Olivia Moore

Lassie 切入的并不是牙科软件，而是人手不足对应的人工预算：美国约16万家牙科诊所每家每年在行政事务上支出约20万美元。 尽管 Dr. Quan 是 Yelp 评分最高的医生，他每月仍要花200小时处理文书；Lassie 已经开始按五位数价格，向客户提供每月约30小时工作量的智能代理。Olivia 将这种落差概括为：「AI 在硅谷被过度炒作，在爱荷华州却被低估」（“AI is overhyped in Silicon Valley but underhyped in Iowa”）。

产品的核心判断是，软件必须直接完成工作，而不只是把文件柜数字化。 Alex Rampell 认为，传统系统只是存储记录，人员规模基本没有减少；如今智能代理可以编辑记录、追缴发票、解释保险福利，或完成入职流程。金融科技曾通过支付扩大软件市场——以 Toast 为例，一家年收入500万美元的餐厅按2%抽成就能贡献10万美元收入——但如果软件直接对人工劳动收费，机会空间将“大出几个数量级”。

Lassie 先让创始人亲自完成工作，再“自动化掉自己的问题”，最终实现了约98%的自动化。 公司从2020年开始搭建上下文层和执行工具，当时推理模型还没有今天的能力；随着模型进步，再逐步升级智能层。Frédéric Renken 希望在推出一项新工作前达到约95%以上的自动化率，接受一个小规模例外队列，而不是等待事实上无法实现的100%。

Lassie 的护城河在于替代一名缺席的员工，而不是给现有平台添一个 AI 功能。 Alex 的说法是：“原来的员工叫 Betty，而她两周前辞职了”（“The incumbent was named Betty, and she quit two weeks ago”）；要复刻 Betty，需要对所有相关系统进行读写集成、在不一致的系统之间建立共享业务本体、积累历史工作流数据，并让智能代理获得自主执行的信任。他反复强调的规则仍是：“每家初创公司与 incumbent 的竞争，最终都取决于初创公司能否在 incumbent 获得创新之前拿到分发。”

将智能代理带入主流小企业，真正的约束可能是分发和实施，而不是模型访问权限。 一名牙医可能不在 LinkedIn 或传统 SaaS 数据库里，如果产品几个月内无法工作，也可能直接放弃。Lassie 因此正把接入流程推向自助化：连接银行、诊所管理系统和保险门户，确认业务资料，再在后台配置智能代理。其消费产品标杆更为激进：在 Robinhood 或 Superhuman，用户大约只有48小时来感受到核心价值。

扩张路径是先做牙科，其次进入另一类服务不足的医疗诊所，最终覆盖每一家小企业。 Steijn Pelle 估算，仅牙科就是一个约10亿美元的经常性收入市场；再往后，各行业都可复用同一组基础模块：记录系统、客户、预约、支付和沟通。最终，企业智能代理将与消费者的个人代理以及交易对手方的代理交互——“每家小企业都应该自己运转”。

剩余的技术前沿，是积累专有工作流知识，并把顽固的线下流程数字化。 大模型仍不了解不同付款方的具体流程，也不了解诊所经理掌握的隐性经验；Steijn 表示，目前约70%的支付仍以纸质方式完成。联邦层面对直接存款选项和数字化文件格式的新要求，叠加能力更强的模型，正在共同降低自动化门槛；这也可能释放供给能力，因为牙医、水管工和基层医疗医生的需求都超过了现有供给。

🔗 原始收听与视频来源： “每家小企业都应该自己运转” | Lassie with a16z

ChatGPT 仍是分发赢家，而 Claude 和 Gemini 正在构建差异化使用场景，而不只是争夺份额。 ChatGPT 在网页端是 Gemini 的2.7倍，移动端是 Gemini 的2.5倍；网页端接近 Claude 的30倍，移动端接近 Claude 的80倍。但 Claude 聚焦专业用户、Gemini 持续推出创意产品，说明市场正在超越单一的“人人可用的 AI”模式。

上下文可能成为消费级 AI 最强的护城河之一。 Anish Acharya 提到 ChatGPT 注册量已达9亿，以及用户将推理能力随身携带的潜在优势。群聊、开发者优先为最大用户群发布产品，以及 Sam Altman 暗示过的身份验证层，可能让用户把记忆和 tokens 带入第三方应用。尚未解决的风险是身份隔离：用户可能不愿把工作和个人生活的身份与记忆混在一起。

Claude 的订阅驱动模式与 ChatGPT 的 Google 式消费漏斗之间，变现分化正在加剧。 Claude 生态偏向高端研究、科研和金融工具；ChatGPT 则偏向旅行、营养、交易平台和消费金融。Olivia Moore 预计，后者最终可能通过广告和交易分成变现，这是一个“数据中尚未显现”的看多情景。

