Figma的160亿美元疑问：当客户数据成为AI燃料时
一场拟议的集体诉讼揭示了使用企业设计训练AI的隐藏成本——以及为什么每家SaaS公司都应密切关注
11月21日在加利福尼亚北区针对Figma提起的诉讼，读起来像是一场合同纠纷。这正是其危险之处。
原告拉扎·汗（Raza Khan）是一位初创公司创始人，他并未主要指控版权侵权——这已是OpenAI、Meta和Midjourney与创作者们争论的常见战场。相反，诉状将Figma涉嫌使用“数百万”客户设计文件定性为违约和商业秘密盗用：你们承诺我们的作品是私密的，却无论如何都将其喂给了你们的AI。
这种区别很重要。版权案件是在“合理使用”与“侵权”之间进行的，这是一场法律上模糊的博弈。但当原告能指出具体的营销承诺时——据报道，诉状正是如此，引用了Figma多年来保证客户文件“属于他们”且不会用于Figma自身产品开发的声明——法院的态度就会变得不那么宽容。如果再加入商业秘密，比如初创公司的知识产权和受保密协议（NDA）约束的代理工作据称进入了Figma的训练语料库，那么你就构建了一个法院反复验证的叙事：诱骗和掉包。
Figma否认所有指控。一位发言人告诉路透社，该公司仅在获得“明确授权”的情况下使用客户数据进行训练，并对其进行去身份化处理，重点关注“一般模式而非客户的独特内容”。然而，2024年的“生成设计”（Make Designs）争议——Figma在一项AI功能生成了与苹果天气应用几乎一模一样的复制品后将其撤回——已经对该公司的AI防护措施埋下了怀疑的种子。
行业背景：特例还是趋势？
这并非个例。自2023年以来，已提起超过50起主要的AI训练诉讼，到2025年，集体诉讼的潜在风险将增加三倍。模式始终如一：公司未经明确同意抓取或重新利用用户生成内容，声称“变革性使用”，然后面临协同的法律攻势。
Anthropic在2025年9月与作家们达成的15亿美元和解协议——包括法院命令销毁盗版训练数据——树立了一个关键先例。法院将强制执行算法没收，抹去基于受污染语料库构建的模型权重。这种结果比赔偿金更让SaaS平台感到恐惧：它迫使公司进行昂贵的再训练，并可能在部署过程中使AI功能瘫痪。
领英（LinkedIn）在2025年1月面临一起集体诉讼，原因是其通过追溯性政策变更，分享了私人InMail消息用于AI训练。谷歌的Gemini团队在自动将Gmail和Docs用户纳入训练后，也面临类似指控。赛富时（Salesforce）正在就其XGen模型使用了“数千本盗版书籍”的指控进行辩护。共同点是什么？企业或消费者平台将第一方数据视为AI转型的“免费燃料”——然后才发现默许并非同意。
将这些案件与纯粹的内容抓取案件（如《纽约时报》诉OpenAI案）区分开来的是信赖框架：用户上传敏感作品是因为平台承诺提供保护，从而形成了AI训练据称违背的默示合同。这比合理使用辩论更难被驳回。
投资考量：警示而非生存威胁
对于投资者而言，此案带来了治理风险和适度的法律悬而未决，但并非死刑判决。以下是计算。
Figma在2025年7月首次公开募股（IPO）筹集12亿美元后，其市值约为160亿至170亿美元。该公司盈利，2024年营收达7.49亿美元，毛利率为88%。一项2亿至6亿美元范围内的和解，虽然痛苦，但不会使公司业务崩溃。即使是Anthropic高达15亿美元的赔付，虽然惊人，也反映了其在大规模外部语料库上的训练；如果企业同意机制在证据开示中成立，Figma的风险敞口可能会更小。
真正的风险不是支付赔偿金，而是禁令救济。如果法院认定Figma的AI功能实质性地依赖于通过违背承诺获取的数据，他们可能会命令销毁模型或禁止其使用。Figma的S-1文件提及AI超过150次；它是其增长故事和估值溢价的核心。强制性的“AI重置”即使收入保持稳定，也会压低市盈率。
经概率加权，这意味着：
- 直接和解风险：2亿至6亿美元（基本情况），如果更广泛的集体得到认证且商业秘密理论产生共鸣，则尾部情景可能超过10亿美元。
- 间接成本：未来三年因法律费用、合规建设和模型再训练导致的运营利润率下降2-3个百分点。
- 战略拖累：AI路线图部署放缓，对保密协议（NDA）敏感的企业客户可能流失。
投资者应给予相对于“AI干净”的SaaS同行的适度估值折让，直到Figma展示重建的数据治理——公开的选择加入流程、保密协议（NDA）安全模式、外部审计。关注企业客户的评论和净美元留存率，以获取信任侵蚀的早期信号。
无人定价的系统性风险
Figma的真正意义并非公司特有。此案明确指出，“基于第一方SaaS数据训练的AI”现在是一种受监管的资产类别，受制于法院和监管机构正在达成共识的同意要求：事前披露、真实的退出机制以及对受污染语料库的撤销能力。
这威胁到任何宣传“从您的数据中学习”的协作平台——Notion、Canva、Miro、Microsoft 365的Copilot、Salesforce Einstein。市场低估了数据来源验证将迅速成为尽职调查关键的重要性。Figma只是将其标准化了。
非投资建议