Google什么時候這么會做產品了？

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應用們，而是Google自家的筆記產品：NotebookLM。

在小紅書、X（推特）等社交媒體上，NotebookLM 幾乎成了“生產力神器”的代名詞。用戶們驚訝地發現，用它做 PPT 大綱、生成信息圖、視頻、音頻、思維導圖，不需要復雜的提示詞工程，多種模態任意選擇還可以相互聯動，而且因為它基于用戶上傳的資料，幾乎不會出現幻覺，給出的結果直接可用。

甚至在 Gemini 3 發布后，整個行業都在屏息期待 Gemini App 的改版，想看它如何定義新的 AI 應用形態。這種期待讓人突然回過神來：Google 什么時候開始這么會做產品了？

要知道，在上個時代，Google 可是名副其實的“產品墓地”。它關停了超過 250 個產品，平均每年淘汰 22 個項目，產品平均壽命只有 4 年。Google+ 上線后 90% 的用戶會話時長不到 5 秒，Google Wave 因為太復雜活了不到兩年就死了，就連擁有 800 萬活躍用戶的 Google Reader 也說關就關。

那些失敗的產品要么過于復雜，要么缺乏清晰的價值主張，要么干脆就是工程師的技術演示，而不是為解決真實問題而生。畢竟Google 的核心利潤來自搜索廣告，這讓它在非核心產品上總顯得心不在焉：推出時熱情高漲，維護時敷衍了事，關停時毫不留情。

然而，到了 AI 時代，Google 做產品的邏輯發生了肉眼可見的變化，口碑也隨之反轉。以 NotebookLM為代表的新一代產品，好像把Google的產品力，救活了。

1

一、NotebookLM給所有AIGC產品打了個樣

NotebookLM為什么這么受歡迎？我們在用了2周之后，發現它真的是現在最好用的AI產品。

NotebookLM 原本是 Google 一個幾乎被邊緣化的筆記產品，現在搖身一變成了“全能選手”：幾乎集成了所有 AIGC 能力。更絕的是，它把筆記這個最樸素的形式變成了中樞：以文本為基礎，往外生長出音頻、視頻、圖像、PPT、閃卡、思維導圖……你以為自己在用筆記工具，其實是在開一條內容生產流水線。

NotebookLM 沒有追時髦搞什么自由畫布、無限白板那套花活兒，而是老老實實把信息來源、對話頁面、功能板塊分成三欄。這設計看著土？但實際上用戶打開就會用，完全零學習成本。所有功能都做成卡片，點一下就出結果。不用看教程，不用研究邏輯，上手就會。

你可以往里扔各種東西：Word、PDF、圖片、視頻、網頁鏈接，還能讓它通過 Deep Research 去抓網上的深度資料。關鍵是，這些亂七八糟的東西會被它捏合成一個整體，你隨時可以指定讓 AI 參考哪幾份資料。最實用的是，NotebookLM 生成的內容嚴格基于你給的材料，基本不會瞎編。

這樣的設計既解決了多模態輸入時文件太多、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”這么一個簡單設計，兩個大麻煩全搞定了。

在眾多產品功能里，最讓用戶激動的是信息圖一覽和PPT能力，以前做 PPT 得花大價錢，國內都有公司專門做這類付費工具。現在呢？把文檔扔給 NotebookLM，隨便寫句風格提示：商務風、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、視覺設計，NotebookLM全包了。

背后當然是 Gemini 3 在干活，但用戶哪需要懂這些技術細節？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格生成了一份文章講解的PPT，你會發現它不僅能夠理解內容，對海綿寶寶的人物性格、元素也非常了解，并將復雜的邏輯變成了更簡單易懂的方式，同時生成好的PPT也支持二次編輯和修改，讓結果更可用。

我們用小黃人風格制作了一張谷歌產品的一覽圖。它不僅從資料中理解了 Google 產品分為兩個階段，還在設計時用了兩種截然不同的視覺風格：一邊展示優秀產品，一邊呈現“谷歌墓地”。有意思的是小黃人的表情和姿態完美契合內容：看到好產品時歡呼雀躍，面對被砍項目時垂頭喪氣。

最讓人驚喜的是它的視頻制作功能。我們對 AI 生成視頻并不陌生,但視頻制作本質上是個工作流：腳本、臺詞、分鏡、制作、剪輯，環環相扣，復雜到需要專門的 Agent 來協調。

