今天聊一个案例：Granola，一个做AI会议纪要的产品。

https://www.granola.ai/

你可能想说，又是会议纪要？这赛道巨头云集，Zoom、Google自己都带这功能，Otter、Fireflies这些工具也做了好多年了。看起来就是“红海中的红海”，没什么新意，对吧？

但Granola偏偏就在这个拥挤的老赛道里，凭借差异化的产品体验，拿到了不错的市场成绩。这背后有个问题很有意思：当一个市场看起来饱和、用户选择众多时，真正的机会到底在哪？

按照常规判断，这不是一个小团队该轻易碰的领域：需求明确，巨头在场，竞品林立，用户不缺选择。但Granola不仅做了，还在2026年3月宣布完成1.25亿美元融资，估值飙到15亿美元。

它给我的最大启发就是：别只看竞争烈度，要看用户到底满不满意。

Granola本质上是一个AI会议记事本。用户开会时，可以像用普通记事本一样手动记录重点，与此同时，Granola也会在后台转录会议内容。会议结束后，它会把你自己记的粗略笔记和完整的AI转写结合起来，生成一份结构化的会议纪要、待办事项和下一步行动。

这个产品跟其它会议工具最大的区别，不在于“能不能转写”，而在于它理解“开会”这个场景的方式不一样。

很多会议工具的做法，是让一个AI机器人直接加入你的会议，把全程录下来，然后自动生成一份纪要。而Granola的方式，更像是一个私人的、隐形的记事本。它不需要一个可见的机器人进入你的会议，而是通过电脑音频完成转录。你仍然可以自己写笔记，自己决定哪些信息重要，AI则负责把你那些零散的记录补全、整理好。

这听起来只是一个交互细节的差异，但它彻底改变了用户的使用感受。

对很多人来说，会议纪要不是一个独立的、会后才启动的任务，它本身就是会议过程的一部分。真正的问题不是“有没有一版完整的转写文本”，而是——“我能不能在开会时专注地听别人说话、参与讨论，同时又不丢掉那些关键数字、职责分工和下一步行动计划？”

Granola解决的就是这个非常具体的问题。它没有让用户完全放弃记笔记这个熟悉的动作，而是保留了人的判断力，再用AI去补齐人的记忆短板和整理能力。

会后，用户还可以持续追问：上次和这个客户具体谈了什么？哪些事还没办？过去几个月的会议里，客户反复提到的一个问题是什么？这就引出了Granola后来一直强调的“公司上下文”的概念。

会议从来不是孤立的信息。对于一家企业来说，会议里包含了客户反馈、销售阻塞、产品需求、内部决策、交付风险，还有很多没有进入正式文档的个人判断。当这些内容被长期沉淀下来，它就不只是会议纪要了，而是公司知识资产的一部分。

赛道选择：足够高频，也足够重要

今天做AI应用，很多人都会问：如果ChatGPT、Claude、Google、微软这些大模型和平台都能做，那我们还会有机会吗？

Granola的判断是，要看两个维度。

第一，这个需求是否足够高频。低频需求很难形成使用习惯——用户偶尔才用一次的功能，很可能直接交给通用的AI工具完成，不会专门为你装一个新软件。

第二，这个需求是否足够重要。如果一个场景虽然高频，但用户对结果质量不敏感，比如随便生成个摘要就行，那小团队也很难突围。只有当这个场景既高频、用户又对结果质量要求极高时，你的产品体验哪怕只提升了10%，用户才有足够的动力去切换。

会议纪要刚好就落在这个区域。对于创始人、销售、投资人、产品经理和管理者来说，会议是每天都在进行的事情。会议结果直接影响客户跟进、团队协作、项目推进和关键判断。纪要差一点，可能就会漏掉一个行动计划、一个时间点或一个新需求。所以，就算Zoom和Google已经自带了类似功能，用户也未必买账。

