创新案例 | Figma的PLG增长反常识：AI让创建更容易，为什么团队反而更需要同一个文件？

一句话看懂：当AI能瞬间生成界面和代码，专业设计工具面临价值重估：企业为何还要为更多席位付费？Figma给出的反常识答案是——创建者越多、生成越快，团队越需要围绕“同一个文件”协作。其2025年收入达10.558亿美元，同比增长41%，但AI带来的计算成本已显著拉低毛利率。Figma的真正赌注是：当生成能力逐渐商品化，让产品、设计、开发围绕共同的设计系统、组件库和治理流程工作，反而比单纯生成第一版界面更具商业价值。本文基于其上市文件与产品动态，拆解这套“共同对象”战略的构建逻辑、财务表现与不可盲目照搬的边界。

AI已经能生成界面和代码，Figma为什么还在扩张创建者？

过去，数字产品的分工有一条清晰边界：设计师完成界面，产品经理解释需求，开发者把设计稿翻译成代码，营销团队另做物料。每个角色都有自己的文件和软件，协作主要发生在交接处。Figma早期用浏览器和多人实时编辑改变了设计文件的传递方式，但主角仍然是设计师。

生成式AI正在动摇这条边界。产品经理可以用文字生成可点击原型，开发者可以让编程助手生成前端界面，营销人员也能批量制作视觉内容。如果“做出第一版”越来越便宜，专业设计工具面对的就不只是功能竞争，而是价值重估：企业为什么还要为更多席位付费？共同设计文件会不会被提示词、代码仓库和直接发布网页的工具绕开？

Figma在年报中承认，AI可能减少传统界面设计工作，降低竞争者开发产品及客户迁移的门槛；如果企业用更少的人完成更多工作，按席位收费也可能承压。它的应对却不是把Figma Design筑成专业设计师的围墙，而是持续增加FigJam、Dev Mode、Slides、Make、Sites、Buzz、Draw，以及2026年的Agent、Motion、code layers和Weave工具，让产品、开发和内容角色进入相互连接的工作流。

这不是简单地多卖几款产品。创建者越多、生成越快，企业越容易出现组件失控、品牌不一致、权限混乱和计费失控。Figma真正下注的是：当生成能力逐渐商品化，能够让不同角色围绕共同的数字产品对象工作，并用组件、变量、企业库、评审和权限保持一致，反而更重要。这里的“同一个文件”是编辑概括，不是说所有产品都处于单一物理文件；真正要检验的是，结果能否回到可共同编辑、连接和治理的对象。

一、它面对的处境：AI降低制作门槛，也可能削弱设计工具的计价基础

Figma最初解决的是文件交接。传统桌面设计软件让设计稿散落在个人电脑、邮件附件和导出图片里。设计师改一次，产品经理和开发者就要判断手中是不是最新版。Figma把文件放进浏览器，用链接保持同一入口，再通过多人编辑、评论和版本记录，让其他角色不必等待导出才看见变化。它出售的不只是一套绘图能力，也是一种围绕共同对象协作的方式。

AI带来的挑战更深。生成工具可以直接给出界面、原型乃至前端代码，Figma自己也提示，客户可能转向端到端的“提示词到产品”工具；当设计、代码和内容能被模型快速重建，文件与设计系统的迁移成本也可能下降。与此同时，按人收费与AI按计算量产生的成本并不天然匹配：使用者可能变少，但每次生成消耗更多推理资源；也可能使用者变多，却只有少数人愿意为高额度付费。

因此，Figma必须回答三个经营问题：非设计师进入后，是否仍需要与设计师共享工作对象；AI生成的草稿如何回到组件、变量和品牌标准中；席位收入与AI信用额度能否共同覆盖扩张成本。任何一环断开，多产品都可能只增加复杂度，AI也可能把高毛利软件变成更昂贵的计算服务。

二、它正在做什么：扩大共同创建，再用设计系统和治理承接复杂度

先用浏览器与多人协作，把“传文件”改成“共同改一个对象”

Figma的第一层动作并不是AI。早期Figma Design从一开始就押注浏览器，依靠WebGL让专业图形编辑在网页中运行，后来通过WebAssembly改善加载和运算性能。技术价值不在于用户记住这些名词，而在于设计不再依附某台电脑上的本地文件：团队打开同一个链接，就能看见当前版本。

