近期有消息称,美国政府“准备通过诉讼阻止Adobe去年公布的,以200亿美元收购Figma的交易,理由是此举属于反竞争行为。”新闻一出,Adobe股价旋即下跌,但跌幅并不像2022年刚公布这笔交易时那么迅猛。
看起来,相较于收购成功,投资者们反而希望Adobe能够收购失败。
司法部在这笔交易中横插一脚也在意料之中,毕竟其他监管部门也一直在关注这项计划。今年2月初有媒体报道,Adobe以200亿美元收购数字设计竞争对手Figma的计划已经引起欧洲委员会(EC)的关注。委员会称拟议的这笔交易有可能“对交互式产品设计与白板软件市场的竞争态势产生重大威胁和影响。”
更重要的是,去年12月有消息称英国政府也在研究这笔交易。许多从业者都对这笔收购持怀疑态度,认为这种“大鱼吃小鱼”式的决策会消灭市场上的竞争关系。面对各方声讨,交易现在果然是以失败告终。
从初创企业的角度来看,这倒不是什么坏消息。但从风险投资的思路出发,这事可就麻烦了,意味着变现难度再次提升。至于从市场竞争这方面考虑,最大的问题不是交易是否涉及反竞争,而是我们有没有必要关注。
下面,咱们就从初创企业、风险投资和市场竞争三个角度,聊聊Adobe跟Figma的这笔收购案。
三个视角
首先,没有哪家初创企业愿意在宏观经济疲软的整体形势下,放弃这样一次卖出200亿美元的机会。所以我们初步判断,Figma自己是愿意接受收购的。但对于大多数初创企业而言,此次交易失败倒并不是坏消息。为什么这么说?因为我们看到过不少更成功的案例。
大家应该还记得金融科技公司Plaid吧,当初Visa想开展收购,也是被监管部门硬生生叫停了。之后Plaid按估值继续融资,拿到的金额远高于Visa的报价。当然,该公司之后也遇到了一些波折,但我认为像Plaid和Figma这样的年轻企业,其实没必要急着把自己的大好前途变现。
从风险投资的角度看,Adobe未能收购Figma就着实令人忧心了。因为当初有大约32家投资方参与了Figma的融资,我们估计各方都希望能快点以现金回报的形式给合作伙伴分红。但由于收购交易失败,这笔如意算盘自然也就打不响了。
那我们其他人呢,应该怎么理解这里的潜在矛盾?讨论之前,让我们先了解一点相关背景:
Adobe对Figma的收购并不是市场竞争的一部分,而是要消灭这种竞争,免得养虎为患。
如果交易成功,那Adobe将变得比以往更加强大。产品组合更丰富,客户群体更年轻,收入也可能重新恢复增长。但这样的强势地位,明显不利于企业继续保持创新。毕竟Figma之所以能成为现在的自己,靠的就是一股行业巨头所没有的拼劲。
缺乏竞争约束的少数企业寡头明显不利于创新,也有损客户利益。只有各厂商纷纷争夺巨头地位、努力拉升盈余,才对客户有利。
所以我真的很难找到支持Adoba收购Figma的理由……除了一条,我见过Figma的CEO,他看起来是个好人。如果非要说成功收购有什么好处,那就是能让他瞬间成为亿万富翁。
而且如果不把Adobe收购Figma界定成反竞争,那市场才真要乱套了。Adobe继续收购Canva,Uber和Lyft搞合并,Facebook买下TikTok……
所以如果Adobe真的想对抗Figma所代表的这股新兴势力,那最好是拿出一半的预算——大概100亿美元,真正打造出能跟人家拼一下子的优秀产品。
这对消费者和客户都是好事。所以哪怕单从立场上来讲,我们也应该支持司法部做出的决定。
好文章,需要你的鼓励
在2026年CES展会上,一款名为Sweekar的AI电子宠物亮相,被誉为90年代经典Tamagotchi的完美继承者。这款智能宠物从蛋形开始,随着成长会物理性变大,经历婴儿期、青少年期到成年期的完整生命周期。每个阶段都有不同的护理需求和互动方式,从基础语言学习到形成独特个性。与原版相比,Sweekar融入了先进AI技术,提供更丰富的长期体验。该产品将通过Kickstarter众筹,售价150美元。
瑞士ETH苏黎世联邦理工学院等机构联合开发的WUSH技术,首次从数学理论层面推导出AI大模型量化压缩的最优解。该技术能根据数据特征自适应调整压缩策略,相比传统方法减少60-70%的压缩损失,实现接近零损失的模型压缩,为大模型在普通设备上的高效部署开辟了新路径。
西班牙CTIC RuralTech创新中心运用AI等前沿技术解决农业面临的气候变化等重大挑战。通过气候模拟系统和土地使用智能分析,农户可以监测作物、预测不同种植条件下的结果,如同拥有时光机器。草莓生产商利用模拟器预测疾病影响和气候变化效应,奶酪制造商则用AI分析牛奶数据,确定最适合生产特定奶酪的原料。这些技术应用大幅提高了农业可持续性和效率。
弗吉尼亚大学团队创建了Refer360数据集,这是首个大规模记录真实环境中人机多模态交互的数据库,涵盖室内外场景,包含1400万交互样本。同时开发的MuRes智能模块能让机器人像人类一样理解语言、手势和眼神的组合信息,显著提升了现有AI模型的理解准确度,为未来智能机器人的广泛应用奠定了重要基础。