mile米乐m6mile米乐m6今年6月27日，UI设计巨头Figma召开了一年一度的产品发布会Figma Config，被誉为设计界的“春晚”。

　　Config大会第一天的Check in故障了大概十分钟，会场门口排起了长队。排队间隙，不少人看到一辆广告车围绕着会场来来回回地兜风。

　　这是Motiff的小心思。作为Figma“名不见经传的友商”，直接选在Figma的主场向这家行业巨头“宣战”，这种出场方式更能激发人们的好奇心与关注度。

　　Motiff对很多人来说这是一个陌生的名字，但若提起另一家公司猿辅导，相信大家一定不陌生。Motiff与猿辅导的关系是，他们来自同一家母公司猿力科技，在北京望京的同一栋办公楼上班。

　　Motiff成立于2021年10月，中文名为妙多，这位UI设计领域的SaaS新秀，把Figma视作唯一的对手。过去两年半，Motiff一直在埋头做产品研发。今年6月5日，Motiff在新加坡面向全球发布。

　　Figma在UI设计领域是巨无霸一样的存在，估值200亿美元（一年半前Adobe的收购价）。Motiff真的有能力挑战Figma吗？

　　从世界上第一台PC诞生到现在，每个时代都诞生了UI设计工具的软件产品，从像素时代的Photoshop，到矢量时代的Sketch，再到协同时代的Figma。Motiff认为，AI时代将会诞生新的UI设计领军者，AI功能将会是最核心的价值。

　　Motiff已经推出了三大AI功能，包括AI工具箱、AI设计系统以及Motiff妙多实验室，分别面向UI设计的不同场景。近期，Motiff还发布了自研的Motiff妙多大模型，是继苹果Ferret UI和谷歌的ScreenAI之后，第三个面向UI领域的垂直大模型。

　　整体方向是要看大的商业机会，然后再看自己的企业调性。猿力科技长期以来形成了三大能力：第一是产品研发，我们做出过相当规模化的业务，沉淀了大量的人才；第二，对于品牌的打造，产品与用户之间的连接，我们有自己独特的见解；第三，我们有规模化的服务团队，擅长在业务快速扩张的过程中规模化地推进。

　　在当时的节骨眼上，我们认为SaaS的匹配度非常高，也是一个长坡厚雪的生意。既然可以做，再深入去看到底有什么机会。

　　第一个要回答的问题是通用性还是专用性的问题。通用性SaaS就是业务SaaS，比如CRM、IM云文档，都是很大的机会，但行业内已经有实力雄厚的公司，已经不是我们的机会了。

　　专业工具就不一定，我们发现国内的专业工具SaaS很少。过去三十年，专业工具SaaS公司换了一批又一批，但基本上被北美公司垄断。

　　我们认为专业工具在国内市场有很大的机会，还有一个关键因素是AI。2021年Motiff几乎所有的工程师都在使用Github Copilot。受此启发，结合我们在产品设计领域的理解，我们判断专业工具结合AI会形成新的市场机会。

　　张昊然：单个产品的天花板不太可能产生巨大的生意。最终要做成品牌的话，专业工具的商业化策略就是做多款工具，这已经被验证过，比如Adobe。做成多款工具的前提是切入生产流程的上下游，界面设计就是一个不错的切入点。

　　而且，我们团队很多人有界面设计的背景，它本来就是互联网开发的重要一环。比如我们做猿辅导时，在手机端、网页端、Pad端都做了很多UI设计的工作。我们本身就是这方面的用户和专家，对它的理解也更强。

　　张昊然：我觉得可以这么说。任何一家大型的产研生产线的团队，如果想转型做这件事，应该还是具备一定认知的。但有这些积累的团队M6米乐APP，不一定会选择从零到一去做这件事。

　　集团公司对这件事的态度并非机制，而是会长期投入。一开始做这件事，我们对困难是有预期的，会保持10年以上的耐心。

　　张昊然：项目建立之初，更多的是产研团队的投入，就是传统互联网行业大家理解的产品经理、产品设计师、前端后端。因为Motiff在做AI，还有对应的AI工程师、测试团队等。

