15亿美元AI公司创始人：2026年决定胜负的思维转变丨Silicon Valley Girl

15亿美元AI公司创始人：2026年决定胜负的思维转变丨Silicon Valley Girl 15亿美元AI公司创始人：2026年决定胜负的思维转变丨Silicon Valley Girl Modified June 4 🔗 原文链接： https://mp.weixin.qq.com/s/i6QOVgiF... 原创 Capihom Capihom 晚点再听LaterCast2026年6月3日 20:52 北京 我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。 全文约 3900 字，如果你现在没有时间，试试转成播客稍后再听 " 如果你相信 AI 会产生巨大影响，就应该尽量靠近它。 " "在 AI 时代，产品本身必须能跳出来，被注意到、被喜欢。" "你可以比大公司更在乎，因为它们必须在乎很多事情。" 本期采访的是 Granola CEO、联合创始人 Chris Pedregal。Granola 是一款 AI notepad，视频介绍里提到它 3 年做到 15 亿美元估值，闯进的却是一个早已拥挤的市场：Zoom、Google 和一批老牌 AI 会议记录工具都已经在做 notes。主持人开场就现场启动 Granola 来记录这次访谈，因为她的团队已经用了 6 个多月。Chris 的核心判断很适合今天的产品团队：AI 让软件更容易被做出来，也让平庸产品的噪音变得更大。小团队想赢，不能只问“大厂会不会也做”，要问自己能不能把一个高频、重要的工作场景做得比所有替代方案更让人愿意换。 AI 让门槛降低，也让平庸更多 主持人一开始抛出的疑问很直接：到了 2026 年，人人都能 vibe code，小团队还有必要做垂直软件吗？Chris 没有给一个乐观口号。他说，AI 确实让建产品容易了，你不需要那么多人、那么多资源；同一枚硬币的另一面，是更多人都会尝试，市场会更拥挤。他拿数码摄影作类比：相机变得人人可用后，专业摄影师没有消失，普通照片变多了，真正好的照片仍然有价值。 "现在更容易做产品，更多人也在做；问题变成了，你能不能比所有人都更在乎。" 他看到 AI 公司突围的共同点很朴素：产品真的能用，体验比替代方案好。现在用户更愿意为细微的产品提升切换工具，也更敏感于自己每天使用的软件质量。 AI 创业的门槛降了，耐心和品味反而变得更稀缺。 代码生成可以帮你更快搭出第一版，但很难替你在一个细节上多打磨十遍。对用户来说，会议记录有没有抓住数字和日期、会后能不能立刻生成跟进邮件、笔记能否被自己掌控，这些细节每天都会被反复感受到。 别急着公开发布 传统创业建议常说，尽快发布、拿真实反馈、快速迭代。Chris 在 AI 时代给了一个反常识版本：他会在 private beta 或 closed beta 里多待一段时间，直到产品明显好过竞争对手。Granola 没有一开始就大张旗鼓公开发布。团队花了接近一年时间，把产品给少量用户用，看他们哪里卡住，再一点点修掉。 "如果我今天从零开始，我会在闭门测试里做，直到我确信产品明显好过竞争对手。" 他的理由很现实：外面已经有太多粗糙产品，公开亮相时“更好”本身就会成为差异化。早期他们看一两个用户使用，就能发现产品哪里不对。Granola 直到能让那批早期用户觉得“真的不错”，才决定公开发布，后面再用更大规模的反馈继续修。 AI 时代的速度，不只体现在更早上线，也体现在把糟糕体验更早暴露给自己。 闭门阶段并不慢，慢的是带着一个半成品进入市场后，被噪音淹没，还很难分辨用户到底因为哪一步离开。 想战略，也要看用户眼睛亮不亮 Granola 的点子也不是一开始就完整成型。Chris 说，选创业方向要同时做两件事：一边判断这个空间有没有大机会，会不会走到死胡同；一边把东西放到用户面前，看他们怎么反应。