作者 ｜ Yoky
郵箱 ｜ yokyliu@pingwest.com

哪里用Gemini3和Nano Banana2效果最好門檻最低？不是那些搶先接入的明星AI應(yīng)用們，而是Google自家的筆記產(chǎn)品：NotebookLM。

在小紅書、X（推特）等社交媒體上，NotebookLM 幾乎成了“生產(chǎn)力神器”的代名詞。用戶們驚訝地發(fā)現(xiàn)，用它做 PPT 大綱、生成信息圖、視頻、音頻、思維導(dǎo)圖，不需要復(fù)雜的提示詞工程，多種模態(tài)任意選擇還可以相互聯(lián)動(dòng)，而且因?yàn)樗谟脩羯蟼鞯馁Y料，幾乎不會(huì)出現(xiàn)幻覺，給出的結(jié)果直接可用。

甚至在 Gemini 3 發(fā)布后，整個(gè)行業(yè)都在屏息期待 Gemini App 的改版，想看它如何定義新的 AI 應(yīng)用形態(tài)。這種期待讓人突然回過神來：Google 什么時(shí)候開始這么會(huì)做產(chǎn)品了？

要知道，在上個(gè)時(shí)代，Google 可是名副其實(shí)的“產(chǎn)品墓地”。它關(guān)停了超過 250 個(gè)產(chǎn)品，平均每年淘汰 22 個(gè)項(xiàng)目，產(chǎn)品平均壽命只有 4 年。Google+ 上線后 90% 的用戶會(huì)話時(shí)長(zhǎng)不到 5 秒，Google Wave 因?yàn)樘珡?fù)雜活了不到兩年就死了，就連擁有 800 萬活躍用戶的 Google Reader 也說關(guān)就關(guān)。

那些失敗的產(chǎn)品要么過于復(fù)雜，要么缺乏清晰的價(jià)值主張，要么干脆就是工程師的技術(shù)演示，而不是為解決真實(shí)問題而生。畢竟Google 的核心利潤(rùn)來自搜索廣告，這讓它在非核心產(chǎn)品上總顯得心不在焉：推出時(shí)熱情高漲，維護(hù)時(shí)敷衍了事，關(guān)停時(shí)毫不留情。

然而，到了 AI 時(shí)代，Google 做產(chǎn)品的邏輯發(fā)生了肉眼可見的變化，口碑也隨之反轉(zhuǎn)。以 NotebookLM為代表的新一代產(chǎn)品，好像把Google的產(chǎn)品力，救活了。

1

一、NotebookLM給所有AIGC產(chǎn)品打了個(gè)樣

NotebookLM為什么這么受歡迎？我們?cè)谟昧?周之后，發(fā)現(xiàn)它真的是現(xiàn)在最好用的AI產(chǎn)品。

NotebookLM 原本是 Google 一個(gè)幾乎被邊緣化的筆記產(chǎn)品，現(xiàn)在搖身一變成了“全能選手”：幾乎集成了所有 AIGC 能力。更絕的是，它把筆記這個(gè)最樸素的形式變成了中樞：以文本為基礎(chǔ)，往外生長(zhǎng)出音頻、視頻、圖像、PPT、閃卡、思維導(dǎo)圖……你以為自己在用筆記工具，其實(shí)是在開一條內(nèi)容生產(chǎn)流水線。

NotebookLM 沒有追時(shí)髦搞什么自由畫布、無限白板那套花活兒，而是老老實(shí)實(shí)把信息來源、對(duì)話頁面、功能板塊分成三欄。這設(shè)計(jì)看著土？但實(shí)際上用戶打開就會(huì)用，完全零學(xué)習(xí)成本。所有功能都做成卡片，點(diǎn)一下就出結(jié)果。不用看教程，不用研究邏輯，上手就會(huì)。

你可以往里扔各種東西：Word、PDF、圖片、視頻、網(wǎng)頁鏈接，還能讓它通過 Deep Research 去抓網(wǎng)上的深度資料。關(guān)鍵是，這些亂七八糟的東西會(huì)被它捏合成一個(gè)整體，你隨時(shí)可以指定讓 AI 參考哪幾份資料。最實(shí)用的是，NotebookLM 生成的內(nèi)容嚴(yán)格基于你給的材料，基本不會(huì)瞎編。

這樣的設(shè)計(jì)既解決了多模態(tài)輸入時(shí)文件太多、上下文爆炸的問題，又避免 AI 最愛犯的毛病：胡說八道。就靠“信息源管理”這么一個(gè)簡(jiǎn)單設(shè)計(jì)，兩個(gè)大麻煩全搞定了。

在眾多產(chǎn)品功能里，最讓用戶激動(dòng)的是信息圖一覽和PPT能力，以前做 PPT 得花大價(jià)錢，國(guó)內(nèi)都有公司專門做這類付費(fèi)工具。現(xiàn)在呢？把文檔扔給 NotebookLM，隨便寫句風(fēng)格提示：商務(wù)風(fēng)、科技感、小清新，它就能給你整出一套完整的 PPT，邏輯梳理、頁面布局、視覺設(shè)計(jì)，NotebookLM全包了。