　　相比数量来说，质量更为关键。我们主要考虑两个因素，一是人才密度要超配，Motiff基本上把公司之前斑马、猿辅导等核心项目的顶尖的产品研发都聚集在了这个项目。因为我们面临的并不是经验主义的问题，而是要在复杂的世界解决复杂问题。说实话，今天回过头看，我们最开始对这个项目的困难预期，与我们实际遇到的问题之间，还是有很大的GAP。

　　第二个更为关键的因素是工程化团队。产品团队和AI团队之间如何配合，这是非常隐性的话题。很多时候大家其实没有办法直观地理解工程化的复杂度，但对于一个组织来说，我认为这是最重要的一环。

　　甲子光年：Motiff把产品功能分为了协同设计的“基础功能”与MotiffAI的“AI功能”，两边的人才投入是怎么划分的？

　　张昊然：Motiff成立两年多的时间，前期是七三开：70%的基础功能，30%的AI功能，现在可能反过来成为三七开了。因为基础功能做的事情是边际递减的，肯定越做越少，更大的机会还是在AI上。

　　张昊然：Adobe是一个真正实现专业工具矩阵的巨无霸，有非常多款软件，每一款软件的用户其实都不重叠。

　　Figma是一个相对专一的软件，从UI设计起家，当然现在也切到了更上游的白板和更下游的研发模式，但还是基于界面生产。Adobe想要收购Figma，你可以理解为Adobe失守了UI界面设计这一领域，他想要拿回来。

　　如果是Vision（愿景）层面，Motiff肯定想成为Adobe或者微软这样的公司。但务实一点来看，跟Figma肯定是最直接的竞争。对标肯定只对标最好的公司。

　　甲子光年：从像素时代的Photoshop、矢量时代的Sketch、协同时代的Figma、AI时代的Motiff。驱动这些工具演变的因素是什么？

　　张昊然：从Photoshop到Sketch最本质的变化是移动互联网的到来。这件事的拐点就是iPhone与安卓手机的兴起，世界上有了非常多的手机界面，需要非常多的App，这些App需要有生产人员与生产工具来生产。

　　原先的Photoshop是一个通用软件，不只是生产屏幕界面，还可做图像处理。Sketch能够脱颖而出，本质上是专用最终战胜了通用。当社会中有一个生产资料需要巨大的人力和物力投入时，专用工具一定是比通用工具更好地满足专业用户的诉求。也是从移动互联网之后，UI设计师变成了一个职业。

　　Figma的机会是云服务发展带来的协同。Figma之于Sketch，就是在线文档与离线文档的区别。设计是一个上下游协作非常复杂的场景，线上协同对于效率提升是质的飞跃，这件事必然发生。Figma与Sketch的成立时间差不多，但Figma前三年没有任何用户，技术不是特别成熟，处于Demo状态。但Figma一开始选择了面向未来的产品，最终的市场拐点是疫情，打开了在线协同的市场。

　　而现在，AI是一个新的巨大的变量。无论谁来总结这件事，是比尔·盖茨还是马斯克，大家都会认为软件会发生巨大的变化。当然这会有一个过程，Motiff很愿意成为这个探索过程中的先行者。

　　张昊然：AI肯定会带来新的机会，但可能不像是移动互联网那样海量的机会。移动互联网有了手机这个新的介质 ，所有人都要在手机App上做事情，它孕育的不止于界面设计，还有一大堆商业机会。

　　人机交互确实是行业内热议的话题，比如从GUI（图形用户界面）到LUI（语言用户界面）的转变。但我的看法是，AI不是新鲜事，Siri很早就出现了，只是说模型的进步让AI的能力变得更强。以前Siri这类产品的交互形式不普及，是因为还不够智能。

　　但我觉得，AI只是原有交互形式中一个形态的变化，对于界面交互并不是巨大的颠覆式的增量。Motiff做这件事的机会不在于交互方式的变化，还是像Figma的逻辑一样，是生产力本身的变化，而AI加速了这一过程。

　　张昊然：我觉得Copilot是一个很好的总结，但我对AI原生的态度稍微有一点点排斥，它更像一个包装出来的概念。经常从媒体上看到这个概念，有一次我想找找到底是谁说的，也没有找到准确的来源。

　　我觉得AI原生不是一个好的抽象总结。有时候我比较反感它的原因是，这是一个“拿着锤子找钉子”的思维。很多AI原生的方，就是觉得有了大模型的能力，我们能否用这个能力实现什么东西？

