2024年AI语音技术未来展望：a16z分析产品数量快速增长及B2B垂直应用的重要性

图片来源：a16z

Z Highlights

• 语音Agent市场在2024年下半年迎来爆发式增长。据Cartesia统计，在最新一届YC中，构建语音相关产品的公司占比达22%。

• 模型开发的进步简化了基础设施栈，使得语音Agent的延迟更低，性能更优。这一改进主要在过去六个月内随着新型对话模型的推出而实现。

Olivia Moore，a16z消费者投资团队的合伙人，专注于人工智能领域。本文为其对AI语音Agent发展及未来的解读。

AI语音有什么新功能？

图片来源：a16z

模型开发的进步简化了基础设施栈，使得语音Agent的延迟更低，性能更优。这一改进主要在过去六个月内随着新型对话模型的推出而实现。

这些对话模型随着时间推移也变得更加经济实惠。2024年12月，OpenAI将GPT-4o实时API的输入价格降低了60%（至$40/百万tokens），输出价格降低了87.5%（至$2.50/百万tokens）。GPT-4o mini现在也可通过实时API使用。

图片来源：a16z

语音Agents现在发展到什么程度了？

图片来源：a16z

语音Agent市场在2024年下半年迎来爆发式增长。一个数据点表明：据Cartesia统计，在最新一届YC中，构建语音相关产品的公司占比达22%。

图片来源：a16z

语音Agent也正在被集成到更多横向或多模态产品中。在2024年，我们看到对话式语音技术栈的多个层面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以及垂直化平台：如HappyRobot和Wayfaster。

图片来源：a16z

不过，对于大型企业，我们很少看到从完全由人工接听电话直接跃迁到完全由AI接听。创始人通常会找到一个“楔子”切入市场，先捕捉客户中较小比例的通话——然后逐步扩展，覆盖更多类型的通话和工作流程。

图片来源：a16z

重点垂直领域：核心市场

语音Agent的早期应用通常集中在呼叫中心/BPO支出较高的行业。如果通话由本地员工作为日常工作的一部分处理，则可能面临以下挑战：一是痛点或收益不够显著——除非有大量员工专职接听或拨打电话；二是难以量化结果和节省成本，从而难以建立明确的商业案例。

我们预计以下领域将会出现大量创业者：金融服务（例如债务催收）、保险（覆盖客户服务和后台运营）、政府、支持服务（包括需要专业知识的复杂客户服务通话如IT支持）。这些主要垂直领域（金融服务、B2C、B2B、政府和医疗）通常拥有各自的核心服务提供商，就像它们有专属的数据记录系统一样。

在“呼叫中心类别”之外，我们发现AI语音Agent在教练培训等场景下也有较强的付费意愿，主要针对高薪岗位。在这些行业中，逼真的语音Agent可以充当“模拟器”，大幅提升实际工作表现，从而替代人工培训（如销售教练）或低效的软件解决方案。

为了观察早期创业者的动向，我们参考了YC公司的数据。

图片来源：a16z

自2020年以来，已有90家语音Agent公司成立，且这一趋势正在加速——其中10家属于W25批次（尚未完全公布）。许多公司是在过去一年内转型进入语音Agent领域。

YC创业者在语音Agent方向上的布局主要集中于：B2B（69%）、医疗（18%）、消费级应用（13%）。而在B2B领域，最常见的细分行业包括：金融科技（16.9%）、运营支持（主要是客户服务，12.4%）。

另外，在医疗领域，语音Agent主要面向前台（面向患者）或后台（面向药房、保险等），重点覆盖：人类医学（11.2%）、牙科（3.4%）、兽医（2.2%）和物理治疗（1.1%）。

图片来源：a16z

原文：Al Voice Agents: 2025 Update

https://a16z.com/ai-voice-Agents-2025-update/

编译：KunyeQian；Yvonne