摘要

Granola 正以会议笔记为切入口，打造一个富含上下文的 AI 工作空间，未来知识工作者或许大部分工作都能在其中完成。 如今它把用户寥寥几句的判断与实时转录结合起来；Pedregal 更大的愿景，是在会议开始前实时生成参会者档案，并最终让 Granola 将跟进邮件、投资备忘录和日程安排做到“80%、90%、95%的完成度”。他认为，产品距离愿景目前仅“走了5%”。
应用层真正可守的机会，存在于那些高频且必须做到极致的任务；低频、做到“还不错”即可的工作，最终会被通用助手吞并。 Granola 可以在不同基础模型之间自由切换，因此它明确的差异化不在于拥有某个模型，而在于提供针对特定工作流的界面。对于“Anthropic 难道不会做这个吗？”这一问题，Pedregal 的回答是，专用工具仍然可以更好，因为“界面针对这一用例做了优化”。
Granola 当前的优势，是积累下来的个人上下文和持续不断的产品迭代速度，而不是对基础模型技术的永久控制权。 更多会议历史会提高迁移成本，但 Pedregal 认为这些成本以及其他护城河都很小：“你自满3个月，就会陷入麻烦。”他真正担心的竞争对手，是那个尚未发布、却可以从现有玩家已经学到的一切出发的创业公司。
Granola 最清晰的产品教训，来自砍掉最有魔法感的演示：实时 AI 补全笔记让用户更难专注于当下，直接违背了产品的初衷。 Granola 花了6个月试图完善这一交互，之后才把 AI 工作移到每场会议结束时进行。最终的“魔法时刻”比理想中的前20秒来得更晚，但用户仍可通过普通的可编辑记事本掌握控制权。
Pedregal 预计，AI 记忆辅助会变得如此有价值，以至于“可能18个月内”，不使用它工作都会像一种障碍；但能否普及，取决于一份看得见的社会契约。 Granola 只做转录、不存储音频，以牺牲回放和语气为代价，减少对用户的侵扰；相比之下，会议机器人会保留音频和视频。他倾向于把手机公开放在桌上，并拒绝一枚隐藏的吊坠监听一切的愿景。
基础模型可以大幅压缩打造大型软件公司的劳动力需求，但无法消除产品品味或混乱的边缘案例。 Granola 的 CTO 正在主动减少工程师亲自编写的代码；Pedregal 则预计，2025年之后新设的客户体验部门会更小，组织结构也会截然不同。他认同，拥有约20名员工、估值100亿美元的公司是可以想象的，尽管 Granola 的雄心仍然需要招聘。
长期的设计边界，是把机械工作外包出去，却不外包人的判断，因为“写作就是思考”，而生成式想法可能悄然收窄人们的认知边界。 Pedregal 希望 AI 提供最有价值的上下文，由人来解读、决策和创作；令人意外的是，如今的模型仍会给不同的人几乎相同的答案。对投资人而言，这意味着应用层仍是一个“探索模式”市场，具体的产品洞察和共同的世界观，比对执行的自信预测更重要。

精读

1. AI 的下一次跃迁，是动态生成上下文

Pedregal 从“人类是工具制造者”讲起：写作和记事本把记忆外置，相当于把可用的“内存”扩展到大脑物理极限之外。数学符号同样改变了人类的计算能力；罗马数字限制心算，而现代记号让处理巨大数字的长除法变得可行。
他最喜欢的例子，是一位叫 Playfair 的人物——他认为名字可能是 William——大约200年前把数值数据映射到一个视觉平面上。由于人类能迅速解读图像，图表让人一眼就能感受到一组数据是在上升、下降还是加速；这种智力能力，往往只有在工具出现后才显得理所当然。
LLM 带来了性质不同的能力：它可以“在一个人需要的那一刻，把极其相关的上下文带到他面前”，并针对具体情境动态重写。Pedregal 只能想象未来几步；但10年或20年后，他确信这些工具会和今天的产品“完全不像”。

