在最新一期《Decoder》中，Notion 联合创始人兼 CEO Ivan Zhao，把一次产品访谈变成了关于软件形态、AI 角色和行业未来的深度辩论。

他回顾了过去十五年的 SaaS 发展，认为这种模式更多是在构建彼此割裂的垂直工具，导致企业的数字化工作环境越来越像被切割的“信息孤岛”。用户和团队不得不在十几个甚至二十几个应用间频繁切换，沟通、数据和流程的割裂反而被放大。相比之下，Notion 选择了另一条路径——用模块化、可组合的架构，把不同功能整合到一个统一的平台中，让用户像搭建模型一样，自定义工作流和数据结构。

这种理念并非源自市场竞争，而是他十年来坚持的产品哲学。2015 年，在发现早期版本的技术基础无法支撑长远目标后，他关停了 Notion 1.0，把团队缩减到两人，搬到京都低成本重启。这次“归零”背后，是对计算环境形态的再定义——软件不该是封闭的硬塑料容器，而应该像一套开放的构件系统，可以被自由拼搭、修改和扩展。

进入 AI 时代后，这套“积木”获得了全新的用途——它们不再只是静态工具，而是可以组装成主动协作的虚拟队友。Ivan 的构想，是让一个只有两位创始人的初创团队，瞬间拥有十人级别的执行能力，从记录、项目分派到资料调研全覆盖。效率的提升并不是来自替代岗位，而是通过放大个体能力和团队协作来实现。

他同时也看到现实的局限——这些 AI 队友目前的状态，更像是刚入职的新人：聪明、反应快，但缺乏稳定可复用的经验，无法在复杂场景中保证一致性。下一步的挑战，是为它们注入长期记忆与学习能力，让它们从一次性惊艳进化为稳定、可依赖的伙伴。

在他看来，AI 正在推动软件行业从“工具集合”向“有机系统”过渡。这种变化节奏之快，甚至超过了互联网泡沫时期的标准迭代和摩尔定律时代的硬件更新。传统的瀑布式开发方法难以适应，需要的是快速迭代、跨职能团队和对模糊性的高度容忍。而这种方法论，也可能重塑下一代创业者运营公司的方式。

这期访谈，不仅是一次公司故事的复盘，更是一场关于软件未来的下注：是继续在碎片化的单一工具赛道里卷功能，还是回到那个人人都能自由拼搭计算梦想的时代。Ivan Zhao 的选择，既带着创业者的理想主义，也蕴含着对行业格局的挑战。

以下是全文翻译，

主持人：Ivan Zhao，欢迎来到 Decoder。

Ivan Zhao：谢谢邀请我来。

主持人：我们先从一个高层面的描述开始吧，请你为我们介绍一下 Notion。如果听众们还没用过它，它是什么？它能做什么？

Ivan Zhao：我们做的是一款集成化的全能型生产力软件。人们会用 Notion 做各种各样的事——从记笔记、协作项目、管理文档、管理知识库，到最近我们还上线了日历产品和邮件产品。其实你自己也在用 Notion，你倒是可以来描述一下它是什么。

主持人：我觉得你刚才已经描述得很到位了。我确实在用 Notion，这也是我想跟你聊的一个原因——每次我能和自己常用产品的 CEO 对话，就能顺便给他们一些产品反馈，这对我来说很有趣。

Ivan Zhao：完美。

主持人：那么你觉得今天的 Notion 是更偏向于团队使用，还是个人使用？这是不是它自然发展的方向？

Ivan Zhao：我们设计 Notion 的初衷就是面向团队。所以换个说法，我们称它为“软件界的乐高（LEGO）”。也许我可以多解释一下这个意图。如果你是一家公司，一个团队通常需要用十几个不同的工具才能把工作做完，而我们的目标是把这些工具整合进一个盒子里，再给你一套乐高积木，支持所有这些场景。这样你不仅能在一个地方完成所有工作，还能用这些乐高积木去创造和定制你自己的工作流。

主持人：这些年来你我已经多次聊过乐高的概念。你为什么会被这种设计方式吸引？它为什么是一个如此贴切的比喻，用来形容你想让 Notion 做的事情？

Ivan Zhao：因为在软件世界里，它其实并不存在。如果你回顾过去 15 年的软件即服务（SaaS）发展，大多都是人们在打造垂直的、针对特定场景的解决方案。对于每个特定用户，这种“单点”方案确实有用。我们形容它们是“硬塑料式”的问题解决方案，但当你有 20 种这样的硬塑料解决方案时，它们往往互不兼容，也无法随意改动。作为终端用户，你每天不得不在六七个不同工具之间来回切换。

这并不理想。我们还受到上世纪六七十年代计算机先驱的启发——他们当时认为，计算应该更像乐高，而不是像硬塑料。正是因为我在大学时读到一篇计算机科学论文，这种想法才促使我很早就开始着手做 Notion。

主持人：你想做的就是能像乐高积木那样组合起来的工具，对吗？

Ivan Zhao：我们想做的是能够放大人类创造力的工具。乐高本身就是富有创造性的，它们也很美，而大多数软件恐怕没那么美。

主持人：能多说一点你是怎么进入这个领域的吗？你一直以来都对生产力工具感兴趣吗？还是后来才产生的兴趣？

Ivan Zhao：不是的。我觉得很多人对 Notion 有个误解——Notion 是生产力软件，这只是我们作为公司和产品的定位。但真正的精神内核，其实就是我刚才说的“乐高精神”。这可能值得讲一点计算机行业的历史，因为它直接启发了 Notion。

