音頻AI領(lǐng)域的當(dāng)紅炸子雞ElevenLabs完成了一輪由紅杉資本（Sequoia）和ICONIQ領(lǐng)投的融資，估值飆升至66億美元（約合人民幣462億元）。在短短九個月內(nèi)，這個數(shù)字翻了一番。據(jù)悉，公司年度經(jīng)常性收入（ARR）已突破2億美元，并在2025年底沖擊3億美元大關(guān)。

從《堡壘之夜》里的達斯·維達（Darth Vader）到不知疲倦的客服機器人，ElevenLabs的技術(shù)正無處不在。它正與OpenAI展開激烈巷戰(zhàn)，力圖成為人工智能時代的默認(rèn)語音基礎(chǔ)設(shè)施。

然而，就在這個高光時刻，其聯(lián)合創(chuàng)始人兼CEO馬蒂·斯坦尼斯?jié)煞蛩够∕ati Staniszewski）卻拋出了一個近乎“自殺式”的論斷。

馬蒂直言：“音頻模型將在未來幾年內(nèi)商品化（Commoditized）。即便現(xiàn)在還有差異，但長期來看，這種技術(shù)壁壘會越來越低，甚至消失?！?/strong>

所謂“商品化”，意味著核心技術(shù)將變得像自來水或電力一樣，雖然不可或缺，但極度廉價且隨處可得，不再具備溢價能力。

一家靠構(gòu)建模型起家、估值數(shù)十億的獨角獸，為何宣稱自己的護城河即將枯竭？從違背極客審美的土味滑塊，到賠錢也要發(fā)的銷售傭金，這些看似離經(jīng)叛道的決策背后，隱藏著怎樣的生存智慧？當(dāng)技術(shù)紅利被抹平，ElevenLabs 究竟靠什么活下去？

今天這篇文章，希望對你有所啟發(fā)~

01

那個毀掉電影的波蘭男人

ElevenLabs的創(chuàng)業(yè)故事，始于波蘭的一間客廳。但在這之前，馬蒂和他的高中死黨皮奧特（Piotr）其實已經(jīng)是一對“屢敗屢戰(zhàn)”的搭檔。

這對相識15年的好友并非那種一擊即中的天才。在很多個周末的黑客馬拉松里，他們曾試圖開發(fā)過“加密貨幣風(fēng)險分析器”，也做過根據(jù)用戶情緒實時調(diào)整的“電影推薦算法”，但這些項目最終都無疾而終。

直到2021年底，當(dāng)時，皮奧特正準(zhǔn)備和女友看一部電影。因為女友不懂英語，他們打開了波蘭語配音版。

在那一刻，一種深受東歐文化熏陶的“痛苦”被重新喚醒了。在波蘭，無論電影里的角色是男是女、是老是少、是哭是笑，所有的配音通常都由同一個男人完成——一種被稱為“Lector”的單調(diào)畫外音。沒有情感，沒有起伏，所有的戲劇張力在那個平淡的聲音中灰飛煙滅。

“這是一個可怕的體驗，但它竟然持續(xù)到了今天，”馬蒂回憶道。

這種由于語言隔閡帶來的體驗降級，是英語世界的原住民難以感同身受的。在美國，人們理所當(dāng)然地享受著豐富的情感表達和多樣的口音。但在非英語世界，聲音的魅力往往在翻譯中流失殆盡。

這種“局外人”的憤怒，成為了ElevenLabs的起點。馬蒂和皮奧特，一個在Palantir處理數(shù)據(jù)，一個在谷歌做工程，他們敏銳地意識到：Transformer和擴散模型（Diffusion Models）雖然在文本和圖像領(lǐng)域大放異彩，但在音頻領(lǐng)域卻是一片荒原。當(dāng)時的音頻研究被邊緣化，缺乏關(guān)注。

