Figma Config 上，Dropbox 设计总监说破一个真相：质量与性能从来不是二选一

在 Figma Config 2025 的舞台上，Dropbox 设计总监 Ricardo Vazquez 抛出一个让人不安却真实的观点：我们一直在用“质量 vs 性能”的错误框架做产品。这场分享不是设计鸡汤，而是一套跨越设计、工程、业务的实战方法论，尤其值得 AI 从业者反复琢磨。

最反直觉的开场：高质量产品，可能正在伤害性能

Ricardo 一上来就点破了一个行业里默认却很少被质疑的前提：我们习惯把“质量（craft）”和“性能（performance）”放在对立面，好像精致体验必然拖慢系统，指标好看往往意味着体验妥协。

但他明确说，这不是一个技术问题，而是一个认知陷阱。真正危险的不是性能不够，而是团队用错了衡量方式——当质量只停留在像素、动效和视觉一致性上，它就注定会和性能冲突。

这句话对 AI 产品尤其刺耳。我们太熟悉这样的场景：模型指标上去了，用户却更困惑了；界面更“高级”了，操作却更慢了。Ricardo 的核心判断是：一旦质量无法被验证它是否真的帮助用户达成意图，那它就不再是质量，只是装饰。

Shopify POS 重构：在高压场景里，质量必须可被“使用”

Ricardo 用自己在 Shopify 的经历，把这个抽象问题拉回现实。他们重做的是线下商户的 POS 应用——一个极端高压的场景：排队、催促、失败成本极高。

在这里，“好看”毫无意义。团队给自己设定的不是设计目标，而是行为目标：让商户在压力下依然能快速、明确、毫不犹豫地完成交易。

关键转折点在于，他们意识到最大的障碍不是技术，也不是设计能力，而是“缺乏一套跨学科的共同语言”。设计在谈体验，工程在谈响应时间，业务在谈转化率，但这些指标彼此之间没有因果关系。

于是他们提出了一个简单却极具杀伤力的假设：区分“看起来很高质量”和“用起来真的更高效”。这个区分，直接决定了后续所有设计是否值得存在。

真正的桥梁：用性能验证质量，而不是牺牲质量换性能

分享中最容易被忽略、但对 AI 团队最有价值的一点是：Ricardo 并没有要求大家在定性和定量之间选边站。

他的观点更激进——质量必须延伸到像素之外，进入可测量的世界。 也就是说，性能指标不只是工程的事，而应该成为验证设计是否成立的工具。

这在 AI 产品里几乎是一个盲区。我们经常评估模型延迟、成功率、完成率，却很少反问：这些指标是否真的映射了用户的真实意图？如果用户完成了任务，但过程更紧张、更不确定，这算性能提升吗？

Ricardo 的方法不是先定义完美体验，而是把产品交到用户手里，在真实使用中不断学习：哪里让人犹豫，哪里制造了多余的注意力消耗。注意力，本身就是一种昂贵的性能资源。

给 AI 从业者的警告：别再把“体验”当软指标

在结尾，Ricardo 把“质量”重新定义为一种北极星，而不是设计部门的附属品。它不是和性能、效率、生产力分开的，而是这些目标能否成立的前提。

这对 AI 行业几乎是一记警钟。我们正在进入一个阶段：模型能力越来越接近，真正的差异来自于谁能让用户更少思考、更少怀疑、更少犯错。

如果你的产品需要用户不断适应模型，而不是模型适应人的意图，那么无论参数多漂亮，都只是技术展示，而不是好产品。Ricardo 没有给公式，但给了一个判断标准：当质量和性能对齐时，生产力会自然出现，而不是被 KPI 强推出来。

总结

这场分享真正的价值，不在于设计技巧，而在于它挑战了一个被默认太久的二元对立。对 AI 从业者来说，一个立刻可行动的 takeaway 是：重新审视你正在用的指标——它们是在验证用户意图，还是只是在安慰团队自己？

下一次做功能评审时，不妨问一个不太舒服的问题：如果我们把这个“高质量体验”拿掉，用户完成目标的速度、信心和清晰度会变差吗？如果答案是否定的，那这段质量，很可能只是噪音。未来真正有竞争力的 AI 产品，不是更聪明，而是更让人安心地完成事情。

关键词： Figma Config， 产品设计， 质量与性能， AI 产品体验， 跨团队协作

事实核查备注： 需要核查：Ricardo Vazquez 的职位（Dropbox 设计总监）、分享发生在 Figma Config 2025、其曾在 Shopify 负责 POS 应用重构、演讲核心观点是否涉及“quality vs performance”的表述