摘要：2023 年 2 月就上线了 Notion AI，甚至早于 GPT-4 的发布。后续又陆续了发布了 Q&A 、Meeting Notes、企业搜索、AI for Work 等功能。

Notion 可以说是最早一批在产品内落地 AI 的公司了。

2023 年 2 月就上线了 Notion AI，甚至早于 GPT-4 的发布。后续又陆续了发布了 Q&A 、Meeting Notes、企业搜索、AI for Work 等功能。

用创始人 Ivan Zhao 的话来说，今天的 Notion 致力于打造「AI 工作空间」，让用户能以「AI 同事」的方式使用 Notion。

已经做了两年半 AI 产品的 Ivan Zhao，如今会怎么看待和思考 AI 产品，是个很值得聊的 ，尤其是对于今天的知识工作领域来说，Notion 会如何解决 AI 的不确定输出和上下文问题，成为知识工作领域的第一个真 Agent，也是一个值得期待的问题。

Ivan Zhao 最近接受了播客节目《Grit》、《Decoder》的采访，对于如何在 AI 时代打造一款好产品，输出了很多观点。

Founder Park 编译了这两期播客的精华内容，这次不聊早年的艰苦创业了，只聊 AI。

TLDR:

商业世界里有句话：要么捆绑，要么拆分。Notion 做的显然是前者的生意。我们的工作，就是将 SaaS 捆绑成一个相对统一的生产力工具，满足你核心的日常需求。

大多数知识工作本质上就是云端的高级文件柜。知识工作依赖文件柜运行，而数据库正是其核心。本质上，工程师每天所做的就是把一个关系型数据库与顶层的视图连接起来。我们该如何让这种能力普及开来？这就是我们的使命。

我们不是要做 10 分满分的产品，对我来说，理想区间大概是 7.5 分。如果你把工艺和美感推向极致，可能就没有为商业和实用性做足优化。如果 Notion 是 6.5 或 7 分，Figma 大概是 7 分。在工艺方面，我会给 Linear 打 8.5 分。

计算就像阅读和写作一样，它是一种我们可以掌握的媒介。我们可以塑造它，就像你可以写出英文句子，用你喜欢的方式来表达。一些真正优秀的人可以成为诗人，有些人可以成为小说家，你也可以用它来处理商业工作。计算也可以成为一种人人都能塑造的媒介。

乔布斯和比尔·盖茨这一代人，通过将个人电脑搬上每个家庭的书桌，普及了计算机。但他们把计算和软件锁定在了「应用程序」这个牢笼里。这种方式在某些方面更容易让人们理解，但也更加僵化，限制了你用软件所能达到的高度。于是，这就创造了一个双重阶级：应用程序的制造者，也就是程序员；以及应用程序的使用者，也就是我们其余的所有人。

我们倾向于用旧媒介的方式来使用新媒介。在 AI 方面我们也处于同样的阶段。如果你把 ChatGPT 的用户界面和 Google 的用户界面并排放在一起，它们有点相似：一个搜索框，然后给你一些答案。但语言模型和 AI 能做的事情远不止于此，我们只是还没有完全弄清楚该怎么做。

我们不再仅仅是为客户提供工具，而是为客户实现工作自动化，以「知识工作智能体」的形式提供这些构建模块，真正为他们完成工作。

过去，工具是提供给另一个人去使用，以满足商业需求。但现在，语言模型正拥有越来越强的人类能力，能够推理、思考、理解。所以软件公司能做的，不仅是提供工具，而是将工具和坐在工具后面的「人」打包成一个整体来提供。

构建 AI 产品的方式与开发传统软件有着根本的不同。这更像是「酿啤酒」，而不是「造桥」。传统软件开发，你可以完全控制，从你的愿景或客户需求出发，反向推导。但语言模型的工作方式完全不同，它常常只能带你走完 70-80%的路，却永远无法弥合最后 20%的差距。

主持人：Notion 现在是更侧重于团队而不是个人用户，这已经是你们明确的方向了吗？

Ivan Zhao： 我们从一开始就是为团队设计的 Notion。换个说法，我们称之为「软件领域的乐高」。我或许应该解释一下这个想法的源头。通常，一个团队可能需要用十几种不同的工具来完成工作，而我们的目标，就是将这些工具整合到同一个平台，为你提供搭建各种应用场景的「乐高积木」。这样一来，你不仅能在一处完成所有工作，还能利用这些「积木」来创造和定制属于自己的工作流。