他們決定做一個顛覆者：不僅要讓機器說話，更要讓它理解上下文的情感潛臺詞。

“如果是一句‘多么美好的一天’，”馬蒂解釋道，“在書中正常的描寫里，它是愉悅的；但如果是主角倒霉時的自嘲，它就必須是充滿諷刺的?！?/p>

這種對“語境”和“情感”的極致追求，讓ElevenLabs的第一代模型就與當(dāng)時市面上機械的TTS（文本轉(zhuǎn)語音）拉開了代差。他們沒有像傳統(tǒng)廠商那樣去硬編碼聲音的性別或年齡，而是讓模型自己去“解碼”聲音的特征。

正是這種源自波蘭的“切膚之痛”，注定了ElevenLabs從第一天起就不是一家為了技術(shù)而技術(shù)的公司，而是一家為了消除人類交流隔閡而生的產(chǎn)品公司。

02

垂直AI公司，

不被大廠碾壓的生存之道

在ChatGPT橫空出世后，一個陰影籠罩在所有垂直AI公司頭頂：在這個巨頭林立的斗獸場，當(dāng)OpenAI、谷歌發(fā)布多模態(tài)模型時，你們會不會瞬間淪為被碾壓的“路邊尸體（Roadkill）”？

這是一個極其殘酷的問題。畢竟，OpenAI隨后發(fā)布的語音模式和谷歌的Veo系列都展示了驚人的統(tǒng)治力。馬蒂的回答揭示了ElevenLabs獨特的生存哲學(xué)：極度專注，管理上極度務(wù)實?！爱?dāng)每個人都在追逐通用大模型時，我們選擇在音頻這個被低估的領(lǐng)域深耕，”馬蒂在紅杉資本的播客中說道。

1. “三個月紅線”與土味滑塊

ElevenLabs內(nèi)部曾發(fā)生過一場典型的“理想主義 vs 實用主義”的戰(zhàn)爭。

在早期，用戶強烈呼吁在產(chǎn)品界面加一個能調(diào)節(jié)語速的“滑塊”功能。但創(chuàng)始團隊和科研人員覺得這太“土”了，像是上一代老舊軟件的產(chǎn)物。他們堅持認(rèn)為，真正的AI應(yīng)該像人類一樣，根據(jù)文本的情緒自動決定語速的快慢（例如悲傷時慢，興奮時快），而不是靠人工調(diào)節(jié)。于是，科研團隊花了整整9個月試圖攻克這個難題。

結(jié)果并不理想，模型始終無法完美預(yù)測所有用戶的語速需求，用戶依然在抱怨。

最終，馬蒂定下了一條鐵律：如果科研部門在3個月內(nèi)解決不了一個問題，那就讓產(chǎn)品部門用“笨辦法”解決。于是，那個“土味”的滑塊被加了上去，問題瞬間解決，用戶滿意度飆升。

“我們不能為了追求技術(shù)的完美而無視用戶的痛點，”馬蒂反思道。這種實用主義導(dǎo)向，讓ElevenLabs在迭代速度上始終壓過對手一頭。

2. 數(shù)據(jù)壁壘與分布式人才

除了產(chǎn)品策略，ElevenLabs在數(shù)據(jù)上也筑起了高墻。文本數(shù)據(jù)隨處可見，但高質(zhì)量、帶有情感標(biāo)注的音頻數(shù)據(jù)不僅稀缺，而且處理難度極大。

ElevenLabs不僅是在練模型，更是在構(gòu)建數(shù)據(jù)工廠。他們雇傭配音教練，建立專門的標(biāo)注團隊，去教AI理解什么是“悲傷中的顫抖”，什么是“憤怒后的壓抑”。這種對數(shù)據(jù)的“精耕細(xì)作”，是通用大模型廠商難以在細(xì)分領(lǐng)域復(fù)制的。

3、打破硅谷中心論，實行全員遠(yuǎn)程辦公

馬蒂認(rèn)為全球真正懂音頻AI的頂級研究員可能只有50到100人。為了捕獲這些稀缺的大腦，ElevenLabs打破了硅谷中心論，實行全員遠(yuǎn)程辦公。

“如果你想雇傭最優(yōu)秀的人，你就不能把自己鎖在舊金山的方圓十英里內(nèi)。”這種分布式的架構(gòu)，讓他們吸納了大量歐洲頂尖人才，這種國際化基因在處理多語言配音時，比美國本土團隊更具敏感度。

