Dylan Field：代码更容易生成之后，产品如何形成差异

一、嘉宾背景

Dylan Field 是 Figma 的联合创始人兼首席执行官。他在访谈中回忆，公司始于二〇一二年八月。作为一家设计工具公司的经营者，他既要服务专业设计师，也要判断，当 AI 能够直接生成界面与代码时，工具还能提供什么价值。他对设计前景的解释，来自产品经营经验，也带有自身公司的立场。

Field 将 Figma 描述为帮助团队设计、创作和构建软件的工具，其用途还涵盖营销、广告、幻灯片、白板和图解。尽管使用范围已经扩展，设计师仍是产品评审的核心关注对象。他关心的是工具如何支持用户完成工作，包括生成之后的选择、修改与交付。

在 Field 的定义中，设计是创造力与解决问题的结合。设计师需要协调用户需求与品牌、营销、文化、商业问题，并在不同抽象层级之间作出判断。这一定义也解释了他为何坚持：生成能力的进步，无法直接解决专业设计工作的全部问题。

二、本期主要内容

这场 All-In 对话贯穿着一个问题：数字产品越来越容易被制造出来之后，企业、工具和创作者应该把精力放在哪里？Figma 的组织经历、AI 产品竞争，以及应用层公司的前景，构成了讨论这一问题的几条线索。

Adobe 拟以二百亿美元收购 Figma 的经历，首先涉及企业如何应对长期不确定性。Field 回忆，监管审查持续了十六个月。当快速完成交易的可能性降低后，Figma 继续交付产品、推进建设，让公司的前进不完全取决于交易结果。这是 Field 对管理选择的回顾，并不涉及对监管决定是否正确的判断。它呈现的经验是，在等待重大外部结果时，公司仍需维持独立发展的能力。

据 Field 描述，交易结束后，员工最直接的反应是释然：大家终于不必同时设想两种未来。随后，公司明确了继续高强度建设的方向，并向不愿重新投入这一阶段的员工提供数月薪资的离职选项。离开者可以在六个月后重新申请，但需要再次面试。Field 只说接受这一安排的员工占比很小，没有给出具体数字，因此，这段经历不足以成为经过量化验证的组织管理范本。

谈到 Anthropic，Field 区分了已有合作与 Claude Design：Figma 此前已与 Anthropic 合作，并提供 MCP 连接能力；Claude Design 则由 Anthropic 单独发布。他对相关沟通表示意外，但称 Claude Design 没有对 Figma 业务造成显著影响。主持人随后援引季度报告，提到百分之四十八的同比增长。两者的归属需要保留：业务影响是 Field 的判断，增长数字是主持人在节目中的引述。对话没有提供完整财报口径，也无法据此确认增长与某项 AI 策略之间的因果关系。

Field 对竞争的核心回应，是模型进步容易被误认为产品进步。专业设计工具需要细致打磨工作流、操作机制和使用手感，他也承认 Figma 在这些方面仍有工作要做。由此，他既不认同所有 SaaS 公司都能安然生存，也不认同它们会集体消亡。他以 Cursor 为例，认为它在尚无自家模型时，对用户的关注已经体现了应用层的机会。这个例子支持应用产品仍有发展空间，却不能保证每一家软件公司都具备相同的竞争能力。

三、核心观点：推理、例子与边界

Field 所说的“设计是新的代码”，首先关乎产品如何形成差异。他明确强调，Figma 仍然需要工程师。随着编码模型进步，软件实现能力更容易获得，仅仅能把产品做出来，越来越难解释用户为什么选择它。在他看来，竞争将更多取决于设计、品牌、营销视角、大胆尝试，以及产品引发的情绪反应。这里的设计涵盖产品如何解决问题、表达什么立场、让人产生什么感受，远超视觉修饰。

这一判断也促使他重新区分创作门槛与创作上限。Field 修正了自己此前在 Config 大会上的预测：他曾认为 AI 会抬高创作上限，如今更倾向于认为，AI 降低了代码、视频和设计的制作门槛，而推动上限继续上升的，是人的专注、投入和大胆实验。访谈没有提供衡量人类与模型创作上限的统一测试；这是他基于观察作出的判断。它指向一个区别：获得制作能力，并不意味着已经形成独特的作品。

不过，Field 并不要求每项任务都追求突破。他提出的问题是：平均水平的结果是否已经足够，还是这项工作值得投入更多、超出最低要求？打磨的程度应当取决于用途。快速形成内部讨论材料，与打造一个需要长期争取注意力的产品，可以采用不同的完成标准。对创造力的重视，仍需落实到具体任务是否需要辨识度。

Field 对注意力竞争的判断，建立在一个市场观察上：应用供给快速增加，使用量却保持平稳。对话没有给出这一说法的数据来源或测量方法，因此，它只能作为他的论证前提，不能视为已经核验的普遍事实。在这一前提下，他尤其强调鲜明的观点。他观察到，人们常常害怕表达非共识立场，但在争夺注意力的市场中，一项能够持续传达的主张，比一次新奇效果更有可能留下印象。关键在于表达是否清晰、可辨认，并能经得起持续呈现。

