Voice AI 革命：为什么它可能是 AI 时代最被低估的赛道

> 键盘是低带宽、高摩擦、有损的。语音是高带宽、低摩擦，且能捕获此前困在人脑中的信号。

---

一、一个反直觉的开场：受监管行业反而最快

如果你问大多数人"哪些行业最先拥抱 Voice AI？"，答案大概率是电商、客服、营销这些"轻监管"领域。

现实完全相反。

Bessemer Venture Partners（BVP）合伙人 Mike Droesch 在最新一期 Verticals 访谈中透露，BVP 投资的语音 AI 公司中，增长最快、付费意愿最强的恰恰是医疗、保险、金融服务——这些以合规地狱著称的行业。

为什么？

因为这些行业需要离散的对话评估门控（conversational eval gates）：在释放健康信息之前验证客户生日、确保每一步交互都有严格的治理追踪。这些不是"锦上添花"的功能，而是生死攸关的刚需。

VAPI（BVP 投资，刚以 5 亿美元估值完成 B 轮融资）在这些领域找到了最强的产品市场契合。

---

二、核心洞察：Voice 不是 UI 升级，是全新的数据层

这是 Mike Droesch 最锋利的观点，也是理解整个 Voice AI 赛道价值的核心：

> "你的系统记录（CRM、ERP、EHR）捕获了终点状态。交易关闭。理赔解决。迁移上线。它告诉你发生了什么。但它没有捕获任何关于你如何到达那里的讨论。Voice 做到了。"

系统记录 vs 语音数据层

维度	系统记录（System of Record）	语音数据层（Voice Layer）
捕获内容	终点状态	决策过程
数据粒度	结构化字段	语调、停顿、情绪、上下文
可复现性	高	此前从未被数字化
价值类型	运营效率	认知与流程智能

想象一下：

• 销售通话中，不只是代表说了什么，而是他花了多少时间倾听 vs 说话，他如何读取潜在客户情绪
• SAP 迁移中，几十个并行工作坊里利益相关者描述的业务流程实际如何运作——不是规范说应该怎样，而是现实中是怎样
• 医疗问诊中，患者描述症状的方式、犹豫、强调，这些比最终诊断编码更有信息量的信号

这些数据此前从未以结构化形式存在过。也许从未被写下来。 现在，AI 终于能够理解它们。

---

三、信任：唯一的瓶颈，也是最大的护城河

Mike Droesch 分享了一个极具启发性的案例：

两年前，一家客单价 3 万美元的屋顶公司拒绝触碰语音代理。每个潜在客户可能价值 3 万美元——他们每次都派真人跟进。

今天，同一家公司欣然采用。变化的不是底层技术（语音合成和识别的 SOTA 已经稳定），而是评估基础设施（eval infrastructure）。

当评估套件变得更可靠，企业才会赋予代理更多自主权。更多自主权意味着更多端到端处理的工作流。这是一个飞轮：

更多对话 → 更好的评估数据 → 更可靠的代理 → 更多自主权
     ↑___________________________________________|