主持人：我们聊过好几次乐高了。为什么这个理念这么吸引你？

Ivan Zhao： 因为在软件领域，类似的东西过去几乎不存在。回顾 SaaS（软件即服务）过去 15 年的发展，你会发现，大多数公司都在打造垂直领域的单一解决方案。对于每一种特定的客户和需求，这种模式似乎都合情合理。我们把这比作是为你量身定做的「硬塑料」方案，可一旦你有了 20 个这样的「硬塑料」方案，它们之间就很难协同，你也无法按需调整。作为用户，你每天不得不在六七个不同的工具间来回切换。

主持人：所以你想创造的，就是能像乐高积木一样拼在一起的工具。

Ivan Zhao： 我们想创造的是能放大人类创造力的工具。乐高充满了创意和美感，而大多数软件，恐怕都无法企及这一点。

主持人：你是一开始就对生产力工具感兴趣，还是后来才慢慢培养出的热情？

Ivan Zhao： 不，我认为这是外界对 Notion 的一个普遍误解。Notion 是一款生产力软件，这是我们公司和产品的定位。但它的核心，正如我刚才所说，是「乐高精神」。

简单回顾一下计算机行业的历史能帮助大家更好地理解，他们在六七十年代就认为，计算应该更像乐高，而不是硬塑料。正是在大学时期读到一篇计算机科学论文后，我才萌生了很久以前就开始构思 Notion 的想法。

可以说，过去 15 年的 SaaS 模式，更是制造出了一间间更小的「牢房」，因为每个应用只能做一件非常具体的事。这无论对我还是对客户来说，都讲不通。你每天为了完成工作，不得不在 20 个不同的工具间来回切换，这太荒谬了。一家普通公司平均会使用超过 100 种不同的 SaaS 工具，这种碎片化的问题，即便对 IT 部门来说也显而易见。

商业世界里有句话：要么捆绑，要么拆分。Notion 做的显然是前者的生意。我们的工作，就是将 SaaS 捆绑成一个相对统一的生产力工具，满足你核心的日常需求，从而为你释放出乐高般的创造力。

当然，这也不能完全归咎于整个行业。毕竟在 SaaS 出现之前，世界在长达一二十年的时间里都依赖于 Microsoft Office。SaaS 借助互联网这一分销渠道，催生了新的商业模式。而开创业务最自然的方式，就是找到一个非常精准的解决方案，这样你就能在另一端轻易地找到买家。

主持人：你们现在是直接对标 Microsoft Office 或 Google Workplace 吗？

Ivan Zhao： 我们与它们是共存关系，因为我们大多数客户仍在使用 Google Workplace 或 Microsoft Office，比如用它们的身份认证、邮件和日历服务。我们自己也有客户端形态的邮件和日历产品。一家初创公司完全可以在 Notion 上运营，不一定需要 Microsoft 365 或 Google Docs，但这两者并非完全互斥。

我们真正的优势，更多体现在需要用数据库来管理内容的场景。你可以把它想成：什么是属于 2020 年代、AI 原生的 Microsoft Access？大多数 SaaS 工具的本质，其实就是一个关系型数据库，外加一个工作流，用来存储公司的某种记录。而这恰恰是 Microsoft 和 Google 目前尚未深入的领域。

虽然它们有电子表格，但数据库的应用场景并不丰富。我们希望将这些场景进行整合和普及，把项目管理、工单追踪等数据库用例的「乐高积木」交到用户手中。有些公司用它来做 CRM，或者管理招聘流程；记者可以用它来管理所有的线索和报道。这些都是数据库的应用场景。

主持人：是的，我确实在 Notion 里做过类似的事。但我想问，一个功能如此强大的产品，它的另一面是什么？

有时我跟试用过 Notion 的人聊天，他们会说：「我不知道从哪儿下手，一打开就是个空白页面，有点懵。」似乎存在一定的学习曲线。你们是如何应对这个挑战，并引导用户理解 Notion 的用途？

Ivan Zhao： 是的，就像早期的乐高，你拿到手的就是一堆散装积木。后来，乐高推出了各种系列和套装，现在还会和漫威、F1 赛车合作，推出非常专业的套装。从某种意义上说，Notion 作为一家公司，我们正处在不断丰富「套装」的阶段，这样用户就不必从一堆没有任何说明的零散积木开始了。

