002 我们退订了Figma — AI 让 SaaS 高估值倍率终结
一段话总览
公众号”AI Maxing”系列第二篇。作者施耐泽的团队用两个月走完”蒸馏（设计资产→DESIGN.md）→ 换流程（自然语言→coding agent→URL）→ 退订（两周无人打开即取消席位）“三步法退订 Figma。Claude Design 本质上是这条路的产品化。文章后半提出核心论点：AI 同时侵蚀了 SaaS 的三大估值支柱（高毛利 / 网络效应 / 切换成本），AI 没有杀死 SaaS 本身，杀死的是 SaaS 的高估值倍率。Figma 股价（IPO 一年跌 80%）被用作市场已经开始定价该观点的证据。
核心观点拆解
观点 1：DESIGN.md 三步法（操作层）
| 步骤 | 动作 | 关键工具 |
|---|---|---|
| 蒸馏 | 把 Figma 设计资产（配色/字号/间距/组件）变成 Markdown，hex 值/数字间距/文字描述 | Claude Code + Figma MCP 导出，git 管版本 |
| 换流程 | PM/后端/运营任何人用自然语言描述需求 → coding agent 基于 DESIGN.md 生成可交互前端 → 部署 URL → 群里讨论 | coding agent（Claude Code 等） |
| 退订 | 两周内无人打开 Figma 则取消所有席位 | 退订本身 |
核心迁移：设计资产的 source of truth 从 Figma 私有格式 → 代码仓库 Markdown 文件。
观点 2：Figma 卖的是”协作/共识”（价值层 reframe）
作者把 Figma 的核心价值从”设计工具”降维到”让所有人对齐界面应该长什么样”。然后提出替代：share 可交互 URL 比 share 设计稿体验更好、信息更完整——设计稿到产品之间有”开发实现”鸿沟，可交互页面没有。
观点 3：同类故事正在整类 SaaS 身上发生
- Figma → coding agent + DESIGN.md
- Jira → GitHub/Gitlab Issues（agent 能读 Issues，理解不了 Jira 看板卡片）
- Word/Excel/PPT → Markdown/CSV/HTML（纯文本、agent 可读、git 可管）
共性：这些 SaaS 卖的都是”GUI / 交互 / 流程”，AI 让界面变得廉价后，价值从软件迁移到 AI 模型里。
观点 4：SaaS 三大估值支柱同时松动（投资层）
| 支柱 | 过去 | AI 时代 |
|---|---|---|
| 高毛利（70-80%） | 软件边际成本几乎为零 | 界面价值归零 → 降价或流失，毛利承压 |
| 强网络效应 | “大家都在用 Figma” | agent 不挑工具，张三导出 MD，李四用 CC、王五用 Codex 都能用 |
| 高切换成本 | 迁出丢历史资产/组件库/评论 | 设计资产可蒸馏成 MD，切换成本趋近于零 |
结论句：“AI 没有杀死 SaaS 本身，而是杀死了 SaaS 的高估值倍率。SaaS 公司会越来越像传统行业公司——有价值，但不再享受 20 倍以上的收入估值倍数。”
观点 5：市场已经在定价
Figma IPO 一年不到跌至 20%，ARR 还在增长——不是产品变差或用户流失，是市场重新定价”卖界面的公司值多少钱”。
与昨日 Claude Design 深度讨论的交叉
昨日（2026-04-20）《Claude Design 深度讨论》沉淀了 3 个框架，本文与其关系：
| 昨日框架 | 本文与之的关系 |
|---|---|
| 工具抽象的反向负债 | 硬活案例：DESIGN.md 替代 Figma Variable 是”母语/外语”测试的直接执行 |
| 供应商即对手的结构性陷阱 | 未直接引用，但 Jira 看板”agent 理解不了”间接印证 |
| 单一真理源迁移 | 本文核心论点：设计资产从 Figma 私有格式迁回代码仓库 Markdown |
本文带来的新维度：SaaS 估值倍率终结论——昨日讨论聚焦设计行业，本文把论题推广到整类 “卖 GUI/流程”的 SaaS，并给出了三支柱分解。这是昨日沉淀中没有的投资视角延伸。
亮点 / 槽点 / 证据强度
亮点
- 三步法具体到工具链（Claude Code + Figma MCP + git），不是嘴炮
- 三大支柱分解结构完整（高毛利/网络效应/切换成本），符合常见 SaaS 估值框架