2. 会议笔记，是进入知识工作空间的切入口

Granola 目前像一本会听取并转录内容的数字记事本。用户只记录自己认为重要的洞察；会议结束后，AI 再利用转录内容扩展这些片段，把机械记录工作外包出去，同时让人的注意力和判断留在对话中。
因此，重度用户往往只写下几条主观观察：“这个人有点咄咄逼人”“他们看起来情绪有点低落”，或“担心某人回避了一个问题”。他们回来后，也越来越多地通过聊天提出具体问题，而不是重新翻阅几页笔记。
Pedregal 写博客的流程体现了这种更广泛的行为变化。他记录了几个人给出的建议，边走边口述另一轮头脑风暴，把所有内容放进 Granola 文件夹，再让 AI 提炼主题并提出可能的结构。文章仍由他自己写，但在综合信息时，较少有有价值的想法被遗漏。
更大的愿景，是在每场重要会议前实时生成一份外交官式“档案”。一个尚未公开发布的内部功能，已经可以找出与某个人或某个主题相关的跨会议脉络；最终，Granola 应利用这些上下文，将邮件、备忘录和其他会后工作做到“80%、90%、95%的完成度”。

3. AI 记忆通过明确的社会契约走向日常化

Pedregal 认为，“可能18个月内”，没有类似 Granola 的工具辅助工作，可能会让人觉得受到了不必要的限制。但他不确定社会最终会如何划定有用性与监控之间的边界：目标是“最大化有用性”，同时做到“最低程度的侵扰”，但他无法给出一个有把握的终点。
Granola 有意选择实时转录，但不录制或存储音频。这意味着无法精确回放，也失去了说话语气，确实牺牲了一部分用户价值；但 Pedregal 认为，这仍明显比进入通话、并在不确定期限内同时保留音频和视频的机器人更少侵扰。
iOS 应用“即将发布”；那些有1/3会议在线下进行的用户表示，自己会感到“像是双目失明”或“赤身裸体”。Pedregal 倾向于把手机公开放在桌上，让所有人都看见正在记笔记；他讨厌隐藏式吊坠，并预计，尽管职场记录会逐渐普及，隐藏吊坠录音仍会引发类似 Google Glass 的反弹。

4. AI 原生公司可以用更少的人，并需要新的运营直觉

Granola 继承了基础模型提供的巨大能力，让小团队可以专注于端到端体验。但质量仍取决于隐蔽的技术边缘案例：在多声道 Zoom 通话中摘下 AirPods，可能需要精确处理某些没人预料到的行为，直到出问题的版本让人觉得“很差劲”。
Pedregal 预计，2025年之后设立的客户体验部门会发生根本变化。Granola 的首位客户体验员工，正处于整个职能借助 AI 转型的更大趋势中：更少的人做着不同的工作。对成熟部门进行改造，会比从一开始就围绕新范式搭建更难。拥有20名员工、估值100亿美元的公司是可行的，尽管这不是对 Granola 的预测。
CTO Vas 的明确目标，是尽量减少每位工程师亲自编写的代码。在一次公司外出活动中，他还纠正了 Pedregal 写得很差的烧烤提示词：烤架照片和标有西班牙语的虾补足了缺失的上下文，也说明虾其实已经熟了。这个教训是“给它上下文”——AI 原生员工会本能地提供更多证据，而不是假设自己已经理解了情况。
收集邮件、笔记、文档和推文会变得容易；真正困难的是判断当下什么重要。Pedregal 把聊天界面比作早期汽车上用一根粗糙操纵杆控制的驾驶系统：低速时尚可，高速时却很危险。AI 仍需要自己的“方向盘”——一块拥有细粒度控制和流畅协作能力的共享画布，而不是命令与回答交替出现。

5. 模型竞争把差异化推向聚焦型工作流

从应用构建者的角度看，模型供应商之间的竞争是“有史以来最好的事情”。Granola 在不同位置使用多个模型，并会切换到“某一天最好的模型”。热切换在概念上很简单，但要建立可信的评测体系并不容易。
Pedregal 用两个轴来划分应用：使用频率和所需输出质量。对于低频、做到“还不错”即可的任务，通用助手应该接手，尤其是那些使用频率低到不足以形成独立习惯的消费者场景。高频、高质量工作则属于“专业工具象限”，主要由针对性产品设计守住。
教育领域强化了他的判断。GPT-4 语音模式和他5岁、7岁的孩子玩捉迷藏，展现了人机交互的一种惊人新形态；但他预计，通用助手仍会吃掉大量辅导需求。由于一对一辅导可以把一名中位数学生提升到前5%或前10%，他认为这类服务“应该免费”，并应建立在开源模型之上，而不是被商业激励扭曲。
相比旧式机器学习，专有数据作为护城河的确定性已经下降。专用系统有时只需要50,000个样本，而不是“数百万、数千万、数亿个”。随着应用创作像手机摄影一样普及，Pedregal 怀疑，品味可能恰恰因为人人都能做出点东西而获得更高溢价。

