又一独角兽杀出!最高估值破百亿,AI笔记怎么就成了硅谷最看好赛道?

AI 领域又诞生了一家独角兽。


不久前,AI 会议助手Fireflies.ai宣布估值突破 10 亿美元,正式迈入独角兽行列。


过去18个月,它的活跃用户数暴涨8倍,覆盖全球50万家组织、2000多万用户,并且自2023年起持续盈利——在“AI应用难变现”的焦虑中,显得尤为罕见。


但 Fireflies 的爆发,并不是孤例。


在生成式 AI 浪潮推动下,一批“AI 会议笔记”产品正迅速崛起——它们早已不满足于“转录+总结”,而是正在进化为能理解语义、识别行动项、接入工作系统、推动执行的智能中枢


它们正在重新定义“记录”这件事,也正引发投资人的密切关注:


Granola:从会议切入,做“个人办公的第二大脑”,估值2.5亿美元;

Notion:构建乐高式工作平台,估值超100亿美元;

Abridge:扎根医疗系统、重构医生笔记,估值高达27.5亿美元;


这三家公司,代表了AI笔记的三条演化路线,也透露出一个共通信号:


当AI成为现代组织的“认知基础设施”,记录作为信息输入的起点,正在摆脱过去的工具属性,成为协作系统的入口,以及组织智能的关键节点。


/ 01 /

Fireflies AI:不仅是会议记录员,更是全能型团队助手


作为AI会议记录工具里的佼佼者,Fireflies AI的“基本功”扎实得令人放心:支持69种语言,实时转录准确率高达95%,几分钟内便能完成会议的转录、摘要、行动项提取。


但这只是它的“起点”。


真正让Fireflies拉开与竞争对手差距的,是它强大的生态连接能力和AI协作引擎——它不只是做笔记,更在重构整个团队的信息流和执行流。


Fireflies可无缝集成Zoom、Google Meet、Teams、Salesforce、Slack、Notion等40多款办公工具,自动提取会议中的关键行动项、客户需求、技术决策,并同步到各类项目管理系统。


一句话说就是,它打通了从“听懂”到“做事”的中间断点,让会议不再只是记录,而是直接推动执行。


例如:


  • 客户在会议中提的需求,自动生成任务并写入Slack提醒相关负责人;

  • 团队讨论的技术方案,Fireflies自动写入Notion备忘;

  • 销售跟进细节,一键录入CRM系统;


同时,Fireflies还接入了Perplexity的搜索引擎,具备实时联网能力。用户可以边开会边发问:“Fireflies,现在行业对AI会议助手的市场预测是多少?”系统即时生成答案,真正把AI带进讨论。


更进一步,Fireflies还计划推出“Talk to Fireflies”对话代理,并计划开发能“替你参会”的AI代*,甚至能从你的历史会议中调取上下文,主动补充缺失信息。


目前,Fireflies已上线200多个面向不同职能的“AI代理”, 分别适用于不同角色和应用场景,如销售、营销、招聘、运营和管理、客户支持等。


  • 招聘环节,在完成面试后,招聘团队可以使用Fireflies AI应用(例如“文化契合度提取器”和“候选人反馈聚合器”)生成候选人评分卡;

  • 营销环节,产品发布规划应用程序可以制定产品发布策略,活动绩效评估应用也可以从活动讨论中提取关键洞察;

  • 销售环节,销售应用程序可以提取销售团队的预算和时间表等详细信息;

  • 运营环节,Fireflies AI 应用程序(如Standup Notes可捕获行动项目和阻碍因素,目标进度跟踪器可监控进度;

  • 售后环节,座席绩效反馈生成器可以生成客户服务座席绩效的洞察并提供指导建议;


其底层逻辑很清晰:每个部门都有不同的语言和协作方式,而Fireflies通过定制化的Agent,理解这些“部门方言”,并帮你自动执行会议后的任务。


在AI会议笔记逐渐“工具化内卷”的当下,Fireflies显然已经越过了记录的边界,正努力成为一个真正能“听懂人话、推动团队”的智能协作中枢。


/ 02 /

从工具到中枢:AI笔记的突围之路


抄书员,是一种专门为人记录事情的古老职业。


在古代,该职业同时担负着秘书、行政等工作,诸如为王室和神庙记录命令、管理日常事物,后来抄写员也从事商业、法律等需要进行大量语言沟通的领域。


在今天,记录的需求在工作生活中处处可见,例如在医疗、法律和政府领域。如下图,在美国的转录市场,仅医学领域就有大约10万名抄写员,占医生总人数的1/10。研究显示,2020年美国 transcription 市场容量高达216亿美元,2021年增长至23。8亿美元。


随着AI的兴起,这个以传统以人力驱动的古老行业,正在被彻底颠覆。乌鸦君注意到,除了Fireflies.ai外,国外也跑出了一批AI会议笔记初创公司,它们不仅取得了令人瞩目的增长,也拿到了很多融资。


那么,这些AI会议笔记公司是如何绕过大公司的应用,并在激烈的竞争中走出自己的差异化路线的呢?