主持人：嗯。

Ivan Zhao：在上世纪六七十年代，旧金山的嬉皮一代吸食了 LSD 后，会想：“哇塞，这台占满整间房的计算器，如果加上一个显示器，就可以成为交互式的东西，可以是一种全新的媒介，帮你更好地思考，帮你更协作地解决问题。”这就是为什么第一代个人计算机诞生在湾区。

那一代的思想家和先驱，把计算看作类似读写的能力。就像我们要花好几年时间学习读写，但并不是每个人都能读写英文、德文或其他语言。写作是一种工具——你可以成为诗人，可以写论文，但它本质上是一个非常可塑的媒介。

所以，他们立志让计算变得可塑、可随意改造，让每个人都能做自己的软件。到了 80 年代，比尔·盖茨和史蒂夫·乔布斯这一代人把电脑带进了大众市场，让每个家庭、每张办公桌上都有一台电脑。但他们在某种程度上把计算机“冻结”成了应用程序的形态。想想看，每个应用程序都像是计算的一个“小型牢笼”，你几乎不能改动它。程序的创造者是工程师、程序员，而程序的使用者，就是像我们这样的普通人——每天使用生产力工具的那群人。

当我读到那些六七十年代先驱的论文时，我心想：“天啊，我们现在生活的世界，其实就像一个监狱。”如果说过去 15 年的 SaaS，有什么变化的话，那就是监狱的格子变得更小了——每个应用只能做很窄的一类事情。这对我来说完全不合理，客户也有同感。想想看，每天的工作竟然需要在 20 个不同的工具之间切换，平均一家公司会用到 100 多个不同的 SaaS 工具。哪怕是 IT 部门，也能感受到这种割裂感。

所以，商业世界里有一句话：你要么是打包（bundle），要么是拆包（unbundle）。Notion 就是坚定地在做打包——我们的使命是把 SaaS 打包成一个能够满足你日常核心需求的全能生产力工具，让你释放出像乐高一样的创造力。

主持人：这个对话让我想到厨房工具，因为你会在这里看到同样的张力——有些厨房工具，比如立式搅拌机或手持搅拌棒，可以用来做很多很多种不同的食谱；而另一些工具，比如压蒜器，只能剁蒜，别的什么也干不了。

听起来，你的意思是，到 2010 年代的时候，生产力工具就像一堆压蒜器，而你想要做的是——如果我们能有一个立式搅拌机，就能用一个工具做很多不同的菜肴，会怎么样？

Ivan Zhao：我有个朋友用过一个和你类似的比喻。你见过牛油果切割器吗？

主持人：见过。

Ivan Zhao：牛油果切割器就是专门为了处理牛油果设计的，除此之外什么也干不了。相比之下，一把厨房刀是一个可以被人用出上百甚至上千种用法的工具，而它的力量来源于人的技巧。所以，创造更像厨房刀、或者乐高这样的软件，就是让我和我们公司都感兴趣的事。

当然，你不能去指责整个行业，因为如果你回到 SaaS 之前——那时候全世界运行了整整十到二十年的核心生产力工具，都是微软 Office。SaaS 时代的到来，加上互联网作为分发渠道，让新的商业模式得以诞生。而最自然的切入方式，就是去找一个非常精准的切口——做这些“牛油果切割器”和“压蒜器”，然后在另一端找到相应的买家。

主持人：那么，回到现在，你会认为自己是在和微软 Office 或 Google Workspace 直接竞争吗？你的愿景是不是大到想取代它们，还是说目标是另一条路径？

Ivan Zhao：我们和它们是共存的，因为我们的大部分客户仍然在用 Google Workspace 或微软 Office——他们用这些的身份服务、邮箱和日历应用。我们现在也有自己的邮件和日历产品，作为客户端提供给用户。一个创业公司可以完全跑在 Notion 上，不需要用 Microsoft 360 或 Google Docs，但这并不是非此即彼的关系。

我们的优势更集中在那些需要放进数据库的内容上。另一种理解方式是：Notion 就像是 2020 年代、并且是 AI 原生版的 Microsoft Access。大多数 SaaS 工具本质上都是一个关系型数据库，上面叠加了一个工作流。而这一块，是今天微软和谷歌都没有真正触及的领域。

虽然有电子表格这种东西，但真正的数据库用例并不多。我们想要做的是整合、普及这些数据库场景，并把它们的乐高积木交给用户，比如项目管理、工单追踪——有的公司用它们做 CRM，有的用来管理招聘流程。记者则可以用它们来管理所有线索和选题。这些都是数据库类的使用场景。

主持人：对，我自己在 Notion 里也做了一些这样的事情。那么让我问你一个相反的问题——当你构建一个功能非常强大的产品时，会遇到另一个挑战：我和一些试用过 Notion 的人聊过，他们说，“我不知道从哪里开始，我看到一个空白页会有点被吓到。”好像这里面有一定的学习曲线。

你是怎么思考这个问题的？又是如何让更多人理解 Notion 能做什么的？

Ivan Zhao：对，就像早期的乐高，你一开始拿到的就是一袋积木。后来，乐高开始做成套的系统和主题盒，现在它还会和漫威、F1 等品牌合作，推出非常专业化的主题套装。某种意义上，Notion 现在正处在为用户“加盒子”的阶段，这样他们就不必面对一袋毫无说明书的积木，不知道从哪一步开始。

