摘要

随着代码生成让软件供给呈现“指数级、甚至可能垂直增长”，Field 认为，品味将成为持久的护城河。 产出越多，竞争越激烈，因此决定胜负的是“品牌、观点、品味、工艺、设计”。AI 可以拓宽选项空间，但差异化仍需要人类把生成出的单个界面推进为一套连贯的产品系统。
Figma Make 正从“提示词生成代码”演变为进入 Figma 更大平台的低门槛入口。 它把想法推进到原型、内部应用和正式发布的产品；新上线的桥接功能允许用户将 Make 中的设计复制到 Figma Design。Field 将这一过程比作从“飞行模拟器进入飞机驾驶舱”。
自然语言提示只是“AI 的 MS-DOS 时代”，并非最终界面。 Field 将模型视为探索潜在空间的“n 维罗盘”，未来受约束的可视化界面会让探索更直观、更有趣。与此同时，PRD、原型、设计、规格和代码之间的边界已经开始消融。
Field 预计，在大型组织内部，设计和代码仍将是并行的事实来源。 Code Connect 将设计系统组件正式映射到生产组件，MCP 则为代理提供设计上下文。随着代理编写更多人类不再熟悉的代码，Field 认为可视化规划界面会成为有用的抽象层，而编辑日志则有机会提供更丰富的设计差异上下文。
Field 否定了复杂软件短期内会变成一次性消费品的“快时尚”论点。 Workday 和 Rippling 融入了多年积累的边界情况、工作流和领域知识；代理仍需要专家拆解工作，不能只被告知“去开发 Figma”。他的运营原则更明确：“假设 AI 模型会变强，并确保这会让 Figma 变得更好。”
对创始人和投资人而言，Field 偏好的投资信号，是一个起初听起来不对的独特洞察。 拥挤的赛道依然可能诞生截然不同的赢家，而所有人都认同的投资论点应该是“警示信号”。他自己错过神经网络、在 Bitcoin 接近$1,000时询问如何做空等经历，让他学会先问“这件事可能有多大”，再罗列失败模式。
Figma 的执行模型，将用户信号、长期招聘和具备产品意识的技术人才持续复利。 Field 把直觉称为“假设生成器”，再用研究和直接反馈验证；Coursera 一位有远见的设计师曾写出一份8–10页的文件，提前勾勒出 Figma 后来路线图的大部分内容。如今招聘仍偏好高自主性、学习能力强、有产品感、在乎设计且乐于解决难题的人。
Field 认为，AI 被动收入热潮正在重演他在 NFT 中看到的衰退。 数字稀缺性最初是2017年前后一个小众、由理念驱动的社群，随后在3到4年间转向炒作、骗局和快速致富。对 AI，他偏好的方向不仅是商业上的，也是文化上的：“我们希望把消费行为转向创造行为。”

精读

1. 当规模化取代巧妙但只有85%的Demo，AI才成为战略问题

Figma 的“让想法成为现实”使命，从一开始就有意超越设计软件本身。Field 和联合创始人 Evan Wallace 曾探索互联网规模的场景补全，以及将2D图像转换为3D场景——这些计算摄影技术或许能“做到令人惊艳的85%”，但始终无法稳定达到100%。
Field 第一次真正被 AI 说服，发生在2014年前后的一场 Thiel Fellowship 静修会上。Chris Olah 演示了如何在 AWS 上训练一个小型神经网络识别手写数字，并设想让另一个网络自动调节其超参数；Field 当时的反应是，计算机视觉已经解决了。“那时的我缺乏想象力。”
GPT-3 终于让规模化曲线变得不可否认：“它和过去的模型之间差距太大了。这里肯定发生了指数级的变化。”但 Figma 仍需要时间适应，因为确定性的产品工程和开放式 AI 研究，在团队管理上要求“完全不同的运行方式”。

