对话数据可视化创作者金秋枫：在 AI 一键生成的时代，我更想做跑赢时间的作品

在一支数据新闻团队里，最容易被看见的往往是数据记者，而另一个同样关键的角色却常常隐身：数据可视化设计师。他们要与记者、编辑、工程师一同参与选题的策划，最终把枯燥复杂的数据变成一件可以面向读者的数据新闻作品。你所见到的那些数据新闻作品中令人惊叹的视觉效果和互动，都是由数据可视化工程师来最终实现。

在 2024 年获得美国亚裔记者协会（AAJA）卓越新闻奖的作品《影观中的世界观：355部中外战争片告诉了我们什么？》中，数据记者爬梳了 355 部中外战争片，将影片的对白、角色与情节逐一录入数据库。但如此庞杂的数据，要如何呈现给读者？负责数据可视化的金秋枫（Qiufeng Jin, Victoria）没有选择传统的图表，而是以点阵图的方式来呈现这些影片，在不同的变量标准下，这些圆点变换不同的排列组合——读者从头到尾看到的都是同一批电影，只是每一次，都换一个角度去看它们。用她自己的话说，“好的数据作品，就是把复杂的东西变简单。”

不过，比起数据可视化设计师，金秋枫更愿意称自己是“以数据为材料的视觉创作者”（Data Artist）。“记者寻找故事，数据工程师处理和分析数据，而我的工作是把数字变成读者能够理解、会被触动的东西。不只是把图表做得更好看，而是想清楚：这个故事应该长什么样子？”她说，答案可以是一张图、一段动画、一个互动页面，也可以是一段声音。

她的学习与职业路径和一般的数据可视化工程师不同——香港中文大学主修社会学、辅修新闻学，之后在香港城市大学读创意媒体艺术硕士。2015 年，她加入刚刚成立的端传媒，做互动专题与数据新闻；2018 年成立自己的工作室 Funkie Loopie，承接数据可视化项目；2021 至 2025 年，她在一本面向青年的数字杂志主导视觉设计，并制作了三十多个互动页面；2025 年底，她加入中东广播网（MBN），在一支由数据科学家、数据记者和她组成的三人团队里工作，最新作品“Great Powers Index”追踪了 23 个中东北非国家在中美博弈中的政治与经济倾向。十年间，她的作品获得过亚洲出版业协会（SOPA）、美国新闻设计协会（SND）、美国亚裔记者协会（AAJA）与 Webby Awards 的不同奖项。

十一年的从业经历里，她完整经历了中文数据新闻从“大项目”、“专题页面”主导到短平快传播的整个周期，也面对过语境截然不同的全球华语读者。这意味着她的每一个视觉决定都要多思考一层：不只是好不好看、清不清楚，还要在不同语境的读者和不同的媒介之间，找到那个最大公约数。

复杂的数据新闻作品，在手机上应该如何呈现？在 AI 可以几秒钟就能生成高质量图片的时代，“手搓”的视觉创作还有意义吗？数据创作者又该如何与新闻团队协作？带着这些问题，GIJN 与金秋枫进行了对话。

GIJN：你在工作中最喜欢使用的数据可视化工具有哪些？

金秋枫：一张纸，加一只笔。

我当然会用 D3、React、Adobe Illustrator 和 After Effect，但这些工具从来不重要。尤其在人人都可以用 AI 创作的时代，工具反而是最容易的一步。真正让你和别的创作者区分开来的，是你怎么理解故事、理解读者。我很喜欢用在纸上画草图来快速头脑风暴，有时候画着画着，灵感就来了。

GIJN：能不能分享一件你特别欣赏的数据可视化作品，并具体说说它好在哪里？

金秋枫：我非常喜欢数据可视化团队 The Pudding。2023年，我有幸和他们一起进入 OJA“视觉与数字叙事卓越奖”的最终角逐，最后输给了他们。输给偶像，心服口服。

我尤其喜欢 Matt Daniels 在2018年发表的作品 Population Mountains 和 Human Terrain。他把全球人口密度化成一根根 3D 柱，柱子越高，人口越密。不同的城市有截然不同的景观：下曼哈顿是陡峭的尖峰，而亚特兰大的郊区则是连绵起伏的缓丘。几乎不用解释，一眼就懂。好的数据作品，就是把复杂的东西变简单。

GIJN：你的作品《老去的中国》和《老死在香港是种什么体验》都在谈老龄化，最后却选用了很不一样的呈现方式，为什么？

金秋枫：《老死在香港是种什么体验》最大的难题，是怎么让年轻人愿意看老人的故事。

我们把节奏做得很快，旁白甚至加速到 1.25 倍。中间还做了一个 8-bit 小游戏：如果你是一位年收入只有 7200 港元的老婆婆，要怎么撑过这一年？婆婆化身超级玛利欧上蹿下跳，一路一路房租、医疗和吃饭等支出。里面有很多类似的黑色幽默。我们只有一个要求：不能无聊。

