AI 语音代理：2025 年展望

Olivia Moore

发布于 2025 年 1 月 29 日

在 Gamma 上查看此报告。

语音是 AI 应用公司最重要的突破之一。它是人类交流中最频繁（也是信息最密集）的形式，由于 AI 首次实现了“可编程”。

对企业来说，AI 直接用技术取代了人力劳动。它更便宜、更快速、也更可靠——而且通常优于人类。语音代理还允许企业 24/7 全天候为客户提供服务，以回答问题、安排预约或完成购买。客户服务时间和企业营业时间不再需要一一对应（你试过太平洋时间下午3点后给东海岸银行打电话吗？）；有了语音代理，每个企业都可以随时在线。

对消费者来说，我们相信语音将成为人们与 AI 交互的第一种方式，也许也是主要方式。这种交互可以采取随时可用的伴侣或教练的形式，或者通过普及以前无法访问的服务（例如语言学习）来实现。

我们现在正从 AI 语音的基础设施层过渡到应用层。随着模型的改进，语音将成为突破口，而不是最终产品。我们对初创公司使用语音作为突破口来解锁更广阔的平台感到兴奋。

AI 语音的最新进展

2024 年是 AI 语音取得重大进展的一年。自从我们发布上次 AI 语音更新以来……

模型开发的进步简化了基础设施“堆栈”，从而降低了语音代理的延迟并提高了性能。过去六个月中，新的对话模型显著推动了这种改进。

随着时间的推移，这些对话模型也变得越来越便宜。2024 年 12 月，OpenAI 降低了 GPT-4o 实时 API 的价格，输入价格降低了 60%（降至 40 美元/100 万词元），输出价格降低了 87.5%（降至 2.50 美元/100 万词元）。GPT-4o mini 现在也可以通过实时方式使用。

AI 代理的现状

语音代理市场在 2024 年下半年爆发式增长。一个数据点：根据 Cartesia 的数据，使用语音构建的公司占最近 YC 班级的 22%。

语音代理也正在作为一种功能添加到更通用型或多模态的产品中。

在 2024 年，我们看到对话语音堆栈的多个层次的公司都吸引了资金和关注，包括：

• 模型公司，如 ElevenLabs 和 Cartesia

• 水平平台，如 Vapi 和 Bland

• 垂直平台，如 HappyRobot 和 Wayfaster

特别是对于大型企业，我们很少看到立即从完全人工接听电话转变为完全由 AI 接听。相反，创始人会找到一个“突破口”，开始接管客户的一小部分电话——这部分业务（希望）可以随着时间的推移扩展到处理更多的呼叫类型和工作流程。我们看到的突破口包括：

市场融资情况

重点垂直领域：核心市场

语音代理最自然的早期类别通常具有较高的现有呼叫中心/BPO 支出。如果电话由本地员工作为其标准工作的一部分接听：（1）除非有大量员工专门负责接听/拨打电话，否则痛点/收益通常不够明显；（2）难以量化结果/节省的成本，并证明其价值。

这些主要垂直领域（金融服务、B2C、B2B、政府和医疗保健）很可能像拥有各自的记录系统一样，拥有自己的核心供应商。

我们预计在以下类别中会看到重要的创始人活动（如果您正在该领域进行开发，欢迎与我们联系！）：

• 金融服务 – 例如债务催收

• 保险 – 面向客户和后台

• 政府

• 支持服务 – 包括需要专业知识的更复杂的客户服务电话（如 IT 帮助）

在传统的呼叫中心应用之外，我们已经看到人们愿意为教练或培训用例的 AI 语音代理付费，主要针对高薪工作。在这些行业中，逼真的语音代理本质上可以充当“模拟器”，以显着提高在职绩效。这可以取代劳动力支出（例如销售教练）或效率较低的软件。

为了了解早期创始人的关注领域，我们分析了 YC 的公司数据。

自 2020 年以来，已有 90 家语音代理公司。随着每个新批次的加入，这种情况正在加速——其中 10 个在 W25 批次中，尚未完全宣布。在 2023 年之前的批次中，语音代理主要是过去一年中转向该领域的公司。

构建语音代理的 YC 创始人主要集中在 B2B (~69%) 和以医疗保健为重点 (~18%) 的用例中，其次是消费者 (~13%)。

在 B2B 中，最常见的子行业是：金融科技 (16.9%) 和运营 (12.4%)——主要是客户支持。在医疗保健领域，语音代理主要应用于前台（面向患者）或后台（面向药房、保险公司等），细分领域包括：普通内科 (11.2%)、牙科 (3.4%)、兽医 (2.2%) 和物理治疗 (1.1%)。

a16z 语音代理投资

这些是 a16z 的投资组合公司。a16z 的投资清单可在此处获得。

语音代理市场图

AI 语音领域的关注重点？

案例研究：AI 语音面试官

鉴于其复杂性（与人进行全面面试）和敏感性（保持良好的候选人体验），工作面试似乎是语音代理的一个不明显的早期用例。然而，我们已经看到这里的一些初创公司获得了显著的早期吸引力——以下是来自客户的一些见解：

在人员配置（43 家上市公司，年收入 6500 亿美元）中，痛点尤其强烈——这些职位通常数量较大，技能要求为中低水平（不太可能是早期初创公司寻求的那种顶尖工程师）。AI 面试可以轻松取代筛选电话，甚至更多流程。这是因为：

• 候选人更愿意“跳过障碍”，其中可能包括与 AI 面试

• 客户按他们推荐的候选人数量或最终雇主雇用的数量获得报酬——数量越多越好，因为这允许他们发送更多候选人或更好的候选人

“我们现在发送的候选人中，大约有 90% 进入第一轮[与雇主]，75-80% 进入最后一轮。在采用 [AI 语音面试初创公司] 的解决方案之前，我们的成功率只有一半。” —为财富 100 强提供服务的招聘机构

许多 AI 面试产品的表现已经达到或超过了人类招聘人员的水平，原因如下：

• 候选人可以尽快或随时面试

• 评估是一致的，如果标准发生变化，客户可以对过去的面试重新运行

• 双方都没有语言或口音问题

• 与普通招聘人员相比，AI 通常能够更好地评估技术或特定职位的答案

"相比于人类面试官，受访者往往更容易对 AI 建立信任。因为招聘人员可能缺乏专业经验去理解受访者的回答，而 AI 可以从系统中读取信息，给出更智能、更相关的回复。" —年收入 2 亿美元的招聘机构