你有沒有發(fā)現(xiàn)一個奇怪的現(xiàn)象？公司引入了各種 AI 工具，員工每天生成的內(nèi)容比以前多了三倍，但工作效率卻沒怎么提高，甚至很多人感覺更累了。這不是個例。數(shù)據(jù)顯示，近 80% 的公司已經(jīng)在使用生成式 AI，但同樣比例的公司報告說，這對他們的利潤幾乎沒有產(chǎn)生實際影響。這個巨大的鴻溝讓我一直在思考：AI 工具真的提升了生產(chǎn)力，還是只是制造了更多需要處理的信息？

最近，Highlight AI 完成了 4000 萬美元的 A 輪融資，由 Khosla Ventures 領投，359 Capital、General Catalyst、Valor Equity、Common Metal、Makers Fund、Collaborative Fund、Arcadia 和 SV Angel 參與。但真正引起我深度思考的不是融資金額，而是這家公司對問題本質(zhì)的洞察。他們指出，AI 在工作場所的局限性不再是智能或能力問題，而是"協(xié)調(diào)瓶頸"。員工每周花費多達 24 小時來保持團隊協(xié)調(diào)，在不同的應用之間復制粘貼信息，手動追蹤工作進度，不斷重新組裝工作內(nèi)容而不是推進工作。這個觀察讓我意識到，我們可能一直在用錯誤的方式使用 AI。

更有意思的是，Highlight AI 新任 CEO Sergei Sorokin 的背景。他曾在 Discord 擔任產(chǎn)品副總裁八年，見證了平臺從約 500 萬月活用戶增長到近 3 億的過程，并從零開始建立了 Discord 的收入業(yè)務。離開 Discord 后，他花了兩年時間構建和咨詢 AI 初創(chuàng)公司，包括 Weights、Aura 和 OffCall。正是這段經(jīng)歷讓他親身體會到，碎片化的工具和 AI agent 工作流程無法帶來真正的生產(chǎn)力提升。他加入 Highlight AI 的時機，恰好是公司準備從根本上重新構建工作協(xié)調(diào)基礎設施的關鍵時刻。

PS：我的出海新書已經(jīng)上架了，我特意申請了公眾號讀者專屬的優(yōu)惠鏈接，可以享受半價折扣，歡迎感興趣的朋友購買。

同時我還特地建立了實名制的讀者群，我會在群里定期解答一些問題和開展線上線下活動，歡迎購書的朋友實名制入群，大家一塊交流，共同出海！

AI 生產(chǎn)力悖論的真相

我一直在觀察一個現(xiàn)象：公司投入大量資金購買 AI 工具，員工也確實在使用這些工具，每天生成大量的文檔、消息、任務和草稿。但問題是，這些產(chǎn)出需要人工去整理、分類、分發(fā)和跟進。結果就是，AI 確實讓我們"更快"了，但這種"快"體現(xiàn)在生成內(nèi)容的速度上，而不是完成工作的速度上。

我看到的現(xiàn)實情況是這樣的：一個產(chǎn)品團隊的設計師在 Figma 上完成了新功能的設計稿，然后需要在 Slack 上通知工程師，在 Linear 上創(chuàng)建任務，在產(chǎn)品文檔中更新設計說明，還要給項目經(jīng)理發(fā)郵件匯報進度。即使有了 AI 輔助，這些協(xié)調(diào)工作仍然需要人工完成。設計師可能用 AI 生成了任務描述，但還是要手動復制粘貼到 Linear，手動添加相關鏈接，手動通知相關人員。

這就是 Highlight AI 所說的"協(xié)調(diào)稅"。研究表明，員工每周要在這類協(xié)調(diào)工作上花費多達 24 小時。想象一下，一周工作 40 小時，其中 24 小時用于信息傳遞和協(xié)調(diào)，真正用于創(chuàng)造性工作的時間只有 16 小時。而且隨著團隊規(guī)模增大、使用的工具增多、引入的 AI agent 增加，這個協(xié)調(diào)稅還會不斷復利式增長。

我認為問題的根源在于，現(xiàn)有的 AI 工具都是孤島式的。每個工具都有自己的 AI 助手，但它們之間無法共享上下文。你在 Slack 上用 AI 總結了一段對話，但這個總結無法自動同步到項目管理工具中。你用 AI 生成了一段代碼，但代碼背后的設計決策和討論上下文卻分散在會議錄音、Figma 注釋和 Slack 消息中。下一個接手這段代碼的工程師，需要在這些碎片化的信息源中尋找線索，拼湊出完整的上下文。