可以想象一下，「嘿，我想要一辆 F1 赛车」，然后你拿到那个乐高套装。打开盒子，赛车就摆在你面前，你直接就能「上手」，立刻玩起来。但如果你不喜欢赛车的某个部分，因为它们是由乐高积木组成的，你就可以随时更换。这一直是我们的理念，而且我们正在加倍投入这种方法，因为它确实很有效。

主持人：有趣的是，我觉得像 Microsoft Office 这类大型生产力工具多年来面临的一个关键挑战就是 「 臃肿 」 ，对吧？应用里有一百万个功能，每一个对大约 0.5% 的用户来说都极其重要，因此你无法把它们砍掉。这款应用也因此塞满了按钮、菜单和小部件，变得越来越难用。Notion 能避免这种情况吗？

Ivan Zhao： 这确实棘手。如果你想支持更强大的功能，就得加入更多东西。有两种做法：经典做法是直接把功能硬塞进「硬塑料」里；我们则更像搭乐高——加一块积木，这块积木可以拼出各种用途。某种意义上，这种方法好得多。

就像乐高系统一样，用着大同小异的积木，一端可以拼出玩具车，另一端可以拼出芭比娃娃。如果你以设计师的眼光去审视最常见的生产力工具，你会发现它们的核心部件也就二三十个，比如某种形式的表格、一些关系型数据库功能、图表、评论、页面编辑和协作功能。

这 20 样东西是所有协作和知识工作的核心。所以，我们尽最大努力让它们变得友好、易于上手，并将它们拆分成一块块积木，既可以作为独立的部件提供给你，也可以作为套装的一部分。

主持人：Notion 里最受欢迎的 「 积木 」 是哪些？

Ivan Zhao： 我们从围绕文档和知识库的「积木」开始。我们以基于块的编辑器闻名，这可以追溯到早期，大概是 2019 到 2020 年。如今，数据库是我们最重要的「积木」，因为正如我所说，大多数知识工作本质上就是云端的高级文件柜。知识工作依赖文件柜运行，而数据库正是其核心。

人们并不容易发现这一点。我们需要更好地让人们理解它的强大之处。本质上，工程师每天所做的就是把一个关系型数据库与顶层的视图连接起来。我们该如何让这种能力普及开来？这就是我们的使命。

现在 AI 恰恰擅长拼接「乐高积木」。AI 可以写代码，而写代码本身就是另一种拼接工作流的方式。我们最新的功能，就是让 AI 成为帮你搭建 Notion 工作区的向导，这也是我们近一两年里新增的一种全新的用户引导方式。

主持人：我得说，在很多不同的产品里，这个功能对我来说都非常强大。能够在应用内直接问 AI 「我该怎么做这件事？」然后真的能得到答案。作为一个在各种「帮助」菜单里翻箱倒柜却一无所获的过来人，这个功能真的太实用了。

Ivan Zhao： 而且，它不只是教你怎么做，更多时候，AI 能直接帮你把事儿办了，对吧？

主持人：没错。

Ivan Zhao： 这其实是最大的区别。如果你思考一下软件行业正在发生的变化，你会发现，过去软件很大程度上是人提供工具给人用。但现在越来越多的公司意识到，「等等，我们有了一个叫语言模型的新事物。它就像一个装在盒子里的迷你人类实习生。我们应该设计软件来教 AI 如何使用这些工具，这样人类就能让 AI 去完成工作，从而做更多的事。」

主持人 ：有你这样一位懂艺术的创始人，Notion 肯定拿过不少设计美学类的奖吧？

Ivan Zhao： 我很擅长发现 bug，比如当界面上有什么东西有点偏差时，我能立刻感觉到。就在坐车来这里的路上，我还在提交一个 bug：在页面的标题里打字，会比在正文里打字稍微卡顿一点。

这其实很常见，因为当你输入标题时，这个标题可能需要被同步到 Notion 的很多不同地方，这会触发更多的渲染，因此比在正文里打字更卡顿，可能也就几百毫秒的差异。但当你每天都高频使用这个产品时，你会注意到这些事情。

主持人 ：如果在平行世界里，换一个很厉害的 CEO 来用 Notion，你觉得他们也能感受到这些细微之处吗？

Ivan Zhao： 我想人们是能感觉到的。也许他们无法清晰地表达出来，就像你走进一个漂亮的房间，你能感觉到你喜欢，走进一家餐厅，你喜欢那里的氛围，但你不一定能说出为什么。