背后當(dāng)然是 Gemini 3 在干活，但用戶哪需要懂這些技術(shù)細(xì)節(jié)？你不用知道它怎么做到的，只需要拿走能直接用的成品。 我們用海綿寶寶的風(fēng)格生成了一份文章講解的PPT，你會(huì)發(fā)現(xiàn)它不僅能夠理解內(nèi)容，對(duì)海綿寶寶的人物性格、元素也非常了解，并將復(fù)雜的邏輯變成了更簡(jiǎn)單易懂的方式，同時(shí)生成好的PPT也支持二次編輯和修改，讓結(jié)果更可用。

我們用小黃人風(fēng)格制作了一張谷歌產(chǎn)品的一覽圖。它不僅從資料中理解了 Google 產(chǎn)品分為兩個(gè)階段，還在設(shè)計(jì)時(shí)用了兩種截然不同的視覺風(fēng)格：一邊展示優(yōu)秀產(chǎn)品，一邊呈現(xiàn)“谷歌墓地”。有意思的是小黃人的表情和姿態(tài)完美契合內(nèi)容：看到好產(chǎn)品時(shí)歡呼雀躍，面對(duì)被砍項(xiàng)目時(shí)垂頭喪氣。

最讓人驚喜的是它的視頻制作功能。我們對(duì) AI 生成視頻并不陌生,但視頻制作本質(zhì)上是個(gè)工作流：腳本、臺(tái)詞、分鏡、制作、剪輯，環(huán)環(huán)相扣，復(fù)雜到需要專門的 Agent 來協(xié)調(diào)。

NotebookLM 的視頻導(dǎo)覽完全不走這套流程。我們只扔給它一份 DeepMind 紀(jì)錄片的速記稿，沒給任何提示詞，它就自動(dòng)跑完了整條鏈路。更驚喜的是，它沒有照搬原文，而是理解內(nèi)容后用故事化的方式重新講述，把復(fù)雜技術(shù)翻譯成普通人能懂的語言，激發(fā)觀眾對(duì) DeepMind 的興趣，還根據(jù)內(nèi)容自動(dòng)生成了配圖。

總結(jié)一下，NotebookLM 之所以好用，核心就兩點(diǎn)：

第一是足夠簡(jiǎn)單。 它不需要你懂提示詞工程，而是把各種高頻需求直接做成了功能按鈕：針對(duì)不同場(chǎng)景，一鍵生成。備考的學(xué)生可以用閃卡功能快速記憶，老師可以用測(cè)驗(yàn)功能批量出題，完全不用思考“我該怎么問 AI”。

第二是足夠可用。 生成的圖、視頻基本上拿來就能用，不需要再花時(shí)間調(diào)整修改。而對(duì)于生產(chǎn)力工具來說，可用程度就是一切，能直接用的才叫工具，需要返工的只能算半成品。

1

二、Google 的好戲在后頭

不只是老產(chǎn)品煥發(fā)新生，Google 的創(chuàng)新型產(chǎn)品也在貫徹同樣的產(chǎn)品哲學(xué)：簡(jiǎn)單、可用。

Google Labs 主要面向前沿早期研發(fā)、實(shí)驗(yàn)型創(chuàng)新項(xiàng)目，扮演新技術(shù)孵化器角色。Labs的成果會(huì)被移交到DeepMind/產(chǎn)品團(tuán)隊(duì)實(shí)現(xiàn)商業(yè)化。

Opal 是Google Labs嘗試的Vibecoding工具，只需要用日常語言描述需求，就能生成一個(gè)可運(yùn)行可分享的AI迷你應(yīng)用、頁面采用了自由畫布的形式，可自主調(diào)用Google后臺(tái)的所有模型。也有很多用戶用Opal分解復(fù)雜的工作任務(wù)形成工作流，用于工作和學(xué)習(xí)。

Flow 專注于 AI 電影制作，使用 Veo 系列模型來創(chuàng)建電影場(chǎng)景和故事。Mixboard則是一個(gè)視覺創(chuàng)意工具，結(jié)合 Imagen 4 和 Veo 3，讓用戶用文本和圖像提示來生成、混音和動(dòng)畫化創(chuàng)意想法。

還有一部分給企業(yè)端使用的產(chǎn)品比如 Pomeil：只需要把品牌官網(wǎng)鏈接扔給它，3 分鐘內(nèi)就能自動(dòng)掃描整套品牌視覺體系：Logo、字體、主色調(diào)、Slogan、價(jià)值觀、客戶案例全部抓取完畢，構(gòu)建出一份完整的品牌 Vision 檔案。