更嚴重的是，員工每天要在多達 8 個不同的應用之間切換。每次切換都意味著上下文的丟失和重建。你剛在 Figma 中理解了設計意圖，切換到 Linear 創(chuàng)建任務時，又要重新回憶剛才看到的內(nèi)容。這種認知負擔的累積，讓人感到精疲力竭，即使 AI 幫你寫了任務描述，你仍然需要花費大量心智去協(xié)調(diào)這些碎片化的工作流程。

Highlight AI 的解決方案：共享智能層

Highlight AI 的方法讓我眼前一亮，因為他們不是在現(xiàn)有工具上再加一層 AI，而是在構建一個全新的基礎設施層，一個能夠統(tǒng)一所有工具、保存完整上下文、主動提供協(xié)助的"共享智能層"。

他們的核心技術是實時捕獲、建模和檢索高保真團隊上下文。這聽起來有點抽象，讓我用一個具體例子來說明。假設一個產(chǎn)品團隊在 Figma 中進行設計評審，討論了新功能的交互細節(jié)，然后在 Slack 上繼續(xù)后續(xù)討論。在傳統(tǒng)工作流程中，這些信息會分散在兩個平臺上，參與者需要手動記錄決策、創(chuàng)建任務、更新文檔、通知相關人員。

但如果團隊使用了 Highlight AI，整個流程會完全不同。Highlight 會自動記錄會議內(nèi)容，捕獲哪些內(nèi)容發(fā)生了變化、做出了什么決策、誰負責哪些行動。它會準備好帶有相關 Figma 框架鏈接的后續(xù)草稿，在 Linear 中創(chuàng)建帶有正確上下文的任務草稿，并更新產(chǎn)品規(guī)格文檔。團隊成員只需要一鍵審閱并發(fā)送這些更新。

更關鍵的是，錯過會議的工程師可以立即看到完整的決策綜合和后續(xù)步驟，而不需要在企業(yè)應用之間跟蹤數(shù)字面包屑。他們甚至可以查看由后臺 Cursor agent 生成的拉取請求，該 agent 已經(jīng)開始實現(xiàn)這個功能。這個例子展示了在單個團隊內(nèi)，幾個小時的溝通和協(xié)調(diào)工作是如何被消除的。而當這種節(jié)省在整個組織中擴展時，效果會顯著放大。

我認為 Highlight AI 最聰明的地方在于，它不是要替代現(xiàn)有工具，而是作為這些工具之上的一個協(xié)調(diào)層。它與 Slack、Zoom、Figma、Linear、Claude Code 等應用集成，消除了手動路由信息的負擔。團隊不需要放棄他們已經(jīng)熟悉的工具，只需要讓 Highlight 在這些工具之間建立聯(lián)系，創(chuàng)建一個統(tǒng)一的團隊記憶。

從技術角度看，Highlight 正在構建的是一個"上下文圖譜"。它不是簡單地存儲文本和文件，而是理解工作的完整弧線：誰在什么時候說了什么、做了什么決定、為什么做這個決定、這個決定如何影響后續(xù)工作。這個上下文圖譜成為團隊的共享大腦，人類和 AI agent 都可以訪問同樣的高保真上下文信息。

從被動響應到主動協(xié)助

我使用過很多 AI 工具，大部分都是基于提示詞的。你需要明確告訴 AI 你想做什么，提供必要的上下文，然后等待它生成結果。這種模式的問題在于，它把協(xié)調(diào)的負擔轉移給了用戶。你仍然需要記住在合適的時機調(diào)用 AI，提供正確的信息，然后把結果分發(fā)到正確的地方。

Highlight AI 試圖改變這種模式，從手動提示轉向主動協(xié)助。因為它理解整個團隊的工作上下文，知道正在發(fā)生什么、誰在做什么、下一步需要做什么，所以它可以在你需要之前就采取行動。會議結束后，后續(xù)任務已經(jīng)被起草好了，不需要你手動創(chuàng)建。文檔需要更新時，AI 已經(jīng)準備好了更新內(nèi)容，等待你的審閱。

這種主動性來自于對上下文的深度理解。傳統(tǒng)的 AI 工具只能看到你當前給它的信息，但 Highlight 可以看到跨工具、跨人員、跨時間的完整工作流程。它知道這個設計決策會影響哪些人的工作，哪些文檔需要相應更新，哪些任務需要被創(chuàng)建或修改。

