Figma AI资讯：Figma 设计平台里的 AI——Make Designs、Visual Search、Rename Layers。
Figma AI 近期持续围绕设计工作流的效率痛点进行功能迭代。其核心产品“Make Designs”在生成式设计能力上有了明显提升，用户可以通过自然语言描述，快速获得符合设计规范的界面框架。最新版本中，该功能对复杂交互逻辑的理解更加精准，例如处理多步骤表单或嵌套导航时，生成的组件结构更接近专业设计师的手动布局。
另一项重要更新是“Visual Search”视觉搜索功能的优化。此前该功能主要依赖上传图片查找相似设计元素，现在已支持通过截图局部、甚至手绘草图进行模糊匹配。这对于需要快速复用现有设计资产或参考竞品视觉风格的团队来说，显著降低了检索成本。同时，“Rename Layers”自动图层命名功能也迎来了算法升级，能够根据图层内容（如按钮、输入框、图片占位符）自动生成符合团队命名规范的标签，减少了设计交付前的整理时间。
在协作层面，Figma AI 近期加强了与设计系统（Design System）的联动。当设计师使用 Make Designs 生成新页面时，系统会自动检测并建议匹配已有的组件库变量，避免生成内容与现有设计系统脱节。此外，AI 生成的图层结构现在能更完整地保留可编辑性，方便后续修改，而非生成“一次性”的扁平化图片。
从社区和论坛的讨论来看，用户对 Figma AI 的反馈集中在两个方向。其一是“可控性”问题。部分设计师反映，Make Designs 在生成复杂页面时，有时会过度依赖训练数据中的常见模式，导致输出结果缺乏创新性，尤其对于追求差异化视觉风格的项目，需要手动调整大量细节。另一个常被提及的痛点是多语言支持——当前版本对非英文提示词的理解准确率仍不稳定，中文、日文等东亚语言的设计需求往往需要先用英文描述再微调，增加了使用门槛。
不过，Visual Search 功能获得了较多正面评价，尤其是对团队中非设计角色（如产品经理、开发人员）非常友好。他们可以通过截图快速定位设计稿中的具体元素，无需了解图层命名规则。同时，Rename Layers 功能的实用性也得到了认可，尤其在多人协作的大型项目中，能减少因命名混乱导致的沟通成本。
在 AI 设计工具赛道，Figma AI 面临的主要竞争来自两方面。一类是原生 AI 设计工具，如 Galileo AI 或 Visily，这些产品从零开始构建生成式设计流程，在自动化生成完整页面的速度上往往更快，但缺乏 Figma 已有的协作生态和组件库沉淀。另一类是传统设计软件的 AI 插件，例如 Adobe Firefly 集成到 Photoshop 和 XD 中，其优势在于与 Adobe 全家桶的深度联动，但在设计系统管理和团队实时协作方面，Figma 仍保持领先。
从近期的市场动向看，Figma AI 的策略更倾向于“增强而非替代”——即用 AI 优化现有工作流中的重复性环节，而非完全取代设计师的创造力。例如，Make Designs 被定位为“灵感起点”而非“最终输出”，这与竞品试图用 AI 直接生成可交付稿件的思路形成差异。在定价方面，Figma AI 目前作为 Figma 付费套餐的附加功能提供，未单独收费，这使其在中小企业用户中保持了较高的渗透率，但也面临如何平衡免费功能与高级 AI 能力之间边界的挑战。
总体而言，Figma AI 正在通过渐进式更新巩固其在设计协作领域的地位，但如何解决用户对生成结果可控性的诉求，以及如何应对日益激烈的 AI 设计工具竞争，将是其下一阶段的关键课题。
