Notion CEO Ivan Zhao 访谈录：AI时代的生产力工具与未来愿景

摘要

本访谈中，Notion CEO Ivan Zhao 深入探讨了 Notion 的产品理念、AI 战略以及对未来工作方式的思考。Notion 采用"乐高积木"式的软件构建方法，为用户提供统一的生产力工具平台。Ivan 分享了 Notion 如何快速拥抱 AI 技术，特别是 RAG（检索增强生成）和 AI 问答功能的应用，以及这些技术如何改变知识管理和工作流程。他还讨论了 SaaS 行业的"捆绑"与"解绑"周期，以及 AI 时代软件设计的新范式。

内容框架与概述

Notion 的产品哲学

Ivan Zhao 将 Notion 定义为一个集笔记、任务、知识库于一体的统一生产力工具。当前市场存在大量碎片化应用，Notion 的目标是打破这种局面，让用户在一个工具中完成大部分工作。不同于传统应用将功能强行整合，Notion 采用"乐高积木"式构建方法——提供底层的软件构建模块（文本编辑、关系数据库、权限控制等），让用户根据需求创造性地组合和构建个性化工作流程。

这种理念并非全新，早在上世纪 70、80 年代就有过类似尝试。Notion 的创新在于用现代云计算和 AI 技术重新诠释这一方法，试图打破基于应用的软件限制，让软件回归早期计算先驱所倡导的可塑性和可定制性。

AI 战略的转折与执行

Notion 是最早大规模应用 AI 的 SaaS 公司之一。Ivan 坦言，他最初对 GPT-3 并不感冒，认为它只能写写营销文案。转折点出现在他提前体验 GPT-4 之后——他意识到这个模型真正具备思考、推理和执行工作流的能力。

“这就像是恐龙遇到了小行星撞击地球，” Ivan 如此形容 AI 对行业的影响。知识工作的本质是信息处理和传递，而语言模型可以部分替代这些工作。Notion 决定全力押注 AI，而这恰恰与他们多年构建的"乐高积木"完美契合：AI 写作基于文本编辑器，AI 数据库基于关系数据库，AI 问答基于知识库和 RAG 系统。

Ivan 将 AI 开发比作"烘焙"和"园艺"——与确定性软件工程不同，AI 开发需要准备原料、试验、等待、观察，需要概率性思维和耐心。Notion 需要两类人才：具备概率思维的 ML 专家，以及好奇心强、学习速度快的"AI 工程师"。

RAG：被低估的变革力量

在 Ivan 看来，RAG（检索增强生成）是未来一两年最被低估的领域。语言模型可以理解用户输入的所有内容，这意味着机器可以比任何人都更好地进行信息组织和检索。

传统的关键词搜索需要用户准确组织信息，而 RAG 让语言模型能够理解内容语义。用户可以直接问 Notion：“我们什么时候搬办公室？“如果信息存在于某个文档中，Notion 就能立刻找到答案。这为公司和个人提供了"完美记忆”——在正确的时间将正确的信息推送给正确的人，解决知识工作中 50% 以上的问题。

从"组织"到"搜索"的范式转变

RAG 的深远影响在于，它可能彻底改变我们与信息的关系。我们之所以需要组织信息，是为了方便检索。但有了 RAG，所有信息通过语义连接，可以按需提取。

“我们可能正在进入一个’无组织化’的时代，” Ivan 说。未来，用户可以随时拍照或记录想法，直接丢进 Notion，系统会自动组织。不再需要精心设计知识库结构，不再需要手动维护索引。就像人类大脑——我们不会刻意组织信息，但能在需要时回忆起来。

这可能导致 Notion 的一些标志性功能变得不再必要，比如左侧的侧边栏。但 Ivan 认为，不能固守过去范式，而要思考在可以随意丢弃信息并随时检索的新世界里，用户体验应该是什么样子。

捆绑与解绑：SaaS 的历史韵律

Ivan 是一名"历史的学生”。他从技术革命周期中吸取经验：“历史不会重演，但会押韵。"《三国演义》开篇语"分久必合，合久必分"恰好描述了 SaaS 行业的演变：

