这篇讲的是AI如何成为新的“认知工具”，像文字和数学一样帮人更聪明地思考。Granola的创始人Chris Pedregal认为，AI的价值不是替代人，而是在你需要的时候把最相关的信息拉到你面前。他特别看好两类工具：一是高频使用且要求质量高的专业工具，比如Granola（一款会议笔记AI，它坚持会后增强笔记而非实时生成，避免用户分心）；二是提供底层模型的Anthropic（它的Claude被Granola评估使用）和OpenAI（它的GPT-4被创始人用来陪孩子玩）。
本文探讨了Granola创始人Chris Pedregal关于AI作为认知工具的观点，认为AI是继文字、数学符号、数据可视化之后的下一个演化前沿。Granola作为AI笔记应用，通过转录会议并增强笔记来扩展人类认知能力，而非替代人类。讨论还涉及模型提供商与应用构建者之间的竞争动态，以及小团队如何在快速发展的AI领域创造巨大影响。Chris强调AI工具应使人更人性化，并分享了Granola的产品哲学和挑战。
Chris Pedregal 是 AI 笔记应用 Granola 的创始人兼 CEO。本期围绕一个核心命题展开：AI 是继文字、数学符号、数据可视化之后的下一个「认知工具」前沿，它的价值不在于替代人类，而在于扩展人类认知能力——把「外部化记忆」和「动态生成相关上下文」这两件事做到极致。Pedregal 用 Granola 的实践案例（会议转录+笔记增强）展示了这条路径的可行性，并分析了模型提供商与应用层之间的竞争格局、小团队如何在快速迭代的 AI 领域创造巨大影响。
Chris Pedregal 认为，人类历史上每一次认知工具的革命，本质都是「把大脑里需要 hold 的东西外化出去」——从文字、数学符号、数据可视化到计算机，每一次都扩展了人类的「RAM」；而 LLM 的独特之处在于，它能动态生成与当前时刻最相关的上下文**，这是此前任何工具都无法做到的。
历史脉络：Pedregal 列举了四个关键节点：
Pedregal 的核心类比：传统的笔记本和铅笔是「扩展 RAM」——你不必把一切记在脑子里。而 LLM 的解锁在于，它能在恰当的时刻把最相关的上下文拉到你的面前，而且是动态生成的。「想象一下，如果你在开会时，一台计算机能把所有相关的背景信息实时调出来，让你在那一刻变得极其聪明——那将是不可思议的解锁。」
证伪条件：如果未来 LLM 的上下文窗口虽大，但无法有效筛选出「此刻真正相关」的信息（即「信息过载」问题），则这个「动态上下文」的愿景会大打折扣。
Pedregal 揭露了 Granola 早期的一个关键教训：他们最初试图让 AI 在会议中实时生成笔记（用户输入关键词→按 Tab→AI 写出完整句子），但发现这反而让用户分心——用户忍不住看 AI 写的字，然后修改，最后发现自己根本没听对方说话。 这个错误花了六个月才纠正过来。
核心交互模式：
产品哲学的核心：「让用户控制工具，而不是工具控制用户。」 所有决策都围绕这个原则——即使是「编辑器」这个看似简单的选择：大多数 AI 笔记工具生成的是 PDF 或邮件，用户无法编辑；Granola 坚持用可编辑的编辑器，让用户可以在 AI 输出上添加自己的判断。
重要数据：Granola 作为 Mac 应用而非网页应用或会议 bot，初期只支持 Mac OS 13.4（当时约 15% 的 Mac 用户），但 Pedregal 认为这一决策是「重大 blessing」——应用在电脑上比浏览器标签页更直接、更可控，用户与产品的互动方式也因此更「亲密」。
Pedregal 提出了一个分析框架来判断 AI 应用是否会被模型提供商「吃掉」：两个维度——使用频率（高 vs. 低）和对输出质量的要求（高 vs. 低）。
| 象限 | 使用频率 | 输出质量要求 | 命运 |
|---|---|---|---|
| 低频率-低要求 | 低 | 低 | 被通用助手（如 Claude、ChatGPT）吃掉 |
| 高频率-高要求 | 高 | 高 | 专业工具（如 Granola）的领地——这是「专业工具象限」 |
| 低频率-高要求 | 低 | 高 | 可能被通用助手覆盖，但体验不会最优 |
| 高频率-低要求 | 高 | 低 | 容易被替代 |
核心论点：「这本质上不是智能问题，而是 UI 和用户体验优化的问题。」 如果某件事你每天做 500 次，且需要做到极致好，一个专门为这件事优化的工具一定比通用助手做得更好——因为通用助手无法在每个细节上都做到「极致」。
对于模型提供商的态度：Pedregal 认为「这是最好的事情」——模型之间的激烈竞争让 Granola 这样的应用层公司受益巨大。Granola 不是只用一家模型，而是「今天哪个模型最好就用哪个」，通过快速评估和热切换来保持最优性能。
对竞争的看法：Granola 最担心的竞争对手不是已存在的，而是「还没 launch 的 startup」——那些能站在 Granola 和其他人已经解决的问题之上，更快地执行的人。