4. 賠錢也要發(fā)的銷售傭金

在商業(yè)化層面，馬蒂同樣展現(xiàn)出了驚人的戰(zhàn)略定力。

面對大廠拋來的橄欖枝，比如僅僅是把模型授權(quán)給對方做展示，ElevenLabs的銷售團隊往往能拿到豐厚的合同。但馬蒂意識到，這種缺乏深度的合作會把公司變成單純的“底層供應(yīng)商”，甚至導(dǎo)致核心技術(shù)參數(shù)外泄，長期來看是戰(zhàn)略自殺。

因此，公司高層會經(jīng)?！皵赖簟边@些短期利潤豐厚的單子。但為了不打擊銷售團隊的積極性，ElevenLabs制定了一個“反常識”的規(guī)定：即使一個銷售單子為了公司戰(zhàn)略被高層否決了，該銷售人員依然能拿到這筆單子的全額傭金。

這完全顛覆了“成單才有錢”的銷售鐵律。寧愿公司賠錢，也要引導(dǎo)團隊關(guān)注長期的戰(zhàn)略價值，而非眼前的現(xiàn)金流。正是這種極度清醒的頂層設(shè)計，讓ElevenLabs在巨頭的夾縫中守住了自己的生態(tài)位。

03

自下而上，

完成C端到B端的轉(zhuǎn)型

ElevenLabs的崛起路徑，是一條典型的“C端創(chuàng)作者包圍企業(yè)級”的路線。

在企業(yè)級銷售團隊尚未組建之前，ElevenLabs就通過一系列病毒式傳播事件引爆了網(wǎng)絡(luò)。

ElevenLabs非常擅長制造“?！?。

• 第一個會笑的AI：在ElevenLabs之前，所有的TTS（文本轉(zhuǎn)語音）都是一本正經(jīng)的“播音腔”。當(dāng)ElevenLabs發(fā)布了第一個能發(fā)出逼真笑聲的模型時，互聯(lián)網(wǎng)沸騰了。大量用戶涌入平臺，只為測試AI怎么笑，這不僅帶來了流量，更確立了其“懂情感”的品牌心智。

• 哈利·波特的時尚秀：隨后，那個讓《哈利·波特》角色穿上Balenciaga（巴黎世家）走秀的視頻席卷全網(wǎng)。那是ElevenLabs技術(shù)實力的第一次大規(guī)模路演。

• 醉酒唱歌的意外：早期甚至有用戶試圖用僅支持朗讀的模型去生成歌曲（當(dāng)時模型并不支持唱歌），結(jié)果生成出了像“醉漢唱歌”一樣的滑稽效果。這個Bug反而變成了一個梗，進一步助推了品牌的病毒式擴散。

緊接著，知名播主萊克斯·弗里德曼（Lex Fridman）采訪莫迪總理的視頻被AI翻譯成了流利的英語和印地語，讓全世界看到了跨語言交流的未來。

隨著用戶量的激增，ElevenLabs順勢推出了Voice Marketplace，允許用戶克隆并出租自己的聲音。這不僅是一個功能，更開啟了一種全新的資產(chǎn)流動模式。馬蒂透露，截至目前，ElevenLabs已經(jīng)向共享聲音的創(chuàng)作者支付了超過1000萬美元的分成。

在這個市場上，發(fā)生過許多有趣的現(xiàn)象。比如有一個深沉的西班牙男聲，在西班牙本土反響平平。但當(dāng)它被英語用戶發(fā)現(xiàn)并用來生成英語內(nèi)容時，因為其獨特的拉丁磁性音色，瞬間成為了全球Top 3的爆款聲音。

這證明了聲音是一種可以跨越文化、被重新定義的抽象資產(chǎn)。ElevenLabs不僅在賣技術(shù)，更是在運營一個全球化的聲音交易所。

ElevenLabs“自下而上”的策略成功了。企業(yè)最初對AI語音持懷疑態(tài)度，但看到個人創(chuàng)作者利用該技術(shù)制造了大量病毒式傳播的內(nèi)容，驗證了技術(shù)的質(zhì)量和潛力。這些C端的熱度反過來教育了B端客戶，降低了企業(yè)的決策門檻。