你可以想象——比如说，“嘿，我想要一辆 F1 赛车，我就喜欢这个乐高套装。”当你打开盒子时，一辆赛车已经为你拼好，可以直接开动玩耍。如果你不喜欢车上的某些部件，因为它们本质上是乐高积木，所以你可以随时改动。我们的理念一直如此，而且事实证明这种方式有效，所以我们会继续在这个方向上加码。

主持人：有意思。我觉得另一个关键挑战是，像微软 Office 这样的大型生产力工具，常年面临的一个问题就是功能膨胀——一个应用里塞了上百万个功能，但每个功能可能只对 0.5% 的用户有用，所以你不能删它。

但另一方面，应用随着功能的堆叠，越来越难用，因为到处都是按钮、菜单和小控件。Notion 能避免这种情况吗？有没有哪一刻你担心过自己已经快走到这一步了？：

Ivan Zhao：这确实是个难题。如果你想支持更多的能力，就得引入更多的东西。传统的方法就是直接把功能加进去——那是“硬塑料”的思路。而我们采取的是更像乐高的方式——增加一个“积木”，而这个积木可以用在很多不同的地方。从某种意义上来说，这种方式好得多。

主持人：明白了。也就是说，你不是去提供很多狭窄、孤立的功能，而是提供更抽象的功能，这样它们能被用在各种不同的场景里。

Ivan Zhao：是的，就像乐高体系——一端可以拼成玩具车，另一端可以拼成芭比娃娃，底层用的其实是同一批积木。如果你去观察最常见的生产力工具，从设计师的角度分析，会发现里面其实就二三十个核心模块：某种表格、某种关系型数据库功能、一些图表、评论系统、页面编辑功能，以及协作能力。

这二三十个部分，几乎是所有协作与知识工作的核心。所以我们尽量把它们做得友好、易用，并且拆成独立的零件，既可以单独交给你，也可以打包成一个成品套件。

主持人：那么，在 Notion 里，哪几块“积木”是今天最受欢迎的？

Ivan Zhao：我们最早是从文档和知识库相关的积木开始的。我们以“块式编辑器”出名，那是早期（2019 到 2020 年）奠定的基础。而现在，数据库是我们最重要的积木，因为就像我刚才说的，大多数知识工作本质上就是把“花哨的文件柜”搬到了云端。知识工作是依赖文件柜运转的，而数据库正是它的核心。

主持人：对，我在 Notion 里最常用的积木就是数据库，这很符合我的使用习惯。

Ivan Zhao：很多人其实不太容易发现它的价值，我们需要做得更好，让大家真正理解它的威力。本质上，工程师每天的工作，就是把关系型数据库与各种视图连接在一起。我们想做的事情，就是把这种能力民主化——这就是我们的使命。

主持人：有意思，因为如果我从来没听说过 Notion，而你跑来对我说，“Casey，你应该建一个数据库来解决这个问题”，我会觉得这就像你让我在家里加盖一个房间一样——我根本不知道从哪儿开始，还觉得得找人帮我做。

但实际上，只要点几下按钮，比如在我的例子里，安装一下 Notion 网页剪藏工具，我就能很快上手建立一个数据库。所以我并不觉得它的学习曲线有多陡，但我能理解为什么有人会被它吓住，尤其是没做过这种事的人。

Ivan Zhao：是的，不是每个孩子从小最喜欢的玩具都是乐高。我觉得 Notion 对那些喜欢“搭建”的人最有共鸣，而这类人往往是创业者、技术人员，或者团队里精通电子表格的高手。他们喜欢 Notion，然后会帮团队的其他人搭建好体系。

主持人：当你能在公司内部找到这样的人帮你“做内部销售”，那总是很有帮助的。

Ivan Zhao：你知道吗，现在 AI 其实很擅长做这件事，因为它最擅长的，就是帮你把这些乐高积木粘合在一起。AI 能写代码，而写代码本质上就是另一种“粘合”你的流程和工作流的方式。我们最新的产品，就是让 AI 成为这个擅长搭建的人，帮你设置好 Notion 工作区——这也是我们在过去一两年里找到的另一种用户引导方式。

主持人：我得说，这在很多不同的产品里对我都很有用。能够在应用里直接对 AI 说，“我想这样做”，然后马上得到一个答案——作为一个过去花了无数时间在帮助文档菜单里翻找、结果还找不到所需信息的人来说，这简直太有用了。

而且现在，AI 不仅仅是在教人怎么做，它越来越多地是直接帮你做，对吗？

Ivan Zhao：对。

主持人：这其实是最大的不同。如果你想想现在的软件，大多数情况是软件公司提供工具给人用。而越来越多的公司开始意识到，“等等，我们有了一个叫语言模型的新东西，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，让 AI 学会用这些工具，这样人类就能直接让 AI 完成任务，并借助工具做更多事。”

我想问几个《Decoder》常规会问的问题，如果 Nilay 在这里他也会问。Notion 在将近四年前，也就是上一次融资时，估值是 100 亿美元。从那以后，你们一直没有再融资——是什么让你们在不融资的情况下还能持续增长？你们现在是盈利状态吗？

Ivan Zhao：我们是盈利的。而且是在盈利的同时保持快速增长——业务表现非常好。

主持人：听起来不错。这种感觉怎么样？

Ivan Zhao：感觉很好。但我想说，驱动我们每天行动的更大动力，其实是整个软件行业正在被 AI 完全改写。过去两年的 AI 时代，让 SaaS 时代相比之下都像是“沉睡期”。这比单纯经营一家盈利的公司，更能驱动我们的执行战略。

主持人：我想更深入地了解一下这个过程。是这样的吗——各家企业的高管看到 AI 正在改变各种工作场景，就会想，“我们需要找到属于自己的 AI 应用方式”，然后来找 Notion 帮他们实现？