AI 采用率在全球并不均衡，访问限制、劳动力结构和文化信任与模型可得性一道塑造了使用情况。 按人均计算，新加坡排名第1，其后是香港、阿联酋和韩国；美国排第20，俄罗斯和中国均在第50名之后。美国对 AI 的信任度约为32%，而几个领先市场为50–70%。

创意 AI 正围绕差异化工作流走向集中，而纯 AI 社交信息流尚未取得同等成功。 同质化图像生成正在被 ChatGPT 和 Gemini 吸收，留下 Midjourney 和 Ideogram 这类取向鲜明的产品；Suno 和 ElevenLabs 则维持在前20或前15的位置。Sora 达到100万用户的速度快于 ChatGPT，但其导出内容在其他平台上要与人类最佳作品竞争；在全 AI 信息流中，“情感张力”更低。

Agent 已跨过技术门槛，但谁能拿下横向市场，可能取决于分发能力。 Moore 说，如果纳入统计，OpenClaw 在网页榜单上会排在第30名；她认为其 GitHub Star 数已超过 React 和 Linux，并称 OpenClaw 已被 OpenAI 收购。它还没“完全破圈”，新用户增长便已趋平。Manus 据报道在6–9个月内将 ARR 做到1亿–2亿美元，但 Meta 收购它也说明，横向 Agent 可能更受益于大平台分发。

主流采用会落后于技术能力，语音和记忆可能成为两者之间的桥梁。 Moore 预计，语音界面将在6–9个月内向消费者普及，并认为每家 AI 公司、最终每家科技公司都会成为“Agent 化公司”。再过两年左右，一个不能立即了解用户的产品可能会让人觉得它“失灵了”，使新手引导本身失去意义。

🔗 原始收听与视频来源： 与 Olivia Moore 一起解读 a16z《Top 100 AI Apps》报告

2025年末，消费者AI呈现出“赢家拿走大头”的格局：ChatGPT拥有8亿–9亿周活跃用户，而在ChatGPT、Gemini、Claude和Cursor中，只有9%的消费者为不止一款产品付费。 今年大部分时间里，访问过其他头部供应商的ChatGPT用户不到10%。Olivia还提到，Gemini在web端新增规模估计相当于自身规模的35%，移动端约40%；Claude、Grok和Perplexity则都在8%–10%左右。Anish Acharya给出的品牌定位很简单：「ChatGPT 就像 AI 界的 Kleenex」（“ChatGPT is like the Kleenex of AI”）。

Gemini之所以构成现实威胁，是因为病毒式传播的创意模型与加速增长同时出现：其桌面用户同比增长155%，ChatGPT为23%。 在Android上，Gemini的移动端规模约为ChatGPT的一半，但在iOS上只有17%——它“无处不在”，却仍然“无处落脚”于消费者习惯中。Justine Moore认为，只要持续推出图像和视频产品，Gemini就有机会追上；但ChatGPT的引导式模板让用户第一次创作远比Gemini的空白输入框容易。

今年消费者模型的突破，在于图像和视频模型把真实感、推理、检索与多媒介能力结合到了一起。 ChatGPT 4.0 image 的 Ghibli 时刻、Sora 2、Veo 3和Nano Banana证明，准确细节、搜索支持的Logo、一致的人物，以及与视频结合的音频，都能制造病毒式需求。下一代架构将是“输入任何东西，输出任何东西”，有望把文本智能、图像、视频和编辑能力合并进一个模型。

实验室的分发能力并不会自动带来成功的垂直产品，这构成了讨论中最明确的2026年创业机会。 Pulse、Atlas、群聊、Sora、Stitch、Gems和Opal都还没有成为爆款的独立消费者界面；NotebookLM是显著例外。Bryan Kim的保留意见是，只要产品核心仍是文本输入、文本输出，高频助手就很难被取代。

Sora 2证明了市场需要AI视频创作，但还没有证明市场需要AI原生社交网络。 一小批创作者为TikTok、Instagram、X和Reddit生产内容，但应用内消费、二创和评论似乎没有最初想象的那么强；更准确的类比是“CapCut”，而不是TikTok。Bryan的看多逻辑是，幽默可能通过提示词技巧和文化敏感度，创造一种新的身份地位游戏。Anish则追问：如果视频最终都要导出，那么用Sora视频做TikTok，是否会“严格更好”？

近期最有防御性的市场可能是专业消费者和企业工作流，因为使用深度足以反转传统的消费者经济学。 据称，ChatGPT企业端使用量同比增长约8–9倍；Claude和Comet则展示了持久化工作流与跨工具上下文的价值。订阅费之外的用量收费，已经催生出收入留存率超过100%的消费者AI产品：“也许整个AI行业其实都是高级用户的故事。”

