摘要：NotebookLM 是由 Google I/O Tailwind项目演变而来，并且集成了 “音频概览（本文使用播客指代）”功能。该功能可以将用户上传的各种格式的文档（包括文本、PDF 和音频）转换为生动有趣的音频播客。新颖的功能吸引了大量用户，并在海外社交媒
NotebookLM 是由 Google I/O Tailwind项目演变而来，并且集成了 “音频概览（本文使用播客指代）”功能。该功能可以将用户上传的各种格式的文档（包括文本、PDF 和音频）转换为生动有趣的音频播客。新颖的功能吸引了大量用户，并在海外社交媒体上迅速传播。
全文讨论速览：
播客效果有多出色？
先来试听一段NotebookLM生成的音频：
播客中两位主持人的语气真实自然，具备现场讨论的节奏。Google NotebookLM 的 Discord（海外）社区，在短短三周内就吸引了 65,000 名用户，对于一个 Google 内部试验性质的AI项目来说，是一个非常惊人的数字。
Google用了哪些方法让音频这么生动自然？
直接看创始团队的访谈：
让对话自然流畅：当你听NotebookLM的音频时，会发现有很多小的插话（Steven Johnson称之为“不流畅”），比如“真的吗？”或“完全同意”，还有停顿和“嗯……”，这些都是我们在真实对话中会期待的。这些并不是由LLM在文本中生成的，而是音频模型内置的。
听众喜欢紧张感：如果两个人总是对所有事情都达成一致，那就不太有趣了。他们调整了模型，以生成流畅的对话，这些对话反映了人类语言的语调和节奏。Google的SoundStorm论文与这个模型有关。
产生新见解：因为主持人的目标不是总结，而是娱乐，所以它会想出一些有趣的隐喻和比较，这些实际上有助于扩展内容，而不仅仅是像大多数模型那样进行改写。我们有听众从播客中制作出新的播客。
方法论环节，我们把AI音频套用上B站千万粉丝UP主影视飓风的HKRR方法：
AI播客国内为什么没火起来？
NotebookLM音频不支持中文。已知的开源中文播客与谷歌有差距。中美播客市场有显著差异。**美国形成了庞大的听众基础，中国整体用户基数较小。Meta快速跟进的Llama开源版本，效果如何？
内容节奏、结构不完整，且中文播客质量非常糟糕。并且开源版本的生成的对话脚本也没什么深度。
下面是Meta-Llama项目收录的NotebookLM开源版本的界面。
评价：如果要国内重现NotebookLM播客传播度，需要细致评估中美用户群播客使用习惯差异。但可作为重要技术储备，用于后续多模态输出。
NotebookLM核心功能是什么？
Google 发布了这款笔记应用程序，以增强我们捕获、组织和检索信息的方式。NotebookLM 由 Google 最新的语言模型提供支持，该模型支持多达 100 万个上下文窗口。
NotebookLM 的核心是解决与传统笔记相关的挑战：效率低下、难以组织大量信息以及筛选大量数据以查找相关点的耗时性。
NotebookLM 允许用户上传文档，根据特定主题创建多个笔记本，并查询他们的笔记以快速检索准确的信息。
与竞争对手相比，NotebookLM 能够与其他 Google 服务无缝集成，这使其成为已经投资于 Google 生态系统的用户的热门选择。
NotebookLM核心卖点是什么？会抢占哪块用户心智？
NotebookLM核心是“AI+轻松知识探索”领域用户需求的精准把握，播客功能是营销传播的入口。从开发团队访谈定位看，NotebookLM仍处于试验阶段。
团队研究了笔记工具的习惯和痛点，很多人希望能够更轻松地消化和理解大量信息。在NotebookLM可以和上传的文档进行交互，提出问题并获取答案，NotebookLM 自动生成文档摘要和关键主题。而 NotebookLM 的音频概述功能正好满足了这一需求。NotebookLM根据文档生成针对性的后续问题，帮助用户更深入地理解和思考。
从我的体验来看，Google生成的讨论质量出色，做到了深入理解、引起用户深入思考。它仍有幻觉，但足够在我AI工具箱占据重要位置。这些功能都旨在帮助用户更有效地管理和利用信息，提高学习和工作效率。
来观察评论区反馈的用户体验：
个人测试没评论这么夸张，仍有大模型幻觉，但Gemini模型支持下的文本的处理能力很强，回答质量较高。
NotebookLM从几个月前的默默无闻到快速增长，做对了哪些事情？
NotebookLM 最初的功能相对简单，专注于上传的资料，专注知识探索，问答和总结文档，并逐步迭代添加新功能。