Pedregal 认为，AI 应用层公司可以做到「小团队、大影响」，但前提是管理好两种模式：『exploit 模式』（知道要建什么，快速执行）和『explore 模式』（不知道答案，先探索）。混淆两者是灾难性的。
具体做法：
关键教训：Granola 在 launch 前花了整整一年（2023年5月才 launch），而当时他们已经「在 AI 笔记赛道晚了七年」。但 Pedregal 认为如果当时直接把实时生成笔记的那个版本 push 出去，用户会「学会」那个行为模式，然后 Granola 就再也无法转向正确的交互模式了。「保护你改变方向的能力，直到你对正确方向有高度信心为止。」
对「小团队效应」的进一步推演：Pedregal 认为，未来可能出现 10 亿美元营收但只有 20 名员工的公司。他举了一个具体例子：Granola 刚做了第一个客户体验人员招聘。他相信，2025 年之前成立的客户体验部门和之后成立的，在人员规模和运作方式上会完全不同——后者会大量使用 AI 工具，更小但也更高效。
关于「数据优势」的冷静判断：Pedregal 认为，「数据不是护城河」——因为现在的 foundation model 只需要很少的数据（比如 50,000 个例子）就能针对特定用例进行优化，而 50,000 个例子并不难获取。真正难的是「不可获取的数据」——但这类数据很少。
| 标的 | 嘉宾态度 | 关键数据 |
|---|---|---|
| Granola | 看好（正向建仓） | 2023年5月 launch；Mac 应用，初期只支持 15% 的 Mac 用户；团队<25人；用户以 AI 从业者、创始人和投资人为主 |
| Anthropic | 中性（未明示动作） | 被提及为模型提供商之一；Granola 会评估其新模型并考虑热切换 |
| OpenAI | 中性（未明示动作） | 被提及为模型提供商之一；GPT-4 voice mode 被 Pedregal 个人用于与孩子互动 |
| Socratic（Pedregal 前创业项目） | 历史参考（非正向建仓） | AI 教育应用；Pedregal 认为教育赛道「圣杯是一对一辅导」，但商业化激励与社会利益不一致 |
1. 「AI 是继文字、数学符号、数据可视化之后的下一个认知工具前沿」（Chris Pedregal）——支撑：每一次工具革命都扩展了人类「外部化记忆」的能力，而 LLM 的独特之处在于能动态生成「此刻最相关」的上下文，这是此前任何工具都无法做到的。
2. 「Granola 的核心交互模式是『会后增强』而非『实时生成』——因为实时生成会让人分心，反而让你无法专注于对话。」（Chris Pedregal）——支撑：Granola 花了六个月试图让 AI 实时写笔记，发现用户忍不住看 AI 的字并修改，结果没听对方说话；最终改回会议中像普通笔记本一样，所有 AI 润色在会后完成。
3. 「AI 应用是否会被模型提供商吃掉，取决于两个维度：使用频率和对输出质量的要求。高频率+高要求是『专业工具象限』，通用助手永远无法在这个象限做得比专门工具好。」（Chris Pedregal）——支撑：这是 UI 问题而非智能问题；专门优化某一使用场景的工具，在细节上的体验远超通用助手。
4. 「保护你改变方向的能力，直到你对正确方向有高度信心为止。」（Chris Pedregal）——支撑：Granola 在 launch 前花了整整一年（在 AI 笔记赛道「晚了七年」），因为如果先把错误版本推出去，用户学到的行为模式会让团队再也无法转向。
5. 「10 亿美元营收的公司可能只需要 20 名员工——特别是客户体验部门，2025 年前后成立的将完全不同。」（Chris Pedregal）——支撑：Granola 刚做了第一个客户体验人员招聘，认为未来的客户体验团队会更小、更依赖 AI 工具，且难以从「旧的」客户体验团队转型而来。
6. 「通用助手 vs. 专业工具」框架（Chris Pedregal 自创分类法）——两条轴：使用频率（高频 vs. 低频）× 输出质量要求（高要求 vs. 低要求）。低频率+低要求→被通用助手吃掉；高频率+高要求→专业工具领地；关键：这本质上是 UI 优化问题，不是智能问题。
7. 「数据不是护城河——今天的 foundation model 只需要 50,000 个例子就能针对一个用例做优化，而 50,000 个例子并不难获取。」（Chris Pedregal）——支撑：对比旧机器学习范式需要数百万个例子，现在门槛大幅降低；真正难获取的是「不可获取的数据」，但这类数据很少。
8. 「AI 工具应该让你更『人性化』——帮你做掉所有枯燥、重复的工作，但绝不要把判断力也外包出去。」（Chris Pedregal）——支撑：写作就是思考，如果 AI 替你写所有的字，你也就失去了思考的机会；Pedregal 希望工具「动态地把你个人生活和你认为最好的外部信息拉到你面前，在实时中帮助你思考」。