在AI行业，AI笔记应用并不稀奇。在ChatGPT发布之前，就已经有不少产品。但即使这样，仍然有一款AI笔记跑了出来。

它就是Granola。

这个仅推出一年的产品，已经成功硅谷最成功的AI笔记应用，并获得了一众科技大佬的青睐。

官方统计显示，Granola 用户中有一半以上担任领导职务，包括Vercel、Ramp、Roblox等独角兽企业的创始人和高管。从数据上看，这个产品用户每周增长10%，月留存率高达70%。

5月14日，Granola 宣布完成4300万美元的B轮融资，估值2.5亿美元。单说这个估值，在AI笔记领域也算是相当能打。

那么，Granola AI到底有什么不同呢？

/ 01 /

赋予用户控制权，AI扮演“第二大脑”

在Granola之前的AI笔记产品，一般有两种方式，要么他们会让AI完全接管会议记录，或者AI直接生成相关的会议纪要。

与这些AI笔记不同，Granola的核心原则是，人工智能应该增强人类的能力，而不是取代它们。

在Granola创始人Chris Pedregal看来，两者的区别在于，前者只是将日常任务外包给人工智能，同时保留人类的判断力和创造力。

具体到场景落地上，Granola会赋予用户足够的控制权。

Granola给出的方案是，在会议中，用户可以随时记录任何笔记或闪现的想法，而 Granola 会实时捕捉对话内容并进行转录。

会议结束后，它会根据你记录的笔记来进一步完善和丰富转录内容，让最终的笔记更加完整和有价值。这样用户就无需事无巨细地记录下会议中的所有内容，而是可以专注于那些关键的洞察点或你独有的思考和判断，把那些繁琐的记录工作交给AI来完成。

举个例子，在会议里，你写下一个数字，Granola 会实时从对话中提取并添加有关该数字含义的上下文，让最终的笔记更加完整和有价值。

这样的做法，好处在两点：

一是，比起大多数摘要工具，能最大程度加深用户情境和优先级的理解，同时通过用户在会议期间记录低保真、基于关键词的笔记，直接从源头捕捉用户意图，而不是强制执行完全自动化或通用的输出。

二是，相较于其他AI笔记，Granola更接近用户会议的真实场景。

比如，大部分用户在会议期间，不会去写详细、完善的笔记，而是只会草草记下几个零散的关键词，告诉自己以后再整理。

Granola也曾尝试过实时写出完整笔记。但团队发现，无论笔记写得多好，实时生成都会让人忍不住去看，结果非常分散注意力。这与Granola的初衷相背离。Granola 的初衷是让你更专注于会议，但这适得其反，人们盯着笔记看，如果不满意就去改。

Granola 巧妙地认识到真实笔记记录的混乱和不完美，并提供了一种无缝改进的方法。正如一位用户解释为什么Granola能引起共鸣时说道：

“它没有要求我改变我的工作方式。它包容了我记笔记的杂乱、不完美的习惯，并使其变得更好。这种简洁性引起了我的共鸣，因为它感觉就像是专为我设计的。”

用户主导控制权背后，是Granola独特的产品定位。

用Granola AI创始人的话说，Granola不仅是一个记录工具，而是一个能帮助我们理解、连接和利用信息的智能助手。这有点类似于"第二大脑"的概念。

这就像是给你的记忆力，接了一张外接硬盘。我们大脑的物理限制决定了它的记忆容量，而这些工具实际上为你提供了额外的存储空间。

Chris Pedregal认为，所有开发AI工具的人都必须有意识地朝这方向努力。因为用户只是想外包所有重复、枯燥、无脑的工作，但不想外包判断。

/ 02 /

从AI笔记到团队协作平台，Granola做对了什么？

除了产品理念外，Granola的商业路径演进也很有意思。最近，Granola推出了2.0版本，定位从个人笔记工具向团队协作平台转变。

这一转变，源于Granola对会议场景的选择。选择会议作为切入场景，有两个价值：

首先，AI能力与会议场景的需求高度匹配。在LLM的众多主要优势（代码生成、搜索和摘要）中，这种提炼长篇记录的能力能极大简化会议流程，进而引起用户的共鸣。

其次，会议是吸引用户参与的天然渠道，也更容易切入到用户工作流当中。比如，Granola团队发现，公司中最有价值的信息不是在静态文档或维基百科中，而是在团队之间进行的日常对话中。