人的品味和他描述这种品味的能力之间，是有一道坎的。 而这种描述能力，和他亲手创造出来的能力之间，又隔着另一道坎。

我想说，如果你是一名软件开发者，你就能准确地指出 bug 在哪里。比如我就知道，这可能是因为标题需要在更多地方渲染导致的。我大致了解事物是如何构造的，所以我能描述它，并且有把握知道如何修复它。

主持人 ：当你对世界思考得如此细致入微时，是不是反而需要在某些方面追求一种深度的简约？

Ivan Zhao： 这是个好观点，我从没这么想过。是的，你必须做出一些取舍。

食物就是我愿意妥协的地方。我喜欢美食，但我不是那种非常讲究的美食家。同时，我也不是对所有事情都追求极致。

你提到 Notion 在乎工艺，但我们其实很务实。我 们不是要做 10 分满分的产品，对我来说，理想区间大概是 7.5 分。 如果你把工艺和美感推向极致，可能就没有为商业和实用性做足优化。所以这里需要一个平衡。

主持人 ：这种平衡是靠科学决策，还是纯粹凭品味？

Ivan Zhao： 科学的部分，可以看作是营收和增长的反映。而品味的部分则更个人化。比如，我不会为了做一门好生意，就去推出一个在工艺和细节上毫无可取之处的东西，并为此感到自豪。Notion 就是在两者之间寻求平衡，我想推出的是能让自己引以为豪的产品。

主持人 ：你在饮食上的简约，让我想到一个新角度。在你生活的其他领域，是否也有类似的情况，用来平衡其他方面的复杂？

Ivan Zhao： 比如，我天生不是一个特别有条理的人。我是一个非常注重细节的人，但我不太喜欢整理归纳的工作。

就拿我使用 Notion 的方式来说，人们肯定以为我有一个非常复杂的数据库系统，关联着各种数据来追踪所有事情。但我其实只有一个满是复选框的清单页面。我不是一个追求极致效率的人，我倾向于让事情保持简单。我仍然会用纸质笔记本写东西，但并不会用最有条理的方式去组织它。

主持人 ：有没有其他公司或软件，让你觉得它们对「匠心」是有深刻的追求？

Ivan Zhao： 有的，有些甚至比 Notion 做得更好。Linear 是一个，它是为工程师团队打造的问题追踪工具。它的使用场景非常具体，但他们投入了大量精力，非常注重细节，产品速度很快，手感很好。还有，早期的苹果产品绝对是典范，苹果的操作系统和手机至今仍是工艺最精湛、细节最出色的产品之一。

当一个产品需要兼顾非常大的功能覆盖面时，要保持高水准的工艺就变得非常棘手。 创造像珠宝一样精美的产品相对容易。比如，设计师们很喜欢一款叫「Things」的待办事项应用，是德国开发的 App，产品里可能只有 10 个功能，但每个都打磨得非常棒。相比之下，打造像 Notion 或 Linear 这样功能庞杂的复杂产品，要困难得多。所以如何做出这种权衡，真的非常难。

主持人 ：你会把 Figma 放在哪个位置？毕竟它的功能也在持续扩张。

Ivan Zhao： 我会说 Figma 和 Notion 类似。如果 Notion 是 6.5 或 7 分，Figma 大概是 7 分。在工艺方面，我会给 Linear 打 8.5 分。

主持人 ：的确。

Ivan Zhao： 随着新产品的推出，Figma 的功能覆盖面会不断扩大，但我认为 Dylan Field（Figma 创始人）和他的团队也面临着类似的权衡。你需要发布新功能，也需要重构旧功能。这涉及巨大的功能覆盖面，而不仅仅是把每个细节都做得精致、令人愉悦。你去 Twitter 上看看，会发现有无尽的抱怨，都在说如何能让它变得更好。

主持人 ：你觉得这是一种必然的演化吗？如果 Notion 五十年后还在，会不会也变得很丑？

Ivan Zhao： 熵会侵蚀一切，软件也不例外。你看 Word，里面塞了太多东西。那些层层堆叠的功能，承载了太多人的需求和欲望，导致你几乎能用它做任何事。

重置是非常必要的。如果你不进行重置，就很难在缩小功能范围的同时，既提供实用性又保持高水准的工艺。 否则，你就可能得不断扩大功能来提供新的实用性，但工艺水准就会随之下降。这很棘手。

主持人 ：非常棘手。这也许就是为什么你心中能被列入「万神殿」级别的公司并不多的原因。

Ivan Zhao： 我们非常敬仰那些经典的硬件产品。如果你来 Notion 的办公室，会发现我们的会议室都是以实体工具命名的。iPhone 是其中之一，还有初代的宝马 3 系。