还是说，你们的产品团队自己对 AI 的潜力特别兴奋，所以不断开发新功能，从而吸引了新的用户？

Ivan Zhao：我会说，目前客户的反应还是滞后的。大多数人其实还不知道该怎么用它——这在每一代新技术出现时都会发生。客户不会直接告诉你他们需要什么，而是那些喜欢折腾、喜欢动手的人，会自己去玩、去做东西，并且有能力想象未来几个月甚至未来几年的应用场景。尤其是现在 AI 发展得这么快，这种变化几乎是以月为单位发生的。
所以，我们的很多灵感，都是自己去尝试 AI 时发现的——会突然意识到，“天啊，这是一种完全不同的东西，能解决经典软件无法解决的问题。”那接下来就是——你要用它干什么？

实际上有一个很有意思的故事：我和联合创始人 Simon Last 在 2022 年底拿到了 GPT-4 的提前体验权限，那是比大多数人都要早的。当时我们以为所有人都会很快拿到这个权限，但当我们自己试用后，心想：“天啊！”——因为和 GPT-3 相比，GPT-4 完全是一个全新的东西，它拥有真正的智能推理能力。于是我们直接把自己关在酒店房间里差不多一周，拼命赶工做出了第一版 Notion AI 产品，并且比 ChatGPT 上线还早一个月就发布了。
我们当时非常兴奋，因为这是一种全新的“原材料”，可以让你做出以前根本做不到的东西。对 Notion 来说，这股能量就是从那时开始的。

主持人：你们现在有多少员工？Notion 目前的规模有多大？

Ivan Zhao：接近四位数的高位，大约 900 人，可能很快就到 1000 人了。

主持人：那你是怎么思考公司规模的？你会设想未来有五倍于现在的员工数吗？还是更希望把规模控制在目前这个区间？

Ivan Zhao：我觉得绝对人数没有唯一正确的答案，但人才密度是有答案的——密度越高越好。

主持人：也就是说，你更喜欢“少而精”，而不是人数很多？

Ivan Zhao：对，如果更少的人就能完成任务，那就更好。这样沟通成本更低，每个人的责任感更强，而且可以跨领域去解决问题。整体来说，这样公司运转得更快——就像一辆小车比大车更容易转弯。我们一直把 Notion 形容成一辆小巴士，我们会尽量让这辆巴士保持紧凑。

主持人：你们的组织架构是怎样的？Notion 是怎么分工的？

Ivan Zhao：相对经典的架构。最上面是我和两位联合创始人——Simon Last 和 Akshay Kothari。Simon 现在每天还在写代码；Akshay 负责我们的产品和设计部门，以及研究团队。我们的首席技术官 Fuzzy Khosrowshahi 负责所有工程；首席营收官 Erica Anderson 负责销售、市场和客户体验；首席财务官 Rama Katkar 管理财务；还有总法律顾问 Hasani Caraway。总体来说，这是一个非常经典的组织架构。

主持人：所以你们并没有刻意去“重新发明轮子”，而是直接建立经典的公司部门划分，让各自领域的负责人去执行？

Ivan Zhao：对，就是经典的公司分工，但要配备非常优秀的人才，同时保持团队“小巴士”的紧凑性。这也是我们能够保持盈利的一个关键。

主持人：那你们是怎么做重大决策的？会用什么固定的方法论吗？还是每个决策都不同？

Ivan Zhao：我们也会用到一些常见的思路，比如区分“一扇门”和“双扇门”的决策——如果是“一扇门”，就要尽快行动；如果是“双扇门”，就会多想一想，可能先睡一觉再决定。这有点像“快思考”和“慢思考”的模式。我个人是一个很注重细节的人，喜欢亲自参与到笔记和问题分析中去，对于自己擅长的领域，我会很有热情地和团队并肩作战。

当然，有些领域我没法亲自去管，比如财务团队就是 Rama Katkar 全权负责，她做得非常出色。但在设计、产品、工程、市场和品牌这些方向，我还是会直接参与。

主持人：我一直觉得你是那种“产品型 CEO”。从我第一次见到你开始，就觉得你最感兴趣的不是市场机会，而是你们正在打造的工具本身。

Ivan Zhao：是的，我做 Notion 是因为我想做出 Notion，而不是因为我想创办一家公司或者开一个生意。我只是希望这个东西存在。

主持人：那让我问一个关于重大决策的问题，这也是你职业生涯里比较大的一个决定。2015 年，你决定关闭 Notion 1.0，搬到日本，然后最终推出了 2.0——也就是我们今天所熟悉的 Notion。你当时是怎么做出这个决定的？

Ivan Zhao：嗯，其实这不是可选项，而是必须要做的。否则公司就会死。当时我们意识到自己是在错误的基础上构建产品，而且已经知道正确的方向是什么，但要把正确的东西做出来可能需要一年到一年半的时间。那时公司大约只有五个人，我们眼看就要没钱了。

唯一的办法就是缩到只剩我和联合创始人 Simon 两个人，从头开始。日本是个好地方，因为生活成本低，我们之前也没去过，而且环境很有趣，更重要的是能让我们全身心专注于构建产品。

主持人：我认识一些创业者也经历过类似的状况，而那往往是他们选择放弃的时刻。他们会想：“好吧，也许我还能想一个新的产品方向，但这会很累，还要再花一年时间。我已经在这个 App 上投入了一年半，把所有精力都用光了，但它没成。”

