特别感谢特工宇宙战略顾问@庄明浩老师的推荐。该研究由 a16z 最近发布，原文稍有晦涩，再保证对齐原意的基础上，经 DeepSeek生活化处理翻译，宇宙编辑部审校修改如下。
为什么要研究 Voice Agent？
语音技术是 AI 应用的关键钥匙。语音是人类最常用的沟通方式，信息量也最大。现在有了 AI，我们第一次能真正让电脑理解并处理语音。这对企业和服务普通用户都有大用处。
对普通人来说，以后和 AI 打交道，说话应该是最自然的方式。可能是随时能聊天的智能助手，也可能是人人都用得起的语言老师——以前请不起真人外教的人，现在用手机就能练口语。
现在的 AI 语音技术就像智能手机刚出来那会儿，基础功能都有了，真正好用的 App 才刚开始出现。随着技术升级，语音不会单独存在，而是会成为打开各种服务的“万能钥匙”。我们特别看好那些先用语音功能吸引用户，再慢慢做成综合服务平台的新公司。
展开剩余91%2024 AI 语音发展时间线
五月
▸ OpenAI 放出大招：GPT-4o 语音版能实时唠嗑了
▸ Cartesia 公司推出真人级语音工具 Sonic
六月
▸ Character 软件试水语音通话 （三百万用户狂打两千万通电话）
▸ 苹果把 ChatGPT 塞进 Siri——现在叫“苹果智能”
七月
▸ OpenAI 开始测试高级语音模式
▸ Speechmatics 家的 Flow 模型能实时对话了
八月
▸ 亚马逊给 Alexa 装上 Claude 大脑
▸ Meta 找明星录声音做 AI 朋友（想象用霉霉声音叫你起床）
九月
▸ NotebookLM 的语音总结功能突然爆火
▸ PlayHT 和 Hume 两家都升级了 2.0 版模型
十月
▸ OpenAI 开放实时语音 API（程序员狂喜）
▸ Kyutai 公司搞出能抢话聊的 Moshi 模型
十一月
▸ ElevenLabs 发布聊天专用 AI
▸ 英伟达出了能改声音的 Fugatto 工具
▸ 谷歌 Gemini 语音版 APP 上线
十二月
▸ ChatGPT 语音模式终于能上网查资料
▸ 1-800-CHATGPT 电话服务开通（没想到被美国人打爆）
有什么新变化？
1. 技术升级后模块越来越简单
现在做 AI 语音就像给手机换模块——底层技术越做越精简，语音助手延迟更低、表现更猛（这波质变 80% 都是最近半年搞定的）。
2. 价格越来越亲民
2024 年 12 月 OpenAI 搞价格大跳水：GPT-4o 实时 API 输入费用降 60%（现在每百万 tokens 40 刀），输出费用砍 87.5%（每百万 tokens 只要 2.5 刀）。连 GPT-4o mini 现在也能实时聊天了，这价格快跟朋友发微信差不多划算。
现在发展到哪一步了？
1. 对话质量堪比真人
2. 市场攻略像坐火箭
用技术换人力的模式太好复制了，小公司和世界 500 强都能快速铺开（比如给快餐店装自动接单系统）。不过传统大企业可能卡在数据安全这些老问题上，这时候拼的就是谁动作快、后续功能跟得上。
3. 赚钱套路在变天
之前都是按通话分钟数收费（毕竟 AI 烧钱），现在模型成本暴跌，价格战打得飞起。以后估计要玩组合拳：收平台月费 + 按用量计费，就像充视频网站会员还得买点播券。
4. 竞争对手分三大派系
• 程序员派 ：给公司 IT 部门用的开发工具（自己造轮子）
• 小白派 ：不懂代码也能部署的傻瓜平台
• 垂直派 ：专攻医疗、教育这些细分领域
市场进化趋势
2024 下半年语音助手市场像坐火箭——据 Cartesia 统计，现在 YC Batches 中每 5 家新创公司就有 1 家在搞语音 AI。
玩家大致分三大门派：
• 搞底层技术的：ElevenLabs、Cartesia 这种模型大佬
• 通用平台型的：Vapi、Bland 这种小白也能用的平台
• 深入垂直行业：HappyRobot（医疗）、Wayfaster（物流）这种专攻某个领域的
大厂攻略秘籍
想直接让 AI 接管所有电话？大公司才不吃这套！聪明团队都先找突破口：
1. 捡漏非高峰来电
比如下班后的订位电话、爆线时的溢出来电。AI 至少能记下客户需求安排回拨，如果连着订位系统，说不定当场就把生意做成了。
2. 狂打骚扰电话
以前人工打推销电话亏本，现在用 AI 打就是纯赚！给个电话号码列表就能开工，适合激活老客户、开发新客户。
3. 处理后台脏活累活
诊所给药店打电话确认库存、公司给供应商催货——这些无聊到爆的电话最适合 AI 干。哪怕只是帮真人转接电话（比如按 1 转采购部），也能省下大把时间。
2024 AI 语音融资大战
🔧 模型公司（造引擎的）
• ElevenLabs - 2024.1 获 a16z 等 8000 万美元 B 轮
