Notion 如今已是估值超 100 亿美元、年收入（ARR）超 5 亿美元的超级独角兽，但在 2015 年，它曾濒临倒闭。当时的 Notion 现金流耗尽，产品建立在随时可能崩溃的单一数据库上，团队面临解散的危机。
本期节目带我们走进 Notion 的幕后，对话联合创始人 Simon Last 和 COO Akshay Kothari。他们揭秘了那段最黑暗的时光——创始人如何破釜沉舟搬到日本京都，在完全不懂语言的环境下通过 18 小时的每日编程重建了产品。
更重要的是，本期节目深入探讨了 Notion 3.0 的核心战略：全面拥抱 AI 代理（Agents）。Notion 内部目前拥有 560 个活跃的自定义 Agent，这意味着每两个员工就配备了一个 AI 助手。他们如何看待未来的工作形态？为什么说未来的每个人都将成为“AI 代理的管理者”？这是一次关于创业韧性、产品哲学与未来工作方式的深度探秘。
时点内容 | Key Topics
* 濒死体验与京都重生： 回顾 2015 年 Notion 耗尽资金的危机时刻。创始人 Ivan 和 Simon 选择搬到京都，在与世隔绝的环境中重写代码，将“品味”（Taste）作为产品的核心护城河。
* 从 100 万到 5 亿 ARR 的扩张： COO Akshay 分享从 8 人团队增长到 1000 人大厂的挑战，以及在 TikTok 爆火导致服务器险些崩溃的惊险瞬间。
* COO 的自我毁灭哲学： Akshay 认为 COO 的工作就是不断“把自己炒鱿鱼”——先身兼数职（销售、财务、法务），然后招人替代自己，最终专注于最核心的战略。
* AI 时代的 Notion 3.0： Notion 不再仅仅是文档或数据库，而是致力于成为“知识工作者的 AI 基础设施”。
* 内部数据大公开： Notion 内部目前有 560 个活跃的自定义 AI Agent，相当于每两名员工就有一个 Agent 在后台处理重复性工作。
* 未来工作形态预测： 人类的角色将从“执行者”转变为“协调者”。未来的工作不是自己动手做所有事，而是管理和审计一群日益复杂的 AI 智能体群（Swarms of Agents）。
* “柔软”的软件哲学： 即使在 AI 时代，Notion 依然坚持软件应该是“可塑的”（Malleable）和“柔软的”，让用户像搭积木一样自定义自己的工具，而不是被僵化的 SaaS 流程所束缚。
相关链接与资源：
[视频来源]https://www.youtube.com/watch?v=l8xdRcN81x8
本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来比较奇怪。如想了解更多信息，请关注微信公众号“心流赫兹”获取AI最新资讯。
附录：
Notion 的创始人 Ivan Zhao 的精彩文章：《钢铁、蒸汽机与无限大脑》
越来越清晰的感觉到，我们正处于 AI 革命的早期阶段，对于未来谁也不知道会怎么样，所以都喜欢从历史中、去工业革命、互联网革命中寻找规律，以期望能对未来有所启发。
相对来说，这篇文章虽然也是尝试从钢铁和蒸汽机的历史里，寻找 AI 时代的答案，还是挺有深度。
【1】第一个观点是：我们正在看着后视镜开车
每一代新技术刚出来时，人们总是习惯用旧的方式去理解它。这就是所谓的“看着后视镜驶向未来”。
想想看，早期的电话，大家把它当成“会说话的电报"；早期的电影，其实就是把摄像机架在观众席拍舞台剧。
现在的 AI 也是一样。我们看到的 AI 大多长什么样？一个聊天框。为什么？因为它在模仿 Google 搜索框。
我们正处在这个尴尬的过渡期。就像当年大家还不懂电影剪辑语言一样，我们现在还在试图把 AI 硬塞进旧的工作模式里。
【2】个人层面：从骑自行车到开汽车
乔布斯当年有个著名的比喻，说电脑是“大脑的自行车"。意思是它能让人跑得更快，但你还得自己蹬。
对于现在的程序员来说，AI 已经不是自行车了，而是汽车。你不用蹬了，你只需要握好方向盘。
Ivan 讲了他的联合创始人 Simon 的故事。
Simon 以前是传说中的“10 倍工程师"，但现在几乎不自己写代码了。路过他工位，你会看到他像指挥官一样同时调度三四个 AI 编程智能体。这些 AI 不只打字快，还能思考。他在吃饭或睡前把任务排好队，AI 就在后台疯狂干活。