我特別欣賞他們提到的一個場景：你可以專注于深度工作，不用擔心錯過重要信息。當你重新浮出水面時，你會看到在你專注工作期間發(fā)生了什么，這些信息已經(jīng)被綜合整理好，來自會議、聊天和各種平臺，就像你的個人簡報。這解決了一個長期困擾知識工作者的矛盾：要么不斷檢查更新保持同步，要么專注工作但可能錯過重要信息。有了主動的上下文感知系統(tǒng)，這個矛盾被化解了。

另一個我覺得很有價值的變化是，團隊聊天會變得更安靜。不是因為交流減少了，而是因為信息已經(jīng)自動流向了應該去的地方。更新會自動分享，簡單的問題在需要打擾別人之前就被回答了。這讓團隊成員可以更好地保護自己的專注時間，同時又不會因為信息孤島而影響協(xié)作效率。

將短暫知識轉化為集體智能

我一直認為，團隊最有價值的知識往往不在那些精心制作的文檔中，而是藏在日常工作的痕跡里：為什么選擇這條路徑的具體討論、屏幕共享時的口頭解釋、改變計劃的那條評論、討論串中的細微差別。這些知識是短暫的、碎片化的，很容易隨著時間流逝而丟失。

當團隊成員離職、項目交接或者幾個月后需要回顧決策時，這些知識的缺失會造成巨大的損失。新人需要花費大量時間去理解"為什么代碼是這樣寫的"，而答案可能已經(jīng)隨著當初做決定的人離開而消失了?；蛘?，這個答案埋藏在幾個月前的 Slack 消息里，但沒人記得在哪個頻道、什么時間討論的。

Highlight AI 正在構建的基礎設施，目標就是捕獲、建模、檢索和應用這種高保真上下文。他們在材料中提到，這包括幾個尚未解決的問題：高保真捕獲、共享記憶、主動協(xié)助和擴展集體智能。

高保真捕獲意味著 Highlight 將演變成一個始終在線的存在，通過屏幕捕獲、音頻轉錄和索引來跟隨你的工作流程，將人機交互轉化為語義數(shù)據(jù)，同時完全由用戶控制隱私。用戶可以選擇捕獲什么內(nèi)容、何時分享。這解決了一個關鍵問題：如何在保護隱私的前提下，完整記錄工作過程中產(chǎn)生的知識。

共享記憶則超越了"搜索一堆文本"的層次。Highlight 正在構建一個統(tǒng)一的團隊記憶，AI 通過將每個人和每個工具的上下文組織成一個集體上下文圖譜，來理解項目的演變狀態(tài)。這不是簡單的文檔存儲，而是一個動態(tài)的、有語義關系的知識網(wǎng)絡。

我認為最具革命性的是他們提到的"擴展集體智能"。沒有執(zhí)行能力的記憶只是在積累灰塵的文本。Highlight 為基于上下文的多人 AI agent 提供執(zhí)行層，使開發(fā)者能夠在每個工具和系統(tǒng)中擴展團隊的集體智能。這意味著 AI agent 不再是孤立工作的個體，而是可以訪問整個團隊的共享知識，在這個基礎上采取行動。

從長遠來看，他們的愿景是讓團隊能夠部署經(jīng)過微調(diào)的世界模型作為 agent，這些 agent 通過觀察來學習。這讓我想起了人類學徒的學習方式：觀察師傅如何工作，理解其中的模式和原則，然后在相似情境中應用這些知識。如果 AI agent 也能以這種方式學習團隊的工作模式，那么它們就能真正成為團隊智能的延伸，而不僅僅是執(zhí)行單一任務的工具。

為什么是現(xiàn)在

我思考過為什么 Highlight AI 選擇在現(xiàn)在這個時間點切入這個問題。從技術角度看，大語言模型的能力已經(jīng)足夠強大，可以理解復雜的工作上下文和多步驟的任務流程。從市場角度看，企業(yè)已經(jīng)廣泛采用了各種 SaaS 工具和 AI 應用，協(xié)調(diào)負擔已經(jīng)成為一個普遍而緊迫的痛點。

但我認為更深層的原因是，我們正在進入所謂的"agentic age"——人類和 AI agent 大規(guī)模協(xié)同工作的時代。在這個時代，工作流程不再是單純的人類活動，而是人類和各種 AI agent 混合協(xié)作的復雜系統(tǒng)。一個軟件開發(fā)項目可能涉及人類產(chǎn)品經(jīng)理、設計師、工程師，以及輔助編碼的 AI agent、生成文檔的 AI agent、進行測試的 AI agent。

