本文信息来源：madrona

内容提要：

  • 语音 AI 助手时代即将来临。随着 LLMs 和语音基础设施的进步，语音助手现已能够清晰交流、理解意图并实际解决问题。
  • 我们认为语音助手在垂直领域最具影响力——这些领域需要深度行业数据支撑、存在大量实时交互场景，且误判成本相对较低。
  • 目前在家政服务、保险、贷款服务、汽车经销等众多领域，新型语音 AI 助手正在不断涌现！

就在不久前，语音助手还被视为烦人的聊天机器人，主要用来查天气或播放歌曲（即便现在使用 Siri 也可能让人抓狂）。但形势已快速演变。随着 LLMs 和精密语音基础设施的出现，我们已看到 AI 智能体正从客服到复杂企业应用被各行业采纳，其渗透速度之快是上一代语音创新技术所无法企及的。

在 Madrona，我们对 AI 语音助手这一命题长期保持热忱——这源于我们早期对 Deepgram 的投资，该公司为开发者提供语音转文本（STT）及近期新增的文本转语音（TTS）模型，支持跨场景应用开发。尽管多模态在当今生态中仍至关重要，但 HubSpot 调研显示约 70%消费者仍倾向通过电话联系客服。事实上，超过 80%的企业数据以语音形式存在，我们已到达临界点：这些数据正被各类应用产品解锁，不仅以批量形式，更以复杂的实时格式呈现。随着 LLMs 技术的应用，以及用户对对话工具（如上一代的 Siri、Alexa、Google Voice）接受度提升，语音数据正经历寒武纪式爆发，我们相信这将催生一个可货币化的市场。

我们相信语音技术栈的各个层面都将涌现出大赢家。过去 6-12 个月间，行业正普遍转向领域特定的智能代理和可定制工作流 ，这得益于模型微调、合成数据生成以及模型成本降低等技术突破。需要说明的是，虽然存在像 Deepgram 这样既构建基础模型又向应用层扩展推出”全栈”解决方案的厂商，但本文讨论的”垂直化”特指基于语音基础设施构建的行业专属工作流。我们的核心假设是： 通过利用领域特定数据，可以在现有语音 API 之上构建垂直化智能代理，从而真正变革行业流程并形成高粘性工作流。

让我们深入探讨这一趋势的实质内涵及市场发展方向。

为何是现在？

经过多年渐进式发展，语音助手的核心组件（语音识别、自然语言理解、语音合成）均已迎来质量拐点。随着高性能 GPU 的普及、基础设施成本下降以及合成数据生成的兴起， 语音 AI 正催生出一系列低延迟的实时应用 。实际商业应用呈现爆发式增长——变革正在发生，且正以惊人速度席卷各行业。

我们看到，在医疗和金融等监管严格、发展缓慢的行业中，大型企业正走在采用曲线的最前沿。例如，微软最近发布了临床语音助手 Dragon Copilot，它利用数十年的医疗语音专业知识，成为首个面向临床工作流程的人工智能助手。我们看到医院正在采用”环境”语音代理来自动化临床记录，缓解疲惫不堪的员工负担，将护士的文书工作自动化比例提升至 30%，每年为医院节省 120 亿美元。另一个例子是美国银行的 Erica 助手 ，已有 2000 万客户使用超过 25 亿次，它既是个人财务管家，也是推动财务决策的任务控制系统。除了现有企业外，新兴初创公司也在解决多年停滞不前的工作流程——比如 Abridge 为医疗系统内的临床对话提供平台支持，Prepared911 则正在改变应急响应中心的运营效率。

谁将从中受益？

有一种观点认为，每个行业都可以且应当以某种形式运用语音 AI 技术。在 Madrona，我们尤其关注那些”垂直化”领域——这些领域为快速颠覆陈旧行业流程提供了最大的近期机遇。我们相信，符合以下框架的行业最适合语音 AI 的应用：

  • 劳动力密集： 人力成本是主要痛点，运营效率直接影响企业盈利。
  • 语音作为交互方式的偏好： 基于语音和电话的工作流程通常更高效，尤其适用于双向对话和非二元结果的场景。
  • 实时交互的必要性： 需要实时处理而非批量工作流的应用场景，后者极易被标准化替代。
  • 高频重复性交互： 大型团队需要反复处理相同问题、流程或更新。
  • 规模化数据收集： 高度依赖海量数据采集以推动更优决策。
  • 时效性或全天候通信需求：7×24 小时在线服务可形成竞争优势。
  • 误报成本相对较低： 不完美的代价不会带来重大运营风险，且与效率提升的收益相比成本较低。在模型随时间改进之前，80/20 法则已足够适用。
  • 监管或合规密集型工作流程： 精确的文件记录、审计追踪和标准化流程在法律或运营层面都至关重要。