2022 年，他第一次接触 LLM，比 ChatGPT 发布早 8 到 9 个月，就判断这会改变工作和生产力工具。真正落到产品上时，团队尝试过多个方向，大多数原型用户都不关心，只有实时 notepad 让人眼睛亮起来。 "一旦你做出那个判断，就别总在抽象层面想太深，要跟着人们喜欢什么的气味走。" 主持人提到 Google 的产品测试方法：看用户眼睛有没有亮。Chris 也承认，Granola 早期高度依赖直觉和定性观察。很多人一开始装不上、用不起来，团队就盯着这些挫败感改。 战略判断决定你在哪个水域下船，用户反应决定你该往哪个方向划。 这比闭门写十页 PRD 更残酷，也更省时间。 和大厂竞争，先选对格子 Granola 上线时，AI notetaker 已经存在七八年，Zoom 和 Google 也都有会议记录功能。Chris 的观察是，很多工具只能做到边缘有用，没有真的完成用户期待的任务。Granola 也生成 notes，但它把自己设计成个人工具：用户可以控制、可以补自己的笔记、可以把会议信息变成后续行动。产品看起来在同一类目里，用户感受到的角色完全不同。 "如果体验只好 10%，用户也有足够理由切换。" 他给了一个 2×2 判断法：横轴看使用频率，纵轴看重要性。低频场景很难和 ChatGPT、Claude 或大厂工具竞争，用户会顺手去已有入口；高频场景才有机会形成习惯。高频还不够，最好是用户非常在乎体验质量的工作，例如会议、跟进、关系维护、决策材料整理。主持人提到 Google I/O 里类似 Whisper Flow 的能力，可以边说话边引用 Google Drive 和 Gmail 里的文件。Chris 的回答没有否认这种威胁，他只是把选择题拉回用户：如果用例足够高频、足够重要，体验好 10% 就可能让人换。会议就是这种场景，一天可能发生多次，错过一句承诺或一个日期都会影响后续协作。 小团队不该和大厂拼功能清单，要选一个用户每天都遇到、并且愿意为体验提升换工具的格子。 增长来自产品被同事带进公司 Granola 的 B2B 路径模仿 Slack 和 Dropbox。先让公司里的一个人发现产品、喜欢产品、推荐给同事，工具在组织内部自然扩散；等到创始人、合规负责人、法务或安全负责人发现“大家都在用”，再转成企业付费、权限和数据治理。Chris 说，他们从一开始就知道会卖给公司，但早期只专注于做出人们真的想用、真的喜欢的东西。 "我们一开始只是想做出人们真的想要、真的喜欢的东西。" 他们第一次在 Twitter 发产品时，Chris 自己也没有多少粉丝。靠一个展示 notes 被自动补全的 GIF，Vercel 的 Guillermo Rauch 和 Matt Friedman 转发，第一天来了 500 个安装。更有意思的是，Granola 没有做旧式 AI notetaker 那种增长黑客：会议结束后强行把 notes 发给所有参会者，不管别人想不想收到。Chris 说，Granola 的工作是服务用户、给用户翅膀。 没有强增长回路，仍然能在拥挤市场里冒出来，说明用户在寻找更好的软件。 这种增长慢一点，却更干净，因为传播来自使用后的喜爱，而不是会议结束后的打扰。 150 个早期用户，比总图表更诚实 公开发布前，Granola 大约有 150 个活跃用户，主要是朋友和朋友的朋友。团队会先约一次电话，能线下就线下，不行就视频，让用户共享屏幕，从安装开始看他们如何使用 Granola，中间尽量不提示。三天后再约一次，让用户打开这几天用 Granola 记录的会议，一起回看哪些地方好、哪些地方差。Chris 说，这类定性观察信号最高，因为它直接暴露安装、理解、第一次使用和复用里的摩擦。 "每一行是一个用户，每一列是一天，你一眼就能看到使用模式。" 当产品开始有人持续使用后，他们用 dot plot 看留存：每行一个用户，每列一天，格子里填当天用了几场会议，用颜色深浅表示频率。总使用曲线只能告诉你累计有没有增长，dot plot 能看到某个人哪天突然形成习惯、哪群人用几次就掉了、谁隔了一段时间又回来。