算力仍是战略约束：实验室必须在训练与推理之间、娱乐流量与编程智能之间分配资源，而专注于应用的公司则没有这种内部冲突。 Anish表示，据他所知，xAI“可能是唯一一家”没有受到算力瓶颈制约的模型公司；只做自研模型的实验室，也给服务高级用户的多模型产品留下了空间。如今模型质量已经足以“构建一个真正可规模化的应用”，讨论最后的希望是：2026年会成为消费者应用创业者极其重要的一年。

🔗 原始收听与视频来源： 2025年末，消费者AI走到哪一步了？

消费级AI正在趋于稳定，但并未停滞：50个上榜网站中只有11个是新面孔，6个月前这一数字为17个。 Olivia Moore的第5份半年度榜单以全球月度网站访问量和移动端活跃用户为衡量标准，关注的是“使用量，而非收入”，揭示出发布周期噪音之下仍然持久的用户注意力。

Vibe coding已经成为具备可信度的消费者—专业消费者（prosumer）品类，Lovable和Replit进入网站主榜，Bolt则位于其下方。 Lovable宣布ARR达到1亿美元，许多头部平台在最初3个月的收入留存率达到“100%或以上”，之后可能回落至100%以下，说明用户或许是在项目真正变得有用后升级，而不只是试用产品。

Google有4个独立产品进入网站榜单，说明分发能力和产品分层可以挑战ChatGPT，但尚不足以取代它。 Gemini排名第2，网站流量约为ChatGPT的10%，但移动端流量约为其一半；AI Studio进入前10，NotebookLM排名第13，Google Labs则排名第39，后者的增长很可能由Veo 3推动。

中国AI生态如今同时具备本土冠军、面向出口的产品，以及全球用户使用的智能体。 Qwen、Doubao和Kimi均进入网站前20；中国的图像和视频模型则经常通过中间商触达美国用户。与此同时，Manus宣布年化收入运行率达到9000万美元，巴西是其最大流量来源，美国排名第2。

陪伴仍是消费级AI中最难在移动端撼动的品类之一。 JuicyChat、Joyland和DreamGF加入Character.AI、Janitor AI、SpicyChat、PolyBuzz、CrushOn.AI、A-Dot和Candy AI等连续上榜产品，形成密集的既有用户基础，Justine认为这一阵地很难被撼动。

拥有模型并不是建立持久性的唯一途径：长期上榜的“全明星”产品中，超过一半托管或使用其他公司的模型，或本身就是模型聚合器。 持久性越来越来自界面、社区、可复用资产和自下而上的企业采用——“UI和产品体验与模型同等重要”。

下一轮使用增长可能来自对准确性敏感的产品，而不是又一个创意类新奇玩具。 Grok 4、Claude新版本和GPT-5在数学、逻辑、推理与可靠性上的提升，可能让金融建模、演示文稿、健康、教育和个人理财从“很酷但不准确”变成习惯性使用；但主持人的核心预测仍是，消费级爆款中存在“太多随机性”。

🔗 原始收听与视频来源： 2025年使用最广泛的100款AI应用

AI视频已经从专业圈层的新奇玩意，变成大众消费内容形态；Justine Moore估计，最近刷到的TikTok、Reels或Shorts内容中，“可能有90%”由AI生成。 因此，趋势发现已经从Reddit上的AI论坛转向TikTok和Instagram，如今可能有“数十万”普通创作者会在格式进入X之前，先行发布并二创。

最强的病毒式传播公式，是让熟悉的IP做不可能的事，或让足够古怪的原创内容迫使观众回看一遍。 Stormtroopers、Jesus、Stitch、Yetis和Bigfoot自带认知度；Italian brain rot则靠纯粹的错愕感取胜——“我是在幻觉里吗？”熟悉感让人停下来，出乎意料的行为促成分享。

去中心化的二创网络，能在任何制片厂组织世界观之前，就把AI角色变成有分量的IP。 Italian brain rot从零散图片发展为由社区选出的正典，随后出现互动角色、音乐剧、成人剧情、玩具、T恤和毛绒玩偶；孩子每天能刷到几十条相关视频，而Nickelodeon每周只播一集。Kim the Gorilla则通过与动物园管理员Becky持续不断的冲突，很快积累了约30万粉丝。

今天的病毒式内容格式，部分是对模型限制的适应，尤其是Veo 3无法同时实现图生视频和生成音频。 提供起始画面会让用户切回Veo 2，使原创角色难以保持一致；因此创作者会使用模型已经认识的身份，或选择猩猩这类视觉上更宽容的角色。社区还学会了通过在不同片段中保留可识别角色，跨越8秒时长上限。