6. 伟大的产品设计从情绪出发，也要经得住痛苦的反转

Pedregal 的核心设计测试很简单：“这让我感觉如何？”用户可能在大约500毫秒内就感受到杂乱、不确定、复杂或不安。假设有一台“情绪录音机”把体验慢速播放，很多需要改变的地方都会暴露出来。Granola 对应的原则是用户控制权，包括提供可编辑笔记，而不是静态 PDF 式的输出。
选择 Mac 应用，起初把 Granola 限制在 macOS 13.4 上，覆盖的 Mac 用户约为15%，也带来了巨大的技术痛苦。但这一选择让产品的行为更像“笔记本和铅笔”：无论在 Zoom、Slack huddles 还是线下场景，都保持一致，打开即用，而不是埋在50个浏览器标签页中。
Granola 最初的演示是让用户输入一个关键词、按下 Tab，然后看着 AI 实时补全笔记。6个月后，团队接受了一个事实：即便生成文本质量很高，也会迫使用户阅读和编辑，而不是专心倾听。把魔法时刻移到会议结束时，削弱了即时满足，却让底层产品明显变得更好。
产品的使用场景早已超出最初的工作会议定位：有人在陪伴伴侣与医生讨论癌症时发现 Granola 不可或缺；有人对着它大声头脑风暴或安排一天的优先事项；还有学习者在观看 YouTube 视频时用它记笔记。Granola 的 AI 前沿用户——创始人、投资人以及各家 AI 创业公司的员工——在5月上线后异常活跃，知名 CEO 甚至把 Pedregal 的 Twitter 私信变成了客户支持渠道。

7. 产品速度取决于能否区分探索与执行

Granola 明确区分“探索模式”和“利用模式”。当答案已知时，团队应做出最小可行版本，设定截止日期，交付给真实用户，并缩短迭代周期。但把这套打法用于尚未解决的问题，只会奖励团队快速交付一个糟糕的方案，却无法真正找到好的解法。
公司在发布前做了1年，尽管用 Pedregal 的话说，它在 AI 笔记领域已经“晚了7年”。这段私下开发期保留了替换核心交互的能力。如果产品公开发布，用户会围绕实时补全形成习惯，之后几乎不可能完成必要的转向。
他对竞争的回答很直接：“你需要比别人更快地做出更好的东西。”积累下来的上下文会形成一定迁移成本，但这不是放慢速度的许可。Granola 必须交付下一批有用的会议功能，同时完成从记笔记到工作空间的更大跃迁，让用户在那里写文档并完成大部分工作。
Granola 选择担心的竞争者，是“那个尚未发布的产品”——一家可以站在他人经验之上起步、并利用这一领先优势执行的创业公司。Pedregal 对大科技公司快速转向 AI 的能力印象深刻，但决定回应不等于真正执行；创业公司往往会成为大科技公司的研发部门，而具备跨代生命力的公司，则能把更早的发现放大成巨大的成果。

8. 人的判断是设计边界，探索能力是投资检验

Pedregal 想要的是“让我们更像人、也成为更好的人的工具”。AI 应该移除无聊、机械的工作，同时保留判断、创造力，以及写作中包含的思考。他个人的动机，呼应了早期一位老板说过的话：“积极实现人的潜能”，既包括他自己的潜能，也包括全人类的潜能。
他梦想中的工具，会打破信息孤岛，动态呈现一个人一生经历以及更广阔世界中最有价值的材料。一位朋友的原型会在有人说话时，以每秒约5或8帧的速度生成略有差异、类似 Midjourney 的图像，暗示了更丰富的思维辅助形式；但要让实时增强真正有帮助，而不是变成令人着迷的干扰，仍然很难。
如今持续令人意外的是，模型缺乏个性化：Patrick 和 Chris 向同一个模型提出同一个问题，收到的答案几乎完全相同。Granola 则有意为不同参与者生成不同笔记，因为每个人真正关心的内容并不一样；Pedregal 认为，这种个体化相关性是一个基础能力，但目前仍远未成熟。
他给 AI 投资人的建议，也遵循同一套运营区分：基础模型可能正在进入“利用模式”，但应用仍处于“完全探索”阶段。冷启动外联如果包含对产品行为的具体观察，就会脱颖而出，包括指出 Granola 可能做错的地方。Pedregal 想要的是长期合作伙伴：他们共享一套世界观，并能深入思考产品，因为每一个执行细节都会改变。

AI agents 的崛起：CrewAI 的 João Moura 102: DeepSeek 启动开源周，大模型开源到底在开什么？