這種混合工作模式對協(xié)調(diào)系統(tǒng)提出了全新的要求。傳統(tǒng)的項目管理工具是為人類設計的，假設所有工作都由人類完成。但當 AI agent 參與工作時，如何確保它們訪問到正確的上下文？如何讓它們的工作成果能夠被其他人和其他 agent 理解和使用？如何在人類決策和 AI 執(zhí)行之間建立清晰的邊界和流程？

Highlight AI 正在構建的共享智能層，恰好可以作為人類和 AI agent 之間的橋梁。因為它統(tǒng)一了上下文，人類和 AI agent 可以基于同樣的信息做出決策和采取行動。因為它保存了完整的工作歷史，新加入的 agent 可以快速理解項目狀態(tài)，就像新加入的團隊成員一樣。

Khosla Ventures 的創(chuàng)始人 Vinod Khosla 對此有一個精辟的觀察："軟件和 AI 的進步速度超過了協(xié)調(diào)它們的系統(tǒng)。這個鴻溝存在于每個行業(yè)、每個規(guī)模的組織中。隨著工作變得更加 agent 驅(qū)動，維持人類和機器之間對齊的操作系統(tǒng)變得勢在必行。"這段話點出了問題的本質(zhì)：技術能力和協(xié)調(diào)能力之間的不匹配。

從投資者的參與陣容也能看出市場對這個方向的認可。除了領投的 Khosla Ventures，參與投資的還包括 359 Capital、General Catalyst、Valor Equity 等知名機構。這些投資者顯然相信，在 agentic age，一個能夠統(tǒng)一人類和 AI agent 工作的智能操作系統(tǒng)將成為基礎設施級別的需求。

團隊構建的重要性

Highlight AI 在團隊構建上的策略也很有意思。他們計劃用這輪融資將團隊規(guī)模擴大一倍,重點在舊金山招聘工程師、運營人員和營銷人員，以加速產(chǎn)品開發(fā)和市場推廣。但更重要的是他們對團隊背景的選擇。

他們在材料中提到，要與主動 AI 協(xié)作需要在人們和團隊協(xié)作方式上進行根本性轉變，這混合了企業(yè)和消費產(chǎn)品的挑戰(zhàn)。為了滿足這種需求，Highlight 正在組建一支具有大規(guī)模創(chuàng)建直觀協(xié)作產(chǎn)品經(jīng)驗的產(chǎn)品構建者團隊，包括來自 Discord、Medal.tv 和 Meta 的領導者。

這個選擇很聰明。來自 Discord 和 Meta 的團隊成員有構建大規(guī)模消費者協(xié)作產(chǎn)品的經(jīng)驗，他們理解如何設計直觀、易用的界面，如何處理實時協(xié)作，如何在保持性能的同時提供豐富功能。這些經(jīng)驗對于構建一個團隊日常使用的協(xié)調(diào)系統(tǒng)至關重要。

新任 CEO Sergei Sorokin 的背景更是完美契合。他在 Discord 的八年經(jīng)歷讓他深刻理解大規(guī)模用戶協(xié)作的復雜性。Discord 從一個游戲玩家的語音聊天工具發(fā)展成為擁有近 3 億月活用戶的綜合社區(qū)平臺，這個過程中積累的產(chǎn)品和技術經(jīng)驗，對于構建 Highlight AI 這樣的協(xié)作平臺極具價值。

他在離開 Discord 后花了兩年時間與 AI 初創(chuàng)公司合作的經(jīng)歷同樣重要。正是在這個過程中，他親身體會到碎片化工具和 agent 工作流程的問題。這種"痛點驅(qū)動"的創(chuàng)業(yè)動機，往往能帶來更深刻的產(chǎn)品洞察和更強的執(zhí)行決心。

Sorokin 在公告中的一段話很能說明他對這個機會的認識："我在一個關鍵時刻加入 Highlight，這提供了一個難得的機會，可以從頭開始幫助塑造基礎設施，而不是漸進式改進那些從未為 agent 驅(qū)動的工作而設計的系統(tǒng)。"這反映了他對問題本質(zhì)的理解：我們需要的不是在舊系統(tǒng)上修修補補，而是為新時代構建全新的基礎設施。

我對這個方向的思考

在研究 Highlight AI 的過程中，我一直在思考一個問題：共享智能層是否會成為企業(yè)軟件的標準組件？就像操作系統(tǒng)之于個人計算機、云平臺之于現(xiàn)代應用一樣，是否每個組織都會需要一個統(tǒng)一的智能層來協(xié)調(diào)人類和 AI agent 的工作？