2. 提示词是通往更丰富创作界面的命令行

Field 预计，人们未来会把今天记作“AI 的 MS-DOS 时代”。自然语言目前像“n维罗盘”一样，引导模型穿过“潜在空间中一片野蛮未知、充满战争迷雾的区域”，但文本只是起点界面。
对创作领域施加约束，可以降低其维度，并暴露出比文字描述更直观、也更有趣的控制方式。Field 预计，约束会释放创造力，但他的即时产品直觉是先“从用户所在的位置出发”，再尝试打造提示词的完全成熟替代品。
主持人围绕测试、规格、代码的三分法追问后，Field 给出了更宽泛的判断：规格的定义正在改变。原型可能成为 PRD 的一部分，甚至取代 PRD；更便宜的高保真设计可能成为最佳对齐界面；而代码是否仍是唯一完整的规格，如今已经是一个开放问题。

3. 代码供给越充足，品味的价值越高

Field 的因果链条很直接：更强的代码生成带来更多软件，更多软件带来更激烈的竞争，差异化于是转向“品牌、观点、品味、工艺、设计”。Figma 长期坚持的“设计是差异化来源”因此变得更强，而不是更弱。
生成结果本身远远不够。AI 应该加速对选项空间的探索，但最终仍需要人选择方向、打磨细节，并推动设计前进——“不只是一个单独的界面，而是一套系统”。
Field 也不认同自动化设计转代码会杀死前端工程。翻译只是机械性的第一步；真正有价值的工作仍是定义行为、覆盖每一种状态，并让界面“更加丰富、更加有趣”。

4. 设计与代码仍将是彼此连接的事实来源

Code Connect 在拥有成熟模式的大型代码库中最有价值。当 Figma 组件与生产组件高度对应时，团队可以建立正式映射，通过 MCP 传递上下文，帮助开发者使用实际的基于代码的设计系统来实现设计。
Field 不认为未来会有一个统一的事实来源。如果某个实现已经存在，代码可能占据主导；如果团队仍在探索下一步，Figma 可能占据主导。随着代理编写越来越多的代码库，人类可能不再熟悉这些代码，需要一个可视化抽象来规划产品。
空白画布仍是严重的采用障碍。Figma Make 可以生成第一个产物，把用户带入迭代循环，再将结果交给 Figma Design 直接操作——Figma 当天刚上线的这座桥，Field 将其比作“从飞行模拟器进入飞机驾驶舱”（the flight simulator to the airplane cockpit）。
主持人的反驳值得保留：代码差异对 LLM 来说容易读取，审美差异却更难传达。Field 认可这一能力目前还不存在，但指出 Figma 的编辑日志、版本历史和 MCP 工具调用，都可能成为识别变化的上下文，帮助弥合设计与不完美实现之间的差距。

5. AI 应该逃离网站的中位数，而不是把它标准化

Field 认为，Figma 应该帮助人们探索更大的审美空间，而不是把某一种个人审美强加给所有人。AI 可以在不同风格和想法之间插值，帮助用户走向设计社群和设计史尚未充分探索的方向。
“复读网站的中位数”或许只是当前基线，而不是终点。主持人将今天由瑞士极简主义长期主导的局面，与 Flash 时代进行对比：后者经常不够完美，却更动态、更有趣，也更开放于实验。
主持人认为，更多的屏幕目标、界面状态和软件载体，可能推动一场“创造力爆炸”。Field 的相关观点是，更多人进入设计领域会扩大而非削弱设计师的作用：设计师会成为引导者，帮助其他人从“让它更吸睛”一路推进到流程、心智模型、抽象、品牌、文化语境和商业约束——让更多人参与的门槛下降，同时抬高专业能力的上限。