Discord成为重要的反馈渠道: NotebookLM 团队积极利用 Discord 社区收集用户反馈，并根据反馈快速迭代产品功能。这表明，与用户保持密切沟通并快速响应他们的需求是 AI 产品成功的关键。
AI 能力的边界决定产品形式和价值: 充分理解AI 模型的能力边界，例如上下文窗口限制。NotebookLM没有尝试用工程手段强行解决所有问题，而是把精力集中在 AI 模型能够胜任的任务上。这种务实的态度有助于团队专注于打造真正有价值的产品。
什么会阻碍NotebookLM继续发展？
NotebookLM是半成品，交互体验一般。PerplexityAI也在AI知识探索上有所布局，会侵蚀NotebookLM市场。Sam Altman无法按计划时间表推出GPT-5，对商业竞争资源分配影响如何？
AI 应用之战将更加激烈。GPT-5没有按预期时间线推出，极大缓解了厂商的显卡竞赛资金压力，提供了战略上的喘息机会。但与之对应的是AI 应用将迎来更加激烈的竞争，并且现阶段主要目标转向探索GPT-4o智能下的商业化。
两年投入大量资金基础设施构建，LLM厂商需要阶段性通过AI应用的成功，来向投资人/团队证明前期硬件投入的合理性。
2025年量产AI应用时间点临近？哪些因素促成量产AI应用？
经历了1年多的大模型之争，2024年全球市场上已经形成万卡梯队的开源Llama、Grok和商用闭源Gemini、Claude、GPT-4o等大型语言模型的竞争格局，这些模型在性能和场景上各有优势。
成本下降、输出Token质量、推理吞吐速度进步显著。大模型之战为接下来的AI应用竞争铺平了道路。
回归场景，大厂押注的多模态，先跑出来商业化落地的，是哪几个模态？
从个人角度讲不赞同过度使用多模态，它会错误地让人把几个模态放到了同等地位。尽管在研究角度讲多模态有相似之处，但在实际商业化上面向的是完全不同的领域。
图、视频在生成成本、速度和使用方式上和文本音频有较大区别。几种模态面向的商业类型完全不同。我倾向认为文本、音频、结构化图表是AI助手类工具成熟的落地方式。
下一款应用大概率出现在什么地方？
如果要说LLM产生最大影响是什么，答案就在LLM字面上——使用人类凝结在语言中的逻辑、思维，来增强人的智识。
因此我最感兴趣的也是知识类工具的变化。从高频使用GPT近两年来，我的观点是LLM接下来覆盖的不只是Notion类型的笔记软件，而是整个科普、知识付费、可以是为了满足人类好奇心涵盖的方方面面。
知识发现领域的AI应用是什么形态，解决什么问题？优化方向是什么?
和去年一样，个人最看好的仍是办公协作类AI助手。
PAI（Project、Action、Inbox，项目、行动、信息收集）是我非常喜欢的笔记理念，这是油管知识区博主关于Notion笔记的思考。
它时刻提示你，笔记是过程，基于笔记的行动/输出（解决某个问题、写一篇文章、制作视频等）是最重要的事。
通过不断提出问题->搜集信息->行动解决问题，循环。行动解决问题的满足感让我们能不断清空大脑，卸下知识负担，让陷入知识焦虑的工作者享受日结工的爽感。
关于知识类AI应用，有什么好用的方法论吗？
产品需要尽可能借助多的。这里使用Tiago Forte的《BUILDING A SECOND BRAIN》里面提到的CODE模式作为框架，思考下一步路径。
上述4点可以衍生出非常多的工具，放入产品探索工具箱里。提供给产品随时检查是否偏离预期，或是使用上述方法论进行产品迭代。
LLM版工作猴子理论是什么？
总结我的进一步观察，论述我在Cursor、Perplexity、NotebookLM产品里观察的共性，以及昙花一现失败的AI玩具不具备的能力。
我将其总结为“AI猴子理论”，适用于GPT-4阶段下，对AI的观察。
原版的“猴子理论”指的是一种工作模式，公司里每个人都有自己的责任及任务（猴子），每个人照顾好自己的猴子，并当他人把猴子放到自己身上时，对此保持警惕，应迅速处理并放回，避免过多的猴子停留在自己身上。
AI猴子理论：AI处理一条问答时，就是从用户手上拿到了一只猴子，这时候我们可以选择：
把猴子丢掉：模型产生幻觉、检索能力差、回答虽然看似正确但平平淡淡。每次交互返还合理数量的猴子挂回用户身上：归还用户值得一看的洞见、接下来值得做的事。如果细致拆解，AI猴子理论关乎一套产品评估体系，及一套目标体系。这里我也在持续思考中，成体系后会有新文章填坑。
来源：腾讯技术工程一点号