那是什么让你决定说：“不，我们要继续干下去，我们有一个可以真正实现的愿景”？

Ivan Zhao：就像我刚才说的，我们的目标从来不是单纯去开一家公司，而是要把这个东西做出来。而当时它还不存在。Notion 是少有的、做“打包”和“整合”生产力软件的产品，而在那个时候，这种软件是不存在的。做乐高式的软件也不存在。所以如果我打算创办公司，那我还是想做这件事。既然如此，那就干脆重置，从我和 Simon 两个人开始，把资金撑得更久一点。

其实我上周刚从京都回来，那里有一个科技活动，我和京都市长做了一个炉边谈话，聊到了这个故事。他们想用 Notion 作为例子，来讨论如何将科技与京都的工艺传统结合起来。因为我们也受到了很多来自京都工匠的启发——他们会把一生的时间投入到一件作品上，而不是为了赚钱或者成名。

主持人：真巧啊，我上周也刚去过京都。我是去度假的，第一次去，感觉非常棒。京都真的很迷人。

Ivan Zhao：是啊，你会感受到那种更缓慢的节奏，人们真的在乎自己做的东西。这是核心——他们首先在乎的是作品本身，而不是商业利益，也不是周边的那些东西。

主持人：完全同意。比如你走进那些有上千年历史的寺庙，会发现他们投入的关怀和工艺是发自内心的，令人动容。这种工艺精神与他们的宗教信仰、文化、历史紧密相连。我完全能理解为什么一个创业者会在那里获得很多灵感。

Ivan Zhao：对，而且节奏更慢时，你就能专注在“虚拟空间”上，也就是在电脑上做事。

主持人：是啊，这可不像旧金山，有疯狂的夜生活、Waymo 无人车、派对场景这些东西。

Ivan Zhao：或者像纽约——节奏更快，诱惑更多。

主持人：我还想问你一个问题，虽然这不算《Decoder》的标准提问，但精神上挺接近的：你用过的、最喜欢的、但不是 Notion 自家做的生产力工具是什么？

Ivan Zhao：我挺喜欢那些聊天机器人类的产品，比如 ChatGPT、Anthropic 的 Claude。我觉得它们非常棒，尤其是它们的对话模式功能。我很喜欢这些产品，也会从中学习。

主持人：你是说语音模式吗？

Ivan Zhao：对，就是语音模式。它帮我学到了很多不同的东西。比如我在做咖啡、等水烧开的两分钟里，就能跟它聊一聊——完美的时间利用。

主持人：你通常会问它什么？你喜欢学哪些东西？

Ivan Zhao：各种各样的内容。比如最近在日本时，我在读马歇尔·麦克卢汉的书。

主持人：那位媒介理论家？

Ivan Zhao：对，媒介理论家，同时也是一位神学家。他的很多概念挺难理解的，所以和语言模型一起推演、讨论会更好。它就像是最好的私人导师。我真心觉得教育在未来几年会有很大不同——希望它真的能变得完全不一样。

主持人：我觉得是这样。虽然这不算一个标准的教学场景，但我必须说一个我在京都的经历。当时我们在附近有点空闲时间，我就打开了 Google 地图，它自动定位到我们所在的区域，我截了个图发给 ChatGPT，然后说：“给我介绍一下这个街区。”

它马上给我讲了这个街区的历史，还推荐了不错的餐馆、咖啡馆、一个博物馆，以及我们步行可达的一些地方。效果完全不输专业导游，而且我只用了 15 秒就完成了这一切，简直让我惊讶。

Ivan Zhao：对，我自己有一个类似的用法——如果我去到一栋著名的建筑，我会说：“嘿，我现在在这个地方，告诉我它的情况。我正看着建筑的某个角落，能跟我解释一下为什么它是这样设计的吗？”如果它够有名，很可能已经在训练语料里了，所以语言模型会知道。

主持人：嗯。

Ivan Zhao：这样你就能获得一次真正的“私人导览”，而且完全不需要请导游——你只是在和机器对话。

主持人：我觉得这正好可以引入 Notion 和 AI 的话题。我们之前聊过 Notion 是什么，以及它的变化。现在 Notion 对外宣传自己是“为你工作的 AI 工作空间”。那对你来说，AI 工作空间是什么意思？你希望它对我们用户来说是什么？

Ivan Zhao：如果回顾我们在 SaaS 时代的战略，就是把各种知识工作的不同工具打包整合到一个地方。而过去两年的变化在于，现在这些乐高式的知识工作积木已经全部在 Notion 里了，你不仅能提供这些工具，还能把它们组装成你的 AI 队友，让它们替你完成工作。

我们很幸运，把知识工作的乐高集中放在一个地方，这样你就能用非常有趣的方式去组合它们。比如，一端可以帮你记笔记，另一端可以帮你管理、分派项目，还能帮你写文档。这些是最基础的，但随着积木越来越多、模型越来越智能，本质上你就像雇了 Notion 作为你的 AI 队友。这就是我们一直在构建、并且会继续构建的未来。

主持人：我记得有一次见你时，你刚推出了一些 AI 工具，你给我演示了 Notion AI 如何为各种会议做记录。这样你就能去查看那些你没参加的会议，并且快速了解同事们讨论了什么。

我当时觉得：“这太有意思了。”我相信很多 CEO 都会想要这样的功能，因为在此之前，他们对自己公司的内部会议细节是没有这种级别的可见度的。

Ivan Zhao：我们几个月前刚推出了三个独立产品，比如 Notion AI for Work，其中包括你刚才提到的企业级搜索的全新版本。和它一起上线的，还有我们的 AI 会议笔记功能，可以自动记录和转写你所有的会议内容。

