AI 笔记 Granola 新功能直接当电话，边打电话边整理笔记
AI 笔记类产品有很多《华人学生辍学做的 AI 笔记 ARR 超千万美金，2 次转型走了一条完全不同的路径》，不过 Granola 是非常独特并且很受创投圈喜欢的一个，目前已经拿了总计 6700 万美金的融资，估值达到了 2.5 亿美金。
5 月份做 4300 万美金 B 轮融资时，Granola 已经从之前的个人第二大脑，向团队第二大脑延伸，核心强调数据存储价值和团队协作网络效应《估值 2.5 亿美金的 AI 笔记，和一个 200 万用户的 AI Excel》。
而 Granola 最近推出的两个功能，我觉得延续了整个团队的高质量思考和产品设计：保持简洁的同时抓住了核心需求点。
一个是上周推出的 People 和 Companies，Granola 强调这是一种随时了解你最重要的人际关系动态的新方法。因为 Granola 核心切的是会议场景，而其中创投圈的人又是早期的核心人群，对于每天有大量会议的这群人来说，其关键信息的对象要么是针对公司的，要么是针对人的。
因此我觉得这个功能点切的非常精准，把关键的核心需求点结构化出来。Granola 说，你的每一次对话都很重要，但真正重要的是你通过每一次会面建立起来的关系（relationships）。
现在，通过侧边栏的这个功能，你可以一目了然地看到全局，所有与个人或公司相关的笔记都集中于一个视图中。点击某个人或者某个公司时，所有与其有关的笔记都会出来，从而不必一个一个去查找。
为了让这种关系产生更多价值，Granola 与拿了 1 亿多美金的 AI CRM 产品 Attio 进行了整合《AI CRM 融了 1 亿多美金，一个 AI 群聊 Agent 拿了近千万美金》，你可以将笔记直接发送到 Attio，并根据会议内容自动匹配到合适的人员、公司或交易。
同时也与 Zapier 完成了集成，让你可以延伸到企业和团队里使用的所有工具中，Granola 说它们现在已经集成了 8000 多个应用。
这是海外工具类产品非常好的一点，当自己解决了某一个需求点时，快速将自己与整个生态的其它产品集合起来，从而让自己的价值通过其它生态得到更大展现，而不仅仅是单点的功能。
第二功能则是今天前天推出的电话功能，只需要做一下绑定，你可以直接将 Granola 当电话使用，这样你一边打电话它一边帮你记录并整理电话的内容，即使是戴上耳机也可以，目前应该只支持 iPhone。
之前这块的解决方案都是通过单独的硬件产品来实现，比方说 Plaud 和钉钉最近推出的 DingTalk A1，Granola 这个方案在电话这个场景就不需要外部硬件了。这样无论是线上会议、线下闲聊或者电话，感觉 Granola 已经把所有场景都覆盖到了。
这个功能目前不支持中国的电话号码，不过我用 Google Voice 绑定是可以的。除了场景不同，Granola 的其它功能都是一样。
在最近的几次对话中，Granola 创始人 Chris Pedregal 聊到了很多关于产品的定位、设计以及未来。这几点我觉得挺有价值的：
Granola 产品定位与愿景
功能这块，Granola 一开始是一款为频繁开会人群设计的 AI 笔记应用，能自动记录和增强会议笔记，帮助用户在高强度会议中高效捕捉关键信息。
但它的目标不仅是会议记录，而是打造能扩展人类能力、提升知识工作效率的思维工具，愿景是让 AI 成为“思维的喷气背包”，打造“第二大脑”，重塑人类处理信息和协作的方式——从个人的“第二大脑”到团队的“集体大脑”，再到一个面向未来的智能工作空间。
产品设计与差异化
Granola 注重“为用户而生”，强调极简、易用、可靠，拒绝采用会议机器人和音频存储，聚焦于笔记本身，降低用户隐私顾虑。团队在产品发布前砍掉了 50% 的功能，追求极致简单和易用，避免因功能堆砌而损害体验。
与其他 AI 会议工具不同，Granola 更像个人助理而非团队记录系统，强调个人体验和习惯养成。让产品像“智能记事本”而非“会议录像机”。
Chris 认为，AI 大模型（LLM）将重塑知识工作工具，其效用取决于所拥有的情境信息，而最实时、最鲜活的情境，往往存在于员工的日常对话中。
团队选择会议场景作为切入点，是因为会议能快速积累大量用户上下文，有助于 AI 发挥作用，同时会议习惯易于培养。一场 30 分钟的会议可产生多达 40 页的文本，这些信息构成了团队最宝贵的“非结构化数据”。
专注特定用户与使用场景
面对 OpenAI 这样追求“通用性”的巨头，Granola 选择了另一条道路：为特定使用场景和用户群体提供更优质、更个性化的体验。
早期，它重点服务投资人、创始人和需要高效捕捉信息的专业人士。通过直觉驱动的设计与持续的用户反馈迭代，Granola 不断校准产品与目标用户之间的契合度。
它非常强调个性化的上下文处理。比方说，一场融资会议对创始人和投资人的意义是不同的，Granola 能够基于角色自动生成不同的摘要和重点信息。这种基于角色的“定制记忆”体现了 Granola 对“上下文设计”的重视。
Chris Pedregal 认为，目前的 Granola 产品就像一个“特洛伊木马”，通过会议转录收集到海量上下文，未来则会基于这些数据支持更复杂的工作场景——例如快速分析数千场会议，帮助投资人识别下一轮融资的潜在领投方。
在技术和模型选择这块，Granola 采用“用最好的模型”的策略，不自研大模型，而是根据市场变化灵活切换，优先用户体验和产品创新。团队认为未来 AI 模型会持续进步，产品壁垒更多来自用户数据积累、产品体验和集成，而非模型本身。
