从Figma看AI时代的设计与创造：当代码生成人人可及，什么才是真正的差异化？

当代码生成变得人人可及，什么才是真正的差异化？从Figma看 AI 时代的设计与创造......

【引】品味即护城河，从Figma看 AI 时代的设计与创造。

当代码生成变得人人可及，什么才是真正的差异化？Figma CEO Dylan Field 给出了他的答案：品味）。从  GPT-3 时刻的觉醒，到 Figma Make 的发布，设计如何成为 AI 时代唯一护城河呢？

一、从"缩小想象与现实的差距"说起

Figma 最初的宣言是"缩小想象与现实之间的差距"。放在今天，这句话更像是某个 vibe coding 平台的口号，这个愿景从一开始就指向了更广阔的领域。在大学时期，Dylan 和联合创始人 Evan Wallace 就在探索如何将 2D 图像转换为 3D 场景，以及如何利用互联网规模的数据来完成类似"内容感知填充"的功能。他们一直在想，一定有某种方法能让创作变得更简单，愿景是'想法到现实'，而不是'想法到现实的某个子集'。"

如今，Figma Make 正是这个愿景的延伸——从你脑中的想法，到真正可用的产品：无论是内部原型、内部工具，还是完整的应用。

Dylan 的"AI 觉醒"故事始于 2014 年前后。在一次 retreat 活动中，Chris在圣克鲁兹的某个户外木桌旁，用极慢的 Wi-Fi 连上 AWS，兴奋地向 Dylan 展示他如何训练一个小型神经网络来做分类。

当时的 Dylan没看到这会通向何方。但这次对话让他开始更加关注 AI。此后，他密切关注 Chris 在 Google 的工作和博客文章，逐渐被这个领域吸引。

真正的"顿悟时刻"是 GPT-3 的发布。Dylan 感到这个模型与之前所有模型之间的差距如此之大，某种指数级的变化正在发生——这不是炒作。但从"意识到 AI 很重要"到"在 Figma 真正推动 AI 落地"花了很长时间。确定性软件构建和 AI 研究的团队运作方式完全不同——这需要的不是技术升级，而是深刻的组织变革。

二、Figma Make：从提示词到完整应用

Figma Make 是 Figma 2025 年重磅发布之一。Figma Make 的核心能力是：通过自然语言提示，从零生成完整的设计和可运行的应用。所有修改通过聊天中的提示词完成，但设计可以随时"下沉"到 Figma Design 中进行像素级精修。

这里涉及一个重要的三层抽象模型：

任何 Make 产物可以转为 Design，任何 Design 可以通过 Make 变为产品。设计系统的变更可以向上传播到设计，再传播到代码——形成完整的双向闭环。

这个闭环，正是 Figma 区别于一堆"提示词生成应用"工具的关键。

三、自然语言，AI 时代的 MS-DOS

我们会把今天这个时代回望为 AI 的 MS-DOS 时代。现在所有人都在用自然语言提示词，这只是我们探索潜在大模型概念空间的界面起点。

想象这些模型是一个 N 维概念空间，自然语言就像一个小指南针，让你在这片未知的"战争迷雾"中摸索。但如果你能做降维处理，就应该有比文本更直觉、更有趣的界面来驱动模型。在真正提炼出更好的界面之前，先在用户所在的地方与他们相遇——这是产品开发的好原则。不要因为等待完美的交互形态，而错过当下用户真实的使用习惯。

传统上，"Figma 转代码"是一个独立的创业赛道。如今 Figma 自己成为了这个领域的玩家，并通过 CodeConnect 和 MCP 服务器来实现设计到代码的桥接。

Dylan 区分了三种场景：

• 从 0 到 1 原型：一次性、可丢弃的快速验证；

• 小型项目：已有代码库但模式简单；

• 大型代码库：有大量既有模式，需要一致性。

在大型代码库场景中，CodeConnect 的价值最大——它定义了 Figma 设计组件和代码组件之间的正式映射，让开发者通过 MCP 获取上下文后能轻松实现设计。

关于"真实数据源"在哪里，回答是务实的：两种情况可以并行存在。有时代码是真实数据源。你会看到 Figma 做了很多工作，让代码库中的设计系统能够引入 Figma Make 或 Figma Design；有时视觉界面是真实数据源，尤其当你需要快速迭代视觉探索时——对更多人来说，视觉隐喻比代码更容易理解。

随着越来越多的智能体编写代码库的更多部分，你会对代码越来越不熟悉。届时，你可能需要一个不同的抽象层来规划和理解你的软件——而 Figma 可以提供这个抽象层。

四、美学的"上下文仓库"