《老去的中国》则相反。它讨论的是中国整体的人口结构：人口金字塔怎么变、抚养比怎么升、储蓄率又会往哪里走。这是被讨论很多的议题，但数据庞杂，有理解成本。所以我们想让读者快速抓到重点。

因此，我们拿掉了所有不必要的插画和动画。每张图只讲一件事，再彼此串联，让整个叙述顺着逻辑自然展开。页面也保持简单、干净、清爽。

GIJN：你是如何判断一个选题适合用动画、数据可视化、插画，还是一个完整的互动页面来呈现？

金秋枫：大多数时候，选什么形式还是靠经验。以前哪些作品效果好、哪些做法有用，慢慢都会变成脑子里的资料库。

但现实是，编辑不一定真的会给你很多选择。有时候，他们会拿着一个案例说，我想要一模一样的。

所以我常常需要先做 research、找 reference、做不同的 mockup，证明给编辑看：这个故事其实还有其他可能。

另一个限制是资源。越重要的故事，越容易拿到更多时间和人力；动画、互动这些很耗时间的形式，自然也会优先留给重要议题。所以现在回头看，我们以前居然可以花那么多力气，用动画做一个老人议题，真的很奢侈。

如果资源充足、形式也能自由选，我会在脑子里做一次“沙盒推演”：假设我是读者，我会怎么一页一页看？哪里开始不耐烦？什么时候会退出？

说到底，我们做的所有事情，都只是为了让读者多停留一会。

GIJN：在《影观中的世界观：355部中外战争片告诉了我们什么？》这个作品中，面对 355 部战争电影，你是怎么把这么大量的数据转化成最后的视觉和互动形式的？中间最难的部分是什么？

金秋枫：这个故事其实就两个重点：一是突出中美对比，二是保留每部电影的细节。数据记者把 355 部电影都看了一遍，逐一 coding 对白、角色和情节，整理出了非常丰富的资料。如果最后只浓缩成几个数字、一个结论，就太可惜了。

所以视觉选择很明确：对比就用左右排版；要保留细节，我没有用传统图表，而是选了点阵图。355 张电影海报变成 355 个点，每个点都代表一部电影，也都可以点开查看详情。点本身始终不变，只是不断重新排列。读者从头到尾看到的都是同一批电影，只是每一次，都换一个角度去看它们。

这个设计在桌面上效果很好，但到了手机就麻烦很多。点变小了，点击没那么方便；读者还未必知道点可以被点击，需要视觉引导。手机上动画也容易卡。中美原本左右并排的比较，在手机上只能改成上下排列，整体的视觉节奏自然不如桌面流畅。

最后我们还是把手机版调到了一个相对舒服的状态，UI、UX都做了不少调整，但如果问我，桌面版显然是一个更完整的体验。

GIJN：数据可视化有时只是文字或视频报道的配角，有时是整个报道的主轴。这两种情况下，你和记者、编辑的协作方式有什么不同？能不能各举一个例子，说说什么样的协作在你看来是比较理想的状态？

金秋枫：配角的时候我晚一点进场，主轴的时候我早一点进场。

但理想的协作，是这个行业取消“进场”这个概念。因为在数据团队参与之前，没人知道一个项目到底有没有潜力做成数据驱动的报导。

我很喜欢的场景是：整个编辑部大乱聊，大家都把自己的角色丢掉——大家手上都有什么，哪个角度有潜力，哪个受访太难，哪个数据容易找，哪个有视觉潜力，不同想法混在一起，可能就会长出一个新的东西。

我喜欢这种状态。不是先决定“这是一个数据稿”，而是先看手上有什么，再让形式慢慢长出来。

当然这是理想状况啦，大多数情况下，我都是最后一个加入项目的。

现在我在 MBN，会成为主轴。因为我们这个团队成立，就是因为一个数据驱动的项目 China Tracker，所以团队的配置也是数据科学家+数据记者+我。从资料阶段我就在，我们团队会一起决定到底想从这批数据里问出什么问题。。

这个作品和我们最近发布的 Great Powers Index，都是很“数据”的作品。但我希望数据新闻不要被限制在大家想象中的样子，我更想用数据去碰一些乍看之下不那么“数据”的题——有温度的故事，具体的人，都可以用数据来呈现。我会很想做那样的作品。这就很需要新的协作模式。

GIJN：你的很多作品都是以专题页面的形式呈现的，但现在很多人的阅读都是在手机上进行，在那么小的屏幕上，可能很少人会有耐心去看完整个互动页面。对于这点，你是怎么看的？