他欣赏的一个网页，将这种表达落实到了交互之中：访客每次离开再回来，页面就会退化一些。Field 将其理解为对注意力的评论，也赞赏页面中的信件文字。这个案例把交互机制与表达主题连在了一起，页面的变化本身就在传达意义。Field 的评价体现了他的审美判断，但不能据此推断这种设计的用户留存或商业效果。

谈到制作过程，Field 建议用 AI 跨过空白画布，再直接修改生成结果。如果创作者已经有清晰愿景，却把实现过程完全交给模型，这个愿景就会经过模型自身分布与拟合偏差的过滤。Figma 希望把代码变成画布上的一种材料，让用户能够在“通过构建来思考”与亲手调整之间快速切换。Field 描述的 Weave 则采用节点系统，将模型输出连接到其他输入，让生成结果像黏土一样继续被塑形。他也提到 Figma Design 中的生成工具与着色器。这些产品方向都强调对生成结果的后续控制，访谈并未通过比较实验确立某种工具必然带来更高质量。

持续修改的必要性，也与模型新鲜感的消退有关。Field 观察到，新模型发布后，人们往往先感到惊艳，随后逐渐识别出反复出现的套路。他推测，创意与设计较难验证，可能解释了这些领域为何呈现出不同于数学等形式化领域的进步节奏。他同时承认，这种情况可能改变。这是对进展差异的一种解释，尚不足以构成对模型能力边界的定论。

摄影的类比进一步说明了预测的难度。主持人以 Photoshop 的图层和滤镜为例，讨论工具如何打开创作空间；Field 则认为，对大众摄影行为造成更大改变的是相机手机。他也不愿将随之发生的变化简单归为更好或更坏。这个回应把讨论从单项功能扩展到获取方式、使用习惯和创作控制的共同变化：一个生成按钮的出现，还不足以判断专业工作或既有工具将走向何处。

四、学习与应用

将 Field 的判断用于产品决策，首先需要把生成能力放回完整工作流程中考察。可以选定一项实际任务，观察候选工具如何支持起稿、修改、细节调整和最终交付，并记录哪些环节仍需人工绕行。这是对模型进步与产品进步之别的具体运用：首稿的表现只是评估起点，能否反复控制结果，才会持续影响专业使用。既有工具的积累也需要接受同样的检验，是否适合当前任务，应由用户实际需要决定。

对个人创作而言，可以在生成前明确作品要表达的观点、目标使用者，以及不可妥协的体验条件。生成后，再检查哪些要求得到了落实，哪些被模型惯常的处理方式改写，并据此选择直接编辑或重新生成。局部控制要求越清晰，亲手修改就越值得考虑；方向尚未明确时，生成结果也可以帮助形成判断。沿用 Weave 的节点式思路，还可以保留中间结果和连接关系，以便找到需要修改的具体环节。这些做法将 Field 所说的“继续塑形”落实为可检查、可调整的过程。

打磨的投入仍应服从任务目标。快速形成讨论材料时，合格的平均结果可能已经够用；产品需要建立辨识度时，则应为观点、交互和一致性安排更多时间。Field 欣赏的退化网页提供了一个检查角度：交互机制表达了什么，能否与作品的主张相互支撑？这个审美案例不能替代用户反馈，也不意味着所有产品都需要实验性交互。

组织使用 AI 写作时，来源透明与作者责任需要同时落实。Field 说，Figma 要求使用 AI 写作的人在顶部标注“written with AI”。他将这一要求与信任联系起来：面对 AI 制作的演示文稿，人们可能怀疑作者自己是否了解其中的内容。团队可以据此进一步要求提交者解释论点、核对数字，并说明材料服务于什么决定。这些属于从案例延伸出的执行建议；访谈没有证明标注本身能够提高质量，一个标签也不能证明材料已经经过审阅。

收购经历对管理的启发同样有适用边界。外部结果尚未确定时维持交付，方向明确后说明下一阶段的投入要求，并为意愿不同的员工提供退出空间，是可以从 Field 叙述中提炼的做法。但数月薪资、六个月后重新申请并再次面试，都是 Figma 的具体安排，其他组织能否承担，需要另行判断。接受离职选项的比例很小，也不能替代对员工实际体验的了解。

Field 还提出了一项衡量个人如何使用 AI 的标准：使用之后，是否更理解世界、学到了新东西，并开始尝试过去觉得困难的事？他更看重好奇心、投入和亲手制作。顺着这一标准，任务完成后可以尝试不用生成文本解释关键选择，指出尚未弄清的问题，再决定下一步行动。这仍然要求使用者承担认知劳动，也符合他所偏好的学习方式。

访谈结尾，主持人提到一项据称涉及七百多篇论文的 OpenAI 数学成果，但对话没有提供核验材料，不能将其作为判断未来职业前景的事实依据。面对这一说法，Field 既感到兴奋，也为神秘感可能消退而惋惜，同时承认未来的挑战仍不清楚。在这种不确定性下，将 AI 用于扩大学习和行动能力，并持续修正判断，是从他的立场出发可以采取的做法。

来源

• 原始节目：Dylan Field: Is AI Replacing Designers?, Design is the New Code & Democratizing Creativity