摘要

ElevenLabs称收入已突破2亿美元，员工约250人，而2023年结束时接近3500万美元。 Mati介绍，公司用约20个月达到1亿美元，最初称达到2亿美元又用了“约10个月”，随后修正为“更久一点，可能是15个月”。企业客户目前贡献了大部分收入，最大合同约200万美元；Mati提醒，增长“也可能很快掉头向下”。
护城河不是永久性的模型领先，而是在6至12个月研究优势期内构建的产品和分发能力。 ElevenLabs集中稀缺的语音人才资源——Mati估计全球真正处于最高水平的研究人员只有50至100人——并将模型快速转化为生产工作流。对于“OpenAI为什么不会做这个”的回答是：OpenAI当然会做一些事情，但ElevenLabs依靠的是非凡团队、专注、执行速度和产品层。
如果“我们把事情做对”，语音代理可能成为ElevenLabs规模达数十亿美元的业务。 公司正从语音组件扩展到知识库、函数、测试、监控以及Salesforce、ServiceNow和SIP trunking等企业集成；电子邮件和WhatsApp可能进一步把平台延伸至全渠道客服。Mati预计，常规排期和退款会率先自动化，而高风险、强领域属性的工作仍由人完成。
公司的融资故事从接触30至50家pre-seed投资人，转向美国投资人凭速度和运营支持展开竞争。 ElevenLabs在2022年以900万美元投后估值融资200万美元，产品发布引爆后于2023年融资1900万美元；之后一轮融资定价为33亿美元。Mati说，美国机构“在玩另一种游戏”：它们会询问如何加大下注，投资前先验证能否提供帮助；而在他的反向调查中，美国投资人通常比部分欧洲投资人展现出更强的证据，证明自己能在创始人失败时提供支持。
自有训练基础设施是经济和战略上的押注，不是炫耀性项目。 ElevenLabs计算认为，如果持续训练模型并通过租赁基础设施搬运大型数据集，自建数据中心约两年即可实现盈亏平衡；如今自有设施让公司能够更快试验并获得更大控制权。Mati承认，硬件创新可能打破这套计算，但他认为新模型初期应先优化“魔法感”，再优化成本。
Mati关于欧洲公司的核心判断是：从欧洲出发，但不要只为欧洲而建。 他称欧洲是“困难模式”，拒绝接受欧洲人天生不够努力的说法，并认为欧洲的进取型人才没有被充分使用。ElevenLabs培养本地领导者，再用有经验的顾问补足能力，目前运营约20个团队。矛盾在于，如今“小而强大”意味着员工从250人增长至400人，同时在巴西、日本、印度和墨西哥设立小型团队。
流动性被用来支持员工承担风险，并支撑一项更长期的押注。 ElevenLabs曾收到收购邀约，但从最初几次流程中吸取教训后变成“坚决拒绝”；几乎每轮融资都包含二级流动性或针对已归属员工股份的要约收购。在主持人提出的私募市场选择中——3000亿美元的OpenAI、1700亿美元的Anthropic和1200亿美元的xAI——Mati会买OpenAI，但拒绝点名不该买的公司；他同时表示Anthropic在编码领域尤其有吸引力，Google“肯定还在竞争中”，但自己对Google“并不特别看好”。

精读

1. 波兰让Mati明白，人才密度会改变一个人的野心

在华沙郊外长大，让Mati最初的参照系相对有限；高中转到华沙后，他看到了“可能实现什么”。从当地公立学校进入一个能够赢得竞赛的同龄人群体后，身边志向远大的人的密度本身就成了激励——这也是ElevenLabs如今试图复刻的组织质量。
哥哥通过出国留学“趟出了路”，朋友以及未来的联合创始人则进一步强化了这种信念：顶尖大学和高难度考试或许都触手可及。因此，Mati所说的饥渴感，不是孤狼式创始人神话，而是一群人不断互相推动、反复“去争取”的循环。
他仍把创办公司描述为不断攀登一座座丘陵和山峰：每到一个顶峰，都会发现还有更多东西隐藏在视野之外。这种姿态很重要，因为公司的目标是全球化，而其最深厚的人才基础仍在欧洲。

