为什么我愿意为AI会议记录付费？
——从Granola看产品开发的两种哲学
今天我们从一个问题开始：你愿意为AI会议记录付多少钱？
这个问题听上去有些奇怪。毕竟，主流的办公软件——无论是钉钉、飞书还是腾讯会议——都内置了免费的AI会议记录功能。它似乎已经成了一种标准配置，就像买手机附送充电线一样理所当然，谁还会专门为它花钱呢？
我以前也是这么想的，甚至觉得这类产品有些“鸡肋”——食之无味，弃之可惜。在真正重要的场合，关键信息的记录还得靠人，因为AI分不清谁是老板，也听不懂哪句是需要写入纪要的“重要指示”。
但最近一条新闻改变了我的看法。一款名为Granola的AI会议记录应用，在2024年5月的B轮融资中获得了4300万美元，估值高达2.5亿美元。更令人惊讶的是，它在A轮融资时，周活跃用户数仅有5000人，这完全颠覆了传统的估值逻辑。我很好奇：一个看似简单的功能，凭什么值这么多钱？
带着这份好奇，我深入研究了Granola的工作方式，结果发现自己完全想错了。它的设计思路，和我见过的所有AI会议工具都截然不同——它并非让AI替代你做记录，而是让AI辅助你做得更好。
简单来说，你像往常一样在会议中做笔记，而AI会在后台实时地丰富你的记录。比如，你只记下“讨论预算”四个字，AI会自动补充相关的具体数字、关键决策和后续的行动项。不同的参会者可以关注各自的重点，AI则根据每个人的记录习惯，提供个性化的内容增强。
更重要的是，Granola直接在你的电脑上运行，不会像一个“机器人”那样出现在参会者名单里。你再也不用尴尬地向客户解释：“那个叫‘AI助手’的家伙是谁？它为什么在我们的会议里？”
这个差别看似微小，却至关重要。传统的AI会议工具是典型的“技术驱动”产品——先有了成熟的技术，再去寻找应用场景。而Granola则是“需求驱动”的——它首先深入理解人们在会议中是如何记录的，然后再利用AI技术来优化这个过程。
数据也印证了这种模式的成功：Granola的用户留存率高得惊人，50%的用户在试用10周后依然活跃，平均每周在6次会议中使用它。更有趣的发现是，超过一半的用户是来自Vercel、Ramp、Roblox等知名公司的高管，以及红杉、Benchmark等顶级风险投资公司的合伙人。
02 技术驱动 vs. 需求驱动：AI产品的两种哲学
Granola的成功，引出了AI产品开发中的一个根本性问题：技术驱动与需求驱动之争。
技术驱动的思路是：我们有了一项很酷的AI技术，能做语音识别和文本摘要，那么我们用它来做一个产品吧。像Otter.ai和Fireflies这类工具就是如此，它们以机器人身份加入会议，自动生成纪要。功能看似强大，却常常让用户感觉失去了控制感。
需求驱动的思路则是：用户在处理某项任务时，究竟遇到了什么困难？AI技术如何才能真正帮到他们？Granola的创始人克里斯·佩德雷加尔（Chris Pedregal）说得很清楚：“如果你认为自己的判断力有价值，就不该把它外包给AI。”这种思路更关注用户的真实工作流程与核心需求。
许多早期的AI产品都遵循技术驱动的路径。开发者们兴奋地展示着新技术的能力：“看，AI能做语音识别、文本分析、图像处理！我们用它做个产品吧。”但用户的反应往往是：“功能很强大，但好像没解决我的实际问题。”
这里有一个有趣的现象：优秀的需求驱动产品，本质上是将用户的“幻想”务实地变为现实。
过去许多听起来像天方夜谭的想法，如今正被AI技术逐一实现。例如，谁能想到有一天你可以躺在马尔代夫的沙滩上，却让同事以为你正襟危坐地在办公室开会？这正是Pickle AI正在做的事——通过实时生成逼真的数字人像，让你的形象在会议中保持专业，而你本人则可以在任何地方参会。