多人实时编辑进一步改变了交付节奏。服务器同步文件状态，在线参与者能看到他人的光标和变化，断线修改也能在恢复后重新应用。文案可以直接修改文字，产品经理在真实界面旁讨论需求，开发者检查尺寸与属性，设计师不必反复导出图片并解释哪个附件最新。评论、版本历史和分支又把讨论、回退与受控修改留在对象周围。

这套架构不是永久无法复制的护城河，实时协作今天已是许多软件的标准能力。它更像组织底座：只有不同角色已经习惯打开共同对象，Figma后来把白板、交付、演示、营销和AI生成接入相互连接的环境才有意义。浏览器降低进入成本，多人协作保持版本一致，商业问题随之从“谁拥有软件”变成“哪些角色需要共同工作”。

给开发者同一对象中的交付视图，再把代码变化带回画布

Dev Mode在2023年推出，目标不是让开发者成为设计师，而是让他们在设计源文件中获得适合交付的视图。开发者可以检查布局、颜色、字体、变量和组件属性，比较版本变化，取得代码片段，并通过Code Connect把设计系统组件与代码库中的真实组件关联。设计师调整界面时，开发者看到的是当前对象及上下文，而不是脱离源文件的截图。

这一步很关键，因为“设计到代码”最容易被AI绕开。如果开发者能从提示词直接生成界面，他们未必愿意回到设计工具。Figma的回应是双向连接：Dev Mode和MCP把组件、变量与设计上下文带入开发流程；Code to Canvas又能把Codex、Cursor、VS Code等环境中的界面带回Figma，转成可编辑图层继续讨论。Figma试图守住的不是所有代码都在Figma里写，而是代码生成之后，产品决策仍能回到可共同检查的对象。

边界也很明确。Dev Mode不是完整集成开发环境，MCP和Code Connect不能保证设计与代码永远自动一致；可编辑图层也不等于生产代码已经通过测试、后端、性能、安全和部署。连接减少人工翻译，但仍需要开发者和设计师审阅。

把组件、变量和企业库变成组织资产，让更多创建者不等于更多版本

当参与者从设计师扩大到产品、开发与营销团队，最稀缺的就不再是画一个按钮，而是确保所有人使用同一个按钮。Figma Design中的组件、样式和变量可以发布为共享库：组件规定可复用结构，变量承载颜色、间距、模式和设计令牌，多个文件可以调用，并在库更新后受控接收变化。Code Connect再把画布组件连接到代码组件，降低“设计里长这样、上线后却是另一套”的概率。

分支与审批为变化增加受控路径。Organization和Enterprise计划中的分支允许设计师在隔离副本上修改主文件，发起评审后再合并；只有主文件中的内容可以正式发布到库。版本历史保留变化轨迹，库分析帮助管理者观察组件采用情况。对大型组织而言，这些能力的价值不是限制创造，而是区分“可探索的草稿”和“可被全公司复用的标准”。

企业管理把治理再向上提一层。组织管理员可以管理成员与访客、团队、字体、插件、共享库、席位和账单，并配置单点登录、域名归集及不同访问规则。Enterprise还增加工作区等层级，Governance+则提供网络限制、日志、密钥管理和AI流量控制等附加治理。Figma发布的NAB客户案例展示了银行以预先批准的组件、权限、版本和库发布统一多条业务线的做法，但这是供应商的单一客户故事，能解释机制，不能外推为普遍成效。

设计系统因此是扩张逻辑的中间层。没有它，更多角色只会生成更多不一致文件；有了它，非设计师可以在允许的组件和品牌规则内加速，设计团队则从重复制作转向维护标准、处理例外和判断质量。它会增加平台依赖，却不能据此断言客户被永久锁定；Figma年报同样提醒，AI可能帮助竞争工具转换文件或重建设计系统。

只看与共同对象有关的新品，并把成熟度拆开

Figma扩张创建者并非从Make开始。FigJam把白板和头脑风暴带入产品早期，Slides让团队用设计资产制作演示，Draw增加插画与矢量表达，Buzz面向品牌内容，Sites把页面推向网站发布。Make和Figma AI在2025年7月正式可用，而截至研究截止日，价格页仍将Sites、Buzz与Motion标为Beta。产品存在不等于企业已经贯通流程，Beta也不等于不可用。