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

總結一下，NotebookLM 之所以好用，核心就兩點：

第一是足夠簡單。 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：針對不同場景，一鍵生成。備考的學生可以用閃卡功能快速記憶，老師可以用測驗功能批量出題，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，不需要再花時間調整修改。而對于生產力工具來說，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

不只是老產品煥發新生，Google 的創新型產品也在貫徹同樣的產品哲學：簡單、可用。

Google Labs 主要面向前沿早期研發、實驗型創新項目，扮演新技術孵化器角色。Labs的成果會被移交到DeepMind/產品團隊實現商業化。

Opal 是Google Labs嘗試的Vibecoding工具，只需要用日常語言描述需求，就能生成一個可運行可分享的AI迷你應用、頁面采用了自由畫布的形式，可自主調用Google后臺的所有模型。也有很多用戶用Opal分解復雜的工作任務形成工作流，用于工作和學習。

Flow 專注于 AI 電影制作，使用 Veo 系列模型來創建電影場景和故事。Mixboard則是一個視覺創意工具，結合 Imagen 4 和 Veo 3，讓用戶用文本和圖像提示來生成、混音和動畫化創意想法。

還有一部分給企業端使用的產品比如 Pomeil：只需要把品牌官網鏈接扔給它，3 分鐘內就能自動掃描整套品牌視覺體系：Logo、字體、主色調、Slogan、價值觀、客戶案例全部抓取完畢，構建出一份完整的品牌 Vision 檔案。

盤點完這些產品你會發現，Google 的逆襲并不是偶然，它把“產品化”變成了一套系統性打法。

最典型的例子是 Nano Banana2，它本身就不只是一個模型，而是一個完整的產品。它的工作方式更像一個復雜的設計 Agent，能自動完成推理、規劃、設計、排版和生成的全流程。用戶看到的是“一鍵生成設計”，但背后是產品團隊對用戶需求的深度理解，然后倒逼模型能力去適配這個場景。

這套打法從何而來？除了技術本身的過硬，另一個沒太被注意到的關鍵，在于Google的組織架構的重構。

2024 年 10 月，Google 做了一個重要調整：Gemini App 團隊正式并入 DeepMind。這不是簡單的部門合并，而是徹底改變了產品和技術的協作方式。據 The Verge 記者了解，這次合并的核心目的是讓 Google 能更快地改進 Gemini 產品。

Pichai 對此的解釋很直白：Gemini App 是面向 C 端用戶的產品，把應用開發團隊和模型開發團隊整合在一起，不僅能更高效地部署最新版 Gemini 模型，還能更及時地收集用戶反饋，用來優化調整模型本身。換句話說，產品團隊從模型訓練最初就開始介入，而不是等模型做好了再去“包裝”。這正是 DeepMind AI 首席架構師此前在播客中強調過的關鍵信息。

這種組織方式帶來的最大改變，是讓 Gemini App 團隊直接成為模型團隊的“第一方客戶”。以前，產品團隊要用模型，得跨部門提需求、排期、協調，中間有大量損耗。現在，模型升級、問題反饋、用戶數據都能在一個組織內閉環。移動端用戶從 Assistant 遷移到 Gemini 后，體驗、數據和增長目標被統一到同一個坐標系下。同一套模型既驅動 App，又驅動搜索、Workspace 等場景，這些場景的用戶行為都能更直接地反哺到 DeepMind 的訓練和評估體系中。

更重要的是，這種架構讓 Google 有底氣去做更激進的產品規劃。他們不再把 Gemini 當成一個單獨的 App，而是要將它打造成“操作系統級的基礎能力”。未來在桌面端、Android、ChromeOS 上，窗口管理、通知、文件搜索、輸入方式、助手功能都會圍繞 AI 重新設計。Gemini 將滲透到系統底層，成為智能中樞。

在這個設想下，Gemini App 更像是“用戶可見的前端實驗場”和“統一人格入口”，而 DeepMind 則在背后同時推進三條線：大模型、世界模型（更強的環境理解與規劃能力）、以及把這些能力下沉到系統層的架構設計。

當產品團隊和模型團隊不再是兩撥人，當用戶反饋能直接影響模型迭代方向，產品自然就不會再是“工程師的技術演示”，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，我們習慣了那個穩健卻略顯保守的搜索巨頭，如今的改變，又回到當年那個，敢于用 Gmail 顛覆郵件體驗、用 Android 定義移動時代，代表創造力的Google了。

點個“愛心”，再走 吧