一、AI 语音技术最新突破

2024年，AI语音技术取得了重大进展。新型对话模型的开发简化了基础设施架构，显著降低了语音代理的延迟并提升了性能。这些改进主要体现在过去六个月内推出的新对话模型上。

此外，这些对话模型的成本也在逐渐降低。2024年12月，OpenAI将GPT-4o实时API的输入价格下调了60%（至每百万标记40美元），输出价格下调了87.5%（至每百万标记2.5美元）。GPT-4o mini也已通过实时API提供。

这些进展使得AI语音代理更具可行性和经济性，推动了其在各个行业的广泛应用。

二、AI 语音智能体最近进展

2024年下半年，AI语音代理市场呈现爆炸式增长。根据Cartesia的数据，在最新一届Y Combinator（YC）创业公司中，专注于语音技术的公司占比达22%。

语音代理也被越来越多地添加到横向或多模态产品中。在2024年，我们看到对话语音技术栈的多个层面上的公司吸引了资金和市场关注，包括：

• 模型公司：如ElevenLabs和Cartesia。

• 横向平台：如Vapi和Bland。

• 垂直化平台：如HappyRobot和Wayfaster。

特别是在大型企业中，我们很少看到从完全由人类接听电话直接转向完全由AI接听的情况。创始人们通常会找到一个切入点（“楔子”），开始时只处理客户中一小部分的电话，然后希望随着时间的推移，逐步扩展到处理更多类型的电话和工作流程。我们观察到的这些切入点包括：

• 客户服务：使用AI语音代理处理常见的客户查询，减轻人工客服的负担。

• 预约安排：通过语音代理自动安排和管理客户预约，提高效率。

• 订单处理：利用AI语音系统处理简单的订单，减少人工干预。

这些应用为AI语音代理在企业中的更广泛采用奠定了基础。

三、AI 语音智能体融资概况

根据硅谷科技评论（SVTR）AI创投库，2024年，AI语音代理领域的融资活动显著增加，多个初创公司获得了大额投资，推动了市场的快速发展。以下是一些值得关注的融资事件：

• ElevenLabs：这家专注于AI语音合成技术的公司在2024年完成了2.5亿美元的C轮融资，估值达到30-33亿美元。

• Cartesia：2024年12月，语音AI初创公司Cartesia宣布完成了2700万美元的新一轮融资，由Index Ventures领投。

• Rox：致力于为销售人员开发人工智能代理的初创公司Rox于2024年11月获得了5000万美元的融资，投资者包括红杉资本和General Catalyst。

此外，我们深度分析过的企业音频市场拓荒者AssemblyAI、用AI缓解全球医护人员短缺Hippocratic AI，AI虚拟销售员11x.ai，‍同样值得‍关注。

四、垂直行业是AI语音智能体的核心市场

语音代理的早期应用通常集中在现有呼叫中心或业务流程外包（BPO）开销较高的领域。然而，针对那些由本地员工偶尔接听电话的行业，其痛点和潜在收益通常不足以推动大规模应用，除非有大量员工专职从事电话接听/拨打。此外，这些行业中结果/节省的量化较为困难，难以建立明确的商业案例。

以下是语音代理的主要垂直领域及潜力：

1、主要垂直领域

每个主要行业（如金融服务、B2C、B2B、政府和医疗保健）都可能拥有自己的核心供应商，这些供应商的角色类似于行业专用的记录系统。预计在以下领域会有大量创业活动：

• 金融服务：如债务催收等高频任务。

• 保险业：覆盖面包括客户服务和后台办公室任务。

• 政府：包括公共服务和相关的行政任务。

• 支持服务：处理复杂的客户服务电话，例如IT帮助台需要技术专长的案例。

2、其他应用场景

在某些高薪职位领域，我们观察到针对AI语音代理的支付意愿较强。这些代理被用于教练或培训的案例，可以显著提高员工的实际工作表现。这不仅能够取代劳动力开支（如销售教练），还可以替代低效的软件工具。

3、早期创业动态

通过分析Y Combinator（YC）的创业公司数据，可以看出语音代理的建设趋势：

• 自2020年以来，已有90家语音代理公司。这个趋势随着每一届新公司而加速。

• 2025年冬季（W25）班中，有10家语音代理公司（尚未完全公布）。

在2023年之前的创业公司中，大多数是最近一年内向语音代理方向转型的公司。

根据YC创业公司的数据：

• B2B用例占比最高（约69%）。最常见的子行业为金融科技（16.9%）和运营支持（主要为客户支持，占12.4%）。

• 医疗保健领域占比约18%。语音代理主要面向前台（患者交互）或后台（药房、保险等交互），具体分布为：普通医学（11.2%）、牙科（3.4%）、兽医（2.2%）、物理治疗（1.1%）。

• 消费类用例占比约13%。

语音代理正在多个垂直领域崭露头角，并迅速渗透到传统行业和新兴场景中。未来，这些技术将进一步提升行业效率并扩展应用范围。

五、AI 语音智能体的投资标准

a16z 投资语音代理公司时，关注的不仅是技术优势，还包括产品适配行业需求、明确的经济效益和对客户需求的精准满足。优秀的语音代理公司需要在技术、商业模式和客户价值之间找到平衡点，并在市场中通过差异化竞争建立自己的护城河。

1. 行业选择

• 电话为首选客户演示媒介的行业：如物流等行业，电话是最直接、有效的沟通工具。

• 法规要求：某些行业如债务催收，法规对电话效率有较高要求，语音代理更具优势。

• 高成功率行业：医疗保健等领域中，电话比其他媒介有更高的成功率。

2. 通话特点

• 受控通话：通话在时长、格式和结果上受到严格限制。

• 明确的数据点与结果：通话数据和交付结果可清晰量化，方便评估效果。

• 降低企业对 AI 的疑虑：量化结果能够提高企业对 AI 技术的接受度。

3. 成本效益

• 显著的成本节约：语音代理可以减少 30%-50% 的成本，同时保持与人类相似的成功率。

• 人力的重新分配：客户希望通过语音代理大幅减少或重新分配人力资源。

• 显著的 ROI（投资回报率）：企业对 AI 的内部怀疑意味着语音代理必须展示显著的经济回报才能赢得信任。

4. 客户需求

• 生死攸关的通话：对客户而言，某些通话任务非常关键，因此他们愿意支付高额费用确保任务完成。

• 非工作时间通话：许多客户从非工作时间或“不重要”电话任务开始使用语音代理，因为这些任务的性能要求较低。

5. 经济价值

• 直接创造收入：语音代理可以帮助客户预约更多业务或收取更多款项，例如在人力配置中。

• 关键成本组成：在利润微薄的行业（如汽车餐厅点餐窗口），通话是业务运作的重要成本来源。

6. 产品集成与销售

• 针对 SMB/中端市场：语音代理产品需要能够方便地集成到 VoIP 或其他软件中，且设置流程需支持自助服务。

• 针对企业级客户：复杂的早期集成可以成为竞争壁垒（“护城河”），通过简单的早期集成，语音代理产品可以实现自然扩张的销售机会。

六、附录

硅谷科技评论（SVTR.AI），在ChatGPT问世之际，创立于美国硅谷，依托#AI创投库、#AI创投会、#AI创投营 和风险投资，打造全球前沿科技（AI）创新生态系统。联系凯瑞（pkcapital2023），加入我们，共创未来。点击文末阅读原文，访问SVTR.AI，发现更多机会与内容！