盤點(diǎn)完這些產(chǎn)品你會(huì)發(fā)現(xiàn)，Google 的逆襲并不是偶然，它把“產(chǎn)品化”變成了一套系統(tǒng)性打法。

最典型的例子是 Nano Banana2，它本身就不只是一個(gè)模型，而是一個(gè)完整的產(chǎn)品。它的工作方式更像一個(gè)復(fù)雜的設(shè)計(jì) Agent，能自動(dòng)完成推理、規(guī)劃、設(shè)計(jì)、排版和生成的全流程。用戶看到的是“一鍵生成設(shè)計(jì)”，但背后是產(chǎn)品團(tuán)隊(duì)對(duì)用戶需求的深度理解，然后倒逼模型能力去適配這個(gè)場(chǎng)景。

這套打法從何而來？除了技術(shù)本身的過硬，另一個(gè)沒太被注意到的關(guān)鍵，在于Google的組織架構(gòu)的重構(gòu)。

2024 年 10 月，Google 做了一個(gè)重要調(diào)整：Gemini App 團(tuán)隊(duì)正式并入 DeepMind。這不是簡(jiǎn)單的部門合并，而是徹底改變了產(chǎn)品和技術(shù)的協(xié)作方式。據(jù) The Verge 記者了解，這次合并的核心目的是讓 Google 能更快地改進(jìn) Gemini 產(chǎn)品。

Pichai 對(duì)此的解釋很直白：Gemini App 是面向 C 端用戶的產(chǎn)品，把應(yīng)用開發(fā)團(tuán)隊(duì)和模型開發(fā)團(tuán)隊(duì)整合在一起，不僅能更高效地部署最新版 Gemini 模型，還能更及時(shí)地收集用戶反饋，用來優(yōu)化調(diào)整模型本身。換句話說，產(chǎn)品團(tuán)隊(duì)從模型訓(xùn)練最初就開始介入，而不是等模型做好了再去“包裝”。這正是 DeepMind AI 首席架構(gòu)師此前在播客中強(qiáng)調(diào)過的關(guān)鍵信息。

這種組織方式帶來的最大改變，是讓 Gemini App 團(tuán)隊(duì)直接成為模型團(tuán)隊(duì)的“第一方客戶”。以前，產(chǎn)品團(tuán)隊(duì)要用模型，得跨部門提需求、排期、協(xié)調(diào)，中間有大量損耗。現(xiàn)在，模型升級(jí)、問題反饋、用戶數(shù)據(jù)都能在一個(gè)組織內(nèi)閉環(huán)。移動(dòng)端用戶從 Assistant 遷移到 Gemini 后，體驗(yàn)、數(shù)據(jù)和增長(zhǎng)目標(biāo)被統(tǒng)一到同一個(gè)坐標(biāo)系下。同一套模型既驅(qū)動(dòng) App，又驅(qū)動(dòng)搜索、Workspace 等場(chǎng)景，這些場(chǎng)景的用戶行為都能更直接地反哺到 DeepMind 的訓(xùn)練和評(píng)估體系中。

更重要的是，這種架構(gòu)讓 Google 有底氣去做更激進(jìn)的產(chǎn)品規(guī)劃。他們不再把 Gemini 當(dāng)成一個(gè)單獨(dú)的 App，而是要將它打造成“操作系統(tǒng)級(jí)的基礎(chǔ)能力”。未來在桌面端、Android、ChromeOS 上，窗口管理、通知、文件搜索、輸入方式、助手功能都會(huì)圍繞 AI 重新設(shè)計(jì)。Gemini 將滲透到系統(tǒng)底層，成為智能中樞。

在這個(gè)設(shè)想下，Gemini App 更像是“用戶可見的前端實(shí)驗(yàn)場(chǎng)”和“統(tǒng)一人格入口”，而 DeepMind 則在背后同時(shí)推進(jìn)三條線：大模型、世界模型（更強(qiáng)的環(huán)境理解與規(guī)劃能力）、以及把這些能力下沉到系統(tǒng)層的架構(gòu)設(shè)計(jì)。

當(dāng)產(chǎn)品團(tuán)隊(duì)和模型團(tuán)隊(duì)不再是兩撥人，當(dāng)用戶反饋能直接影響模型迭代方向，產(chǎn)品自然就不會(huì)再是“工程師的技術(shù)演示”，而是真正為解決用戶問題而生。NotebookLM 能做到“一鍵生成”，Google Labs 的各種工具能做到“開箱即用”，背后都是同一套邏輯在起作用。

過去幾年，我們習(xí)慣了那個(gè)穩(wěn)健卻略顯保守的搜索巨頭，如今的改變，又回到當(dāng)年那個(gè)，敢于用 Gmail 顛覆郵件體驗(yàn)、用 Android 定義移動(dòng)時(shí)代，代表創(chuàng)造力的Google了。

點(diǎn)個(gè)“愛心”，再走 吧