NotebookLM

1. 调研缘由

可核实事实

NotebookLM 一开始是 Google Labs 里的一个实验性 AI 产品，想帮用户理解和整理手头资料。2026 年 6 月，Google 称已有数百万个人和组织在用 NotebookLM 做协作式的知识整理和研究工作。[S1]

2026 年 6 月，NotebookLM 加上了更强的聊天推理能力、云端代码执行、网页找来源和文件生成；同年 4 月，Google 又宣布 Gemini notebooks 可以和 NotebookLM 同步资料。这些更新把它的产品能力圈，从“用户上传资料后的问答与整理”，扩展到了“找资料—分析—生成交付物”的连续工作流。[S1][S2]

本篇关注重点

本篇主要想搞清楚三件事：

1. NotebookLM 是不是正在从一个“限定资料问答工具”，变成更完整的研究工作流产品；
2. “来源可回查”在实际使用中能提供什么好处，又有哪些人工审核是它没法替代的；
3. 它的差异化到底更多来自产品本身的能力，还是靠 Google 的模型、账号体系、Workspace 和 Gemini 的上下文生态撑起来的。

---

2. 简介与产品工作流

可核实事实

NotebookLM 的基本工作单元是 notebook。按官方定义，一个 notebook 就是给一个具体项目建的资料集合；不同 notebook 相互独立，系统没办法同时跨多个 notebook 调取信息。[S3]

用户可以导入或上传 Google Docs、Google Slides、PDF、文本与 Markdown 文件、网页链接、粘贴的文本、公开视频链接以及音频文件等，作为来源。每个来源可包含最多 50 万词，或上传文件最大 200MB。[S4]

NotebookLM 的工作流大致是这样：

1. 建立项目资料集：创建一个 notebook，上传资料，或者用“发现新来源”补充研究素材。[S3][S5]
2. 围绕资料提问与整理：在 Chat 中看来源摘要、提问题、下任务，还可以按需要勾选或取消勾选某些来源。[S3]
3. 生成多种产物：在 Studio 里生成笔记、Audio Overview、Video Overview、思维导图、报告、数据表、闪卡、测验、幻灯片和信息图；部分报告和数据表可以导出到 Google Docs 或 Google Sheets。[S3]
4. 生成研究交付物：2026 年 6 月的更新支持生成带图表和表格的 PDF 报告、电子表格、文档、图片、CSV、JSON、Excel 和 PowerPoint 文件，生成后还能继续编辑。[S1]
5. 跨 Google 产品接着用上下文：Google 宣布 Gemini notebooks 与 NotebookLM 同步后，用户在任一产品里加的来源，另一端也能看到。[S2]

从 2026 年 6 月开始，NotebookLM 可以从一个模糊的想法或问题出发，通过 Google Search 找到相关的网页来源，再由用户自己决定要不要把这些来源加进 notebook。[S1]

产品边界

NotebookLM 不是一个能自动汇总你所有个人资料的全局知识库。它的资料、对话和生成结果，基本是围着单个 notebook 转的；跨项目的信息整合，还得靠用户自己重新组织或迁移资料。[S3]

---

3. 团队与资本背景

可核实事实

NotebookLM 是 Google 的内部产品。2026 年的公告里，Google 把它描述成三年前从 Google Labs 推出的实验性 AI 产品。[S1]

NotebookLM 现在已经纳入了 Google 的个人订阅、Workspace 和企业产品体系。Google Workspace 页面说，所有 Workspace 计划都已包含 NotebookLM；另外也可以通过 Google Cloud 的 NotebookLM for Enterprise、Gemini Enterprise Standard / Plus / Frontline 等计划来使用。[S4][S6]

Google Workspace 页面上展示了 Rivian 和 Sonata Design 的使用案例，但这些是官方客户案例，不能单独当成独立的市场评价或普遍使用证据。[S4]

信息缺口

没有找到足够的公开资料，能可靠说明：

• NotebookLM 独立的团队规模与内部组织结构；
• 产品独立收入、付费用户数、留存率或区域收入；
• 非官方渠道可核验的大型企业客户分布。

---

4. 技术基础与生态位

可核实事实

Google 在 2026 年 6 月称，NotebookLM 已升级到运行在 Gemini 3.5 与 Antigravity 上，并为每个 notebook 配置了安全的云端计算环境，用来写代码、跑代码、分析资料，以及调用超过 100 项软件技能。[S1]

NotebookLM 的核心产品逻辑，仍然是围着 notebook 里的来源建上下文：用户导入资料，系统就基于这些资料做问答、分析和生成 Studio 产物。Google 也明确说明过，不同 notebook 之间不能同时共享信息。[S3]

