Granola:巨头早就做了的 AI 会议纪要,它为什么还能值 15 亿美元

Granola AI 是做 AI 会议纪要的,是不是看到这个赛道就不想往下看了?老赛道,全是巨头,没什么新意,有没有新鲜的让人眼前一亮(最好可以直接抄)的产品?我今天要分享的就是:在一个拥挤的老赛道,如何凭借差异化的产品体验,依旧能有不错的市场表现。
今天分享的是:Granola, https://www.granola.ai/
Granola AI 是做 AI 会议纪要的,是不是看到这个赛道就不想往下看了?
老赛道,全是巨头,没什么新意,有没有新鲜的让人眼前一亮(最好可以直接抄)的产品?
我今天要分享的就是:在一个拥挤的老赛道,如何凭借差异化的产品体验,依旧能有不错的市场表现。

AI 会议纪要非常多,早在 Granola 出来之前,Zoom、Google 已经有类似功能,Otter、Fireflies 这类 AI 会议工具也做了很多年。
按常规判断,这不是一个小团队应该轻易进入的市场:需求明确,巨头在场,竞品很多,用户也不缺选择。
但 Granola 还是做出来了。
2026 年 3 月,Granola 宣布完成 1.25 亿美元融资,估值达到 15 亿美元。
Granola 给我最大的启发就是:不要只判断这个市场竞争是不是激烈,而要判断用户是否真的满意。
Granola 就是一个 AI 会议记事本
用户开会时可以像用普通记事本一样记录重点,Granola 同时会转写会议内容。
会议结束后,它会把用户写下的粗略笔记和完整转写结合起来,生成一份结构化纪要、待办事项和后续跟进内容。
这个产品和很多 AI 会议工具的差异,不在于“能不能转写”,而在于它对场景的理解不一样。
很多会议工具的做法,是让一个机器人进入会议,把全部内容录下来,再自动生成纪要。
Granola 的方式更接近一个个人记事本。
它不需要一个可见的机器人进入会议,而是通过电脑音频完成转写。用户仍然可以自己写笔记,自己决定哪些信息重要,AI 负责把零散记录补完整。
这听起来只是一个交互细节,但它改变了用户感受。
对很多人来说,会议纪要不是一个独立任务,而是会议过程的一部分。真正的问题不是“有没有转写文本”,而是:
“我能不能在开会时专注听人说话,同时又不丢掉关键数字、分工职责、下一步行动计划”。
Granola 解决的就是这个具体问题。
它不是让用户完全放弃笔记,而是保留人的判断,再用 AI 补上人的记忆和整理能力。
用户可以在会后继续追问:上次和这个客户谈了什么?哪些事情还没完成?过去几个月的会议里,客户反复提到的问题是什么?
这也是 Granola 后来讲“公司上下文”的原因。
会议不是孤立信息。对一家企业来说,会议里有客户反馈、销售阻塞、产品需求、内部决策、交付风险,也有很多没有进入正式文档的判断。
如果这些内容长期沉淀下来,就不只是会议纪要,也是公司知识的一部分。
赛道选择:足够高频,也足够重要
今天做 AI 应用,很多人会问一个问题:如果 ChatGPT、Claude、Google、微软都能做,我还有机会吗?
Granola 的判断是,要看两个维度。
第一,这个需求是否高频。
低频需求很难形成习惯。用户偶尔用一次的功能,很可能直接交给通用 AI 工具完成,不会专门安装一个新软件。
第二,这个需求是否重要。
如果一个场景虽然高频,但用户对结果质量不敏感,那么小团队也很难突围。
只有当一个场景既高频,又对结果质量要求很高时,产品体验提升 10%,用户才有足够理由切换。
会议纪要刚好属于这个区域。
对创始人、销售、投资人、产品经理、管理者来说,会议是每天都在发生的事情。
会议结果直接影响客户跟进、团队协作、项目推进和管理判断。纪要做得差一点,可能就会漏掉一个行动计划、一个时间点、一个客户需求。
所以,即使 Zoom 和 Google 已经有类似功能,用户也不一定满意。
巨头做的是通用功能,Granola 做的是重度会议人群的个人工作台。
前者解决“会议结束后有一份纪要”,后者解决“我每天大量开会,如何把所有会议变成可查询、可复用、可行动的信息”。
这就是小团队的切口。
不是避开所有巨头,而是在巨头覆盖的地方,找到用户仍然不满意的细节。
产品验证和冷启动
Granola 由 Chris Pedregal 和 Sam Stephenson 于 2023 年在伦敦创立。
Chris Pedregal 不是第一次做 AI 产品。早在 Granola 之前,他就联合创办过教育应用 Socratic,让学生拍下题目后获得学习解释,这家公司后来被 Google 收购。之后他又在 Google 内部孵化过 Stack,用 AI 扫描和整理个人文件。
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,Granola 完成 1.25 亿美元 C 轮融资,估值 15 亿美元。客户包括 Cursor、Lovable、Decagon、Mistral AI 等公司。
Granola 的早期产品验证非常克制,它没有一开始就公开发布,而是做了接近一年的私密测试。
早期团队的做法很笨,但很有效:
找一个用户,坐在旁边看他安装、打开、使用 Granola,看他在哪里卡住、哪里困惑、哪里失望。
回去修改,第二天再找新用户继续看。
这类方法没有太多包装,但它对早期产品很重要。
很多创业团队会过早追求规模反馈,比如发到社交平台、上产品榜单、买流量、做活动。
但产品还没到位时,流量带来的不一定是增长,可能只是更大规模的失望。
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?他用过几次后,是把它当成一个新鲜工具,还是当成日常工作的一部分?
他们的验证对象也不是随便找来的用户,而是和自己相似的人:
知识工作者、创业公司员工、重度使用各类效率工具的人。
这些人会议多、工具多、对效率产品敏感,也更容易判断一个新工具到底有没有用。
也就是说,早期产品验证,不是找越多人越好,而是先找对人。
你要找的不是“愿意帮你试用的人”,而是真正有这个痛点、并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,让用户能实际试一下。
很多原型用户没有兴趣,但当他们看到“一个实时记事本帮我记录会议、补全内容、并且可以交互”时,反应明显不同。
Granola 公开发布时,也不是靠大预算营销。
他们在推特上发了一个动图,展示产品的核心体验:
用户在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,第一天带来了大约 500 个安装。
500 个安装不算惊人,但对一个小团队来说已经足够启动。
后面的增长思路也明显不同,Granola 没有依赖会议工具常见的增长套路。
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,甚至让用户产生反感。
Granola 没有把这种传播机制做到产品里。它更强调服务当前用户,而不是借用户的会议关系链强行扩散。
这反而变成了差异。
在一个到处都是增长技巧的市场里,克制本身会被用户感知到。
尤其是会议这种敏感场景,用户不希望一个工具为了增长,把自己的会议内容变成传播入口。
Granola 的增长更接近口碑扩散:一个人在公司里用了,觉得好用,推荐给同事;同事继续用,逐渐在团队里扩散;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 早年的企业渗透方式: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
这和很多 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岗位。
但 Granola 内部对 AI 的使用更务实。
他们有一个内部智能体,连接了公司的数据和工具,可以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,就可以让内部智能体去查过去几个月的数据,看这个直觉是否有数据支持。
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 不一定先替代判断,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。最后的产品判断、取舍和责任,仍然由人承担。
Granola 对产品决策的态度也很清楚:
用户反馈可以用 AI 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用户体验做判断。
这句话对今天的 AI 创业者其实也很有启发。
AI 能提高速度,但产品好不好,仍然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重要。
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,比如日活、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,让你看不到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。