2. 波兰配音问题暴露出更大的语音市场

在ElevenLabs之前，Mati曾在Palantir工作，联合创始人曾在Google任职；两人在周末黑客活动中探索过推荐系统、一个“效果不太好”的加密风险分析器，以及一款分析说话风格的音频工具。最后一个项目让他们看到，语音周边仍有大量技术空白。
触发性观察出现在2021年末：在波兰，电影仍普遍由一个平板的旁白者覆盖所有原始角色，不论角色的性别或情绪——“像是有人在朗读电影的有声书”。他们相信，未来的配音应保留每个声音的情绪、语调和身份。
研究和客户发现同步推进。Mati抓取并个性化撰写了数千封发给YouTuber的邮件，收到约15%的回复率，但反馈并不热烈：创作者怀疑技术能否实现，要求先看样本，并询问当YouTube尚未顺畅支持多语音轨时，如何真正运营多语言内容。
更强烈的需求其实比配音简单。创作者想修正一句说错的台词、预览脚本读出来的效果，或在不亲自录音的情况下为整条视频配音；与此同时，当时已有模型明显处于“恐怖谷”。因此，ElevenLabs逐渐偏离最初的配音重点，打造自己的表现力文本转语音模型，同时继续向更广义的语音平台迈进。

3. 模型领先只能买时间，整合型产品必须把时间变成优势

Mati说，如果今天的架构在2022年就已存在，ElevenLabs会跳过若干单一模态阶段。较新的Eleven v3体现了多模态方向：把推理与语音结合起来，提供比单一语音模型更丰富的声音体验。
Harry认为，基础模型的进步似乎正在趋于平台期，围绕GPT-5的讨论也从戏剧性的全新能力，转向成本和效率。Mati同意，旁白生成已接近上限——新一代模型可能不会显著改变有声书旁白——并表示LLM开发在一定程度上正在趋平，即便AI采用仍在加速。
在Mati看来，语音仍处在更早期的曲线上，但“如果你只做研究，它最终会商品化”。因此，研究只能提供领先身位：他估计ElevenLabs根据具体用例领先约6至12个月，足以在竞争者追上前搭建更好的产品和生态。
他对OpenAI的回答并不是否认，而是刻意保持克制：“它们肯定会做一些事情。”ElevenLabs依靠的是专注，以及全球约50至100名真正顶尖的语音研究人员——Mati认为其中有5至10人在公司内部——再加上一层覆盖创意编辑、知识库、函数、部署、测试、评估和监控的生产能力。

4. Pre-seed融资艰难，因为投资人同时质疑3层逻辑

ElevenLabs在pre-seed阶段接触了30至50家投资机构，投资人质疑的是几项关键问题：2位创始人能否解决研究难题，AI语音是不是太小的市场，以及面对成熟模型公司的竞争，任何优势能否持续。
2022年初，在收到一家非YC美国加速器的邀约后，创始人拒绝加入并选择独立推进。他们在Google和Palantir工作期间的积蓄被用于购买GPU和招聘第一批员工；随着公司希望加快研究，这个决定也变得越来越高风险。
ElevenLabs最终在2022年以900万美元投后估值融资200万美元。Mati记得，第一位投资人的配额正好是11%，随后其他投资人陆续加入这轮融资；他点名提到的早期支持者包括Credo Ventures、Concept Ventures，以及牛津时期的朋友、Polkadot联合创始人Peter Czaban。
资金首先投向波兰的一座小型数据中心和另外2名员工，随后基础设施扩展到美国。尽管融资约在2022年Q3完成，ElevenLabs一直等到2023年1月测试版发布时才宣布，因为融资公告应该“有另一个目的”：发布产品、建立客户，或公布研究成果。

5. 第一个真正的需求信号来自创作者，而不是媒体

一篇早期博客文章展示了“第一个会笑的AI”。新闻通讯开始传播样本，第二天约有1,000人加入候补名单；相比此前围绕配音展开的外联，这次反应在质量上完全不同。
在最初的100名测试者中，一位有声书作者把手稿通过一个推文长度的文本框复制进去约500次，下载每段音频，再拼接成完整作品。当时AI生成内容被禁止，但这部作品被当作人工内容发布，获得了很好的评价，也促使他邀请其他作者加入。
这足以证明用户喜欢产品，但Mati拒绝把它直接宣布为即时的产品市场匹配。他更严格的标准是：产品能否在5至10年内保持自我造血并持续有价值。ElevenLabs如今“更接近那个状态”，但公司仍认为还有大量价值尚未被创造出来。
传统媒体投入了大量准备，却几乎没有带来用户影响。新闻通讯、YouTube社区、Discord、Reddit和Hacker News重要得多。发布之后，Mati更倾向于遵循这样的纪律：服务用户，为投资人安排好明确的未来窗口，需要资金时再重新接触，而不是长期处于“持续融资模式”。

