曾被断言最先倒下的 Figma，为何成了 AI 的工作台
Canva 和 Webflow 都接入了 ChatGPT。然而编码智能体去寻找设计时，选的却是 Figma。
商业“Figma 会最先倒下”的说法因何而起
读者，当生成式 AI 几秒钟就能画出界面草图时，许多人都把 Figma 视为会最先消失的软件。他们的逻辑是：既然用话语描述一下 AI 就能生成界面，人们又何须一个由人类逐个去画矩形的工具呢？
市场也对这种说法作出了反应。2025 年 7 月 31 日上市首日，盘中曾一度涨至 142.92 美元的股价随后一路走低；而在 2026 年 4 月 17 日 Anthropic 发布只需提示词即可生成原型和幻灯片的 Claude Design 当天，其股价单日大跌 7%。仅 2026 年上半年，股价就跌去了 51.6%。
因此，本期通讯要探讨的问题正是：曾被认为必死无疑的 Figma，是如何变成 AI 主动赶来干活的工作台的？在同一时期，Canva 和 Webflow 也都拥抱了 AI，但为何唯独是 Figma 稳稳占据了这一位置？
10月29日，Figma公开“懂Figma文件的模型”
解开这个问题的线索在三天前浮出了水面。Figma软件工程副总裁乔希·克莱姆（Josh Clemm）于10月29日在公司博客上发表了《How we’re training a Figma-fluent editing model》。这篇文章介绍了他们如何训练在Figma Agent中负责设计修改的自有模型。
它的出发点很坦率。刚开始这项工作时，前沿模型并不理解Figma的语法，如果试图用系统提示词来教它，消耗的Token多到难以承受。因此Figma转变了方向。他们准备了超过25万个将原始设计、合成的修改请求以及正确的修改结果打包在一起的示例，并将这些示例全部表示为Figma独有的文件格式。用这些数据对前一代Llama 3.3 70B模型进行监督微调2后，获得了足以与当时顶级模型相抗衡的修改性能。
生成训练数据的方式也值得一看。更大的教师模型先尝试修改，再由基于规则的检查器和视觉判定模型筛选出结果是否为有效输出、是否真正满足了请求。不过，让模型模仿标准答案的方式存在局限：它只能很好地生成与训练时见过的设计相似的内容，泛化能力偏弱。因此他们透露目前正在大力投入强化学习3。基座模型也在向Qwen系列等更新的开源模型迁移。
我最关注的部分是分工。在图像生成、矢量作业以及探索全新设计方面，使用外部最优秀的模型；而在对画布上已有的设计进行精密修改与打磨方面，则使用自有模型。选择模型的标准也有两点：在Figma内部遵循指令的能力如何，以及完成这项工作的速度有多快、成本有多低。
同一天，Canva也发布了用于设计修改的自有视觉-语言模型Brush。它以开放权重模型为基础，针对设计与编辑任务进行了后训练，并透露相比以往的设计Agent，其常规编辑任务的速度最多提升了69%，单次任务成本降低了46%。两家公司在未提及对方的情况下得出了相同的结论：比起从零绘制，修改已有设计的发生频率要高得多，而这项工作最好交给最懂自家文件的模型来完成。
Canva、Webflow与Gamma也已入局，只是分工不同
在这里，我们需要先把问题厘清。单看事实，Canva和Webflow并没有被排除在AI生态之外。
Canva与Figma一同名列ChatGPT首批7家应用试点。2026年2月，Canva宣布通过Canva MCP服务器在ChatGPT、Claude、Microsoft Copilot中生成的设计已突破1200万个，其2025年底的年化经常性收入（ARR）达到40亿美元。Webflow也于2026年7月1日推出了ChatGPT应用，并在同月21日发布了MCP 2.0。Webflow透露，超过30%的企业客户正在积极使用MCP，其中近90%的用户连接到了Claude。
因此，差异不在于是否入局，而在于这三家公司的文件在AI工作流中所处的位置不同。
| 维度 | Canva | Webflow | Figma |
|---|---|---|---|
| 主要产出物 | 制作完成的海报、幻灯片、社媒图像 | 实际运行的网站 | 达成共识的界面与规则（决定做什么） |
| 下一步的使用者 | 受众/观看者 | 网站访客 | 开发者，以及编程智能体 |
| 在AI对话中的角色 | 交付成品的出口 | 修改和运营网站的窗口 | 编写代码前阅读的基准 |