比如某个用户一开始只试一点，某天突然连着用了 5 场会议，之后变成习惯，团队就会追问：怎样让更多人经历那一天？ 早期产品不缺大盘指标，缺的是能逼你看见具体人的工具。 AI 先做 30 次点击的活 Chris 也分享了 Granola 内部的 AI stack。除了 Claude，他们有一个内部 Agent，叫 Nacho，连着公司几乎所有内部工具和数据源，可以在 Slack 里被调用。比如 Chris 觉得产品里某个行为奇怪，团队会让 Nacho 拉过去几个月的 analytics，看数据是否支持这个直觉；有人提出改按钮，Nacho 可以去和 Cursor 协作，准备一个变更。 "它做很多拉数据的活，做那些过去要点 30 下、打开三个工具、保存文件再上传的事。" Chris 很谨慎地区分了执行和决策。Nacho 会跑偏，团队会纠正它：“这不是我要的，你假设错了。”战略想法仍来自人，AI 执行查数、搬运、连接工具的工作。到了产品判断，Chris 仍然保留人类直觉：用户反馈可以交给 AI 聚类和分类，方便团队建立判断；至于产品灵魂、按钮放哪、体验给人的感觉，他仍认为那是创始人驱动的部分。主持人问有没有工作还没交给 AI，他提到“这个功能让我感觉如何”“另一个人会怎样体验”这类问题，仍要靠活生生的用户理解。 Granola 的内部 AI 没有替代创始人，它先接走了那些消耗注意力的机械步骤。 上下文才是 AI 助手的护城河 主持人问有没有让 AI 变好用的 magic prompt。Chris 的回答很直：AI 需要足够多上下文。Granola 里有他 2000 到 2500 场会议记录，他可以让 Granola 看过去一个月的会议，写出几页关于自己、公司和产品的上下文，再粘到 ChatGPT 或 Claude 里，回答质量会立刻变好。普通 AI 只读十来段上下文，很难真的理解一个人和一家公司。 "如果 AI 有足够多上下文，你就能问它相当惊人的问题。" 他把理想中的 Granola 比作楼梯扶手：平时几乎不可见，摔倒时手一伸就在那里，能承住你的重量。未来的 AI chief of staff 也许不需要每次被明确指挥，它会观察会议、邮件、任务和语境，推断该在什么时候提醒、准备材料、更新链接。Chris 举了一个跟进邮件的设想：如果你常给对方发某个说明文档，后来换了新文档，AI 应该能从邮件里自己发现变化，下一次自动使用新链接。 好的 AI 助手不会总抢戏，它会在你需要时准确出现。 Granola 做会议记录，背后真正想积累的是连续、真实、动态的人和工作的上下文。谈到 AI 焦虑时，Chris 也把问题拉回控制感：无法控制的变化少想，能控制的部分是靠近 AI，把自己擅长的核心能力用 AI 放大。 写在最后 Chris 最后的建议很克制：别被 Twitter 上的 FOMO 和“公司都由 Agent 运行了”冲昏头。你能控制的，是比任何人都更理解一个问题和一群用户。AI 会让变化更快，也会制造更多噪音。小团队真正能握住的，仍然是具体场景、具体用户和更好的产品体验。先把手里的问题看透，把用户的一天看细，再决定 AI 放在哪个步骤里，这比追逐每周的新概念更有胜算，也更能留下复利。长期看，用户会记住那份可靠。 内容来源："$1.5B AI Founder: The Mindset Shift That Separates Winners in 2026"丨Silicon Valley Girl 原视频：https://www.youtube.com/watch?v=U7apPfqHgvg No access 543c205826e84373b6b7ee6448880081 00:00 如果你喜欢深度好文，试试用小程序将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣ ⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣ https://mp.weixin.qq.com/s/i6QOVgiF... 