• Hume - 2024.3 EQT 投 5000 万美元 B 轮
• PlayAI - 2024.11 种子轮 2100 万（Kindred Ventures）
• Cartesia - 2024.12 Index 种子轮 2700 万
• WaveForms AI - 2024.12 a16z 种子轮 4000 万
🛠️ 通用平台（搭舞台的）
• Kore - 2024.1 融 1.5 亿 C 轮（FTV Capital + NVIDIA）
• Rasa - 2024.2 PayPal 参投 3000 万 C 轮
• Parloa - 2024.4 Altimeter 投 6600 万 B 轮
• PolyAI - 2024.5 获 5000 万 C 轮（Zendesk 跟投）
• Synthflow - 2024.6 种子轮 740 万（无代码神器）
• Thoughtly - 2024.6 Greycroft 投 300 万种子
• Bland - 2024.8 Scale 投 2200 万 A 轮
• Retell AI - 2024.8 种子轮 460 万
• 11x - 2024.9 A 轮 2400 万 / 10 月 B 轮 5000 万
• Decagon - 2024.6 A 轮 3500 万 / 10 月 B 轮 6500 万
• Sierra - 2024.10 Greenoaks 投 1.75 亿 B 轮
• Artisan - 2024.10 种子轮 1150 万
• Vapi - 2024.12 Bessemer 投 2000 万 A 轮
🎯 垂直应用（专精特长生）
• Hippocratic AI - 2024.3 A 轮 5300 万 / 2025.1 B 轮 1.41 亿
• Assort Health - 2024.3 种子轮 350 万
• Parakeet Health - 2024.10 种子轮 300 万
• HelloPatient - 2024.10 种子轮 630 万
• Hyro - 2024.12 B 轮 3500 万
• Numa - 2024.10 B 轮 3200 万（4S 店智能销售）
• HappyRobot - 2024.12 a16z 投 1560 万 A 轮
• Prepared911 - 2024.10 B 轮 2700 万（急救调度）
• Voicepanel - 2024.5 种子轮 240 万（客户回访）
• Letter - 2024.6 种子轮 270 万（销售话术教练）
• Apriora - 2024.8 种子轮 280 万（AI 面试官）
• Wayfaster - 2024.9 种子轮 250 万（招聘专线）
• FullyRamped - 2024.10 种子轮 230 万（销售培训）
• Maki - 2025.1 A 轮 2860 万（HR 猎头）
• Tenor - 2024.12 种子轮 540 万（领导力培训）
语音 AI 的主战场在哪里？
简单说：先找那些接电话接到手软的行业。
✅ 首选战场：烧钱大户
这些行业本来就在呼叫中心/BPO 外包上砸大钱：
• 金融服务（比如讨债公司天天打电话）
• 政府机构（想想社保热线）
• 医疗（诊所天天给保险公司扯皮）
🚫 别碰这些坑
如果公司员工只是偶尔接电话（比如 IT 小哥顺带处理客户问题）：
• 老板根本不舍得买 AI——除非专门养了 10 个话务员
• 省了多少钱根本算不清（财务小姐姐会撕了你的报价单）
除了接电话，现在土豪公司也愿意为“ 给高薪岗位当 AI 陪练”买单：
• 销售模拟器（练到能把客户聊哭）
• 急诊医生特训（用 AI 病人练手）
• 空中管制员实战演练（比请真人教练便宜，比看教学视频管用）
YC 的语音 AI 版图
用硅谷最火孵化器的数据看未来趋势。
2020 年至今，YC 孵化了 90 家语音 AI 公司。最近一期 W25（还没完全公布）就有 10 家，像滚雪球一样越滚越大。2023 年前的很多公司，其实都是中途转型杀进来的。
行业分布三大山头
✅ B2B 企业服务（占 69% 大头）
• 金融科技（16.9%）：比如自动催债机器人
🏥 医疗健康（18% 闷声发大财）
• 前台服务：智能导诊助手（11.2%）
• 后台苦力：药房库存催货 AI（3.4%牙科诊所专用 / 2.2%宠物医院版 / 1.1%康复理疗师助手）
🛍️ 消费者领域（13% 玩跨界）
比如用霉霉声音叫你起床的闹钟 App
Voice Agents 市场图谱 - B2B
Voice Agents 市场图谱 - B2C
发布于：浙江省