Canva的成果物大多到此为止。无论是幻灯片还是海报，人看完了，任务也就结束了。因此，在ChatGPT中，Canva非常适合扮演“根据这份大纲帮我做份演示文稿”并直接交付成品的出口角色。然而，一旦成为出口，就必须全额承担生成成本。Canva在2026年8月的致投资者信中，将当年的营收增长预期从30%下调至20%，原因就是提供AI功能的成本超出了预期。其第二季度营收为9.219亿美元，同比增长25.2%，增长并没有停滞，只是他们主动放慢了节奏。
Webflow的成果物则是网站本身。然而，用代码搭建网站，恰恰是如今编程智能体进步最快、最擅长的事情之一。因此，Webflow在MCP 2.0中重点强调品牌规范、权限设计、测试与操作日志等控制机制，显得非常顺理成章。他们正在将业务重心从“建站工具”转移到“安全运营网站的基础设施”上。
Figma文件的性质则截然不同。Figma界面不是最终成品，而是中间产物。它是团队之间达成共识的记录：使用什么按钮、颜色与间距设定为何种变量、界面如何连贯交互。它不是让人看完就结束了，而是需要有人看着它再写出代码。当AI开始编写代码时，这个“有人”的名单里就加上了智能体。
Figma 文件成为智能体工作任务书的过程
纵观 Figma 过去一年的动作，他们始终专注于让智能体能够读取并写入这一中间产物。
首先是读取。Figma MCP 服务器会将所选画板的设计上下文、变量定义以及截图等信息传递给智能体。如果接入了 Code Connect，它甚至能指明设计中的组件对应实际代码库里的哪个具体组件。在智能体看来，它拿到的不是“一个蓝色按钮”，而是“我们团队的 Primary 按钮组件”。支持的客户端名单包括 Claude Code、OpenAI Codex、Cursor、VS Code、Gemini CLI 等。
接下来是写入。2026 年 2 月，Figma 接连发布了将 Claude Code 中制作的实际界面导入为可编辑 Figma 设计的工作流，以及在 Codex 中创建 Figma 设计文件的工作流。3 月 24 日，他们开启了编码智能体可直接向设计文件写入内容的 use_figma 工具测试版。如果为其搭配特定技能（Skills），就能指示智能体按照何种顺序调用哪些工具，从而遵循团队规范开展工作。Figma 透露，仅在 2026 年第一季度，Figma 设计的 MCP 周活跃用户数就增长了 5 倍。
各项数据也指向同一个方向。截至 2026 年 6 月底，年度经常性收入超过 1 万美元的客户中，有 80% 以上每周都会使用 AI 额度；截至 7 月 31 日，这批客户中有一半以上每周都在使用 Figma Agent。同一客户群体的净收入留存率4达到了 136%。CEO 迪伦·菲尔德（Dylan Field）在第二季度财报新闻稿中表示，当代码变得愈发泛滥时，价值就会向更高层级转移。
归结起来，Figma 并不是通过与 AI 对抗才存活下来的。它手中掌握着 AI 想要正常工作就必须查阅的文件，并且它抢先一步向智能体开放了这些文件。虽然如今任何人都能用一行提示词画出界面，但这个界面是否遵循了我们团队的组件和规则，只有查看团队的历史资产才能知道。而这些记录，恰恰留存在 Figma 文件之中。
市场仍未下定论
看到这里，人们或许很想得出“Figma赢了”的结论，但这样说只对了一半。虽然Figma在产品和生态中的地位更加稳固，但股票市场依然心存疑虑。股价进入2026年后一度跌至16.80美元的历史低点，10月初也仅在21美元区间徘徊。这远低于33美元的发行价。
原因之一在于成本。Figma的自由现金流利润率从第一季度的27%降至第二季度的14%，公司将AI推理成本5的增加列为自由现金流同比变化的最大因素。公司还表示，处于测试阶段的产品并未向客户收费，推理成本全部由公司承担。第三季度的营收预期增速在36%左右，低于第二季度的48%。
Canva下调增长预期与Figma利润率下滑的原因，指向了同一个方向。AI功能是一种用得越多就越花钱的功能。因此，两家公司在10月29日同一天推出自研修改模型绝非偶然。如果无法用更小、更便宜的模型来处理设计师最频繁重复的修改，就会陷入使用量越大、利润反而越微薄的结构。
Figma的第三季度业绩定于11月4日（美国时间）公布。随着Agent使用量的增加，额度收入是否同步跟进，自研模型又究竟在多大程度上降低了成本，届时都将首次通过具体数字揭晓。
Oswarld视角
我平时常说，并不是所有人和所有事情都需要超级智能。意思是说，不同的工作和环境各有适配的模型。事实上，我自己也会把制定整体规划和拆解任务的工作交给 Claude 或 GPT-6，而将耗时较长、重复性高的任务交给 DeepSeek 或 GLM。
