a16z发布2025 AI语音图谱：语音将成为与AI交互的主要模式

68 0 0

文章摘要

语音AI技术的发展正从基础设施层向应用层过渡，为企业和消费者带来革命性的改变。企业通过AI技术替代人工，实现成本效益、速度和可靠性的提升，同时打破传统营业时间限制，提供全天候客户服务。消费者预计会将语音作为与AI交互的主要模式，语音智能体将作为伴侣或导师，使语言学习等服务更广泛可用。

2024年见证了AI语音技术的重大进展，如OpenAI的GPT-4o实时语音功能和Cartesia的Sonic工具。这些技术简化了基础设施，降低了语音智能体的延迟并提升了性能。成本效益也日益显著，如OpenAI大幅降低GPT-4o实时API的价格。

AI Agents在模型质量、市场推广、货币化和竞争方面取得了进展。语音智能体在对话质量上达到甚至超越了传统业务流程外包/呼叫中心水平，主要得益于OpenAI的实时语音模型和ElevenLabs的Conversational AI等供应商的创新模型。智能体产品能快速帮助企业拓展业务，但市场准入门槛低，传统企业应用这些产品时可能面临挑战。早期语音产品采用按分钟定价模式，但随着模型成本降低，这种定价模式面临压力，未来可能转向固定平台费用与使用量计费相结合的模式。

语音智能体市场在2024年下半年爆炸性增长，Y Combinator（YC）创业营中22%的公司专注于语音技术开发。语音智能体也被添加到更多的通用型或多模态产品中。多个层次的对话语音技术公司吸引了资金和关注，包括模型公司、通用型平台和垂直化平台。

市场演变方面，过去一年公开宣布的融资轮次显示，模型公司、通用型平台和垂直化平台均获得了显著的投资。这些投资反映了市场对AI语音技术的高度关注和预期。

语音助手的早期应用类别通常是在呼叫中心或外包服务（BPO）上已有较高支出的领域。预计以下领域将涌现大量的初创企业：金融服务、保险、政府部门和支持服务。企业愿意为用于辅导或培训的AI语音助手付费，尤其是在高薪职位领域。自2020年以来，Y Combinator已经孵化了90家语音智能体公司，且这一趋势正在加速。

a16z对语音智能体的投资重视应用场景、通话特性、价值体现、客户需求、价值创造和销售策略。AI语音面试官产品在大规模招聘场景下的人力资源挑战中表现出色，候选人接受度高，按结果付费模式，AI的评估标准一致，不存在语言或口音造成的沟通障碍，AI通常能够更准确地评估技术或职位相关的答案。

2025年关于AI语音的一些核心问题包括定价模型、模式扩展、最终愿景、行业与技术团队、通用与垂类的优势与适用性以及情感纽带。预计会有更多的创新和应用在这些领域出现。