Figma 是美学的上下文仓库（context repository for aesthetics）。以前面对空白的 Figma 画布，从零开始。但如果 AI 能帮我们生成一个初始版本，就有能力去做微调——然后让这成为设计与代码之间的桥梁。"空白画布问题"是真实存在的。无论 UI 做得多好，第一件阻挡用户的就是那张空白画布。从"有意图"到"画布上有东西"这一步至关重要。

将 Figma Make 中的设计复制到 Figma Design 中——正是解决这个问题的一步。Dylan 把 Figma Make 比作"飞行模拟器"，而 Figma Design 是"飞机驾驶舱"：前者是更友好的入口，后者是更强大的工具。

另一个重要趋势是 Tailwind CSS 的崛起。命名类让设计系统变得极其易用，Figma 的 Variables 概念与之对应。通过 Tokens Studio 这样的工具，你可以用 GitHub 仓库中的 JSON 文件同步代码和 Figma 变量，实现风格一致性。

在 Figma 平台上，帮助人们探索更广阔的审美空间，而非强加某种个人审美观点。回顾 Flash 时代——它也许不总是高质量的，但充满动态、令人兴奋、有趣。那是实验的时代，然后乔布斯宣布 Flash 已死，经过短暂的拟物阶段后，我们进入了极简主义时代。

在软件创建速率指数级增长的世界里，更多的软件意味着更多的竞争。什么能赢？品牌、观点、品味、工艺与设计。用 AI 生成一个输出是不够的——你必须更深入地推进工艺：利用 AI 更快地探索选项空间，然后在选定的方向上走得更深。生成是起点，而不是终点。

五、软件的"快时尚"时代？

如果你能在任何时刻获得所需的软件，这不是廉价，而是一种被普惠化的高价值能力。但是，当前模型的能力还不足以支撑"快时尚"的愿景。更重要的是，设计软件的核心挑战在于让它对很多人可用——很少有人会做一个只给自己用的软件。很难相信没有对工作流的深度理解，人们能做出可以规模化的东西。也许这个循环会快一点，但不会是简单的"vibe code 替代一切"。

Dylan 对"所有软件都将存在于大模型会话中"这一假设持保留态度。他认为可能有多种形态：模型作为请求的发起者，然后你去别的地方完成；或者模型嵌入软件中，但你仍然有一个首先到达的目的地。如果你的观点所有人都能同意，那应该是一个警告信号。你需要有一个很多人会整体反对的观点。

Dylan 分享了两个"过早否定"的故事：

• 神经网络：他最初觉得这是已解决的问题，后来才理解其深远意义；

• 2013 年的比特币：第一反应是"这些白痴，怎么做空"——结果错失了巨大机会。

不要先找它为什么不行的理由。先想——这能成为什么？能有多大？对社会有多重要？让自己去想象、去梦想。然后再去思考所有可能失败的方式，逐一规避。但先从梦想开始。这个"先做梦再找问题"的思维模式，与当前社交平台算法奖励争议和负面情绪的现状形成鲜明对比。

Dylan 在 Figma IPO 当天仍在 X 上回复产品反馈，这已成为科技圈的一段佳话。他的日常方法是：频繁搜索"Figma"关键词，训练算法推送相关内容。他还发现了一个有趣的信号——"复制链接"比"不感兴趣"或"点赞"更能影响算法推荐。所以他经常复制链接来训练算法，即使不一定分享。在反馈处理上，Dylan 偏好"让用户的声音被听见"而非"我有一个观点"的方式。

六、数字稀缺性

如果只把 Make 当作"提示词转代码"工具来评估，市面上有无数竞品。但 Figma 的优势在于：视觉隐喻、无限画布上的自由探索、看到全局的能力——这个比喻对更多人有效。Make 与 Figma 平台的深度集成才是真正的护城河，而刚发布的"Make 到 Design 的复制功能"只是第一步。

Dylan 着迷于"数字稀缺性"的悖论。早期社区是一个小众的、理想主义的群体，讨论数字物品的未来。但随后的三四年里，它变成了"快速致富"的温床——炒作、倒卖、拉高出货。

他认为 AI 领域正在经历类似的轨迹：长期致力于大图景思考的人，正在与"用 AI 赚快钱"的群体交汇。这种氛围让他略感不安——但他仍然乐观，相信社会会对此产生"抗体"。

七、小结

在 AI 让代码生成变得人人可及的时代，设计——或者说品味——成为了唯一的差异化要素。

Dylan Field 的故事提醒我们：不要先找它为什么不行的理由，先想象它能成为什么。而在这个未来中，Figma 的角色正在从"设计工具"进化为"美学的上下文仓库"——一个让品味得以积累、传播和复用的系统。

当所有人都能生成代码时，拥有好品味的人，或许才拥有真正的护城河。

那么，对于企业而言又是什么呢？可能是企业的业务语义形成的本体轮么？