巨头做的是通用功能，Granola做的则是重度会议人群的个人工作台。前者解决的是“会议结束后有一份纪要”，后者解决的是“我每天大量开会，如何把所有会议都变成可查询、可复用、可行动的信息”。这，就是小团队的切入点。不是要避开所有巨头，而是在巨头已经覆盖的地方，找到用户仍然不满意的那个细节。

产品验证和冷启动

Granola由Chris Pedregal和Sam Stephenson于2023年在伦敦创立。Chris之前创办过教育应用Socratic（后来被Google收购），在Google内部又孵化过Stack——一种用AI扫描和整理个人文件的工具。到Granola，他做的仍然是同一类问题：把人每天产生的大量非结构化信息，变成可以查询、整理和复用的“上下文”。

2026年3月的这轮1.25亿美元C轮融资后，Granola估值来到15亿美元，客户包括Cursor、Lovable、Decagon、Mistral AI这些公司。

Granola的产品验证过程很克制。它没有一上来就公开发布，而是先做了接近一年的私密测试。早期团队的做法听起来很“笨”，但非常有效：找一个目标用户，坐在他旁边，看他安装、打开、使用Granola，观察他在哪里卡住、哪里困惑、哪里失望。然后回去修改，第二天再找下一个用户，重复这个动作。

这种方法没什么包装，但对早期产品来说是极其重要的。很多创业团队会过早追求规模反馈，比如发到社交媒体、冲产品榜单、买流量、搞活动。但如果产品本身还没打磨到位，流量带来的不一定是增长，很可能是更大规模的失望。

Granola早期更关心的是：用户能不能顺利开始用？第一次会议后有没有感觉到价值？三天后还会不会打开？用过几次后，它是被当成了一个新鲜玩具，还是成为了日常工作的一部分？而且，他们找的验证对象不是随便什么人，而是跟自己最像的人——知识工作者、创业公司员工、重度效率工具使用者。这些人会议多、工具多、对效率产品敏感，也最有能力判断一个新工具到底有没有用。

所以，早期产品验证，不是人越多越好，而是先找对人——要找的不是“愿意帮你试用”的人，而是真正有这个痛点、且有能力判断产品好坏的人。Granola当时还做了多个原型，会议记事本只是其中一个方向。他们用很简单的网页和脚本做出粗糙版本，让用户能实际体验。很多原型用户没什么反应，但当他们看到“一个实时记事本，能帮我记录会议、补全内容、还能交互”时，反应明显不同。

Granola公开发布时，也没有靠大预算营销。他们就在推特上发了一个动图，展示了产品的核心体验：用户会议中写下粗略笔记，会议结束后Granola自动把这些笔记补全、整理成更完整的内容。

这个动图被一些创业圈和产品圈的人转发，第一天带来大约500个安装。500个不算惊人，但对一个小团队来说，已经足够启动了。

后面的增长思路也很独特。Granola没有依赖会议工具常见的增长套路——比如很多会议机器人会在会议结束后自动把纪要发给所有参会者，这样确实能传播，但也容易打扰别人，甚至让人反感。Granola没有把这种机制做到产品里。它更强调服务好当前用户，而不是借用户的会议关系链来强行扩散。这反而成了一个差异点：在一个到处都是增长技巧的市场里，克制本身就会被用户感知到。尤其是在会议这种敏感场景，用户不希望自己为了增长，把会议内容变成传播入口。

Granola的增长更接近口碑扩散：一个人在公司用了觉得好用，推荐给同事；同事继续用，逐渐在团队里传开；当使用人数变多，公司管理层、法务、安全负责人开始关注数据管理和权限控制，最后推动企业付费。这条路径很像Slack、Dropbox早期渗透企业的方式：先从个人和小团队进入，再自然上升到公司采购。

没有让AI替代人的判断，而是先让AI做信息处理

这跟很多AI产品的叙事不同。很多产品喜欢说自己是“AI员工”、“AI助理”、“AI主管”，好像马上就能替代一个完整的岗位。但Granola内部对AI的使用更务实。他们有一个内部AI智能体，连接了公司的数据和工具，能在团队需要时拉取数据、分析趋势、整理材料，甚至辅助准备一些代码修改。但它主要做的是执行和信息处理，而不是替团队做重大决策。