东芝电饭煲、索尼晶体管收音机、胜家缝纫机。这些工具，至少是那些能流传数十载，甚至上百年的经典工具，它们的产品形态不会改变太多，因为它们真正找到了适用于人们的解决方案。

东芝电饭煲改变了上亿人每天蒸米饭的方式；索尼晶体管收音机，他们在 50 年代末和 60 年代想办法把晶体管缩小，为人们提供了便携式音响。Walkman 也是同样的故事。他们利用新材料，在各种权衡中创造出一种产品形态。通常这种形态可以持续十年、二十年，甚至五十年。

主持人 ：在大学期间，你用了什么工具，让你觉得非得创造一个新东西不可？

Ivan Zhao： 真正启发我的是计算机的早期思想，了解这个行业从何而来。即便是在科技行业工作的人，他们也不知道现代科技源于何处。

现代科技来自六七十年代的那群人，也就是「嬉皮士」一代，离这里不远的西海岸，旧金山、斯坦福一带。在当时，计算机是房间大小的计算器，人们除了用它来计算税收，或者更早之前用来计算弹道导弹轨迹之外，几乎没有其他用途。「嬉皮士」一代却说，等一下，如果你在这些房间大小的计算机前放一个显示器——当时计算机只能来回打印纸张，没有显示屏，没有交互—— 你就能用这东西创造出一种全新的媒介，你可以让它变得可交互 。

这就是为什么鼠标在那个时代被发明，并由此创造了这个价值数十万亿美元、驱动当今世界的计算机产业。它原本并非如此。

很少有人理解第一代先驱们的初衷。

他们的意图是，计算就像阅读和写作一样，它是一种我们可以掌握的媒介。我们可以塑造它，就像你可以写出英文句子，用你喜欢的方式来表达。一些真正优秀的人可以成为诗人，有些人可以成为小说家，你也可以用它来处理商业工作。 计算也可以成为一种人人都能塑造的媒介 。

但直到最近，或者说在过去几年进入 AI 时代之前，故事才发生了一些变化。

在此之前，计算在很大程度上仍然是只有程序员阶级才能塑造的媒介。程序员几乎就像是现代的「文士」，只有少数人能读会写，但这并非最初的意图。六七十年代那代人的意图是，计算和软件是一种人人都可以塑造的媒介，用它来创造任何他们需要的工具，解决任何他们想解决的问题，就像你可以用英语来做各种各样的事情一样。

当我了解到这个想法时，我记得读了像 Alan Kay（第一台个人电脑的发明者之一）和 Douglas Engelbart（因发明鼠标而闻名）这些人的早期论文。我意识到这是尚未被实现的最强大的事物之一。我想建立一家产品公司，无论它是什么，来实践这个想法。这促使我想搬到硅谷，创办 Notion。

主持人 ：乔布斯也是那个时代的一员，他看到女儿用 Mac 写出自己的名字时欣喜若狂。

Ivan Zhao： 那大概是电影里的情节。Macintosh 以及之前的 Lisa，是首批面向大众市场的、基于图形用户界面（GUI）的电脑。而这个想法，来自乔布斯在此之前对施乐帕克研究中心（PARC）的一次访问。我刚才提到的很多人，像 Engelbart、Alan Kay，他们当时就在 PARC 工作。

当乔布斯看到它时，他说：「电脑就应该是可交互的，就应该是基于图形的」。所以他借鉴了很多这样的想法，想要创造 Macintosh 和 Lisa。但他自己也承认，他并没有把 PARC 的精髓全部复制过来。

有个著名的故事是，他们向他展示了三样东西。 首先是图形用户界面 ，他认为那是史上最伟大的发明，他看到了，并且借鉴了。 他们还向他展示了计算机网络 ，几十台甚至上百台电脑连接在一起，他没有看到这个的价值，所以 Macintosh 是一台带软驱的单机。 最微妙的是「面向对象 的 环境」 ，他也没有看到这个的价值。这就是我想表达的意图，让电脑像乐高积木一样，像一个个对象，人们可以拆解、重组，而无需成为程序员。他没有看到这一点。

从某种意义上说，乔布斯和比尔·盖茨这一代人，通过将个人电脑搬上每个家庭的书桌，普及了计算机。但他们把计算和软件锁定在了「应用程序」这个牢笼里。这种方式在某些方面更容易让人们理解，但也更加僵化，限制了你用软件所能达到的高度。于是，这就创造了一个双重阶级：应用程序的制造者，也就是程序员；以及应用程序的使用者，也就是我们其余的所有人。

