行业动态

NotebookLM 可能正在经历自发布以来最重要的一次产品定位变化。

根据 Google 官方最新公告，NotebookLM 已不再只是一个围绕用户上传资料进行问答和总结的 AI 研究工具，而是开始向具备自主研究、分析和内容交付能力的 Agentic（代理式）系统演进。此次升级不仅带来了新的 Gemini 3.5 模型支持，还加入了云端代码执行环境、自动发现资料来源（Source Discovery）、更强的推理能力以及多种输出格式生成能力。

对于长期关注 AI 工具发展的行业观察者来说，这次更新值得关注的地方并不只是模型升级，而是 Google 正在尝试把 NotebookLM 从一个“知识库聊天机器人”变成一个能够帮助用户完成完整研究工作流的平台。

NotebookLM 过去是什么？

NotebookLM 最初的核心价值来自其基于资料的回答机制。

与传统大语言模型直接依赖训练数据不同，NotebookLM 采用 Retrieval-Augmented Generation（RAG，检索增强生成）思路。用户上传文档、网页、PDF、会议记录或者研究资料后，系统优先基于这些来源进行分析和回答。

这种方式最大的优势是可追溯。

用户可以直接查看引用来源，降低模型幻觉问题，因此 NotebookLM 在学生、研究人员、咨询顾问、产品经理以及企业知识管理场景中获得了广泛应用。

但长期以来它存在一个明显限制：所有资料都需要用户自己准备。

如果用户面对一个完全陌生的课题，往往需要先花费大量时间搜索资料、筛选网页、整理文档，然后才能开始使用 NotebookLM。

这也是很多 AI 研究产品正在试图解决的问题。

这次升级最大的变化：自动寻找资料来源

Google 表示，新版 NotebookLM 已具备更强的 Source Discovery 能力。

用户不再必须先准备大量文档。

只需要输入一个研究主题，系统即可结合 Google Search 自动寻找相关资料，并推荐可加入 Notebook 的来源。

实际上，Google 在此前已经推出 Discover Sources 功能，但此次升级将这一能力进一步整合到整个研究流程中。

这意味着用户可以从一个模糊想法开始，而不是从一个已经整理好的资料库开始。

例如：

• 分析 AI Agent 市场发展趋势
• 调查某个行业的竞争格局
• 研究新能源供应链
• 准备投资研究报告

过去需要数小时的信息收集工作，现在可能在几分钟内完成初步资料搭建。

对于知识工作者而言，这是 NotebookLM 产品定位变化的重要信号。

每个 Notebook 获得独立云端计算环境

此次升级中最引人关注的技术变化来自 Google 所说的“Secure Cloud Computer（安全云端计算环境）”。

Google 表示，每一个 Notebook 都会获得独立的云端执行环境。

简单理解，它不再只是聊天。

NotebookLM 现在可以：

• 编写代码
• 执行代码
• 分析数据
• 处理表格
• 生成图表
• 自动整理研究结果

这使 NotebookLM 开始具备类似 AI Agent 的执行能力。

例如上传销售数据后，系统不仅能够解释数据内容，还能实际运行分析程序生成统计结果和可视化图表。

过去许多类似任务往往需要切换到 Python、Excel、数据分析平台甚至 BI 工具才能完成。

Google 试图把这些环节统一到 NotebookLM 内部。

从研究到交付：新增多种输出格式

另一项重要升级是内容交付能力。

根据官方信息，新版 NotebookLM 可以直接生成多种文件格式，包括：

• PDF 报告
• PPT 演示文稿
• Excel 表格
• CSV 数据文件
• 图表和可视化内容
• SVG 图形文件

这意味着研究工作的最后一步——成果输出——也开始被自动化。

在传统工作流程中，研究人员通常需要经历三个阶段：

资料收集 → 分析整理 → 制作交付物。

NotebookLM 正在尝试覆盖整个链路。

从产品战略角度看，这也是 Agentic Workflow（代理式工作流）发展的典型方向。

Gemini 3.5 与 Antigravity 的作用是什么？

Google 官方确认 NotebookLM 已升级至 Gemini 3.5，并引入名为 Antigravity 的系统。

从官方描述来看，Antigravity 更像是面向代理式任务设计的执行框架。

它负责协调推理、代码执行、资料发现以及任务拆解等能力。

Google 公布的测试数据显示，新系统在大型文档分析、复杂研究任务以及资料发现等多个维度相比旧版本均有明显提升。

不过需要指出的是，这些数据主要来自 Google 自身评测体系，因此更适合作为产品进步方向的参考，而非绝对性能指标。

NotebookLM 正在进入 AI Agent 竞争赛道

如果观察过去一年 AI 产品的发展路径，会发现一个明显趋势。

无论是 OpenAI、Anthropic 还是 Google，都在推动 AI 从“回答问题”转向“完成任务”。

传统聊天机器人主要解决信息获取问题。

而 Agent 系统则试图完成完整工作。

NotebookLM 的这次升级正符合这一趋势。

它开始具备：

• 主动搜索信息
• 自动筛选资料
• 深度分析内容
• 执行计算任务
• 输出最终成果

这些能力组合起来后，NotebookLM 已经不只是一个知识管理工具，而是在向研究助理、分析师助手甚至轻量级咨询顾问工具靠近。

仍然存在的限制与风险

尽管此次升级意义重大，但并不意味着 AI 已经能够完全替代研究人员。

首先，自动发现的资料来源仍需要人工验证。

搜索结果的质量、信息偏见以及内容时效性仍可能影响最终结论。

其次，代码执行和自动分析虽然能够提升效率，但错误的输入数据仍会导致错误结果。

AI 在执行层面的能力增强，并不等于研究质量自动提升。

此外，涉及企业数据、商业机密和敏感文档时，组织仍需要评估数据治理和合规风险。

对于高风险行业，例如医疗、金融和法律领域，人工审核依然不可缺少。

行业观察

此次升级释放出一个值得关注的信号：AI 产品竞争正在从模型能力竞争转向工作流竞争。

未来用户未必关心底层模型参数，而更关注工具能否真正完成任务。

NotebookLM 的变化代表着 Google 正在尝试把 Gemini 的能力包装成完整生产力系统，而不是单纯的大模型接口。

如果后续开放范围进一步扩大，并持续提升资料发现与执行能力，NotebookLM 可能成为研究、咨询、教育和企业知识管理领域最值得关注的 Agent 产品之一。

对于行业用户而言，未来几个月最值得观察的变量包括：自动资料发现的质量是否稳定、多格式输出是否达到专业工作标准，以及 Agent 执行能力能否持续扩展到更多真实业务场景。

这些因素将决定 NotebookLM 究竟是一次重要产品升级，还是 AI Agent 时代研究工具形态变化的开端。