- 结论语气克制：“没有杀死 SaaS 本身，杀死的是高估值倍率”，避开”SaaS 已死”这种耸动结论
槽点 / 可疑点
- awesome-design-md 声称”10 天 35k stars / 4.4k forks”数据异常。参考：开源项目 star 增速的极值案例（DeepSeek-R1、Llama 发布周）日增也就 5-10k，一个”awesome list”类仓库这个速率不合理，大概率作者夸大或数量级写错。本文用此数据支撑”大家都这么做”的社会证明，此处证据偏弱
- 把”agent 能读 Issues”和”放弃标准敏捷流程”混讲（L51 顺带那一句），偷换了论题。工具适配和流程替换是两件事
- Figma 异步协作价值未被处理：作者用”URL + 群里讨论”替代 Figma，忽略了 Figma 的 comment / version history / variant 管理是为异步协作优化的。URL + 群消息实际上是把异步协作退化成同步群聊
- 样本单一：作者团队是小团队/AI native 团队，大公司（百人设计团队 + 跨时区 + 品牌资产锁定）迁移成本远高于作者暗示。结论外推到”大多数 SaaS”过于粗暴
证据强度评估
| 论点 | 证据 | 强度 |
|---|---|---|
| Figma 股价暴跌 | 公开数据 | 强 |
| Figma ARR 还在涨 | 作者声称，未引用财报 | 中 |
| 团队退订 Figma 可行 | 作者自家实践 | 强（N=1） |
| “大多数 AI native 团队”都在这么做 | awesome-design-md 数据（可疑）+ Claude Design 发布 | 弱 |
| SaaS 高估值倍率终结 | 三支柱推理 + Figma 股价 | 中（逻辑自洽但证据单一） |
Discussion 补充（2026-04-20）
讨论从作者的 SaaS 估值终结论出发，Justin 推进到 AI agent portfolio 层的具体操作，最终落在架构决定数据 moat 归属这个核心判断。
Justin 的核心判断
- 作者留的 3 个独占性优势里，只有”数据 + 合规牌照”可信，客户关系不是 moat：客户关系本质是销售 + 行政力堆出来的，甲方换 CIO 就重来一次，不叫结构性 moat
- “能活下去的 AI agent app，必然会建自己的数据壁垒”：这个意识是能否活下去的门槛，不是加分项
- Orchestrator 必然要模型驱动（pushback Claude 前期判断）：复杂创意工作流里，纯代码 / 纯逻辑做不了 planner，所以”自研 orchestrator”不是”不用模型”，而是”谁的模型 + 怎么用”的问题
讨论产出的三个新概念（候选 mental-models 条目）
概念 1：数据 moat 的不可文本化程度
数据 moat 强度 = 数据的”不可文本化程度”。作者三支柱里”切换成本”一条往下推：如果数据能被 AI 蒸馏成 MD（像 Figma → DESIGN.md），数据 moat 就被穿透。按此尺子分两层：
- 可被导出的用户数据（Figma 设计稿 / Notion 文档 / Jira 项目）→ AI 时代 moat 持续贬值
- 结构性不可导出的平台数据（Bloomberg tick 数据 / Carta 股权数据 / Palantir 行业数据 / 信用评分机构百万客户行为史）→ moat 硬
应用场景锚点：评估任何 SaaS / AI app 的数据 moat 时，先问”用户能不能把核心数据蒸馏成 MD 带走”。
概念 2：AI agent 应用的 7 类用户数据壁垒分层
按”用户能否导出 + 能否提升下次输出 + 规模时间不可压缩”三个尺子：
| 类 | 例子 | 壁垒强度 |
|---|---|---|
| 1 输入 | prompt / 上传文件 | 无 |
| 2 输出 | 生成稿件 | 无（DESIGN.md 化） |
| 3 交互轨迹 | Tweaks 调节 / 变体接受 / 重试链 | 极高（RLHF 金矿，用户看不到） |
| 4 失败纠错 | agent 错 → 用户改 → 正确版 | 极高（post-training 最稀缺燃料） |
| 5 任务结构 | 完整任务步骤链 | 中高（需规模） |
| 6 跨用户协同 | 团队衍生 / 品牌一致性模式 | 高（需规模 + 真网络效应） |