这样，公司内部就会有一个关于“正在发生什么”的集体大脑，而 Notion 上的所有 AI 知识工作者，可以在这个基础上帮你转录会议内容，并回答你想问的任何问题。用今天的技术，你能做的事情真的很有意思。

主持人：在你们目前添加的所有 AI 功能中，哪一个是你个人最常用的？

Ivan Zhao：我几乎在每一次会议——除了这次——都会用 AI 会议笔记功能来录音和转写。这样我就能把会议记录分享给别人，也能自己用它来整理思路。当我有了这些转写文本后，就可以让 AI 把它们改写成更完整的文字。英语是我的第二语言，所以我不是最快的写作者，但如果我先把脑子里的想法直接说出来，用 AI 转成文字，再让它帮我润色，写出来的东西反而比我自己直接写更好。

主持人：这很有意思。现在外界关于 AI 有很多讨论——它会不会取代某些岗位，甚至取代整个工作流程或职能。而你今天谈到的，是让 AI 成为一种“队友”。

你觉得未来 AI 和 Notion 会不会发展到一个阶段，让企业高管直接减少招聘，因为 Notion 可以替他们完成那些工作？还是说你更关注如何帮助人们更好地完成现有的工作？

Ivan Zhao：我们其实很快会在接下来的几周或几个月里，推出一个关于这个话题的宣传活动。我们想传递一种更具放大性、积极性的愿景——Notion 能为你带来什么。

想象一块广告牌，上面是你自己，然后身边有 Notion 或其他 AI 工具作为你的队友。比如你和我一起创业，我们两位联合创始人注册了 Notion，然后马上就有 AI 队友加入：有的帮我们记笔记，有的帮我们分拣任务，有的在我们睡觉时帮我们做研究。

这样，我们突然就像是一个 10 人的团队，初创公司运转得会快很多。这就是我们想传递给世界的愿景——一种放大的力量，而不是零和的替代力量。

主持人：你觉得这样的场景什么时候能真正到来？这是一个几乎已经触手可及的目标，还是还需要若干次技术突破才能实现？

Ivan Zhao：以一个每天都在用这些工具的人来看，我觉得能力基本上已经到了。知识工作本身有不同的复杂度区间，而现在的模型已经相当智能。我认为更大的瓶颈在于“管道”和“工具”——要释放这些模型的能力，需要有配套的工具和衔接方式。这正是 Notion 在做的事，用乐高积木的方式去构建这些管道和工具。

另一大限制是人们的使用方式，以及他们如何把 AI 接入自己的工作流程。官僚流程有时是坏事，但在这里，我觉得它反而是好事——它能稍微放慢节奏，让人们有时间去适应、去学习如何和这种新工具配合。我认为这是好事。模型的能力基本具备，而且如果没有，三个月后就会有新的能力——趋势一直在往前冲。

主持人：但我觉得，今天的 AI 模型最大的问题之一是它们还不够可靠——你问同一个问题，它未必能 100% 给出同样的答案。如果我把它当成公司里 10 个人之一，让它去找数据结果，它却给了一个凭空捏造的错误数据，那很糟糕。

如果它是一个真实的员工，我可能会给他下绩效改进通知单。你是怎么思考这个可靠性问题的？它会影响你决定为用户提供什么样的服务吗？

Ivan Zhao：这肯定是个问题，但总体来说情况正在变好。我认为最接近的心理模型，就是把语言模型当成人来看——就像一个实习生。人会犯错，当你把任务交给另一个人时，你没法 100% 保证他不会搞砸，或者不会把信息转告别人（即使你不希望如此）。

所以，我们是在重新建立一种信任方式。人们对软件的预期一直很高，因为过去的软件都是精确的——没有 bug，完全按指令执行。而 AI 是一种全新的软件，我们的预期体系还没适应如何对待它。我认为，随着更多人习惯这种模式、调整自己的使用习惯，以及公司在工作流程上进行调整，我们会找到一个平衡点，既能放大这项技术的优点，也能应对它的不足。

主持人：我记得播客主持人 Dwarkesh Patel 说过一句话，大概意思是：“今天的 AI，比实习生第一天上班时更强，但比不上实习生上班第五天。”因为第一天它就拥有全人类的知识储备，可以用能力让你惊叹；

但问题是，它很难真正学会新东西——你教它一次，它也很难每次都按同样的方式执行。而人类实习生学会之后，就能稳定重复完成。这是我个人很好奇的——什么时候 AI 能比得上“第五天的实习生”？

Ivan Zhao：我觉得现在所有公司，包括 Notion，都在探索各种方法，把记忆和学习能力注入这个“实习生”里。你在接下来的几个季度里，会看到越来越多产品会把这种能力直接内置进去。

主持人：好吧，这听起来像是你要提前透露一点消息。能不能说说你们正在做什么？

Ivan Zhao：这其实和我刚才提到的那个宣传活动有点类似。几个月前我们发布了 Notion AI for Work，里面包括 AI 会议笔记和深度研究等功能，帮助用户起草文档。而接下来要推出的产品，会让你真的可以想象每一个 AI 实习生都能做某个专门的任务。

在这个新产品里，你可以创建不同“口味”的 AI 实习生，也就是 AI 队友，他们会一直待在你的工作区里，帮你完成各自擅长的事情。暂时我就先透露这么多吧，你很快就会看到更多细节。而且 Notion AI 能做你能做的任何事——甚至是人类能做的任何事。

