爆款AI笔记Granola估值2.5亿美元，2人3天复刻出中文版

1台AIPC，2个人，3天，复刻出爆款AI笔记Granola核心功能。Granola是一个“很通人性”的AI应用——我们需要的不是转录，而是符合个人大脑特征的AI工具。

征得2位开发者同意，文末附上了产品下载地址，欢迎大家体验“锐评”。

AI会议笔记一直是生产力工具的核心战场，今年的竞争异常激烈，ChatGPT、NotebookLM、Notion都推出了会议转录功能。但在巨头环伺之下，资本仍然在追捧AI Notetaker初创公司：

• Abridge：AI医生笔记，估值27.5亿美元
• Fireflies：打通40+SaaS的AI会议纪要，自动提取关键行动项分发到相应SaaS，估值10亿美元
• Otter：AI纪要，ARR 1亿美元，用户2500万
• Read：AI纪要，估值4.5亿美元
• Granola：AI会议笔记，估值2.5亿美元
• Plaud.ai：AI录音笔，录音内容可转成脑图、笔记、摘要，ARR预计2.5亿美元

Granola凭什么成为「留存之王」？

AI笔记赛道先发者和高手林立，来自伦敦的Granola作为后起之秀，产品上线1年就达到2.5亿美元估值。它保持了超高的用户留存率——月留存70%，10周留存50%，是当之无愧的超级黑马AI应用。

Granola的产品理念和其他产品有根本性差异——并非追求AI替代人，而是把人机共生价值发挥到极致。它对会议场景有清晰的分工定义：人在开会的时候，应该记录的是自主迸发的思考与灵感，而不是去记录他人的发言，这种机械性任务会分散思考的精力，理应让AI去做。

Granola生成的笔记和腾讯会议等标准化纪要不一样，AI会根据你记录的关键词（图左），把纪要融进去，编织成匹配你的大脑和思维的专属笔记（图右）。

意外进化：从会议笔记到「个人办公第二大脑」

Granola这种分工让会议记录从 “被动抄写” 变成“主动创作”——人聚焦思考，AI负责信息兜底，形成高效协同。

开会，只是工作流的环节之一，每个参会人关注点不一样，会后要执行的任务也不一样，"千人千面"的会议笔记和会后To Do更贴合真实的工作流。

Granola团队没想到的是，很多用户从会议场景开始使用，逐渐扩展到了个人笔记，成为"个人办公的第二大脑"。

用AI生产AI：2人3天复刻“中文版Granola”

我身边很多朋友期盼Granola能推出中文版。最近我亲眼见证了一个惊喜：1台AIPC，2个人，3天时间，利用Cursor快速复刻了“中文版Granola”的核心功能，不仅支持云端使用，还能在本地运行。使用AIPC的端侧算力和端侧模型，完全能达到同等丝滑的使用体验。

我在第一时间要了安装包进行体验，分享我真实的感受：开会半小时，2人参会，全程我只记录了几个关键词，整个过程不像在做笔记，而是在向AI标注重要事项：

会后，点击“enhance”让AI纪要增强我的笔记，要点清晰、没有遗漏，ToDo的生成也很准确：

会议笔记直接生成思维导图：

原始对话内容按时间戳保留记录：

我现在基本很少用在线文档做会议记录了。不过，这个产品目前还有需要精进的地方，比如：笔记生成后，我想局部修订个别关键词，让AI二次增强笔记；如果能支持插入图片，线上开会做笔记就更便利了。

虽然它的稳定性也还不完美，但已经展现了很高的开发效率。

人机交互的锚点：从对话中挖掘价值

这2位 “超级个体”开发者本是Granola的重度用户，却因没有中文版，很多会议场景无法顺畅使用。于是，2人动手复刻，仅用3天就上线了核心功能。公司同事发现后，也纷纷要了安装包，不到一周，全公司就实现了100%“Vibe Note”。

我最近也看了很多AI笔记产品的设计理念，发现团队中最新的数据、最重要的信息，不一定在文件中，而是散落在成员日复一日的沟通记录里。企业级AI领导者Palantir也有类似的经验，“企业最重要的数据和资产并非存在于系统中，而是在员工日常的对话里”。

Granola创始人Chris分享过，用户只是想外包所有重复、枯燥、无脑的工作，但不想外包判断，“人类并非想让AI替代自己的大脑，而是想让AI解放自己的双手”。

让个人数据服务于个人需求，AI才能从通用工具变成专属助手

在2位开发者看来，AI应用的真正潜力在于对个人数据的充分利用、与个人场景的深度融合。每个人的思维结构、行为习惯、知识结构、关注重点都千差万别，有人习惯在本地文件夹里归档资料，有人依赖个人知识库，有人的思考轨迹藏在文档修改记录、搜索历史等行为数据中。这些分散在PC里的 “个性化信息”，恰恰是AI理解用户的 “原始素材”。

他们特别看好AI应用和PC本地数据的联动，“当AI能充分理解我的数据，就能越来越贴合我的大脑特征和个性需求”，从千篇一律的 “通用工具” 进化为 “专属生产力助手”。同时，考虑到会议、笔记数据的隐私性，他们优先采用AIPC端侧算力与本地模型运行应用，兼顾了安全性与低成本。

文章来自于“后浪new”，作者“十鸢星奈”。