　　但大家最终做一个产品或者一个工具，还是要解决用户问题，不是只有AI能解决的问题才是好问题。用户的痛点与需求大部分情况下始终存在，更多时候不是因为技术的发展带来了需求的变化，而是让需求对应的解决方案可被重新评估。

　　张昊然：因为我们受Github Copilot的影响比较大，我觉得Copilot跟AI结合确实是一种比较强的应用形式。

　　我对Copilot的定义是，如果一个东西能够基于工作流中的上下文进行推断，并且由AI辅助进行一些输出，那么就构成一个闭环的Copilot。在用户对应的作业环境里，AI能和人同步共享信息。共享信息的同时，Copilot能和人一起协作。这是一种很好的概念，让AI参与到与人协作的视角。

　　AI的设想会构成对产品设计的思维模式，但并不是说我们一定要包装成Copilot的形态。最终的交互还是要看怎么做更符合用户习惯，这是一种权衡。有时候你会发现召唤一个Copilot非常fancy，但实际上让用户多操作两步其实没有意义。

　　比如，Motiff设计一个拼写检查功能，究竟是需要人机对话的方式来帮你检查，还是直接显示被纠错的区域，后者或许更务实。

　　张昊然：你说的可能是对的，我们对这件事的理解也在变化。B端的专业工具跟C端产品很不一样的地方是，生产工具要想做AI，就必须得构建在原有的一套东西上。C端AI产品的一个特点是，没有AI这个产品就不成立，而生产工具却是AI让产品变得更强，但产品的本质还是原先的生产关系。

　　张昊然：我个人的主观评价是比较快的。主要还是横向对比同类产品，Motiff是用了更短的时间达到了更好的产品交付质量。虽然我们一开始的预期会更快，但最终还是得尊重事实。

　　张昊然：做这件事的难度在于，一个专业工具的壁垒之所以比较深，是因为基础功能必须满足用户必要的诉求，这些必要的基础功能集其实是非常大的工作量。

　　比如做一个钢笔工具，通过矢量的点去画线，矢量的路径怎么做？曲率怎么弯？画一个矩形，如何加描边？如何填充颜色？如何画圆角？这些事情要全部在画布上重构一遍，每一个功能的逻辑都会非常复杂，这件事是绕不过去的。

　　而且，这些基础能力，由于前一代工具的积累，使得后来者的必要成本会变得更高。Figma有的基础能力，大部分你也需要有，否则很难让新用户接受你。所以，这些能力全做下来就需要两年多的时间。随着我们投入的精力和时间越来越多，我们其实更能理解为什么Figma有很强的护城河，以及Figma的估值这么夸张。主要还是背后要投入的工程、技术是非常精细与复杂的。

　　AI能力其实是逐步累积的。对于生产工具来说，大部分AI能力还是得建立基础能力上。我们在项目开始时就对AI有很多想法，但实际落地AI功能也是在基础功能完善之后了。

　　甲子光年：你们在2021年就是从AI的角度思考的，但那时候没有大模型。当时的AI技术能做出好的AI产品吗？

　　张昊然：在ChatGPT发布之前，还很少有人谈论大模型。我们当时在想一个问题，包括深度学习在内的AI，已经能解决专业工具中非常多的问题（比如Github Copilot是2021年发布），为什么很少有人做？例如Adobe为什么不做AI？

　　这是我们非常强烈的疑惑，而且一直都在。后来对这个疑惑释然的原因，是意识到了企业投入一件事的决心与专注度。比如，大模型出现的时候，Adobe其实迅速地推出了很多AI产品。当一件事没有足够的关注度时，巨头的专注力还是在原有业务上，对新业务会的投入会慢一点，或者长远一点。

　　张昊然：肯定会有，本身就需要动态地看待机会。对于产品规划来说，没有人能一下子做两三年的规划，一个季度的规划是更务实的。ChatGPT的出现，一个显著的好处是加快了推动市场的进程，用户尝试的门槛降低了。

　　要在AI上做创新，就得回答一个问题：AI到底能为现在的设计师做什么？这会有技术可行性和最终收益的权衡。Motiff长期有用AI来实现的功能场景list。大模型带来的最大的变化，是使得技术可行性被重新评估。