🔗 原文链接： https://mp.weixin.qq.com/s/i6QOVgiF... https://mp.weixin.qq.com/s/i6QOVgiF... 原创 Capihom Capihom 晚点再听LaterCast2026年6月3日 20:52 北京 我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。 全文约 3900 字，如果你现在没有时间，试试转成播客稍后再听 " 如果你相信 AI 会产生巨大影响，就应该尽量靠近它。 " "在 AI 时代，产品本身必须能跳出来，被注意到、被喜欢。" "你可以比大公司更在乎，因为它们必须在乎很多事情。" 本期采访的是 Granola CEO、联合创始人 Chris Pedregal。Granola 是一款 AI notepad，视频介绍里提到它 3 年做到 15 亿美元估值，闯进的却是一个早已拥挤的市场：Zoom、Google 和一批老牌 AI 会议记录工具都已经在做 notes。主持人开场就现场启动 Granola 来记录这次访谈，因为她的团队已经用了 6 个多月。Chris 的核心判断很适合今天的产品团队：AI 让软件更容易被做出来，也让平庸产品的噪音变得更大。小团队想赢，不能只问“大厂会不会也做”，要问自己能不能把一个高频、重要的工作场景做得比所有替代方案更让人愿意换。 AI 让门槛降低，也让平庸更多 主持人一开始抛出的疑问很直接：到了 2026 年，人人都能 vibe code，小团队还有必要做垂直软件吗？Chris 没有给一个乐观口号。他说，AI 确实让建产品容易了，你不需要那么多人、那么多资源；同一枚硬币的另一面，是更多人都会尝试，市场会更拥挤。他拿数码摄影作类比：相机变得人人可用后，专业摄影师没有消失，普通照片变多了，真正好的照片仍然有价值。 "现在更容易做产品，更多人也在做；问题变成了，你能不能比所有人都更在乎。" 他看到 AI 公司突围的共同点很朴素：产品真的能用，体验比替代方案好。现在用户更愿意为细微的产品提升切换工具，也更敏感于自己每天使用的软件质量。 AI 创业的门槛降了，耐心和品味反而变得更稀缺。 代码生成可以帮你更快搭出第一版，但很难替你在一个细节上多打磨十遍。对用户来说，会议记录有没有抓住数字和日期、会后能不能立刻生成跟进邮件、笔记能否被自己掌控，这些细节每天都会被反复感受到。 别急着公开发布 传统创业建议常说，尽快发布、拿真实反馈、快速迭代。Chris 在 AI 时代给了一个反常识版本：他会在 private beta 或 closed beta 里多待一段时间，直到产品明显好过竞争对手。Granola 没有一开始就大张旗鼓公开发布。团队花了接近一年时间，把产品给少量用户用，看他们哪里卡住，再一点点修掉。 "如果我今天从零开始，我会在闭门测试里做，直到我确信产品明显好过竞争对手。" 他的理由很现实：外面已经有太多粗糙产品，公开亮相时“更好”本身就会成为差异化。早期他们看一两个用户使用，就能发现产品哪里不对。Granola 直到能让那批早期用户觉得“真的不错”，才决定公开发布，后面再用更大规模的反馈继续修。 AI 时代的速度，不只体现在更早上线，也体现在把糟糕体验更早暴露给自己。 闭门阶段并不慢，慢的是带着一个半成品进入市场后，被噪音淹没，还很难分辨用户到底因为哪一步离开。 想战略，也要看用户眼睛亮不亮 Granola 的点子也不是一开始就完整成型。Chris 说，选创业方向要同时做两件事：一边判断这个空间有没有大机会，会不会走到死胡同；一边把东西放到用户面前，看他们怎么反应。2022 年，他第一次接触 LLM，比 ChatGPT 发布早 8 到 9 个月，就判断这会改变工作和生产力工具。真正落到产品上时，团队尝试过多个方向，大多数原型用户都不关心，只有实时 notepad 让人眼睛亮起来。 "一旦你做出那个判断，就别总在抽象层面想太深，要跟着人们喜欢什么的气味走。" 主持人提到 Google 的产品测试方法：看用户眼睛有没有亮。Chris 也承认，Granola 早期高度依赖直觉和定性观察。很多人一开始装不上、用不起来，团队就盯着这些挫败感改。 战略判断决定你在哪个水域下船，用户反应决定你该往哪个方向划。 这比闭门写十页 PRD 更残酷，也更省时间。 和大厂竞争，先选对格子 Granola 上线时，AI notetaker 已经存在七八年，Zoom 和 Google 也都有会议记录功能。Chris 的观察是，很多工具只能做到边缘有用，没有真的完成用户期待的任务。Granola 也生成 notes，但它把自己设计成个人工具：用户可以控制、可以补自己的笔记、可以把会议信息变成后续行动。产品看起来在同一类目里，用户感受到的角色完全不同。 "如果体验只好 10%，用户也有足够理由切换。" 他给了一个 2×2 判断法：横轴看使用频率，纵轴看重要性。低频场景很难和 ChatGPT、Claude 或大厂工具竞争，用户会顺手去已有入口；高频场景才有机会形成习惯。高频还不够，最好是用户非常在乎体验质量的工作，例如会议、跟进、关系维护、决策材料整理。主持人提到 Google I/O 里类似 Whisper Flow 的能力，可以边说话边引用 Google Drive 和 Gmail 里的文件。Chris 的回答没有否认这种威胁，他只是把选择题拉回用户：如果用例足够高频、足够重要，体验好 10% 就可能让人换。会议就是这种场景，一天可能发生多次，错过一句承诺或一个日期都会影响后续协作。 小团队不该和大厂拼功能清单，要选一个用户每天都遇到、并且愿意为体验提升换工具的格子。 增长来自产品被同事带进公司 Granola 的 B2B 路径模仿 Slack 和 Dropbox。先让公司里的一个人发现产品、喜欢产品、推荐给同事，工具在组织内部自然扩散；等到创始人、合规负责人、法务或安全负责人发现“大家都在用”，再转成企业付费、权限和数据治理。Chris 说，他们从一开始就知道会卖给公司，但早期只专注于做出人们真的想用、真的喜欢的东西。 "我们一开始只是想做出人们真的想要、真的喜欢的东西。" 他们第一次在 Twitter 发产品时，Chris 自己也没有多少粉丝。靠一个展示 notes 被自动补全的 GIF，Vercel 的 Guillermo Rauch 和 Matt Friedman 转发，第一天来了 500 个安装。更有意思的是，Granola 没有做旧式 AI notetaker 那种增长黑客：会议结束后强行把 notes 发给所有参会者，不管别人想不想收到。Chris 说，Granola 的工作是服务用户、给用户翅膀。 没有强增长回路，仍然能在拥挤市场里冒出来，说明用户在寻找更好的软件。 这种增长慢一点，却更干净，因为传播来自使用后的喜爱，而不是会议结束后的打扰。 150 个早期用户，比总图表更诚实 公开发布前，Granola 大约有 150 个活跃用户，主要是朋友和朋友的朋友。团队会先约一次电话，能线下就线下，不行就视频，让用户共享屏幕，从安装开始看他们如何使用 Granola，中间尽量不提示。三天后再约一次，让用户打开这几天用 Granola 记录的会议，一起回看哪些地方好、哪些地方差。Chris 说，这类定性观察信号最高，因为它直接暴露安装、理解、第一次使用和复用里的摩擦。 "每一行是一个用户，每一列是一天，你一眼就能看到使用模式。" 当产品开始有人持续使用后，他们用 dot plot 看留存：每行一个用户，每列一天，格子里填当天用了几场会议，用颜色深浅表示频率。总使用曲线只能告诉你累计有没有增长，dot plot 能看到某个人哪天突然形成习惯、哪群人用几次就掉了、谁隔了一段时间又回来。比如某个用户一开始只试一点，某天突然连着用了 5 场会议，之后变成习惯，团队就会追问：怎样让更多人经历那一天？ 