金秋枫：这个观察是对的。手机和社交媒体，确实改变了我们做数字叙事的方式。

以前大家很迷恋“大项目、大呈现”：从《纽约时报》的古早特制页面，到《南华早报》的大幅资讯图，都追求很强的视觉冲击。

但现在，大家都在学习怎么在小屏幕上讲故事。《纽约时报》近年一些很短的 Instagram 数据动画，就简单、有力，而且很容易传播。

读者变懒了，他们更习惯一路往下滑动，而不是不停点击、拖拽、探索。

所以做手机版时，我几乎会砍掉所有需要精细操作的互动，只留下滚动。桌面版和手机差别会很大：桌面保留大视觉，手机则尽量精简。

另外由于众所周知的原因，我会尽量让作品的每一屏都能被单独截图、单独理解。即使脱离原本的页面，它依然能成立，也更适合碎片化传播。

但我不希望长页面因此就此灭绝。短的、传播效果好的内容要做，那些沉甸甸、有完整体验的作品也要做。看完的人也许没那么多，但总有人愿意花十分钟，而他们得到的东西，是一张图或一条短视频给不了的。

GIJN：你有些作品用了撕纸拼贴、手绘涂鸦这类很慢、很“手搓”的方式，而现在 AI 现在几秒钟就能生成一张看起来差不多的图。而现在几个指令，也可以让 AI 生成一张看上去还不错的图表或互动页面。你会担心 AI 对你的职业造成冲击吗？

金秋枫：关键就在于：看起来差不多，其实差很多。

人类的眼睛真的很尖，审美进化得很快，对 AI 的厌倦也来得很快。大规模生成图片、视频其实才没多久，大家就已经开始讨论所谓的“AI 味”了。它们做出来的东西可能很漂亮、很完整，但你就是会觉得哪里不对。

我反而觉得，AI 这一波可以逼设计界重新想一件事：到底什么是好的设计？

以前设计师花很多时间处理排版、留白、颜色、字号，让一个东西符合设计规则、看起来舒服。现在这些事情，AI 已经可以做得很好。

那人的价值反而更清楚了。我们不用再做一台排版机器，而是去想：什么东西真的会打动人？什么东西是有效的？还有没有一种没人做过的解法？

AI 很擅长学习已经存在的规则，但人可以创造新的规则。

而且生产力被释放之后，我们反而有更多空间去试。以前做十个方案可能要很久，现在可以很快看到几十种可能，再去判断哪一个真正值得做。

所以我觉得设计最后还是要回到“人”——少一点对规则的迷信，多去观察人到底喜欢什么、厌倦什么、会被什么触动。

我们要做一些不那么容易让人厌倦的东西。

GIJN：AI 在你现在的工作中会扮演什么角色？

金秋枫：我是 AI 重度使用者，每天大量烧 token。用AI做重复劳动真的太方便了。

我会用它写功能性程式码、清洗数据、找 bug、检查文案，也会让它快速生成几十个设计方案，帮我拓展思路。现在回头看，我已经很难想象以前到底花了多少时间，手动对齐、debug，再一个个改错字。

当 AI 帮我干脏活累活的时候，我画草稿，找灵感，或者去想更底层的问题。它最大的价值，是把我的时间和脑子空出来。

但绝不能让 AI 替你做判断。这个口子一旦打开，就回不去了。容易形成依赖，大脑也会慢慢偷懒。

GIJN：到目前为止你最满意的一件作品是哪个，最想重做的又是哪个？

金秋枫：我最喜欢的其实还是《老去的中国》。它是一个很经典、也很朴素的数据作品，2024 年它入围了 SOPA 决审名单（Final List），但可惜最后没有得奖。

我知道评委通常更容易被酷炫的作品吸引，比如战争电影里的点阵图。但《老去的中国》完全相反。它很安静、很克制，但很有效。没有一个字是多余的，没有一张图是多余的，也没有一个互动是多余的。

我已经不太想做“评委会喜欢的作品”了。我更想做读者真的能看懂、会记住的作品。我相信，好的作品是可以跑赢时间的。它们可能安静地躺在那里很久，但还是会被搜寻、被引用，也还是会有人重新打开。即使过了很多年，它依然能被看见。

想重做的，可能是《北京切除》吧。这是我非常在乎的议题，但当年时间太赶，我们只是把被清退的地点密密麻麻铺在一张真实地图上。现在回头看，这个项目其实很有潜力，也可以有更多有意思的呈现。

比如把地图彻底抽象化，只留下被清退区域的形状；或者把清退过程按时间一层层展开，让读者直接看到一座城市如何被一点点“切掉”，等等。

GIJN：对于有志成为数据可视化创作者的年轻人，你会有什么建议？

金秋枫：第一，不要被工具困住。不要一直纠结要学哪个 library、学哪个可视化工具。去关注真实的故事，也去理解那些想听故事的人。

第二，多读一点和数据可视化无关的东西。我读社会学，这对我理解数据背后的社会关系和社会结构有些帮助。多看电影、多看展览、多玩游戏，这些最后都会变成你判断“这个题目应该长什么样”的素材库。

第三，现在就去做一件完整的作品。从数据、构思、设计，一直到真正发布。做完一个完整作品，比做十个练习都有用。先去做。做了就有了。

---

Joey Qi 是全球深度报道网中文编辑。