对于创始人的启示：不要只做"对话代理"，要做能完整解决客户问题的端到端系统。如果无法完全解决查询，你可能实际上给客户增加了更多工作。

---

四、从"不可能"到"理所当然"：新用例大爆炸

Mike 最兴奋的不是客服替代——他视之为"基本款"。他关注的是此前完全不存在的用例：

1. 大规模招聘面试

AI 代理进行首轮面试筛选，不是简单的问答，而是有深度、有追问、有评估的结构性对话。

2. AI 培训对手

销售代表在接触真实客户前，必须与 AI 对手完成强制训练小时数——AI 模拟各种客户类型、反对意见、情绪波动。

3. 混合模态支持

代理在与你语音对话的同时，观看你的光标在应用中的导航，实时指导你操作。语音+视觉+交互的融合。

4. 建筑现场检查

屋顶工人在与 App 对话的同时拍摄照片，语音描述与图像数据实时拼接——此前从未被数字化的真实世界数据。

5. 环境智能层（Ambient Layer）

这是最令人毛骨悚然也最令人兴奋的领域。Mike 提到一位 CEO 佩戴全天候腕式录音设备，将整个白天 feed 给 Claude。

从"语音作为渠道"到"语音作为持续智能层"——能够捕获并复合全天上下文的公司，将拥有任何系统记录都无法比拟的数据资产。

---

五、投资版图与估值验证

BVP 在 Voice AI 赛道的布局揭示了价值流向：

公司	轮次/估值	领域	核心价值
VAPI	B轮 / $500M	语音基础设施平台	受监管行业的对话门控与治理
Abridge	已上市	医疗语音 AI	临床文档自动化
Rilla	早期	家庭服务	销售代表语音教练
Axiamatic	$54M（Greylock+BVP）	企业转型	工作坊语音→迁移计划
Qualitate	早期	专家网络	200通电话/周末的 AI 主持研究

Qualitate 的数据尤其惊人：已进行超过 350,000 分钟的 AI 主持专家讨论，每次对话都训练下一次对话。一个并购买家可以在单个周末委托 200 通专家网络电话，周一早上获得完美汇编的结构化情报——此前需要分析师团队数周的工作。

---

六、技术栈的 Build vs Buy 决策

Mike 透露了一个关键洞察：两年前，部署生产级语音基础设施需要10+ 人全职工程团队。这是 VAPI 平台化机会的来源。

今天的决策矩阵：

场景	策略	类比
语音不是你的核心产品	买平台（VAPI 等）	像 Twilio
语音是你的核心产品	自建全栈	控制每一个细节
受监管行业	买平台 + 严格门控	合规即护城河

基础设施正在商品化，但开发者社区、有机飞轮、数据复合才是近中期差异化来源。

---

七、定价模型的颠覆：从 SaaS 到 AI-Native

Voice AI 正在改变软件经济学的一个根本假设：

• 传统 SaaS：按席位/功能/数据量收费
• AI-Native Voice：按对话解决量、自主完成率、捕获情报价值收费

这不是简单的"AI 功能加价"，而是价值计量单位的重新定义。当代理能独立完成一个此前需要人类数小时的端到端流程，定价逻辑自然从"工具使用"转向"成果交付"。

---

八、结论：谁拥有最好的"比赛录像"，谁就赢

Mike Droesch 的总结性比喻非常精准：

> "系统记录捕获了记分牌。语音捕获了比赛。或者更好的比喻：在 AI 能观看比赛录像的时代，拥有最好录像的公司 wins。"

这是关于 Voice AI 的最终思考：

1. 数据重力定律 语音 dramatically 扩大了数据飞轮能捕获的"光圈"。键盘一直是瓶颈——低带宽、高摩擦、有损。语音是高带宽、低摩擦，且能捕获此前困在人脑中的信号。

2. 护城河三层论

• 基础设施 = 入场券（已商品化）
• 分布/社区 = 近期差异化
• 对话→评估→自主权→更多对话 = 长期数据重力

3. 从功能到公司 如果你只是做了一个"更好的语音客服"，你做了一个功能。如果你能拥有客户的整个旅程——从首次对话到最终解决——你才有可能构建一个可规模化的公司。

4. 环境层是未来 Granola 记录每一次会议。CEO 佩戴全天候录音设备。语音正从"交互渠道"演变为"持续智能层"。在这个层面积累上下文复合能力的公司，将拥有不可复制的数据资产。

---

参考来源

• Euclid Ventures: What's Working in Vertical Voice AI - Mike Droesch Interview (2026-05-27)
• Bessemer Venture Partners: Roadmap: Voice AI (2025-11)
• Verticals Podcast Episode with Mike Droesch
• VAPI Series B Announcement ($500M valuation)
• Axiamatic $54M Funding (Greylock + Bessemer)
• Qualitate: AI-Native Expert Network (350,000+ minutes)

#VoiceAI #垂直AI #BessemerVenturePartners #VAPI #Abridge #Rilla #Axiamatic #Qualitate #AI投资 #语音基础设施 #数据护城河 #流程挖掘 #环境智能 #SaaS #AI原生定价 #创业洞察