　　比如，原先大家不太可能想象的场景是，输入一段话或者画一个草图，AI就能生成UI界面，原先的深度学习模型没有这样的场景，但今天的大模型场景能做到了。

　　PTF的逻辑主要是产品与技术的结合，达到用户可用状态的逻辑。这件事取决于两个点：一是我们自己对用户场景的理解与观察，二是非常依赖于产品设计人员与工程人员之间的配合。简单来说，就是产品设计人员懂AI技术，AI人员懂产品与业务场景。如果大家都只是纯粹的各司其职，很难迸发出真正令人满意的ideas。

　　这件事并没有最优解，就是通过组织流程最终来解决。最直接的解法是，复用过去在教育领域的成功经验，借鉴之前的组织方法，将一批历练过的优秀人才配置到新项目中。

　　张昊然：我认为是“现在可用，长期可累进”。如果真的达到Fit的状态，那么当下一定是有效的，不论是一个大功能还是小功能。而长期来看，这套方案能够通过数据的积累，功能的优化，技术的发展，让能力越来越强。

　　我们比较在意产品的长期优化与迭代，不太信奉第一把就能完全做对，我们过去的成功经验也是如此，所以要不断地保持变化与观察。

　　张昊然：专业工具有一个特点，就是技术的演进定义了一个新的产品时，如果后来者只是模仿跟进，其实胜算很低。有一个很有意思的事，在疫情爆发前后，Sketch与Figma的市场占有率发生了颠倒。2020年之前，Sketch大概占据UI界面专业用户的80%，但到了2022年，就只剩下20%了，Figma占据了80%。难道Sketch没有意识到协同的重要性吗？肯定意识到了，但后发地做这件事，已经于事无补了。

　　所以，产品力要出现在最关键的时间点。过了那个时间后，更长期的竞争还是商业上更综合的维度，包括怎么稳固产品线，怎么加深壁垒。

　　至于同质化的竞争，其实在界面设计这个市场没有那么强。大家往往也各有差异化，最终还是看市场有多大。

　　张昊然：原因其实比较简单。举个例子，Motiff做了一个功能叫AI设计系统，就是设计师用AI来帮助他整理设计稿中的组件——组件是指按钮、对话框等UI元素。原先，这是一个很繁琐的工作，现在通过AI来实现，这就需要AI具备非常准确的识别能力。

　　做这件事有多种路径，原先的深度学习模型可以做，把深度学习模型与大模型结合起来也可以做，最终要看AI的识别率。同时，不能让用户的等待时间太久，识别速度也非常重要。

　　我们发现，业内的通用大模型比过去的深度学习模型效果要好，但仍然达不到我们的需求。原因是通用模型中没有太多UI设计领域的专业数据，但我们自己是有的。所以，把专业的数据给大模型做二次的训练，我们就能得到一个效果更好的垂直模型。

　　同时，日益成熟的技术让很多领域训练出了效果不错的专业大模型，包括医疗、法律、教育等，这为我们去训练一个UI领域的大模型注入了更多信心。

　　张昊然：如果我们想从头开始训练一个专注于UI领域的多模态大模型，需要经历三阶段训练——预训练、对齐训练、指令微调，并加入一定比例的UI领域数据。但这样做面临几个显著的挑战：

　　第二，从头开始进行训练不仅耗时，而且成本极高。例如，当前多模态模型中常用的视觉编码器（如OpenCLIP）的训练需要数百亿的训练样本。此外，训练过程中的各类问题可能导致不得不重新调整和开始，进一步延长训练时间。

　　从更快赋能业务的角度来看，从头训练一个领域特定的模型并不是最佳选择。我们基于现有的通用多模态大模型进行调整和优化，以适应UI领域的需求。

　　Motiff妙多大模型选择的是最经典的整合专家模型，也就是将一个预训练好的视觉模型（Visual Encoder）和一个预训练好的大语言模型（Large Language Model），通过一个模态转换器连接起来（Connector）。

　　现成的UI领域数据尤其是手机端的高质量数据，极为稀少。为了弥补这一缺口，我们采用多种方法，包括人工标注、伪标签生成、领域知识蒸馏等方式，收集了一批高质量的UI领域数据。