2026年的变化更直接检验本文命题。Figma Agent在Design画布中读取所选组件、令牌、变量和团队规范，直接生成或修改可编辑图层；官方5月发布时称其处于Beta并逐步开放，6月Config又宣布已向符合资格的用户广泛推出。它主要面向Professional、Organization和Enterprise的Full席位，Collab和Dev席位只在草稿范围使用；这不是面向所有计划的无条件正式可用。

Motion在Config 2026起以Beta提供给Full席位，把时间线、组件状态和变量留在设计文件内，开发者可在Dev Mode检查并复制CSS、JSON或React相关输出，也可通过MCP连接开发流程。code layers则尝试让普通设计图层与可交互代码图层互换，团队仍可在同一画布评论、提取可编辑层并更新代码层；截至截止日，它仍是候补名单和从7月开始滚动的早期访问，而非全面GA。

Weave是节点式生成工作流画布，Figma收购后把部分Weave工具带入Figma画布，允许设计者调用和组合生成流程；把工具发布给团队、组织或社区的能力仍被表述为“即将推出”。因此，“同一个文件”不能被写成所有工作都发生在Design文件里：Weave本身有独立工作流环境，MCP也连接外部代码库。Figma的共同点是让生成结果、设计资产和治理关系有机会重新汇合，而不是消灭所有工具边界。

用Make与Agent降低第一次成形成本，再让标准决定什么能进入产品

Figma Make允许用户用自然语言和视觉素材生成可交互原型，再通过提示词、代码或可视化编辑修改，也可以创建网页应用并发布URL。Make Kits把组件和设计系统带入生成过程，减少每次从空白开始。Figma Agent则在Design中直接操作图层；用户也可以把Make结果复制回Design，经Agent整理后再返回Make，或把Make中的代码层嵌回Design。两者覆盖的不是同一步，但都试图缩短“先生成、再回到团队标准”的距离。

输出层级不能夸大。能点击的原型可以验证流程，能发布的网页可以成为可访问体验，它们都不自动等于企业生产系统。身份认证、后端数据、权限、性能、无障碍、安全测试、监控和长期维护仍需按项目完成。Figma的AI条款也说明输出未经其核实，不保证准确、完整或可靠。Make和Agent降低第一次成形与迭代成本，不是消除工程责任。

AI让设计系统的作用发生变化。过去，组件库主要帮助设计师少画重复元素；现在，它可以成为生成式工作流的约束输入。产品经理生成页面时，如果调用企业组件和令牌，结果更容易进入正式评审；如果完全脱离标准，生成越快，返工越多。Figma的新价值主张因此不是“AI替设计师完成设计”，而是“让更多人先创建，再让专业标准决定什么能进入产品”。

这也会带来角色张力。非设计师能产出界面，不代表自动掌握信息架构、可用性、无障碍和品牌判断；设计师若把治理理解为守门，也可能重新制造排队。企业仍要划分决策权：哪些场景允许自助生成，哪些必须使用批准组件，何时由设计师复核，什么结果可以发布。工具提供控制面，组织仍要制定规则。

用席位加AI信用额度，把角色访问、计算消耗与管理责任分开

Figma在2025年调整席位和账单机制，用户不再为每个产品分别占一个席位，而是按角色获得Full、Dev、Collab或免费的View访问。研究截止日的公开美元价格显示，Professional按年订阅时Full、Dev和Collab席位月均为16、12和3美元，按月订阅则为20、15和5美元；Organization按年为55、25和5美元，Enterprise按年为90、35和5美元。Organization和Enterprise按年计费，View在付费计划中免费。

席位解决“能使用哪些能力”，AI Credits解决“消耗多少模型与计算资源”。Professional、Organization和Enterprise的Full席位每月分别包含3000、3500和4250 credits；各计划的Dev、Collab和View席位每月500。Starter用户每月最多500，Starter与View同时受每日150的限制。席位自带额度属于个人，按月重置、不结转，也不能转让或共享；credit并不等于一条提示词，不同模型和操作消耗不同。