• 80 年代：独立应用繁荣（解绑）
• 90 年代：微软通过 Windows 捆绑应用（捆绑）
• 2000 年代中期：Web 应用和 SaaS 兴起（解绑）
• 过去 10-15 年：资金充裕，创业公司涌现，信息碎片化（解绑）
• 现在：AI 和语言模型需要信息集中（捆绑）

语言模型需要信息集中、端点连接才能发挥最大效用。让语言模型执行复杂任务已经够难，如果还要和不同端点交互，更是难上加难。

这一轮捆绑与微软时代有本质区别：微软是基于分销的捆绑，而语言模型需要的是数据的捆绑、信息的捆绑。

创始人思维也在转变。过去十年，技术型创始人追求每个产品都做到极致。现在，他们更愿意接受"80% 就够好"甚至"50% 就够好"的理念，通过产品捆绑实现协同效应——更易用、更便宜、更少标签页、信息集成。

设计哲学：集中权衡与全栈能力

Ivan 对设计的定义不是外观，而是"系统如何组合，以及你做出的权衡”。Notion 作为"捆绑"公司，价值在于统一信息空间，这要求高度集中化的设计决策，类似苹果。

“构建 Notion 就像构建操作系统或编程语言，你不会让 50 个人来设计一门编程语言，” Ivan 说。Notion 需要横向和整体思考，确保各部分良好协同。

在 Notion，80% 的设计师会写代码。Ivan 认为，设计和技术本质上都是权衡。设计师如果会写代码，就能在设计和实现之间做出更有趣的权衡；工程师如果懂设计，同样如此。这种全栈能力让团队保持小规模，因为每个人能做更多事情，也更享受工作多样性。

前台办公与后台办公

Ivan 将 Notion 定位为"前台办公"的统一平台——类比 1960 年代办公室桌子上的记事本（文档笔记）、文件夹（知识库）、文件柜（关系数据库）。后台办公则是图书馆管理员，对应 Snowflake、IBM 等数据基础设施公司。

Notion 的优势在于软件界面、UI/UX——用户面前的东西。而垂直领域（医疗、法律等）的"后台办公"用例，可能被 AI 以不同方式改变。

“市场足够大，不一定是零和游戏，” Ivan 说。

核心概念及解读

乐高式软件构建：Notion 不提供预设应用，而是提供底层构建模块（文本编辑、数据库、权限等），让用户自由组合。这继承了早期计算先驱如 Alan Kay、Douglas Engelbart 的愿景——软件应该像 Smalltalk 一样可塑、可修改。但 Notion 的发现是：大多数人不想构建应用，只想完成工作。因此策略转向提供预构建模板和用例。

概率性软件工程：Ivan 将 AI 开发比作"烘焙"和"园艺"，与传统确定性软件工程形成对比。AI 开发需要准备数据、试验模型、观察结果、迭代优化，需要不同的耐心和性格。这也要求人才具备概率性思维，能够处理非确定性系统的特性。

RAG（检索增强生成）：在 Ivan 看来，这是短期最被低估的 AI 应用领域。它解决了知识工作的核心问题——信息检索。通过语义理解而非关键词匹配，RAG 让用户无需精心组织信息也能快速找到内容。长远看，它可能导致"无组织化"时代的到来，彻底改变人机交互范式。

捆绑与解绑周期：Ivan 从历史中洞察到 SaaS 行业的周期律——分久必合，合久必分。当前 AI 时代进入"捆绑"阶段，但这次是数据层面的捆绑，而非微软时代的分销捆绑。理解这一周期有助于把握战略方向和产品定位。

前台办公统一平台：Notion 聚焦于"前台办公"——用户直接交互的文档、知识库、数据库等，而非"后台办公"的数据基础设施。在 AI 时代，前台办公的价值在于 UI/UX 和用户理解，这与后台办公的技术深度形成互补。市场足够大，不是零和游戏。

原文信息

此文档由 AI 自动整理