ElevenLabs的客戶結(jié)構(gòu)從2024年的90%個人開發(fā)者轉(zhuǎn)變?yōu)閭€人與企業(yè)五五開（50/50）。在短短一年多時間內(nèi)，成功完成了向企業(yè)級市場（B端）的轉(zhuǎn)型。

在《堡壘之夜》（Fortnite）中，數(shù)百萬玩家第一次體驗到了與達斯·維達（Darth Vader）進行實時語音互動的震撼。這標(biāo)志著ElevenLabs已經(jīng)攻克了實時語音互動中最難的三個關(guān)卡：質(zhì)量、延遲和穩(wěn)定性。

為了服務(wù)好這些差異巨大的客戶，ElevenLabs重塑了組織架構(gòu)。他們設(shè)立了“快慢雙軌制”：既有像微型初創(chuàng)公司一樣運作、需要在6個月內(nèi)證明產(chǎn)品市場契合度（PMF）的創(chuàng)新小組，也有負(fù)責(zé)高可靠性、長期服務(wù)企業(yè)客戶的穩(wěn)健團隊。

04

賣生態(tài)，做音頻屆的蘋果

回到文章開頭那個驚人的論斷——為什么馬蒂認(rèn)為模型最終會變得“一文不值”？

因為他看透了科技發(fā)展的規(guī)律。長期來看，基礎(chǔ)模型的差異會縮小，純粹靠模型性能帶來的紅利會消失。為了不被時代的洪流淹沒，ElevenLabs必須進化。

馬蒂的策略是：做音頻屆的蘋果——上演“產(chǎn)品+AI”的魔法。他不僅賣模型，更賣工作流，賣應(yīng)用，賣生態(tài)。

這個戰(zhàn)略認(rèn)知的覺醒，源于早期的一個真實用戶故事。

在ElevenLabs剛發(fā)布那個只能輸入推特長度文本的小框時，馬蒂發(fā)現(xiàn)有一位有聲書作者竟然不僅沒有嫌棄，反而笨拙地將一整本書拆分成幾百段，進行了300次“復(fù)制-粘貼-下載-拼接”的操作，只為制作一本完整的有聲書。

“那一刻我們意識到，光有模型是不夠的，”馬蒂回憶道，“用戶需要的不僅僅是生成聲音，他們需要的是糾正發(fā)音、分配角色、編輯時間軸的一整套工作流?！?/p>

這次頓悟讓ElevenLabs徹底轉(zhuǎn)向。他們不再僅僅是一家模型公司，而是一個“創(chuàng)意AI代理平臺”。

1. 技術(shù)取舍：級聯(lián)（Cascading）與雙工（Duplex）的博弈

在從C端轉(zhuǎn)向企業(yè)級市場（如客服、醫(yī)療、教育）時，ElevenLabs面臨著一個艱難的技術(shù)抉擇。

目前的技術(shù)架構(gòu)主要有兩種：

• 級聯(lián)模型（Cascading）：這是目前的行業(yè)主流。流程是：語音轉(zhuǎn)文字 -> LLM思考 -> 文字轉(zhuǎn)語音。優(yōu)點是極其穩(wěn)定、可控、不易犯錯；缺點是延遲高，且會丟失嘆息、停頓等非語言情感。

• 原生雙工模型（Duplex）：像GPT-4o的語音模式一樣，音頻進、音頻出。優(yōu)點是極快、情感豐富；缺點是容易產(chǎn)生幻覺，不可控。

對于企業(yè)客戶（比如醫(yī)療公司Hippocratic）來說，護士機器人說錯藥名是絕對不可接受的。因此，馬蒂非常務(wù)實地選擇了在現(xiàn)階段主推“級聯(lián)模型”，盡管它聽起來沒那么酷。

“企業(yè)要的是不犯錯，而不是有感情，”馬蒂坦言。ElevenLabs正在研發(fā)下一代原生全能模型（Omni-model），試圖在2026年解決這個問題，但在當(dāng)下，他們選擇了穩(wěn)健。