| 7 跨 session 偏好 | 用户审美 / 术语 / 惯性 | 中 |
结论：对 agent 应用最有壁垒价值的数据是“用户看不见、但能反向喂模型”的行为轨迹（#3 + #4）。用户的最终产出反而壁垒最弱。
应用场景锚点：问 portfolio AI app “你们产品里用户的编辑行为 / 接受拒绝 / 失败纠错有没有被结构化埋点、存到自己数据库”——答”我们调 API 只存最终输出”= Cursor 路线，moat = 0。
概念 3：prompt 架构的信息隔离 moat
用 Claude 做 orchestrator ≠ 必须让 Claude 看到全流程。真正决定数据 moat 归属的不是”orchestrator 是谁做的”，而是“全局状态在谁那里 + prompt 架构如何切片信息”。
四种架构：
| 架构 | orchestrator 用什么 | Anthropic 看到什么 | moat |
|---|---|---|---|
| ① Claude orchestrator，不做隔离 | Claude | 全流程 | 裸奔 |
| ② 自研小模型 / 开源模型微调 | Qwen/Llama fine-tune | 只在 Claude 被调用做推理时看到片段 | 强但工程门槛高 |
| ③ Claude orchestrator + 信息隔离 | Claude | 每次只看局部任务，全局状态留 Flova DB | 最现实 |
| ④ 混合（简单本地 / 复杂 Claude） | 混合 | 部分片段 | 折中 |
关键洞察：类比银行”最小权限原则”——聪明的 agent app 让 Claude 每次只看”当前局部任务”，全局状态 / 跨用户聚合 / 长期偏好留在自己数据库，Anthropic 从推理日志只能看到”一堆没关联的单次调用片段”。
应用场景锚点：Flova（郭列字节剪映班底）大概率走架构 ③——字节剪映团队擅长”前端简单、后端数据架构复杂”，有这套工程肌肉记忆。问 Flova 验证题：“每次调 Claude 时，prompt 里塞的是完整项目 context，还是只塞当前一步需要的局部信息？全局状态和用户长期偏好，是放在 Claude conversation history 里，还是存在自己数据库、动态拼局部 prompt？”
与昨日 Claude Design 深度讨论的合流
| 昨日框架 | 今天讨论的具体化 |
|---|---|
| 工具抽象的反向负债 | Jira 看板”agent 理解不了” + DESIGN.md 替代 Figma Variable = 活案例 |
| 供应商即对手的结构性陷阱 | “做数据 moat”防御手段的具体化 = 把用户行为数据所有权从模型厂抢回到应用层 |
| 单一真理源迁移 | 文章核心论点直接印证：设计权威从 Figma 迁回代码仓库 Markdown |
今日讨论新增的第四个框架：“架构 decoupling 程度本身就是一种 moat” —— 不绑死任何模型厂商的能力，本身就是”供应商即对手”这个陷阱的解药。
作者论证的薄弱点（未深挖，存档）
- awesome-design-md 声称”10 天 35k stars / 4.4k forks”数据可疑（一般开源极值日增也就 5-10k）
- “工具替换”和”流程替换”被混讲（L51 顺带说”放弃标准敏捷流程”偷换论题）
- 小团队 N=1 样本，大公司迁移成本被暗度陈仓
对 Justin portfolio 的实操 actionable
下次和 Flova / Lovart / 其他 AI app 团队聊时，按优先级问：
- 信息架构（最核心）：“每次调 Claude 时 prompt 里塞的是完整 context 还是局部？全局状态和用户长期偏好在哪里？”
- 数据埋点：用户编辑行为 / 接受拒绝 / 失败纠错有没有结构化埋点、独占存储？
- 回流机制：这些数据除了存下来，怎么回流到模型 / 产品上？（每月 prompt 迭代？SFT 微调？RAG 索引？）
- 换模型可行性：orchestrator 层如果要从 Claude 换到开源模型 + fine-tune，多大工程量？（这是”供应商即对手”陷阱的压力测试题）
Knowledge-gap 检查
本轮讨论无明显反面观点缺失或市场/竞品验证盲区——讨论围绕 Justin 一手 portfolio 认知展开，不需要升级 research。
discussion_added: 2026-04-20