6. 美国投资人靠在发term sheet前证明合作价值胜出

到2023年3月，早期投资人开始回头，ElevenLabs最终在2023年从a16z、Brian Kim以及NFDG的Nat Friedman和Daniel Gross处融资约1900万美元。创始人既想要在全球范围内容易被理解的背书——尤其是在旧金山——也想和那些令他们钦佩、曾经创造过非凡事业的人合作。
Brian Kim飞到伦敦，和创始人一起签署了初步term sheet。a16z在投资前也通过牵线搭桥展示兴趣，包括介绍能够参与语音授权的名人。Mati的结论很直接：“你拥有的唯一东西，就是执行速度和投资速度。”
Harry不喜欢创始人路演，并提出一种更浪漫的选择：立即建立合作。Mati的反驳值得保留：第一次创业的创始人并不知道自己的市场价值，也不知道投资人是否会像承诺的那样行事；与少数优先机构进行紧凑流程，有时先和1至2家低优先级机构交谈，能提供必要的比较基准。
Mati不喜欢具有强制时限的term sheet，但理解小基金为何害怕沦为抬价工具。Harry认为，如果定价差距非常大，可以成为重新启动流程的理由；但如果差距约为20%，通常不应左右最终决定。Mati更深层的尽调方式，是反向调查合作伙伴在事情失败时如何行动；他说，对一些欧洲投资人的调查结果，并没有像对他考虑过的美国合作伙伴那样积极。

7. 小团队和取消头衔，都是为了保留主人翁意识

ElevenLabs约有250人，但更像是在运营约20个5至10人的团队，每个团队负责一个产品领域或运营领域。Studio、语音代理、企业组件、自助产品和人才职能被拆分为多个单元，拥有相当大的独立性，可以快速“和现实迭代”。
公司取消了正式头衔，因为影响力不应取决于资历；小团队如果保留头衔体系，会产生分散注意力的头衔通胀；新员工也应该能够迅速成为领导者。每个团队仍有决策者，但这一角色可以变化，不会永久变成一项荣誉称号。
创始人仍会面试每一位候选人，并希望最终面试1,000人；研究人员仍是最难招的岗位。Mati最大的招聘遗憾，是在早期出现疑虑后等待太久：如果不确定性持续了最初几周或几个月，他如今认为就应该尽快做出人员调整。
Harry质疑“small and mighty”这个标签，因为Mati预计年底员工人数将达到约400人，已有30至50份offer或新员工在推进中。Mati认为，在巴西、日本、印度和墨西哥设立小型据点，可以并行推进扩张；人均收入最终会变得重要，但短期内，只要招聘能在竞争者到来前改善分发和留存，就有理由继续招人。

8. 配音发布失利迫使公司进行一次坦诚的文化重置

在完成文本转语音、声音复刻和内部语音转文本后，ElevenLabs向一位客户提供了配音所需的组件，并透露自己的整合版产品即将发布。客户把整合工作交给一名实习生，作为周末黑客项目推进，并提前约2周上线；据称，在那段时间里产生了数千万美元收入。
这次打击对各团队的冲击不同：研究和工程团队想不通为什么外部团队率先发布，市场团队担心失去潜在客户，创始人则眼看着公司的原始故事被别人吸引了注意力。“配音就是我们的故事。”Mati回忆道，士气明显崩塌。
他的教训不是立刻跳出来安慰大家。领导者应先承认：“我们在生自己的气。”先查清楚哪里出了问题，再迅速转入行动；持续不懈的执行可以修复一次性错误，但如果错误重复发生，就应承担后果。

9. 自有算力和产品深度，是对抗商品化的经济反制

Mati把公司的优势拆成研究、产品，以及由分发和品牌共同构成的生态。研究创造6至12个月的领先；产品把这段临时差距转化为工作流控制权；分发和品牌则进一步强化最终形成的地位。
ElevenLabs计算认为，在GPU进步不过于极端的前提下，持续训练加上大规模数据传输，让自有基础设施相对租赁基础设施约2年即可实现盈亏平衡。这笔押注通过更快的试验和更强的控制权获得回报，但Mati明确承认，未来基础设施创新“可能打破这套计算”。
他承认，许多AI应用公司目前的单位经济性很差。但ElevenLabs的新模型可能会在成本优化前就刻意上线，让用户先感受到“魔法”；模型成本下降、可信品牌和客户信号都是这套策略的一部分，尽管在拥挤的品类中，至少会有一家竞争者最终出局。
Harry批评说，横向发布缺乏明确的ICP。Mati的规则取决于具体情况：如果技术真正新颖，且公司还不知道最佳客户是谁，横向探索是合理的；如果创始人拥有领域专业知识，也清楚想赢下哪个品类，就应该“做垂直”。