这样一看,就能看到很多细节。
有人连续用了几天,然后突然停了。
你就要追问:他遇到了什么问题?是会议变少了,还是产品没有形成习惯?
有人一开始只是偶尔用,某一天突然用了五六场会议,之后开始持续使用。
你就要追问:那一天发生了什么?他为什么从试用变成习惯?产品有没有办法帮助更多用户更快走到这一步?
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:用户试用很多,但长期留下来的人少。大家愿意点开一个新工具,不代表它真的进入工作流。
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“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,但用户并不一定满意现有产品。很多时候,机会不在“没人做”,而在“大家都做了,但用户仍然觉得不好用”。
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原有习惯,如何减少打扰,如何让用户感觉自己仍然掌控工作,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。
AI 工具现在太多了,如果产品第一次体验不好,用户很可能不会回来。Granola 用接近一年时间做私密测试,看似慢,实际上是在降低公开发布时的失败概率。
第四,增长不一定靠复杂机制。
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。
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。
会议纪要只是入口。真正有价值的是长期会议记录、客户反馈、团队决策和个人工作方式。当这些信息持续积累,AI 才能从“帮我整理一次会议”,变成“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,更在没有被满足的需求里。
文章来自于微信公众号 “Fun AI Everyday”,作者 “Fun AI Everyday”
Related topics
After reading
Join the AINRK community
Read how to join the community and connect with people working in AI.