我们相信，人工智能为那些历来被技术忽视却蕴含巨大机遇的行业设立了新标准。通过专注于特定领域，这些智能体不仅能理解专业术语和行话，更能直接接入驱动日常工作的操作系统。这使得客户触达、数据收集和专业任务执行等高摩擦流程得以实现端到端自动化——所有环节都能规模化运行，并符合相应的合规要求与操作规范。

这些智能代理不仅替代了人工呼叫，还通过直接与核心系统集成、从每次交互中学习并适应复杂的监管和流程环境，重塑了运营效率。这是 LLMs 独有的优势，几乎无法通过人力完美扩展——代理接听的每一次增量呼叫，都意味着后续数百次呼叫能获得更高的杠杆效应和效率提升。

当今的机会在哪里？

我们欣喜地发现多个符合我们框架的垂直领域有望在短期内快速普及语音助手技术，举几个例子：

  • 物流与货运：Fleetworks、HappyRobot 和 LoadPartner 等公司正通过语音代理构建供应链 AI 员工，这些代理能自主处理面向承运商的电话。摆脱人力规模限制后，其代理可快速经济高效地完成货物确认、运输预约、跟踪更新推送、内部系统集成及数据记录。虽然设计初衷是模拟人类交互，但它们最终为承运商提供了更快速高效的体验。
  • 保险理赔：Liberate、FurtherAI 和 Sonant 为保险公司开发语音代理，实现核保通话和理赔受理的自动化。这些解决方案能提供拟真对话体验，兼具 24/7 全天候支持、多语种语音服务与零等待时间，打造无缝衔接的理赔流程。
  • 家庭服务：Lace AI、Sameday 和 Rosie 为家庭服务公司（暖通空调、管道、屋顶等）开发人工智能驱动的客户服务软件，通过分析来电检测收入损失机会。他们监控 100%的来电并分析每次互动，确保不漏掉任何潜在客户或商机，为收入获取方式树立了新标准。
  • 金融服务：AviaryAI 为银行、信用合作社和保险公司提供 AI 驱动的外呼语音代理。客户已将其用于休眠账户激活、披露信息语音授权以及辅助产品交叉销售等场景。另一方面，Salient 是专为汽车金融行业打造的 AI 贷款服务平台，已处理超 3900 万次独立客户交互，实现处理时长减少 60%。其多模态 AI 代理可实时完成收款、变更/延期处理、结清管理及保险信息更新等全流程操作。

垂直领域语音助手的下一代

对大多数企业而言，垂直语音助手的初始切入点非常明确。仅从降低成本的角度来看，用语音助手替代小型呼叫团队就极具吸引力。一个15-20人的呼叫中心年运营成本超过100万美元，而语音助手的费用还不到雇佣一名全职员工——且自带预训练功能、系统集成能力，既不会倦怠（更重要的是不会离职）。

除了节省成本之外，我们认为语音代理更广泛的意义在于它为总收入开辟了新的增长引擎。一旦部署，语音代理就能全天候以任何语言接听并应答每一个来电，确保不错过任何机会、不让客户久等，使每次通话都成为转化或留存客户的接触点。

或许最具吸引力的是，语音助手不仅能接听电话，还能以人类劳动力永远无法企及的一致性和规模记录、构建并执行工作流程。随着时间的推移，这些助手持续收集数据并建立情境理解，它们完全有潜力成为每一次承运商谈判、每一笔理赔、每一次客户互动的记录系统。当助手变得更强大时，随之而来的问题是：当交互的双方都由助手驱动，而无需人类介入时会发生什么？到那时，该系统实际上可以成为终极市场创造者，推动各方之间的程序化交易。就像许多通过程序化匹配供需的市场一样，这为数十年来创新缓慢且受制于人力的行业释放了巨大机遇。

我们相信语音层将从单纯的用户界面，进化为整个行业的数据支柱与操作系统。这不仅关乎劳动力与生产效率的提升，更将重构企业的运营模式、交互方式与价值创造体系。当下构建这一层的企业，不仅乘着人工智能数字化的浪潮前行，更在定义垂直语音代理未来应有的形态。