2. 解決“下水道工程”

這種“做重”的策略也體現(xiàn)在了集成上。馬蒂指出，企業(yè)落地的最大痛點往往不是AI本身（RAG或大模型），而是如何接通老式的SIP Trunking（電話線路），如何連上Twilio，如何打通Salesforce。

通過解決這些傳統(tǒng)IT的“下水道工程”，ElevenLabs在企業(yè)核心業(yè)務(wù)流中扎下了根。如今，他們不僅服務(wù)于《堡壘之夜》，還與Chess.com合作，讓你在下棋時能聽到世界冠軍馬格努斯·卡爾森（Magnus Carlsen）的聲音在耳邊指導(dǎo)；與《時代》周刊合作，讓讀者可以直接“對話”年度人物文章。

這直接體現(xiàn)在了其客戶結(jié)構(gòu)的復(fù)雜性上。以醫(yī)療公司Hippocratic為例，他們利用ElevenLabs的堆棧構(gòu)建了完整的護士代理——自動給患者打電話、安排預(yù)約、甚至提醒用藥。這不僅僅是調(diào)用API，這是深度嵌入了企業(yè)的生命線。

05

聲音作為終極界面的未來

拿到66億估值后，ElevenLabs的野心宏大得近乎科幻：他想推倒語言的“巴別塔”，并讓AI通過聲音的圖靈測試。

首先是打破語言障礙。馬蒂設(shè)想在未來5到10年內(nèi)，人們可以通過耳機或眼鏡，實現(xiàn)實時的、保留原聲特色的跨語言對話?！跋胂笠幌?，你用中文說話，對方聽到的是地道的英語，但那依然是你的聲音?！?/strong>

其次是“Omni-model”（全能模型）的構(gòu)建。ElevenLabs正在研發(fā)一種端到端的原生音頻模型，直接理解音頻輸入并生成輸出。馬蒂自信地表示：“我們希望在2026年初，通過對話式AI的圖靈測試?！?/p>

但隨著能力的提升，責(zé)任也隨之而來。面對“AI生成內(nèi)容將超過人類內(nèi)容”的未來，以及深偽（Deepfake）詐騙的風(fēng)險，ElevenLabs構(gòu)建了一套“三層防御體系”：設(shè)備級身份驗證： 通過設(shè)備簽名確認(rèn)電話是否來自本人，如同生物指紋；水印與白名單： 合法的AI代理必須帶有數(shù)字水印，表明身份；默認(rèn)懷疑： 在上述兩層之外，系統(tǒng)應(yīng)默認(rèn)內(nèi)容為AI生成。

這種務(wù)實的安全策略，比單純的呼吁監(jiān)管更具建設(shè)性。

馬蒂描繪了一個由聲音驅(qū)動的未來。

在這個未來里，教育將被重塑。每個孩子都可以擁有一位蘇格拉底式的AI導(dǎo)師，它不僅博學(xué)，還能像理查德·費曼（Richard Feynman）那樣幽默風(fēng)趣地講解物理——ElevenLabs已經(jīng)拿到了費曼家人的授權(quán)，復(fù)活了這位物理頑童的聲音。

在這個未來里，技術(shù)將隱入幕后。我們不再需要低頭戳屏幕，而是回歸人類最原始、最高效的交流方式——對話。

2025盛景半年回顧

人生只有四千周，而企業(yè)生存期更短，跨越10年經(jīng)營期的企業(yè)少之又少，企業(yè)要想有質(zhì)量地活下去，活得更好更久，“極簡增長”就是看透并掌控事物本質(zhì)的那個關(guān)鍵點。

選對了路，路就不會遠(yuǎn)。盛景推出《極簡增長 立竿見影》在線課程，期望能夠幫助更多的企業(yè)走上增長道路。未來有多近，在于我們已經(jīng)走了多遠(yuǎn)。未來有多遠(yuǎn)，在于我們與誰同行。期待與你同行、共勉。

歡迎大家點擊底部【閱讀原文】觀看《極簡增長 立竿見影》的在線視頻課程，了解如何用極致簡單的增長方法論，實現(xiàn)快速增長。