从生态关系看，NotebookLM 串起了下面这几层：

• 模型与推理层：Google 自研 Gemini 模型及其代码执行、分析能力。[S1]
• 项目资料层：用户上传或导入的文件、网页、公开视频和音频资料。[S3][S4]
• Google 产品层：Gemini notebooks 与 NotebookLM 同步来源；Workspace 与 Google Cloud 为组织使用提供入口。[S2][S4][S6]
• 内容产出层：报告、数据表、音频、视频、幻灯片、图片与结构化文件等。[S1][S3]

在数据处理上，NotebookLM 的官方说明是：个人账户中，用户加进来的文件、生成的内容和聊天历史，会用来建立知识库和辅助研究；这些内容默认不会直接拿去训练基础模型，除非用户主动提交反馈。如果用户提交了反馈，相关的上下文可能会被审阅；Workspace 与 Workspace for Education 用户上传的内容、查询及模型回复，则不会被人工审阅，也不会用于训练 AI 模型。[S7][S6]

技术披露边界

Google 没有完整公开过 NotebookLM 的检索架构、来源排序规则、引文匹配机制、模型路由逻辑，以及针对不同语言、扫描件、复杂图表和长文档的系统性准确率。

---

5. 市场与外部信号

可核实事实

NotebookLM 的模式是免费入口，加上 Google AI 订阅、Workspace 和企业授权的扩展。官方目前列出了 Standard、Plus、Pro 和 Ultra 这几个层级，并提到使用额度可能会调整。[S7]

截至 2026 年 6 月 29 日，NotebookLM Standard 的官方额度是：每位用户 100 个 notebook、每个 notebook 50 个来源、每天 50 次 Chat、每天 3 次 Audio Overview、每天 3 次 Video Overview，以及每月 10 次 Deep Research。[S7]

付费和企业层级可以提升 notebook、来源、对话、Audio / Video Overview、报告和 Deep Research 的额度，还能提供高级分享、企业数据保护和部分优先功能。[S7]

2026 年 6 月新增的高级研究能力，Google 表示会先向 Google AI Ultra 用户，以及拥有 AI Ultra Access 或 AI Expanded Access 的 Workspace 商业客户在网页端推出，并计划逐步扩大可用范围。[S1]

Google Workspace 已经把 NotebookLM 放进了所有 Workspace 计划，并在“基于可信资料的研究与学习”这个场景下做产品推广。[S4]

信息缺口

没有找到足够的公开资料，能可靠判断：

• NotebookLM 各订阅层级的实际付费转化；
• Workspace 与个人产品的独立使用占比；
• 当前联网找源、代码执行和文件生成能力在不同地区与计划中的实际开放范围；
• 官方客户案例之外的第三方企业部署规模。

---

6. 公开评价与主要分歧

正面评价（开发者实测）

在一次针对文献综述任务的独立实测中，测试者给 NotebookLM 提供了 6 个预选来源，让它生成结构化综述。测试者觉得，输出能适当引用给定的资料，并且形成连贯的概述。[S8]

主要批评 / 质疑（独立实测）

同一项文献综述实测也发现，NotebookLM 偶尔会出现页码对不上、页码不完整和轻微的引文错误；测试者明确认为，生成结果不能不经核查就直接当可用文本来用。[S8]

另一项针对新闻背景研究的独立测试认为，NotebookLM 能把用户提供的文章整合成概览和改写摘要，但在面对复杂档案资料时，仍可能生成错误的引语和数据；该测试觉得，这会限制它直接用于高要求的新闻背景研究。[S9]

官方风险提示（官方）

Google 对 Audio Overview 与 Video Overview 都有提示：里面的声音、文字或视觉内容由 AI 生成，可能包含不准确的地方或音频故障。[S10][S11]

存在分歧之处

公开评价的核心分歧，不是 NotebookLM 有没有提供来源约束，而是“来源约束”能不能直接等同于“最终结论准确”。

支持者看重的是，它能在预选资料范围内做综合、提问和回查，挺方便。[S3][S8] 批评者则指出，就算系统是围着用户资料转的，具体引文、页码、引语、数字和二次产物仍然可能出错，所以重要结论还是得回到原始来源去复核。[S8][S9][S10][S11]