10. 只有把“从欧洲出发”变成“服务全球”，欧洲才不是困难模式

Mati同意，在欧洲创业就是“在困难模式上建公司”，但拒绝认为欧洲人天生工作不够努力。ElevenLabs发现，中东欧有一些“传教士型”员工会在周末工作，也会在职责之外关心公司——有时投入程度甚至高于西海岸员工。
欧洲的优势在于，这里有大量未被充分使用的人才，他们希望打造一家有野心的全球公司，但过去往往只能加入美国雇主。ElevenLabs将自己定义为全球公司：计划在美国、欧洲和亚洲取胜，同时让大多数团队成员继续留在欧洲。
公司不倾向于把所有见过规模化的人都以带头衔的高管身份引进来，而是更愿意培养现有员工，再把他们与美国投资人网络中的资深顾问配对。押注的是内部成长，导师关系则补足本地生态可能缺少的经验。
如果成为假想中的“欧洲总统”，Mati会大体上让AI监管向美国模式靠拢，尽管他承认这会带来“一整套巨大后果”。他的备选方案是设立一个自愿加入、采用这套规则的欧洲司法辖区，为创业者提供限制更少的运营地点，但不把这种模式强加给所有人。

11. 收入达到2亿美元后，代理而非旁白成为更大的押注

ElevenLabs在2023年结束时收入约3500万美元，如今称已突破2亿美元。Mati估计达到1亿美元用了约20个月，最初称达到2亿美元又用了约10个月，随后修正为“更久一点，可能是15个月”；当被问及ARR增长速度是否是一个[已删节]指标时，他说这取决于时间范围，但总体而言并不重要。
大型企业如今贡献了大部分收入，Mati认为这部分收入相对稳定；创作者和开发者仍是重要的自助式分发引擎。最大合同约200万美元，通常来自呼叫中心、客户支持或个人助理场景；已点名的部署或合作关系包括Cisco、Twilio和Epic Games。
后续融资定价为33亿美元。Mati起初将交易前业务收入估在1亿至1.2亿美元附近，随后澄清term sheet到达时，公司可能约为8000万美元收入；这笔于2024年10月完成、2025年1月宣布的交易，对应当前收入约30倍估值。资金被用于加速多模态模型、国际扩张和企业语音代理集成。
语音代理已经是一项大业务，但“如果我们把事情做对”，它可能成为数十亿美元的业务。ElevenLabs可能扩展到电子邮件和WhatsApp；当前与Decagon的合作也可能发生重叠，除非其中一方转向垂直化。常规预约和退款会率先自动化，但高风险的患者指导仍需要专业人员。

12. 流动性和选择性冒险正在维护公司的独立性

ElevenLabs曾收到收购邀约，第一次出现在Series A前后。创始人当时出于好奇短暂了解过流程，而不是急于出售，之后便变成“坚决拒绝”；如今他们考虑的是反向风险——收购一家价值数亿美元的公司——同时相信自己或许能在内部更好地构建相关能力。
几乎每轮融资都包含二级流动性和针对已归属员工股份的要约收购。Mati的逻辑是，托育、住房和体面生活的基本水平应该得到保障，这样员工才能理性地继续押注一个大得多的结果，而不是过早出售公司。
如果必须在3000亿美元的OpenAI、1700亿美元的Anthropic和1200亿美元的xAI中选择，Mati会买OpenAI，但拒绝给出负面选择。他大量使用ChatGPT，欣赏Anthropic对编码的专注；ElevenLabs大多数人使用Cursor；他认为Google“肯定还在竞争中”，但明确表示自己“并不特别看好”Google，同时认可Google的Gemini 3模型等创新。
他最近最明显的观念变化是：即便ElevenLabs也在内部推进底层研究，公司仍可以利用外部研究探索产品。他仍不确定创始人品牌究竟是在抬高团队，还是从团队身上吸走注意力，但正在逐渐倾向于前者；他保留的风险箴言是，最大的风险可能正是不去冒险。

Yummy Century Egg：Guowei Zhang 关于 EchoStar 与 $SATS 的后续讨论 50.爆火CES后这半年，和Ropet聊穿越风暴、模仿者与陪伴的真谛