而为了让产品更契合会议场景的需求，Granola还在安全性上做了很多设计。

比如，Granola团队决定不录制或存储任何音频数据的。尽管Granola会实时监听音频并进行转录，但原始音频文件本身并不会被保存。

这意味着，Granola在安全性上远远超过那些会加入你会议并进行音视频录制和存储的AI产品。

也正因为如此，Granola从单纯的会议笔记工具，正在向团队协作平台扩展。具体来说，它试图通过新的功能，改变团队获取、共享和利用集体知识的方式：

共享团队文件夹：为销售电话、客户反馈、招聘循环、每周同步等创建专用空间，团队中的任何人都可以访问这些文件夹（即使没有 Granola 帐户）；

与文件夹聊天：使用一流的推理模型查询整个会议记录文件夹，人工智能提供引用特定会议和记录作为来源的见解；

企业协作：商业和企业用户可以浏览其域内的任何公共文件夹 - 非常适合竞争情报、客户成功或新员工入职；

Slack 集成：通过一次性连接到 Slack，Granola 可以让您的整个团队随时掌握会议动态，并在通话结束时在您选择的频道上发布简明的摘要和“与本次会议聊天”按钮。

这次转型的背后，也透露着Granola团队对AI产品竞争的判断。在此前的采访里，Chris Pedregal曾提到：

未来的AI产品大致可以分为两类，一类是执行低频切不需要太出色任务的产品，大多数消费场景可能都属于这一类别，这部分需求将被像Claude这样的通用助手吃掉。另一类是，高频且需要极佳表现的场景，这是专业AI工具的领域。Granola就属于这里。

/ 03 /

Granola成功背后的4条认知

在Granola成功背后，Chris Pedregal对AI产品开发也有着很深的理解。在此前的一次采访里，Chris曾分享了他打造成功AI产品的4条潜规则。

第一，不要把时间浪费在即将消失的问题上。

通常，一个AI产品的问题会出现在两个方面：一种是下一个模型发布时会自动解决的问题，另一种是无论模型变得多么智能，仍将存在的挑战。

对于应用层创业者来说，很容易掉进“错解问题”的陷阱：你埋头苦干去解决某个眼前的问题，而下一版 GPT 一出，这个问题就不复存在了。所以，不要把时间浪费在即将消失的问题上。

举个例子，Granola的第一版无法记录超过30分钟的会议。当时最强的模型是OpenAI的 DaVinci，上下文窗口仅有 4000 tokens。

按照传统产品的逻辑，团队应该立刻优先解决这个问题，但Granola并没有这么做，而是把更多精力放在提升笔记的质量。事实证明，这个决定是正确的，笔记质量才是用户最喜欢 Granola 的原因之一。

第二，边际成本就是机会。

过去互联网产品的边际成本极低，好的产品可以很容易实现用户的规模增长。

但这个规律在AI领域并不适用。由于模型成本的存在，每增加一个用户，都会带来边际成本的增加。这意味着，即使是大厂也不可能盲目地去扩展用户。

这对创业者是个机会。虽然你没办法和大公司直接竞争，但你可以选择为少数用户提供更好产品体验。这比为千万级用户服务更可行。

第三，上下文为王。

与其把 AI 模型当作“执行命令的工具”，不如把它当作第一天上班的实习生。一个有独立思考能力的实习生，比起教他该做什么，更重要的是，给足他理解你的“语境”，让他真正理解的意图。在AI时代，“上下文窗口选择（context window selection）”将成为核心理念。

第四，解决具体场景的问题。

现在像Claude 和 ChatGPT 这样的通用工具已经足够出色了。如何与他们竞争？唯一的办法是，做得足够“窄”。选一个非常具体的场景，然后在这个场景里做到极致。

当你打磨在具体场景落地过程中，会有很多的Know How。比如，会议提醒是否顺畅、回声消除是否做得足够好、以及会议记录的篇幅多少合适，这些都需要通过不断用户反馈来实现优化的，也是模型解决不了的。

免责声明：本文来自乌鸦智能说客户端，不代表超天才网的观点和立场。文章及图片来源网络，版权归作者所有，如有投诉请联系删除。