6. 仅靠模型进步，复杂软件不会变成一次性消费品

主持人提出了“快时尚”SaaS 的积极版本：以低成本生成、服务某个即时需求的软件。Field 仍怀疑这个世界是否已经到来，但他的策略建立在模型持续变强的假设上；如果更强的 AI 有一天不再让 Figma 变得更好，他就会“改变策略”。
个人软件最终可能需要被他人使用。一旦创作者分享工具，其他人就必须能够学会使用它，软件也就重新需要一致性、连贯的工作流和持久的设计。代理可以加速这个循环，但不会让它消失。
当前的编码代理仍依赖能够“像给实习生布置工作那样”拆解任务的用户。Field 看不到短期内有人只需说一句“去开发 Figma”，代理就能自行发现其全部复杂性的路径，即便代理运行时间更长、能力更强。
Workday、Salesforce 和 Rippling 是他举出的企业软件反例：这些产品编码了多年甚至数十年积累的边界情况和领域知识。数据分析也存在类似的信任瓶颈——AI 或许能预测下一个有用的问题，却还无法保证底层每个查询都正确；而如何传达联邦预算或生物学复杂性，仍是尚未解决的可视化问题。

7. 先有反共识想象，再做怀疑式尽调

Field 拒绝告诉创始人哪些拥挤赛道应该放弃。大多数软件都会存在于 LLM 会话中的假设本身就“有些夸张”，而1000个参与者中可能就有1个掌握了创造下一家万亿美元公司的新洞察。
他的投资测试是分歧：除非某个策略只是搭乘市场动量，否则它必须拥有“很多人会直接全面反对”的观点。如果每个朋友听完都立刻说这套论点完全合理，“那就应该是一个警示信号”。
Field 亲身付出过条件反射式否定的代价。他起初低估了 Olah 对神经网络的热情；2013年 Bitcoin 在约$1,000附近进入炒作周期时，他甚至想过如何做空。如今他的默认顺序变成：“不要先寻找事情为什么不会成功的理由”；先去想象它的重要性和规模，再处理失败模式。

8. 有远见的用户与招聘纪律共同塑造路线图

Field 通过 X 搜索、训练出的推荐信号、客服、销售、社群对话，以及定性和定量研究来检验产品直觉。“我把直觉看作假设生成器”；只要有可能，他更愿意把用户的原话带给团队，而不是放大自己的观点。
最高价值的反馈来自能够超越局部改进的“有远见用户”。在 Figma 早期缓慢发展的阶段，一次与 Coursera 设计师 Peyman 的用户测试持续到一瓶酒喝完；Peyman 随后提交了一份8–10页的文件，独立勾勒出后来成为 Figma 路线图的许多内容。
早期招聘需要持续投入、长期关系和坦诚披露风险：“只有真正的信仰者才会加入。”John Doerr 的建议让招聘变成一套持续运转的漏斗纪律；如今，Figma 在专业研究人员之外，也偏好高自主性的全栈工程师——他们学习快、有产品感，并且真正重视设计。

9. 持久的创作平台必须穿越自身的热潮周期

Field 将 Make 定位在 Figma 自身的优势上，而不是拥挤的提示词转应用赛道。IDE 依然更像是为工程师设计的工具；无限画布则支持更广泛的构思和分支探索。目标是“与自己赛跑”，把通用的提示词转代码豆子，变成专门为设计师打造的“特调拿铁”。
NFT 最初吸引 Field，是因为数字稀缺性本身构成一个悖论。2017年前后，参与门槛主要在于发现并理解这个理念；接下来的3到4年，文化逐渐转向昂贵资产、炒作、拉高出货和骗局。Field 因此与之拉开距离，也不再公开讨论自己喜欢的项目。
主持人希望 AI 能支持围绕创作和娱乐、而非投机建立起来的小型本地社群。Field 偏好的方向，是把人们从无意识消费算法信息流，转向创造事物：“我们希望把消费行为转向创造行为。”

AI 世界里的烧钱倍数是胡扯吗？以及 Sam Altman 需要 1 万亿美元的能源《生而有线》（2025年9月读书会）