他从“写代码的人"，变成了“管理无限大脑的人"。
【3】为什么只有程序员先享受到了从骑自行车到开汽车的待遇？
但问题来了，为什么只有程序员先享受到了这种待遇？普通的文案、运营、产品经理为什么还在“蹬自行车"？
两个原因：
第一，上下文太碎了。程序员的代码都在仓库里，环境单纯。
但普通人的工作散落在 Slack、飞书、文档、甚至脑子里。AI 不知道前因后果，没法干活。
第二，没法验证。代码写错了会报错，好坏一目了然。
但一个活动策划案好不好？一份周报写得对不对？这很难量化。
所以，想要从自行车升级到汽车，我们得先帮 AI 把上下文补齐，并且找到验证工作成果的方法。
【4】组织层面：不仅是换引擎，还要换地基
个人层面说完，Ivan 把视角拉到组织层面，用了“钢铁"和“蒸汽机"两个比喻，来解释 AI 会如何重塑公司。
第一个是钢铁。
在钢铁普及之前，房子盖不高。因为用砖头和木头，盖到六七层，底下的墙就被压垮了。这就像现在的公司，人数一过几百，沟通成本就爆炸了，效率急剧下降。人与人之间的沟通，就是那个脆弱的“砖墙"。
AI 就是组织的“钢铁"。它能支撑起巨大的信息流，让决策不需要层层汇报就能完成。未来的公司，可能几千人规模还能像创业团队一样敏捷，因为 AI 撑住了沟通的架构。
第二个是蒸汽机。
最早的工厂都建在河边，因为要用水车做动力。蒸汽机刚发明时，很多老板只是把水车拆了，换成蒸汽机，但工厂还在河边，流程也没变。效率提升非常有限。
直到后来，老板们意识到：
“等一下，既然不用水了，我为什么不把工厂搬到离港口更近的地方？"
工厂可以建在离工人、港口、原材料更近的地方。整个车间可以围绕蒸汽机重新设计。后来电力普及，工厂进一步把集中的动力轴拆散，给每台机器配上独立的电机。生产力才真正爆发，第二次工业革命才真正起飞。
我们现在还在“换水车"阶段。AI 聊天机器人挂在现有工具上，工作流程还是为人设计的。我们还没认真想过：如果旧的约束消失了，组织应该长什么样？
真正的变革，是当管理者意识到可以彻底重组工作流，让那些“不睡觉的大脑"去处理所有重复性工作的时候。
Notion 自己就在做实验。他们 1000 人的公司里，活跃着 700 多个 AI Agent。这些 AI 负责写会议纪要、回答内部咨询、处理 IT 请求、写周报。这不仅仅是省时间，这是在重塑组织形态。
回看你的工作，如果只是用 ChatGPT 润色邮件，那你就是在把水车换成蒸汽机，工厂还在河边。试着想一想：如果我有无限个免费实习生（AI），工作流程应该怎么彻底重设计？
【5】经济层面：从佛罗伦萨到东京
最后 Ivan 把视角再拉高一层：钢铁和蒸汽不只改变了建筑和工厂，还改变了城市。
几百年前，城市是人类尺度的。佛罗伦萨走个四十分钟就能穿城而过，生活节奏由人能走多远、声音能传多响决定。然后钢铁框架让摩天楼成为可能，蒸汽铁路把市中心和腹地连起来，电梯、地铁、高速公路跟上。城市在规模和密度上爆发了。东京、重庆、达拉斯，这些不是“更大版本的佛罗伦萨"，而是完全不同的生存方式——更混乱、更匿名、更难辨认方向，但也提供了更多机会和自由。
Ivan 认为知识经济正站在同样的转折点上。今天的知识工作占了美国 GDP 的近一半，但大部分还是人类尺度的运作：几十人的团队，会议和邮件定义的节奏，超过几百人就开始失灵的组织。我们用石头和木头建造了很多佛罗伦萨。
当 AI 智能体大规模上线，我们会开始建造东京。成千上万的智能体和人类协作，工作流程全天候运转不等人醒来，决策在恰到好处的人类参与下被综合。周会、季度规划、年度考核的节奏可能不再合理，新的节奏会涌现。
我们将失去一些“小而美"的清晰感，但会换来前所未有的规模和速度。
Ivan 提到一个历史趣事：1865 年英国有个《红旗法案》，规定汽车上路时必须有人举着红旗走在前面开路。听起来荒谬，但我们现在要求 AI 每做一步都要人确认，是不是也像“举红旗"？真正的未来，是人站在更高处监管，而不是挡在路中间。
也许我们应该停止从后视镜看世界，开始想象新的可能。卡内基看着钢铁，看到了城市天际线。兰开夏郡的工厂主看着蒸汽机，看到了不再依赖河流的车间。
我们还在问 AI 怎么当好“副驾驶"。也许该问的是：当无限心智成为基础设施，知识工作会变成什么样？
这个问题，Ivan 没给答案。但他给了一个思考的框架。对于正在这场变革中的人来说，框架可能比答案更有用。