主持人：好，我来说一个我一直提的产品需求，你应该很清楚，因为我提了好一阵子了。几年前你们刚开始在 Notion 里加入 AI 功能时，我就提过：我新闻通讯 Platformer 里的每一个链接，都存放在一个 Notion 数据库里，其中很多还包含了文章的全文。我想要的，是能直接和这个数据库对话。

如果能实现，那对研究和头脑风暴写专栏来说会非常有用。但问题是，这个数据库里有几十万、甚至上百万字的内容，不可能直接全部塞进上下文窗口，让我像聊天一样去问它问题。所以我的问题是，Ivan，这个梦想现在实现到哪一步了？

Ivan Zhao：你是说，能和你在 Notion 里的几千篇文章直接对话？

主持人：对。

Ivan Zhao：其实已经差不多可以了，因为技术方案已经出来了。你说得没错，不需要把所有内容一次性塞进上下文窗口。我们可以先对所有内容进行索引和向量化存储，在需要时再按需提取。过去一年还有一种很流行的技术，叫“工具调用（tool use）”，它能让语言模型——也就是你的 AI Agent——学会主动去用搜索功能。

这样，如果你的问题一开始不在上下文窗口里，Agent 也能像人一样去调用搜索，从数据库里找更多信息。虽然这种方法的往返耗时会稍微长一点，但最终能给你想要的答案。新技术会让你描述的这种用法变得更好。

主持人：我喜欢这个思路。你们现在已经有 Ask Notion 这个功能，我想它应该可以在一定程度上实现我说的这种体验，而且我存的很多东西本来就在网上，所以也有别的方式能访问这些内容。但我总会想，如果我能像和同事对话一样，闪电般地和这个数据库聊天，那该多酷啊。

Ivan Zhao：这个功能其实现在就在你的 Notion 工作区里。我们刚发布了新版企业搜索，非常适合这种场景，我可以帮你走一遍流程。

主持人：好，那我们私下再试试。最近 OpenAI 已经被我们聊到好几次了。他们刚刚宣布，ChatGPT 可以直接帮用户制作演示文稿和幻灯片。各大 AI 实验室都在做这种全栈式的虚拟助理，他们的目标是——有一天它可以完成任何一位远程员工能做的事情。

你觉得他们能在未来五年内做到这一点吗？而在这样一个 AI 能力迅速扩张的世界里，Notion 会扮演什么角色？

Ivan Zhao：有一种思路是把它看作一个光谱——一端更偏向个人化，B2C 风格；另一端更偏向企业化，B2B、以团队为核心。

我会说，大多数 AI 实验室的产品现在更像是“个人助理”——可以帮你完成任务，甚至帮你在作业上作弊。B2C 市场往往是赢家通吃，最终只会有少数几家胜出，所以我觉得像 OpenAI 这样的实验室在这个方向上冲刺是合理的。而 Notion 则是完全的 B2B 公司，我们的产品和商业模式都是面向企业的，这个领域需要做完全不同的权衡。

主持人：这很有意思。不过我还是不太确定自己完全理解。能不能再多说一点，为什么在 B2B AI 领域会有很多赢家，而 B2C 可能不会？

Ivan Zhao：你可以这样想——在专业场景下，不同类型的知识工作差别很大。律师、会计师、程序员、客户支持，他们的工作需求和流程完全不同，这意味着需要你在产品设计上做出不同的权衡，而这些差异也会催生不同类型的 AI 代理。

其实第一代 AI 代理就已经能看出这个趋势：它们必须高度专业化，并且要深度接入不同的工作上下文。

而在消费端，你只需要和一个 AI 聊天机器人对话，这个体验是非常通用的。这也是为什么上一代的 B2C 平台最终只剩下 iPhone 和 Android 两大阵营。而在 B2B SaaS 领域，有成千上万家公司、数百个细分品类。无论是软件还是 AI 产品，你都没法同时既当飞机又当潜水艇——专业化是必须的。

所以在企业场景里，你会看到有“律师型 AI 代理”、“金融型 AI 代理”等等，它们的行为方式会完全不同，也必须和你每天叫醒的那种个人助理型 AI 有所区别。

主持人：你们现在把 AI 工具作为企业和商业版本的附加功能来卖。我很好奇，这会不会影响你们的利润率？毕竟我们都知道，AI 系统的运行在算力和资源上都很昂贵。把这些资源消耗型的功能整合进现有订阅，会不会是一个挑战？

Ivan Zhao：其实我们最近已经把 AI 功能合并到主套餐里了，因为现在超过一半的销售额来自想购买 AI 产品的客户。这样合并后，定价结构就更简单了，把 AI 直接包含在所有套餐中。确实，它的利润率不如纯 SaaS 模型高，但这不影响我们的整体健康度。它的价值太大了，用户也很认可。而且公司依然是现金流为正的，我们的 CFO 对此也很满意，尽管它的利润结构跟传统 SaaS 不一样。

主持人：我们已经看到一些公司开始转向 AI 的按量计费模式。作为消费者，我其实挺讨厌这种方式——我不想为了每次向 ChatGPT 提问都付一次费。但这种方式看起来可能更适合做生意。你觉得这种模式的利弊是什么？

Ivan Zhao：我觉得在商业环境里，这个问题还没有人真正想明白。第一代应用主要是在客户支持领域，这种情况下可以尝试按“结果”或者“解决率”来定价，这是有道理的。第二代应用，也就是现在的代码生成，定价通常是按席位来算，但如果用量很大，也会转为按量计费。这也说得通，因为最终交付的是一份工作成果——你得到一个文件或一段软件代码，用户很清楚它的价值，并且节省了大量程序员的时间。