额外额度有两条路径。管理员可以购买持续订阅，形成计划层级的共享额度池，也可以启用按量付费，当前单价为每credit 0.03美元。扣减顺序是个人席位额度、共享订阅池、最后才是PAYG。共享池每月重置且不结转；Professional的额度订阅按月运行，即使核心席位按年付费，Organization和Enterprise则与年度合同期限对齐。Professional由team admin购买并管理付费AI Credits，Organization由organization admin购买并管理；Enterprise则由organization admin购买并控制计划级附加额度、PAYG及相关月度上限。Enterprise的organization admin和billing group admin都可管理成员的付费额度访问，但billing group admin仅限本billing group成员，不拥有计划级PAYG控制权。

这套组合把轻度协作者、重度创建者和高计算消耗拆开计价，也把预算控制推给管理员，但仍在验证。Figma披露，购买AI额度附加包的Professional团队平均ARR超过未购买团队的三倍，而且席位更多；这只是同期相关性，不能证明买额度导致ARR提高，更大的团队本来就可能预算更多、使用更重。数据治理也进入采用边界：客户内容是否用于Figma自身模型训练由管理员控制，Organization和Enterprise默认关闭，Starter和Professional默认开启但可关闭；关闭训练不等于停用AI。

三、结果如何：增长和AI采用同期上升，计算成本与会计费用也同时显影

Figma于2025年7月31日开始在纽约证券交易所交易，股票代码为FIG，并于8月1日完成首次公开募股。公司2024年收入为7.490亿美元，2025年升至10.558亿美元，同比增长41%；2025年国际收入为5.642亿美元，占总收入约53.4%。这些是会计期间确认的收入，不能与ARR混用。

利润口径受上市相关股份支付显著影响。2025年GAAP经营亏损和净亏损分别为12.905亿和12.505亿美元，研发、销售与营销、一般及行政费用分别为10.297亿、5.755亿和5.555亿美元；四类成本费用中的股份支付合计约13.641亿美元，其中9.757亿美元来自IPO触发的一次性费用。剔除公司指定项目后，非GAAP经营利润为1.295亿美元、非GAAP净利润为1.668亿美元；经营现金流为2.507亿美元，调整后自由现金流为2.427亿美元。法定亏损、调整后利润和现金流不能互相替代。

客户扩张指标也在上行。2025年末，ARR至少1万美元的付费客户为13861个，至少10万美元的为1405个，净收入留存率为136%；2026年一季度末，这三项分别为15218个、1525个和139%，总付费客户约69万个。公司定义允许同一集团内分别结算的部门、子公司或团队被分别计数；净收入留存率也只基于一年前ARR至少1万美元的客户群。

角色扩张有一定支持。2025年第四季度月活用户中约三分之二不是传统设计师。2026年一季度，约60%的ARR至少10万美元客户每周使用Make，高于上一季度的过半；MCP周活用户环比增至五倍。它们说明AI产品已进入部分高价值客户的工作流，却不能证明Make或MCP导致客户扩张，也不代表全部用户。

最新财务同时显示增长与成本。2026年一季度收入3.334亿美元，同比增长46%；GAAP经营亏损1.374亿美元、净亏损1.424亿美元，非GAAP经营利润5210万美元，经营现金流9730万美元，自由现金流8860万美元。GAAP与非GAAP差异很大，其中一项是当季约1.690亿美元股份支付。

毛利率更能看见AI计算代价。2025年GAAP毛利率约82.4%，低于2024年的约88.3%；2026年一季度约79.4%，上年同期约91.5%。公司解释，当季收入成本同比增加主要包括与AI和平台使用相关的技术基础设施及托管费用增加3370万美元，2025年同类成本在收入成本中增加4910万美元。这支持一个有限结论：角色、产品与AI使用扩张和收入、大客户增长同期发生，但公开数据不足以把增量归因给AI；AI可能是新增长来源，也已经带来可见成本。

四、为什么不能盲目照搬：共同对象能放大协作，也会被三类路径绕开

第一，Figma的起点不是增加AI按钮，而是十多年积累的浏览器文件、多人工具和设计系统。没有被组织采用的组件标准、责任人和发布流程，向更多角色开放生成往往先制造更多草稿。多产品也会提高学习、权限和计费复杂度；不同席位、Beta产品、额度与附加包都需要管理员理解。

