。请问，下面四张图，哪一个更生动切题？

我首先排除右上，左右画面略不均衡；然后排除左下，右侧两个楼梯过长、画面杂乱；左上和右下质量相似，右下均衡感更好，左上意义更连贯清晰。

最后我挑了左上。

但我得承认，其余的一系列图像，宛如毕加索的立体主义，结构和色彩都充满魅惑、美轮美奂。有时候，我也恰恰需要这种外星人式的未知元素激发更多的逻辑和想象力。

人的大脑理解不是绝对线性和理性的，我们意识中有无穷深邃的内容等待发现。手稿是强有力的工具，而这些AI生成的东西，也是一面镜子，只是它的用法和手稿大不相同。

计算机的这些可能性，早就存在于宇宙的无穷中，AI的出现激发了我们作为人的一系列新式的理解和反馈。但重点永远是人的反应。

这篇文章想重申的，正是我们自己的手与脑在创造和理解这一端所做的努力。

1. 手稿的创作：写画和想 ✋🏻 🧠

下面这两张图是尤金·S·弗格森 (Eugene S. Ferguson) 在 Engineering and the Mind's eye（工程与心智之眼）这本书的第五章：工程知识的发展与传播 (The Development and Dissemination of Engineering Knowledge) ，用爱迪生的手稿做例子，展示一个工程概念如何被工程手稿深化和传递。

注意，爱迪生的手稿并不精美、圆形的齿轮并不正圆、透视关系也不正确、线条虽清晰但也称不上艺术表达。

但爱迪生的这份工程手稿仍然顺利完成了使命：它表达了装置需要的那种拥有间歇性行进运动所必要的机械特征。

如果一定要追求手稿的艺术性，那让我们最后再欣赏两张达·芬奇的人体解剖作为结尾。

无论计算机如何发展，未来的人才依然需要合理选择并熟练使用创作工具。

这些人能在思考的不同阶段，手脑并用地高效操作最顺手的器材，进行深入的创造性思考和表达。

这个对才能的定义，从过去到现在都没有改变。AI也大概率不会改变它。

Reference 参考资料：文中图片注释。

订阅 K的简报
Sign up for K's Newsletter

思考，故事，灵感。
Thoughts, stories, ideas.

订阅可随时取消。Unsubscribe anytime.