但知识工作就完全不一样了——它的价值很难量化。一份文档到底值多少钱？一个产品规格说明的质量怎么打分？很难给它贴上价格标签。所以对于像 Notion 这种面向通用知识工作的产品来说，这个问题会复杂得多。这也是整个行业需要去解决的挑战。

主持人：你希望 AI 能为 Notion 带来哪些目前还不太可能实现的能力？

Ivan Zhao：当然，AI 总是可以变得更便宜、更快、更聪明——这一点大家都知道，也能预期到。但这其实要求公司用完全不同的方式去构建产品和组织，而我觉得整个软件行业现在正处在这个认知转变的阶段。

主持人：能再多说一点吗？

Ivan Zhao：我没赶上互联网泡沫的时代，那是我之前的一代人经历的。据说在那个时代，网络标准几个月就会变一次，技术环境持续快速变化。再往前，在英特尔和摩尔定律的年代，你几乎可以笃定——18 个月后，新一代 CPU 的性能一定能支撑你想做的软件。

AI 给我的感觉就像是“摩尔定律打了激素”——几乎是每三个月，新的模型就能做到以前做不到的事。这意味着你必须彻底改变构建软件、打造产品和经营公司的方式。

首先，因为变化太快，而且模型本身不喜欢被加太多限制，你需要只在关键位置加上“护栏”。如果你沿着当前这条轨道把东西造得太死，等下一列“火车”来了，你就会发现自己刚造好的东西被淘汰了。所以你得沿着轨道并行建设，而不是直接把路铺死。

其次，语言模型的行为并不是确定性的，这和经典软件工程完全不同。我喜欢用一个比喻——传统软件工程就像修建铁路或建桥梁，属于“牛顿物理学”范畴，一切都是可预测的。你能想到的东西，只要投入三个月或六个月，最终都能造出来。

而语言模型更像是有机的、带点不确定性的。我最喜欢的类比是——它更像酿啤酒。你没法对酵母说：“嘿，我的啤酒应该有这种味道，请你发酵成这样。”你只能营造一个环境，调整数据和上下文，然后期待它朝你想要的方向发展。

所以，这就要求一种更加迭代的开发方式。你不能只从愿景或者客户需求出发去规划，而必须先看看技术本身能提供什么——也就是看看“酵母”和“啤酒”能给你什么。

因此，你要让团队更具实证性、更敢于实验，而不是沿用那种瀑布式、从规格到代码的经典开发模式。它应该更像是增量式、迭代式的。所有这些因素叠加起来，迫使你在设计、工程和产品开发上都必须采取不同的方式。

主持人：那这会不会改变你的招聘方式？会不会影响你如何组建团队？你刚才描述的这种不确定性，会怎么转化成一家公司的组织结构？

Ivan Zhao：我觉得人需要更能接受模糊性，甚至要喜欢模糊性。他们需要更加愿意去做实验。不同岗位之间的界限会变得更加模糊。比如在 Notion，我们会招能写代码的设计师，因为如果一个人既是工程师又是设计师，他在思考时就能更流畅、更灵活。

而 AI 时代会把这种趋势推得更远，因为设计和产品会和工程紧密地坐在一起，很多时候你想要的东西是造不出来的，你就得尝试一堆不同的路径。这也是为什么你会看到很多产品演示能做到 60% 或 70% 的效果，但最后却从来没变成真正的产品。演示很容易做出来，但要变成一个可靠的、能投入生产的 B2B 软件，就难得多了，很多时候甚至永远达不到那个稳定性。

主持人：我经常在语音助手的场景里想到这个问题。我用它们主要是设个计时器，或者问天气这种非常确定性的需求。现在这些公司正尝试把 AI 驱动的后台集成进语音助手里，但问题是，如果用户继续保留这些需求，他们会期望准确率保持 100%。

如果原来它能 100% 正确完成这些任务，现在准确率掉到 93%，那就是一个更糟的产品。

Ivan Zhao：但我觉得，作为人类，我们最终会学会理解这类技术最擅长做什么。比如在语音模式的场景里，你可能会希望它更开放、更有探索性，你会希望它能带你去不同的方向。这种不确定性反而是一个“特性”，而不是缺陷。

我觉得整个行业——包括我们这些做 AI 软件的，以及作为用户的大家——还没完全找准自己的“姿势”，来适应这种新材料。这个过程需要时间，才能摸索出它的最佳使用方式。

主持人：我最后想问你一个关于 Notion 未来的问题。我不打算问五年后的事，因为我觉得没人能对未来五年有足够清晰的预判。

Ivan Zhao：没错，没人知道。

主持人：那我们就看两年后吧。你希望两年后的 Notion 能做到哪些现在还没做到的事？

Ivan Zhao：我觉得，回到我们刚才谈的那个点——软件的本质正在改变。它正在从一组单纯的工具，演变成一种更有机的形态，甚至是一种能替你完成部分工作的东西。

Notion 的核心一直在 SaaS 领域。在经典的软件时代，我们的使命是让用户用乐高积木式的方式去构建他们想要的任何工具。

而现在，因为软件的本质在变化，我们关心的是如何让用户能够创建 AI 队友，帮他们接手那些最重复、最不喜欢的知识工作。如果我们能真正实现这一点，那它会带来很多衍生的变化。下一代创业者可能会用完全不同的方式来运营公司，而我希望能解决这个问题。

主持人：好，那今天非常感谢你来和我聊这些，Ivan。

Ivan Zhao：谢谢你的邀请。（转载自Z Finance）