主持人 ：你 认为 三年前 AI 的出现改变了情况 ，那 我们现在是否正在回归嬉皮士们期望的那个初衷 ？

Ivan Zhao： 很难说这就是六七十年代那代人的初衷。

主持人 ：那我们是否回到了行业最初追求的那种「可交互性」？

Ivan Zhao： 技术上来说，是的，它打开了更多可能性，更多人可以尝试编程。但我认为这件事比那更深刻。我的意思是，我们与我们使用的工具和媒介之间，总是存在一种有趣的关系。

现在，我们正处在一个从经典计算这个主要媒介，向一种更模糊、更基于语言模型、更基于 AI 的新计算媒介过渡的时期。

但当你进行这种媒介转换时，人们倾向于用旧媒介的方式来使用新媒介。

我给你举几个例子。当电视刚出现时，人们只是坐在电视机前，听广播演讲，就像对待旧媒介广播一样。当电话刚出现并取代电报时，人们最初只把电话当作一种非常简洁的短消息工具，用来传递信息，他们不会用它来闲聊，不会和朋友联络感情。当汽车刚被发明时，人们不知道该怎么用它，甚至会在车前安排一个举着旗子的人开路。

我们倾向于用旧媒介的方式来使用新媒介。

我认为，在 AI 方面我们也处于同样的阶段。如果你把 ChatGPT 的用户界面和 Google 的用户界面并排放在一起，它们有点相似：一个搜索框，然后给你一些答案。

但 语言模型和 AI 能做的事情远不止于此，我们只是还没有完全弄清楚该怎么做。而目前最好的方式，就是通过旧媒介的视角来使用它 ，也就是生成答案，或者在你说的编程例子里生成代码。我们可能需要五年、十年的时间才能真正弄清楚如何使用它。但我们正处在那个有趣的转折点上。

我认为，语言模型开启的这个 AI 媒介，其革命性可能不亚于计算媒介本身。所以它或许在解答一个与早期计算先驱们用计算媒介所思考的不同问题，我不知道，但我觉得它们的量级是相近的，只是有所不同。

主持人 ：这就像公有云刚出现时，大家只是把旧应用硬塞进 AWS， 花了好几年的时间，大家才最终意识到，「我们需要从头开始重写这些东西。」然后，一个围绕此而生的全新生态系统需要被建立起来。

这次 AI 技术的拉力更强，那这也可能解释了为什么一方面，创业热情和兴奋感空前高涨；而另一方面，人们也更加恐惧，害怕自己会成为那些即将被重写的旧应用，因为从根本上说，你所有的依赖项，对于未来的发展而言，都成了一种外语。

Ivan Zhao： 是的， 整个棋盘正在被重画，我们过去用来构建工具的「原料」变了。 一种全新的、「外星人」类型的原料，一种新型的木材，出现在了我们家门口。每个人都在试图弄清楚该用它来做什么，这正是令人兴奋的部分。

主持人 ： 这样来看的话， Notion 会不会面临被从零开始构建的新公司颠覆的风险？

Ivan Zhao： 我认为很多事情都会改变，不同的公司会给出不同的答案。传统的 SaaS 公司、垂直领域的 SaaS 公司，和像我们 Notion 这样的公司，回答这个问题的方式会非常不同，因为我们的出发点和意图截然不同。

所以，可以想想我们的策略是什么。我们受到了早期计算先驱的启发，想让软件变得可塑造，让终端用户可以修修补补。

在过去的五六年里， 我们一直在将不同的垂直 SaaS 整合为一体。从文档编辑、知识库、项目管理开始，我们将这些知识工作的「乐高积木」一块一块地放进 Notion 里。

总的来说，我们已经拥有了 SaaS 领域里大部分知识工作的软件构建模块。 我们在 SaaS 时代的策略，就是将这些工具整合到一个平台中。

事实证明，这对于 AI 来说非常有利，因为 AI 需要上下文和工具在一起。我们花了五年多的时间将这些单元整合到一个地方，这使得我们现在能够构建自动化。 我们不再仅仅是为客户提供工具，而是为客户实现工作自动化，以「知识工作智能体」的形式提供这些构建模块，真正为他们完成工作。