第二，竞争不是一种路径。以下分类是作者根据各公司一手产品材料作出的分析，不代表市场份额或客户选择。Adobe以Creative Cloud Libraries跨应用共享品牌与设计资产，Express又提供可锁定元素和品牌约束的模板；Canva正在用分层可编辑的AI输出、品牌上下文和Canva Code覆盖更多内容类型。它们可能从创意套件和内容生产侧包围设计，但这些材料不能证明能完整继承Figma文件中的组件、变量、历史和治理语义。

Framer和Webflow则可能绕开部分“设计稿交给建站团队”的环节。Framer把Agent、画布、CMS和发布放在网站环境中，也能导入部分Figma图层、自动布局和层级，但官方教程明确Framer模板不能反向转换为Figma文件。Webflow的AI建站直接生成响应式网站，Figma to Webflow的Design System Sync又能同步选定组件和变量，并通过预览及批准处理变化。它们说明迁移并非只有全有或全无：桥接工具能搬走选定资产，却不等于完整迁移评论、分支、权限和设计系统治理。

代码优先AI工具是第三条路径。Cursor Agent等工具围绕代码库搜索、编辑文件、运行命令和查看差异，源事实天然在代码仓库；团队可以跳过设计文件直接形成前端。作者判断，Figma的MCP、Code to Canvas和code layers正是在回应这一路径，但连接需要提供上下文并人工审阅，不能证明代码工具会自动保留Figma组件和令牌。共同对象只有持续产生协作价值才会形成留存，格式存在本身不会永久锁定客户。

第三，隐私、安全和模型供应链不能交给默认值。Figma依赖第三方基础模型和计算能力，供应商价格、容量、地区与合规限制都可能影响功能，AI输出也可能不准确。管理员需要决定哪些数据能进入提示词、哪些连接可开放、哪些结果必须人工复核，以及日志、访客和外部访问如何管理。按席位与按使用量结合虽然能匹配成本，也会让预算更难预测；一季度毛利率变化说明这不是遥远风险。

五、给管理者的启示：当创造变便宜，先管理共同标准和决策权

Figma给管理者的第一条启示，是AI转型不应只问“谁能生成”，而要问“生成结果回到哪里”。如果产品经理、设计师和开发者各自在不同工具生成方案，组织得到的是更多并行版本；如果结果能回到共同对象、组件库和评审路径，速度才可能转化为组织学习。这里的共同对象可以通过文件、代码层或受控连接实现，不必强求所有工作在单一软件里完成。类似地，Klarna 用 AI 替代了 700 个客服，15 个月后又把人请了回来，也说明AI落地不能只看生成能力，更要看结果如何回到业务闭环。

第二条启示，是把标准做成可调用资产，而不是写成没人阅读的规范。组件、变量、代码映射、模板和权限能直接进入设计、生成与交付过程，规则越靠近操作现场，越不依赖个人记忆。专业团队的角色也会从逐页制作转向维护系统、判断例外和把关体验，这比争论“AI会不会替代设计师”更接近管理现实。

第三条启示，是把访问权、计算消耗与发布责任分开。轻度协作者低成本进入，重度创建者按席位获得能力，高AI消耗再由额度计量；与此同时，能够生成不等于能够发布。企业需要分别配置预算阈值、内容训练、外部连接、审批和生产责任，避免把所有控制压在一个“是否允许AI”的开关上。正如别给马车喷上汽车漆：2026，中国企业的 AI 困局与出路所指出的，AI转型的关键不是技术本身，而是组织治理与流程重构。

Figma尚未证明自己已成为不可替代的产品开发系统，也没有证明AI会自动提高每个客户的ARR。它已经证明的更有限，也更有管理价值：当创建能力向更多人扩散，企业仍在为共同文件、设计资产和治理付费；当AI使用开始规模化，计算成本、席位结构和风险控制也会立刻进入经营问题。创建门槛越低，真正稀缺的越不是第一版界面，而是让所有人基于同一标准持续修改、审查并承担结果的能力。

想把这套打法用到你自己的业务上？

如果你正在思考如何让AI生成的草稿回归统一的组件和品牌标准，可以与我们聊聊，看看你的产品协作流程中是否存在类似的治理缺口。

💎 核心承诺：先诊断、再合作，思路不对不推进。

专属咨询热线：400 822 8832

扫码加顾问 Ben 评估