比如，创始人发现产品里某个体验不对劲，可以让内部智能体去查过去几个月的数据，看看自己的直觉是否有数据支撑。团队讨论某个修改方案时，也可以让它拉取相关信息，减少人工打开多个系统、导出文件、复制粘贴的时间。

这其实是很多公司更应该采用的AI工作方式：AI不一定非要先去替代判断，它可以先减少获取信息的成本——让人更快看到事实，更快验证直觉，更快把分散的信息集中到一起。最终的产品判断、取舍和责任，仍然由人来承担。Granola对产品决策的态度也很清楚：用户反馈可以用AI去分类、归纳、整理，但具体要怎么改产品，仍然需要创始人和团队基于真实的用户体验来做判断。

这句话对今天的AI创业者很有启发：AI能提高速度，但产品好不好，最终还是取决于你是否理解用户、是否愿意反复打磨、是否能判断细节里哪些东西是真正重要的。

Granola的早期数据方法也值得学习

很多团队看用户数据，只看总量——日活、周活、留存、使用次数。这些指标当然重要，但在早期，它们经常不够用，因为总量指标会把很多人的行为混在一起，让你看不清具体用户发生了什么。

Granola早期用过一种更直观的方法：把每个用户放在一行，把每一天放在一列，然后标记这个用户当天用了多少次Granola。

这样一来，就能看到很多细节。比如，有人连续用了几天，然后突然停了。你就得去追问：他遇到了什么问题？是会议变少了，还是产品没能形成习惯？又比如，有人一开始只是偶尔用，但某一天突然用了五六场会议，之后就开始持续使用。那就要追问：那一天发生了什么？他为什么从“试用”变成了“习惯”？产品有没有办法帮助更多用户更快走到这个阶段？

这种方法的价值在于，它不是只告诉你“增长了”或者“下降了”，而是让你看到具体用户的行为轨迹。对早期AI产品来说，这种颗粒度尤其重要。因为AI产品经常会出现一种假象：试用的人很多，但长期留下来的人很少。大家愿意点开一个新工具，不代表它真的进入了工作流。真正要看的是：用户是否在关键场景里反复使用？是否在没有提醒的情况下主动回来？是否把它从“试试看”变成了“每天必须打开”？Granola后来的增长，不是来自发布当天的500个安装，而是来自那些真正把它用成习惯的人。

Granola对国内创业者的启发

第一，拥挤赛道不等于没有机会。AI会议纪要看起来已经很卷了，但用户并不一定满意现有的方案。很多时候，机会不在“没人做”，而在“大家都做了，但用户还是觉得不好用”。

第二，越是AI产品，越不能只拼功能。转写、总结、生成待办……这些能力迟早会变成基础能力。真正拉开差距的，是产品如何进入用户已有的习惯，如何减少对用户的打扰，如何让用户感觉自己仍然掌控着工作，而不是被一个工具牵着走。

第三，用户对粗糙产品的耐心越来越低。现在的AI工具实在太多了，如果第一次体验不好，用户很可能就不会再回来。Granola用接近一年的时间做私密测试，看似很慢，实际上是在降低公开发布时失败的概率。

第四，增长不一定非得靠复杂的机制。Granola没有把会议纪要自动发给所有人，没有做很重的增长闭环，但它仍然在创业者、投资人和科技公司人群中扩散。原因很简单：目标用户真的愿意用，也愿意推荐给身边的人。

第五，AI应用的长期价值，不只是完成一个任务，而是沉淀上下文。会议纪要只是一个入口。真正有价值的是长期积累下来的会议记录、客户反馈、团队决策和个人工作方式。当这些信息持续积累时，AI才有可能从“帮我整理一次会议”，进化到“帮我理解整个工作系统”。这也是Granola从一个AI记事本变成15亿美元公司的核心原因。

最后，AI应用的机会，未必都在新概念里，它更可能存在于那些没有被充分满足的需求里。