　　甲子光年：Motiff妙多大模型是业内第三个UI大模型。此前，苹果发布了Ferret-UI模型，谷歌发布了ScreenAI模型。你们跟他们的关系是什么？

　　第二，对于他们来说这是自洽的。目前谷歌与苹果就是软件量分发最大的两个平台，开发者生态是他们非常关注的。很多研发工作台之类的产品，都是苹果与谷歌开源出来的产品。

　　UI领域与整个移动端产品的生态息息相关，包括操作系统级别的研究，都要依赖UI的能力。比如苹果里有一个辅助功能，就是面向视障群体的支持功能，跟界面设计有很大的关联。

　　张昊然：我们进行了系统全面的评测，有五个常用的UI界面场景中——ScreenQA（界面问答）、Screen2Words（界面描述与推断）、RefExp（像素级定位）、Widget Captioning（部件描述）、MoTIF-Automation（交互导览）。

　　评测结果表明，通用大模型（GPT-4o）的能力明显弱于领域模型（Ferret-UI、ScreenAI和Motiff妙多大模型），而Motiff妙多大模型在这些指标上明显超越了苹果的Ferret-UI模型，整体能力逼近了谷歌的ScreenAI模型，在某些能力上甚至超越了ScreenAI模型。

　　张昊然：策略上不太一样。目前海外还是在早期的品牌认知阶段，更to C一些。因为to C的链路更清晰，就是PLG的模式。Motiff本身是一个协同产品，如果有一个用户满意，可以邀请团队来使用，PLG的模式效率更高。Motiff还没有非常充分的国际化销售团队，这是一个比较难的事情，需要逐步构建。

　　国内的话，我们想得比较清楚，就是做大B。大B企业很多都是Figma的用户，现在还没有做迁移，当然可能也没有那么急迫。如果大B企业再去选择一款新的产品，我觉得Motiff的竞争优势会更大。

　　张昊然：有一个比较务实的逻辑就是市场空间。如果你去看专业工具在国内的市场空间，没有那么大。同时，如果在国内做，可能不得不做本地化部署，但我们现阶段又不想做。

　　张昊然：第一个原因是，我觉得本地化部署不是面向未来的产品形态M6米乐APP。本地化部署其实是一个中国特色+世界500强特色，但实际上整个国际市场，SaaS云服务才是更敏捷的方式。本地化部署会拖累产品迭代的速度，因为要兼顾非常多的本地化的版本，使得我们在前期跑得很慢。

　　第二个原因是，本质上本地化部署与AI有一些相悖。AI的本地化能解决的问题很有限，因为AI的能力是依靠云服务去提供的。如果我们坚信AI时代的变化巨大，可能本地部署的优先级就要滞后，而国内市场我们肯定不能很好地满足。我能理解中国的很多央国企的诉求就是这样的，而我们也没有意图去改变这个市场，那就只能去找到更匹配的市场，因此要站在全球视野上去看。

　　从产品本身的属性来说，工具属性越强，业务属性越弱的产品在不同国家中实践的分化会更小，也更适合出海，Motiff比较符合这个特点。

　　张昊然：其实很难给到一个量化的数字。但我觉得，如果Motiff能达到1000万美元的ARR，这个项目才算能够立得住。如果能立得住了，再去考虑扩展上下游产品线的事，最终的SaaS的目标肯定比这个数字大。

　　张昊然：产品设计的上游是业务人员，下游是研发人员，这里面其实有非常多的工具化的机会。Figma也在做这件事，比如推出了研发模式，向研发人员提供了新的功能。Figma培育了市场的付费习惯，如果Motiff能做出一些差异化，同样也能从中受益。

　　Motiff已经在做这方面的跟进。在付费版本里，既有设计席位，也有研发席位，团队可以按需选择。我们也发现在研发领域，同样存在了大量机会是AI可做的。

　　张昊然：定价策略跟产品的第一性原理有关系。我们希望产品的最终价值，是AI能够改变生产关系与生产力。这是一个AI的设计工具，如果我们笃定能做成，那么最大的价值就是AI生产力，最多的价格就应该来自于最多的价值。

　　那么基础功能怎么收费？这是一个商业策略的问题，因为Motiff做得更晚，价格就想做得更激进一点。专业工具的基础功能有一个特点，就是上一代工具的主要能力会在下一代工具中体现，而人们对于下一代工具的预期是标配能力——没有它不行，但好像又不太值钱，比如文档工具的文本加粗、对齐、更换颜色，如果没有肯定不行，但这些能力并不能构成价值点。