但这里的关键，并不在于技术本身有多么炫酷，而在于它解决了一个真实存在的痛点：在视频会议成为新常态的今天，人们需要在维持专业形象和获得空间自由之间找到平衡。
成功的AI产品，总能巧妙地平衡“幻想”与“现实”。它们不承诺遥不可及的功能，而是在现有技术能力的范围内，让用户的工作变得更高效、更愉快。
一个更深层次的变化正在发生：AI技术正在将产品开发的主导权，从技术专家手中，转移给领域专家。
在过去，开发一款AI产品，你需要精通算法、编程和模型训练。而现在，随着AI工具的普及，那些真正理解用户需求的领域专家，反而拥有了更大的优势。
举个例子，一家名为“卡路里AI”的公司，其创始人深知健身人群的痛点——手动计算食物热量过于繁琐。于是，他们开发了一款应用，用户只需拍张照片，AI就能自动识别食物并估算出卡路里。这种从真实需求出发的解决方案，远比技术团队凭空想象的“健身工具”要精准得多。
再比如，两名本科生创办的Mytender公司，他们敏锐地发现了招投标流程中的痛点，利用AI开发了一款合同竞标工具，最终获得了25万英镑的融资。他们团队里甚至没有传统意义上的技术联合创始人，但凭借对行业的深刻理解和AI辅助开发工具，同样打造出了成功的产品。
这些案例揭示了一个重要趋势：最懂用户需求的人，现在拥有了创造产品的能力。AI工具的普及，正在让“我懂问题，但不懂编程”的困境成为历史。
这就是“AI普惠化”的真正含义——不再是由技术专家来决定做什么样的产品，而是各行各业的专家，都能够利用AI来解决自己领域内的实际问题。
这就引出了一个关键问题：在AI产品的激烈竞争中，谁更有可能脱颖而出？
我的观察是：那些能够识别真实需求并具备执行力的人。他们通常有几个共同特征：第一，在特定领域拥有深厚的经验，能准确把握用户的痛点；第二，乐于学习和使用AI工具来构建解决方案；第三，对技术边界有清醒的认识，从不做出不切实际的承诺。
传统的产品开发，依赖于技术、产品和设计团队之间的复杂协作。而现在，一个深刻理解问题的人，借助AI工具和低代码平台，往往能以更快的速度验证想法、迭代产品。技术门槛的降低，使得“问题专家”有时比“技术专家”更具优势。
一个三角形，底部是"技术能力"，顶部是"需求洞察"，标注"竞争优势的转移"
回到最初的问题：为什么我愿意为Granola付费？因为它卖的不是AI技术本身，而是对我的工作方式的深度理解。它证明了一个简单而深刻的道理：最好的AI产品，并非技术专家的闭门造车，而是资深用户为了解决自身问题而创造的产物。
AI正在重新定义产品开发的规则。从“我们有什么技术”到“用户需要什么”，这个看似简单的视角转变，却决定了无数AI产品的生死存亡。
在这场变革中，最大的机会可能不属于技术最强的公司，而属于最懂问题的人。如果你在某个领域拥有深厚的经验和独到的洞察，那么现在，或许就是你亲自动手打造产品的最佳时机。过去需要庞大团队才能完成的工作，如今一个人借助AI工具便可能实现。
Granola的2.5亿美元估值，本质上是对这种范式转变的最好验证。当AI技术本身不再是稀缺资源时，对问题的深度理解和对解决方案的精准把握，便成了真正的稀缺品。
技术已经足够强大，剩下的关键是：你是否足够了解你想解决的问题？以及，你是否愿意亲自动手去解决它？
注：图片由gemini-2.5-flash-image-preview生成
粤ICP备14082021号
免费POC，
零成本试错