阅读 Figma 官方博客中关于分工的部分时，我首先想到的就是这一点。将全新的探索交给外部顶尖模型，将日常重复的精准修改交给熟悉自家文件的小模型——这种架构，实际上是将我针对不同任务挑选模型的逻辑，上升为了关乎公司生存条件的问题来解决。如果把所有的修改都交给前沿模型，Figma 只会在使用量激增的同时变得越来越穷。
“Figma 会最先完蛋”这一预测失灵的症结也正在于此。那种预测把 Figma 仅仅看作一个“画界面的工具”。单论作图速度，AI 确实更快。但在 Figma 文件中长期沉淀下来的，比起画面本身，更多的是团队达成共识的命名与规范，而智能体脱离了这些规范，就无法生成团队可以直接拿来使用的成果。不过，也依然有尚未被证明的地方。Figma 能否用自身营收来支撑守住这一地位所需的成本，还需要从本季度开始持续观察。
结语
Figma 并没有通过回避 AI 来生存。它手握 Agent 必须经过的文件，向 Agent 敞开了便于读写这些文件的通道，并试图用自己的模型低成本处理最频繁发生的修改。剩下的问题是，这个位置到底能不能赚到钱。
💬 当你拿到 AI 生成的界面或代码时，首先会与什么进行比对核对？是设计系统、需求文档，还是直接肉眼确认？欢迎在评论区简单留言分享。
📨 如果想和设计团队或研发团队的同事聊聊“我们的文件 Agent 能读懂吗”，不妨把这篇文章分享给他们。
参考资料与延伸阅读
- Josh Clemm, “How we’re training a Figma-fluent editing model”，Figma Blog，2026年10月29日。：本期的起点。文中记录了从25万个样本起步的监督微调与强化学习规划，以及与外部模型的角色分工。
- FourWeekMBA, “Figma Trained Llama on 250,000 Examples as Canva Ships Brush”，2026年10月。：横向对比了同一天发布的Figma与Canva自研编辑修改模型。
- OpenAI, “Introducing apps in ChatGPT and the new Apps SDK”，2025年10月6日。：首次公开包括Figma和Canva在内的七家试点合作伙伴的发布公告。
- Figma, “Figma Announces Second Quarter 2026 Financial Results”，SEC 8-K，2026年8月5日。：营收增长率、净金额留存率以及AI积分使用占比的原始出处。
- Figma Help Center, “Guide to the Figma MCP server”。：可在此查阅支持的客户端及技能连接方式。
- Fortune, “Canva was the rare startup that grew fast and made money, then AI costs slashed its growth forecast by a third”，2026年8月12日。：将Canva下调增长预期与Figma利润率受压，统一归结为推理成本问题的报道。
- The Motley Fool, “Why Figma Stock Lost 52% in the First Half of 2026”，2026年7月10日。：盘点了业绩与股价背道而驰的2026年上半年。
- Webflow Community, “Webflow MCP 2.0 is here”，2026年7月。：可以了解Webflow在智能体时代将什么推至台前。
📝 术语说明
注释
-
MCP（Model Context Protocol）：将AI智能体连接外部工具与数据的方式标准化的开放协议。OpenAI的ChatGPT应用SDK也是在此协议之上构建的。 ↩
-
监督微调（SFT，Supervised Fine-Tuning）：向已完成预训练的模型大量展示“针对此输入给出此输出”的范例，以此进行追加训练的方法。这是后训练（post-training）的代表性方式。 ↩
-
强化学习（RL，Reinforcement Learning）：并非单纯让模型模仿标准答案，而是对模型生成的结果进行打分，引导其自主调整以产出更佳结果的学习方法。 ↩
-
净金额留存率（NDR，Net Dollar Retention）：衡量现有客户相比一年前消费支出增减情况的指标。超过100%意味着老客户的支出有所增加。 ↩
-
推理成本（Inference Cost）：模型训练完成后，每次处理用户请求时所产生的计算成本。使用该功能的人越多，该项成本就会同步攀升。 ↩
你的观点会成为下一期的线索
欢迎留下你的经验与看法。