　　设计工具也是类似的道理，基础能力比如布局、各种图形工具、文本等是基础的标配，但这些标配会回归到一个更朴实的价格，可能是更合理的。至于长期来看要不要干脆打包成一个定价，让用户更容易理解，还需要再观察。

　　张昊然：我们肯定希望广泛地听取用户对产品的建议，不管是正面还是负面的评价。有时候负面评价是很好的，只需要保持一个良好的心态去理解它。但我们也听到了很多正面的评价，甚至是过度的盛赞。

　　产品发布之后，有的用户对Motiff的预期非常高。比如现在输入一段文字能生成UI界面，将来是不是把整个App都生成了？但事实上，这个方向要迈向终点还其路漫漫。对于一项新技术，很多时候用户会过度预期，有时候产品会犹豫要不要去迎合这种过度预期来获得更多关注，很多时候也不是一个容易的决策。

　　我看到了很多AI产品，做出了一些“莫名其妙”的功能，但可能过一段时间后又下线了。比如很多海外产品通过套壳大模型，做出了一些很fancy的东西，但用了几个月之后也不再用了；我们自己是Notion的用户，它的AI会也有这样的一些功能，后来他们也做了一些纠偏。

　　张昊然：在国内，发布之初Motiff就收获了比较大的外部客户，这是一个非常重要的里程碑。因为国内的中大型企业，实际上很少能从Figma迁移到国产工具。一些同类产品，要么比Motiff做的早，要么是做了本地化部署。Motiff跟Figma一样都是云服务的模式。

　　这一定程度上说明了Motiff的产品竞争力在国内有很强的优势。因为市面上就那么几款工具，专业用户花上一到三天的时间，就能完成实际业务场景的详尽测评。通过测评结果就能做出选择。

　　在海外，我们初步验证了在获得用户上是比较容易的，因为Motiff确实在AI上有一些差异化的点，对专业用户具备一定的吸引力。

　　接下来的挑战主要是商业化的挑战，很多用户现在是Figma的用户，他们到底是从Figma迁移过来，还是与Motiff并行使用，这是我们接下来更多关注的问题。

　　张昊然：迁移需要提供足够的增量价值，让迁移总体的增量大于带来的损失。比如，一个大客户可能有几十个设计师、几百个研发，从Figma迁移到Motiff实施下来也就两周，并不是一个特别大的成本。但海外市场还有品牌的积累，用户不一定有迁移的动机，毕竟Figma是一个很强大的品牌，也做了很多年的产品。

　　如果是并存的话，要看Motiff与Figma分别提供了怎样的价值，需要找到产品的差异化。如果同质化的部分只能选其一，而差异化的部分能串起来使用，也是很好的路径，但这个路径需要验证可行性。

　　张昊然：海外已经非常稀松平常了。有了AI产品之后，你会发现付费的单价都很夸张，很少见到一个月19美元以下的产品，有的甚至定价到29美元、49美元，付费率是比较强的。关键点是能不能做出价值。

　　甲子光年：把AI作为核心价值定价的前提是保证AI能力的领先，但AI产品的能力会不会很快拉齐？

　　张昊然：知晓跟行动是两件事，也是分水岭。这个时代我觉得没有人逃避或者否认AI的价值，但怎么去行动，最终还是要看团队。我觉得，Motiff团队持续、专注地去做这件事，就是最大的优势。Motiff的人才是世界领先的，在AI、UI领域的专注度也是世界领先的。

　　我今年其实去了Figma Config的现场。在去之前，作为“友商”我其实很忐忑，Figma是一个很强的团队，聚焦了北美最顶尖的人才，资金也非常雄厚。Motiff怎么才能占领先机？

　　大概有两件事增强了我的信心。一是Figma今年发布的AI能力低于我的预期。Figma做的部分AI功能，我们之前也想过，但总觉得痛点不太“痛”；另一部分AI功能Motiff也做了，甚至做得更好。这是一个客观评价，因为我们实际测评过，不会自欺欺人。从这个角度上说，我会释然一点。

　　另外，我们聊了一些Figma的前员工，发现Motiff对于AI的决心与投入，会比他们更大。这可能源于他们作为一家商业规模庞大的公司，要不要大量投入AI，面临着选择难题。我们的压力反而会小很多。