「智能体」（agent）这个词很时髦，但它本质上就是为你工作的软件。

智能体首先出现在客户支持这个垂直领域，最近一年左右，又出现在了编程领域。 但在知识工作领域，智能体还未真正出现。

为什么会这样？因为知识工作的工具和上下文非常分散。而编程的工具和内容，其实是相当独立的。大多数编程智能体的所有上下文都在 GitHub 的代码库里，在一个地方，都是纯文本文件，易于读写。它需要使用的工具就是读写这些文件。所以它非常独立，更容易创建编程智能体。

但创建知识工作智能体就极其困难，因为今天的知识工作，是你我这样的人在十几个不同的应用中完成的十几种不同任务。

在过去五年多的时间里，Notion 是少数几家真正在整合这些上下文和工具的公司之一。你不再需要去不同的地方做不同的事情。所有的「乐高积木」都在一个地方。这让我们能够构建知识工作智能体，而这正是我们目前正在做的事情，也给了我们一个相当不错的领先优势。

主持人 ：但这是否意味着用户必须完全投入 Notion 的生态？

Ivan Zhao： 不一定。我们也能处理外部内容。上个月我们刚推出了企业搜索产品，让 Notion 能够与十多种外部系统集成，从 Google 全家桶到 Microsoft 全家桶，再到 Atlassian 全家桶，都能兼容。你可以在这些系统之间进行搜索，并整合信息以完成知识工作。

主持人 ：你对 产品开发 的看法，在过去几年有什么演变吗？

Ivan Zhao： 很多方面都变了。比如， 构建 AI 产品的方式与开发传统软件有着根本的不同。我喜欢用的一个比喻是，这更像是「酿啤酒」，而不是「造桥」。

对于传统软件，你基本上可以工程化地实现任何你能想象的东西。过去二十年，人们开发软件的方式无非两种：要么是 Y Combinator 的模式，紧跟你的客户；要么是乔布斯的模式，你有一个愿景，不听客户的，因为你更懂。这两种方式都是从某个终点出发，然后你详细规划出设计方案，工程师再去实现它。

但语言模型的工作方式完全不同。 你无法实现所有你能想象的东西，它常常只能带你走完 70%或 80%的路，却永远无法弥合最后 20%的差距。

我们其实是吃过亏才学到这一点的。一年半前，我们曾尝试构建一个知识库，当时 Notion 的「乐高积木」都已就位，但语言模型本身还没有完全准备好。你没法强求它，所以这更像是酿啤酒，你必须创造合适的环境，引导酵母去发挥作用。 这改变了软件开发的流程顺序，你必须进行大量实验，把设计师和工程师并排放在一起，给他们数据和合适的上下文，然后不断尝试，看什么能成。 而旧的方式更像是「瀑布式开发」，从你的愿景或客户需求出发，反向推导。我们花了一段时间才意识到这一点。

我认为许多其他公司，甚至是一些大公司，也正在意识到这一点。一旦公司规模变大，就很难转换到这种新的软件开发模式。

主持人 ：我很喜欢「酿啤酒和造桥」的比喻。你的意思是，原料不同，出来的啤酒味道也略有不同吗？

Ivan Zhao： 我的意思是，这个过程是「有机的」，因此你无法完全控制。你不能对酵母说，「酵母，请酿出那个味道。」你无法强迫它们。你必须去引导模型，引导模型内部蕴含的智慧和能力。

有时候它能造出你脑海中的东西，有时候不能。你能做的最好的事就是不断尝试，看是否能引导它走向那个方向，你无法强迫它。

而对于传统软件开发，你基本上可以实现 Figma 文件里的任何设计，也许需要三个月，也许需要六个月，但你总能做到。而对于酿啤酒，你可能永远也达不到那个目标。这就是为什么如果你上 Twitter，会看到那么多酷炫的演示，但很难找到真正的产品。因为要成为一个真正的产品，你需要弥合那最后 20%、30% 的差距。这是最大的不同。

主持人 ：我们是不是高估了 AI 在短期内的能力，实现自动化可能比想象的更久、更难？

Ivan Zhao： 很可能。就像 Andrej Karpathy 谈到的，他十年前就看到了自动驾驶的未来，但花了十年时间才解决了所有的极端情况（corner cases）和系统或人为的官僚障碍。知识工作智能体很可能会经历类似的过程。

但当你真正去体验这些语言模型，体验其底层能力时，你会知道，它真的太强大了，太与众不同了。感觉「里面有个人」，它能做越来越多我们人类能做的事情。

然后就是想办法围绕它构建工具和技术栈，释放这种能力。再然后是组织层面的事情，比如市场推广策略，如何帮助你的客户理解并采纳它，如何让他们的组织为此而进化，这个过程可能更慢。但这个技术的核心，它的能力就在那里。而且有趣的是，这个能力每三个月左右就会变得更强，并且没有停止的迹象。