從目前的趨勢來看，答案很可能是肯定的。企業(yè)使用的工具越來越多，引入的 AI agent 也越來越多，協(xié)調(diào)負擔只會繼續(xù)增加。沒有一個統(tǒng)一的智能層，這個系統(tǒng)最終會因為復雜性而崩潰。就像我們不能想象沒有操作系統(tǒng)來管理應用程序一樣，未來我們也很難想象沒有智能層來協(xié)調(diào)工作流程。

但這也帶來了一些需要解決的挑戰(zhàn)。隱私和安全是首要問題。Highlight 需要訪問大量的工作數(shù)據(jù)才能構建完整的上下文圖譜，如何確保這些數(shù)據(jù)的安全？如何讓用戶對數(shù)據(jù)捕獲和使用有足夠的控制？材料中提到用戶可以選擇捕獲什么、何時分享，但在實際使用中，如何在便利性和隱私保護之間找到平衡，仍然是一個需要持續(xù)探索的問題。

另一個挑戰(zhàn)是系統(tǒng)的可靠性。當團隊開始依賴 Highlight 來進行協(xié)調(diào)時，任何故障或錯誤都可能對工作造成嚴重影響。如果系統(tǒng)錯誤地理解了決策、分配了錯誤的任務或者丟失了重要的上下文，后果可能很嚴重。這要求系統(tǒng)具有極高的可靠性和準確性，同時也需要有適當?shù)娜斯徍藱C制。

我也在思考這種共享智能層對工作方式的深層影響。當所有工作都被記錄、所有決策都被追蹤、所有上下文都被保存時，工作會變得更加透明，但也可能讓人感到被監(jiān)視。如何在提高協(xié)作效率和保護員工自主性之間取得平衡，是一個需要仔細考慮的問題。

從技術演進的角度看，我認為 Highlight AI 代表了一個重要的方向轉變。過去十年，企業(yè)軟件的發(fā)展主要是在垂直領域提供專門化的工具——更好的項目管理、更強的設計工具、更智能的代碼編輯器。但現(xiàn)在，我們開始意識到，問題不在于單個工具不夠好，而在于工具之間缺乏協(xié)調(diào)。

這就像城市交通系統(tǒng)。你可以有最好的汽車、最快的火車、最便捷的地鐵，但如果這些交通方式之間沒有良好的換乘設計，整體的通勤效率仍然會很低。Highlight AI 做的事情就像是為企業(yè)軟件生態(tài)系統(tǒng)設計換乘樞紐和路線規(guī)劃，讓各個工具之間的協(xié)作變得順暢。

我預測，隨著 Highlight AI 這樣的平臺證明其價值，我們會看到更多專注于橫向整合而非垂直深化的企業(yè)軟件。軟件的競爭優(yōu)勢可能不再只是功能的豐富性，而是集成和協(xié)調(diào)的能力。那些能夠無縫融入共享智能層的工具會獲得優(yōu)勢，而那些堅持孤立運作的工具可能會被邊緣化。

對于企業(yè)來說，引入像 Highlight AI 這樣的共享智能層，意味著需要重新思考工作流程和工具選擇。不再是"我們需要什么工具"，而是"哪些工具可以有效地通過共享智能層協(xié)作"。這可能會推動企業(yè)軟件市場的整合，那些能夠提供良好 API 和集成能力的工具會勝出。

最終，我相信 Highlight AI 這樣的平臺將推動工作方式發(fā)生根本性變化。我們會從"管理工具"轉向"管理意圖"，從"協(xié)調(diào)任務"轉向"定義目標"。當?shù)讓拥膮f(xié)調(diào)工作被智能系統(tǒng)接管后，人類可以專注于更高層次的思考：我們要解決什么問題？我們的目標是什么？我們?nèi)绾蝿?chuàng)造更大的價值？這才是人類應該花費時間的地方，而不是在各個應用之間復制粘貼信息。

從這個角度看，Highlight AI 的 4000 萬美元融資不只是一家初創(chuàng)公司獲得了資金支持，而是代表著整個行業(yè)對未來工作方式的一次重要押注。如果他們成功了，我們可能會迎來一個工作效率真正提升、協(xié)作變得無縫、人類和 AI agent 和諧共處的新時代。這個愿景值得我們持續(xù)關注和期待。

結尾

也歡迎大家留言討論，分享你的觀點！

覺得內(nèi)容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產(chǎn)出更好的內(nèi)容。

歡迎關注深思圈，一起探索更大的世界。

- END -

兩個“特別坑”的AI產(chǎn)品創(chuàng)業(yè)方向，你知道嗎

速度將成為AI時代唯一的護城河

a16z重磅預測：Vibe coding贏者通吃？錯了，垂直專業(yè)化才是未來