1)Granola,估值2.5亿美元的“第二大脑”


Granola 是这个赛道最令人关注的新星之一。


从数据上看,这个产品用户每周增长10%,月留存率高达70%。5月14日,Granola 宣布完成4300万美元的B轮融资,估值2.5亿美元。


Granola选择会议这一高频场景切入,并做了产品和交互层面的大量的创新。


Granola给自己的定位是用户的”第二大脑”。


与大多数AI笔记产品直接生成相关的会议纪要不同,Granola的选择是与用户共创,即用户可以随时记录任何笔记或闪现的想法,而 Granola 会实时捕捉对话内容并进行转录。会议结束后,它会根据你记录的笔记来进一步完善和丰富转录内容。


从本质上说,Granola给用户与AI做了一个很好的分工。人去记脑海里想的东西,AI去记会议里大家说的东西,最终让大模型将两者结合起来。


这样的做法不仅更贴合会议的真实场景,也能够给用户带来更多共鸣。这一设计精准切中现实会议中的“混合思考”需求,也让Granola逐步从笔记工具走向轻量协作平台。


2)Notion,估值百亿美元的积木式AI笔记


相比Granola从会议场景切入的打法,Notion选择的是更难的路径——做一个“通用工作平台”。


Notion的定位,是用“积木”拼出你想要的功能。文档、任务、数据库,甚至AI助手,统统是模块化的Block,用户可以像搭乐高一样构建自己的工作流。


具体来说,Notion的特点体现在以下方面:


①自由切换:平台集成了大量的AI功能,用户不用在平台和AI工具上来回切换。


②可随意拖放文本,功能模块化:Notion可以在不同各种编辑器工具之间互相粘贴内容;可以把文档、数据库、表格等功能都做成类似于积木的模块,用户可以随意构建自己想要的东西,操作灵活,扩展性又强。


这背后体现了Notion乐高式的产品哲学,采用了一种基于积木(block-based)而不是基于应用(application-based)方法去构建它的软件系统。


但走平台路线的另一面是,没有天然的行业护城河,就必须靠用户心智、产品自由度和协作深度赢得空间。


至少从目前看,Notion做得还不错。靠着强大的AI功能和便捷的灵活性,Notion在3年多时间里把用户从100万做到了1个亿,估值更是超过100亿美元,投资方包括First Round、Index、红杉等顶级机构。


3)Abridge:深耕医疗,做医生的AI记录助手


Abridge 则选择了一个更专业但潜力巨大的方向:医疗场景。


不同于面向C端医生的轻量级产品,Abridge直接与美国的医疗系统合作,成为医疗信息系统(EMR)的一部分。它已进入梅奥诊所、杜克大学、耶鲁等百余家权威机构,覆盖数万名临床医生。


它的技术底座也完全为医疗定制——自研语音识别大模型,针对数十种语言、上百专业领域进行训练与微调,确保笔记内容临床术语准确、结构清晰,符合医生书写规范。


在专有模型的支持下,Abridge支持50多个专业领域的临床准确总结和医学术语,以及在14种以上的语言中识别、理解并准确记录笔记,保证了结构化临床笔记草稿的完整性和高精度。


今年2月,AI医疗笔记公司Abridge完成了2.5亿美元的融资,最新估值高达27.5亿美元,领投的是硅谷知名风险投资人Elad Gil。考虑到24年年底Abridge的ARR只有5000万美元,算下来EV/ARR高达55倍,甚至比大模型公司还高。


这类深度融合专业流程的AI笔记,还包括Suki AI、Nabla、Freed AI等玩家,正重构传统医疗文档的生成逻辑。


/ 03 /

总结


Granola、Notion和Abridge,这三家分别代表了AI笔记产品的三种演化路线:


  • 从会议切入,变成团队第二大脑:如Granola,强调人机共创。

  • 打造平台,成为通用工作中枢:如Notion,强调积木式组合和生态集成。

  • 垂直行业深耕,重构专业场景:如Abridge,强调数据结构化与系统融合。


它们的共通点是:


1)都从“记录”走向“理解”。它们不满足于简单的语音转录或会议纪要,而是通过AI理解用户语言,提取结构化内容、洞察行为意图,从信息记录工具,升级为智能知识助手。


2)都在构建“更大的容器”。它们不做“孤岛型工具”,而是通过插件、API或原生积木,与用户现有系统无缝集成,融入组织核心流程。


3)都基于“角色理解”的产品哲学。三者都意识到:不同用户角色有不同的语言、任务和认知方式,因此它们都强调“为角色设计”。


简单言之,这些AI笔记的共同方向,是让AI不再停留在记录层,而是深入组织“神经网络”,成为决策与协作的基础设施。



文/林白


PS:如果你对AI大模型领域有独特的看法,欢迎扫码加入我们的大模型交流群。



(文:乌鸦智能说)

发表评论