早期产品不缺大盘指标，缺的是能逼你看见具体人的工具。 AI 先做 30 次点击的活 Chris 也分享了 Granola 内部的 AI stack。除了 Claude，他们有一个内部 Agent，叫 Nacho，连着公司几乎所有内部工具和数据源，可以在 Slack 里被调用。比如 Chris 觉得产品里某个行为奇怪，团队会让 Nacho 拉过去几个月的 analytics，看数据是否支持这个直觉；有人提出改按钮，Nacho 可以去和 Cursor 协作，准备一个变更。 "它做很多拉数据的活，做那些过去要点 30 下、打开三个工具、保存文件再上传的事。" Chris 很谨慎地区分了执行和决策。Nacho 会跑偏，团队会纠正它：“这不是我要的，你假设错了。”战略想法仍来自人，AI 执行查数、搬运、连接工具的工作。到了产品判断，Chris 仍然保留人类直觉：用户反馈可以交给 AI 聚类和分类，方便团队建立判断；至于产品灵魂、按钮放哪、体验给人的感觉，他仍认为那是创始人驱动的部分。主持人问有没有工作还没交给 AI，他提到“这个功能让我感觉如何”“另一个人会怎样体验”这类问题，仍要靠活生生的用户理解。 Granola 的内部 AI 没有替代创始人，它先接走了那些消耗注意力的机械步骤。 上下文才是 AI 助手的护城河 主持人问有没有让 AI 变好用的 magic prompt。Chris 的回答很直：AI 需要足够多上下文。Granola 里有他 2000 到 2500 场会议记录，他可以让 Granola 看过去一个月的会议，写出几页关于自己、公司和产品的上下文，再粘到 ChatGPT 或 Claude 里，回答质量会立刻变好。普通 AI 只读十来段上下文，很难真的理解一个人和一家公司。 "如果 AI 有足够多上下文，你就能问它相当惊人的问题。" 他把理想中的 Granola 比作楼梯扶手：平时几乎不可见，摔倒时手一伸就在那里，能承住你的重量。未来的 AI chief of staff 也许不需要每次被明确指挥，它会观察会议、邮件、任务和语境，推断该在什么时候提醒、准备材料、更新链接。Chris 举了一个跟进邮件的设想：如果你常给对方发某个说明文档，后来换了新文档，AI 应该能从邮件里自己发现变化，下一次自动使用新链接。 好的 AI 助手不会总抢戏，它会在你需要时准确出现。 Granola 做会议记录，背后真正想积累的是连续、真实、动态的人和工作的上下文。谈到 AI 焦虑时，Chris 也把问题拉回控制感：无法控制的变化少想，能控制的部分是靠近 AI，把自己擅长的核心能力用 AI 放大。 写在最后 Chris 最后的建议很克制：别被 Twitter 上的 FOMO 和“公司都由 Agent 运行了”冲昏头。你能控制的，是比任何人都更理解一个问题和一群用户。AI 会让变化更快，也会制造更多噪音。小团队真正能握住的，仍然是具体场景、具体用户和更好的产品体验。先把手里的问题看透，把用户的一天看细，再决定 AI 放在哪个步骤里，这比追逐每周的新概念更有胜算，也更能留下复利。长期看，用户会记住那份可靠。 内容来源："$1.5B AI Founder: The Mindset Shift That Separates Winners in 2026"丨Silicon Valley Girl 原视频：https://www.youtube.com/watch?v=U7apPfqHgvg No access 543c205826e84373b6b7ee6448880081 00:00 No access 543c205826e84373b6b7ee6448880081 00:00 如果你喜欢深度好文，试试用小程序将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣ ⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