主持人 ：你说的「里面有个人」是什么意思？

Ivan Zhao： 我认为这是所有软件公司面临的最大转变。像 SaaS 和云软件公司，正在从「销售辅助工作的工具」转向「提供工作本身」。过去，工具是提供给另一个人去使用，以满足商业需求。但现在，语言模型正拥有越来越强的人类能力，能够推理、思考、理解。所以 软件公司能做的，不仅是提供工具，而是将工具和坐在工具后面的「人」打包成一个整体来提供。

你在客服领域已经能看到这一点了，它 不再仅仅是让你的支持人员更高效，而是直接在做支持工作。 在编程智能体中也能看到这一点，它不再仅仅像集成开发环境（IDE）那样帮你自动补全代码，而是直接提供最终的产出。我们还没有在知识工作领域看到这一点，在许多其他知识工作领域也还没有看到，但我们会看到越来越多这样的例子。我们正在为此打造产品。比如上个月，我们发布了三款 AI 产品，你就能看到早期的雏形。

企业搜索是我提到的其中之一。这还只是初步的，很简单直接，你不用再为了找一个答案而去翻阅 20 篇文章，它直接为你生成答案。

还有研究功能，你不用再自己去整合信息或撰写报告，它会根据你所有的内部数据起草一份报告。过去这可能要花上你几个小时，现在五分钟就能完成。

第三个是会议纪要。你不用再自己打字记录所有会议内容了。我们将 Notion 的日历和文档这两个「乐高积木」，与 AI 的转录和总结这两个「乐高积木」拼接在一起，你就能得到比任何人类写的都更好的会议纪要。这些都是最基础的知识工作模块，过去需要人们投入大量精力。现在 AI 可以做了，它不仅提供工具，还提供了过去由人类完成的工作。

主持人 ：构建这三款产品，比以前要容易多少？

Ivan Zhao： 这绝对是一个巨大的优势。就拿会议纪要这个例子来说，我们只用了两个月就构建出了这个产品，因为我们已经拥有了所需的「构建模块」。

我们有协作文档这个界面，这是最好的构建模块之一。我们有日历产品，所以我们知道你的会议，知道何时应该开始会议并推送通知。这是我们拥有的另一个构建模块。现在，我们可以引入 AI 转录和 AI 总结这两个构建模块。这四个模块加在一起，让我们能在不到两个月的时间里，就发布了一款同类最佳的会议纪要产品， 因为我们已经拥有了这些基础，并且我们拥有你的上下文。

你公司所有的其他知识也都存在 Notion 里。在会议结束后或会议期间，通过企业搜索功能，你可以提问，「某某在上次会议里谈了些什么？」你可以做到这一点，这就是复利效应，我们整合了工具。

在 SaaS 时代，我们整合工具，让公司能更高效。最近一个很好的例子是 Ramp，他们完全迁移到了 Notion 上，我们为他们减少了 70% 的工具成本。

但更重要的是，这不仅仅是工具成本，公司发布产品的速度也快了很多。想象一下，Ramp 的每个员工都开箱即用地拥有了三四个 AI 智能体，这些都与 Notion 无缝协作，这会带来巨大的生产力提升。

这仍然是 SaaS 时代的价值主张：降低工具成本，提高生产力。但在我看来，AI 时代把这一点提升到了更高的高度，因为语言模型需要上下文和工具在一起。

不再仅仅是人类的商业决策者偏爱这一点，模型本身也需要。 我们一直听到「上下文窗口」这个词，就是因为语言模型需要上下文在一起，才能开始为你思考和解决问题。

如果上下文是碎片化的，就像 SaaS 时代那样，它也能勉强工作，因为人类是那个「胶水」。你去 Slack 看几条信息，再去 Notion，再去你的 Google Docs，再去 Jira，再去你的邮件，来来回回，所有的上下文都储存在你的大脑里。

让 AI 去做这种人类的「胶水」工作是非常困难的。 如果说有什么不同的话，那就是 AI 更偏爱上下文和工具的整合。而我们，作为少数几个能做到这一点的平台之一，已经将上下文和工具整合在了一起。这就是为什么我说，我们处于一个非常有利的位置，去构建那个尚未存在的知识工作的未来。

来源：晚晚的星河日记一点号