---

7. 同类对比（与头部 / 高知名度同类项目）

主要对标项目： Perplexity Spaces、Claude Projects、Gemini notebooks。

关键维度对比（事实，标来源）

维度	NotebookLM	Perplexity Spaces	Claude Projects	Gemini notebooks
项目工作单元	notebook：围绕一个具体项目的来源集合工作，不同 notebook 相互独立。[S3]	Space：用于组织、协作和管理研究与任务的专属工作空间。[S12]	Project：拥有独立聊天记录与知识库的自包含工作空间。[S14]	notebook：组织聊天与文件的个人知识库。[S2]
资料入口	支持导入多种文件、网页、YouTube、音频等；新能力支持通过 Google Search 发现来源并由用户添加。[S1][S4]	支持在 Space 中添加文件和提示词，并可为 Space 设置自定义 AI 指令。[S12][S13]	支持上传文档、提供上下文，并在项目内开展聚焦聊天。[S14]	支持添加文件、聊天记录与自定义指令，并可结合 Gemini 的网页工具使用。[S2]
项目级指令	Custom Chat 面向所有用户可用；高级分享主要面向付费用户。[S7]	支持对每个 Space 设置自定义 AI 指令。[S12]	支持项目级 instructions，并应用于该项目内所有聊天。[S15]	支持 notebook 级自定义指令。[S2]
知识规模处理	Standard 为每个 notebook 50 个来源；更高层级来源上限可达 600 个。[S6]	本次未覆盖其所有计划与每个 Space 的完整资料上限。	当项目知识接近上下文窗口限制时，Claude 会自动启用 RAG 模式，官方称项目容量最多可扩展至原来的 10 倍。[S16]	资料可与 NotebookLM 同步；具体来源上限随订阅计划变化。[S2]
主要产出形式	Chat、报告、数据表、音频概览、视频概览、学习材料、幻灯片与信息图等。[S3]	以联网搜索、项目研究、文件与线程管理为核心公开入口。[S12][S13]	以项目知识库、聊天和项目级指令为核心公开入口。[S14][S15]	以 Gemini 中的项目对话、文件和网页工具为主，并可调用 NotebookLM 的视频概览与信息图能力。[S2]
上下文关系	不同 notebook 不能同时共享信息。[S3]	本次未覆盖 Space 间上下文共享规则。	除非信息加入项目知识库，否则项目内不同聊天不会自动共享上下文。[S15]	Gemini 与 NotebookLM 的同名 notebook 可同步来源。[S2]

公开评价中的对比（标源，非个人裁决）

从官方的产品定位看，NotebookLM 更强调“围绕资料来源，生成研究和多种格式的产物”；Perplexity 的公开定位是联网搜索、带来源的回答；Claude Projects 则强调独立项目空间、知识库与项目级指令。[S3][S12][S13][S14][S15]

这次没有找到在相同版本、相同资料集、相同任务和相同评价标准下，对 NotebookLM、Perplexity Spaces、Claude Projects 和 Gemini notebooks 做过完整横向对比的独立研究。因此，不对这些产品做整体优劣排序。

---

8. 信息缺口与后续观察

• 后续值得观察：联网找源能力从 Google AI Ultra 与部分 Workspace 客户铺开后，来源筛选、重复网页处理、时效性与用户控制选项会怎么变化。
• 后续值得观察：云端代码执行与“100 多项软件技能”在真实研究、数据分析和文件交付任务中的稳定性、权限边界与可审计性。
• 未找到足够公开资料：NotebookLM 对扫描 PDF、图像型资料、复杂图表、非英语来源与跨语言总结的系统性准确率。
• 后续值得观察：多媒体产物与原始资料之间的引文映射是否足够清晰，尤其是 Audio Overview、Video Overview、幻灯片和信息图。
• 未找到足够公开资料：Gemini notebooks 与 NotebookLM 同步后，在个人账户、Workspace 与企业账户间的权限继承、删除机制、资料保留与治理细节。
• 后续值得观察：NotebookLM 是会继续强化项目间的资料协同，还是保持以单个 notebook 为中心的资料边界。

---

9. 归纳洞察 ★

NotebookLM 反映出一个趋势：资料型 AI 工具正在从“对用户上传的文档做问答”，延伸到“找来源、建上下文、分析资料、生成交付物”这样连续的研究工作流。

它的产品特征不止于文本回答，还在于能把同一批项目资料转成报告、表格、音频、视频、学习材料和演示文稿等不同形式。这个设计把“资料理解”和“资料再表达”放在了同一个工作空间里。

同时，Gemini notebooks 与 NotebookLM 的资料同步说明，Google 正把项目上下文嵌入多个 AI 产品入口：用户可以在 Gemini 里组织聊天和文件，在 NotebookLM 里调用更强的资料分析和 Studio 产物。

但“资料限定”和“可回查”还是不能替代对重要结论的人工审核。随着联网找源、代码执行和多媒体生成的加入，后续最值得观察的信号是：用户能不能持续掌握资料边界，并对最终输出完成有效核验。

---

10. 来源与更新时间

• 信息截至(as_of): 2026-06-29
• 最后复查(last_checked): 2026-06-29
• 最后更新(last_updated): null