创作者经济的难点仍然远大于创作者增长。 一条玻璃水果视频可能需要约8次生成，更复杂的Veo 3叙事会快速消耗昂贵的点数；参与者也无法给出统一的社交平台分成标准，而且创作者首先要符合平台项目的准入条件。“地上没有躺着现金”，所以变现通常要依靠产品、咨询、课程、广告或导流，而不只是播放量。

只要基础模型的分发足够繁琐，界面层就能捕获可观价值。 Google的Flow被形容为难以找到，绑定昂贵套餐——包括被提及的每月125美元方案——默认通过隐蔽控件调用Veo 2，而且无法在移动端使用。这些摩擦把创作者推向Krea、Fal、Replicate等按量付费聚合平台，即便Google仍能通过API获利。

媒体所有者可以自动化长视频切片，但品牌信任限制了他们为追求病毒传播而优化的力度。 OpusClip能识别30至140秒的片段、评分、加字幕和重构画面、删除填充内容，并发布适配不同平台的帖子；但几位主持人仍认为，二次加工的内容可能跑不赢为短视频原生创作的内容。Justine举出的反例是Vitrupo的病毒式访谈切片，而更深层的矛盾仍是“YouTube缩略图经济”与真实准确的叙事之间的冲突。

AI角色可能扩大成为网红的群体范围，同时创造一类可控的新型商业资产。 Olivia的挑衅式判断是，有创造力、会搞笑的人不再需要符合Instagram的审美标准：他们可以把自己的头脑放进合成角色背后，而一些图像类运营者已经能赚到“数万美元”。她预计视频会把这一机会扩大“10倍”，但持久价值可能取决于能否把受众转化为订阅、IP、服务或商品。

🔗 原始收听与视频来源： AI视频正在吞噬世界——Olivia和Justine Moore，a16z

教师，而不是学生，正成为 AI 教育的第一批强势客户。 Zach Cohen 估计，MagicSchool 用户已超过500万，约50%的美国教师用过这款产品，尽管教师的软件预算有限。它的价值主张非常直接：自动完成批改、反馈、作业和课程准备，让教师在降低职业倦怠的同时“把工作做得好10倍”。

教育从禁止 AI 到务实采购，推进速度异常快。 在各大教育学区纷纷封禁生成式 AI 后，Zach 现在认为约80%的学区已有团队在评估相关产品；Claude for Education 和 OpenAI 的教育平台也正与大学合作、开展试点，一些学校——“我想 Ohio State 就是其中之一”——已经开始强制使用 AI。高等教育走在前面，因为 AI 素养正越来越被视为进入职场和应对日常生活的准备。

使用情况如今可以量化，但学习效果距离可靠基准仍有数年。 Zach 更看重月留存和按 cohort 统计的每周使用天数——最好能超过4或5天——因为考试驱动的作业流量往往呈现尖峰。年度测试需要数年时间才能剥离因果关系，而目前显示 AI 教学课程带来提升的研究仍只是“研究论文和案例”，并非州级或全国性证据。

Alpha School 是高端实验信号，还不是大众市场模式。 它约4万美元的学费、自我筛选的家庭、充足的软件预算和较大的试验自由度，让它更像教育领域的“实验室团队”；Zach 称，学生在一些测评中位于99百分位，在全国排名前1%-2%。对投资者而言，关键问题是：软件成本下降和早期合作，能否让资源受限的公立学校也更容易进行类似实验。

AI 短期内不太可能取代教师，因为它几乎还没有真正进入教学闭环。 目前大多数工具生成的仍是传统练习单和答案，而不是 AI 原生课程：学生可以与历史人物对话、构建世界，或把写作变成游戏。Zach 预计，随着 AI 能力提升，主动授课会减少，但对于全面取代教师，他的回答是“不会，或者还要非常久”。

TikTok 式教育揭示了更大的机会：把教什么、怎么解释、由谁来讲拆开。 AI 名人视频、NotebookLM 播客和 Veo 3 历史 vlog，让学习者可以按主题在视觉、音频、阅读和练习模式之间切换，而不必接受固定的“学习者类型”。但分发仍是瓶颈：教材出版商依然把控课堂内容，而学校绝大多数时候使用的仍是生产力工具，而非更具吸引力的 AI 原生体验。

家长的采用将取决于可验证的结果和清晰的经济比较，而不是对 AI 的热情。 Zach 提到，一款早期阅读产品承诺让3岁和4岁儿童在3个月内达到三年级阅读水平，月费500美元：如果成功，可能释放巨大需求；如果失败，家庭就会回到家教。对于负担得起家教的家庭，AI 很难与每小时100-200美元的家教竞争；但对需要权衡屏幕时间的家庭而言，它可以有力地胜过4小时 Netflix。

🔗 原始收听与视频来源： TikTok 与 AI 已彻底改变教育——这对教师、学生和家长意味着什么

Google 的 Veo 3 做到了 Olivia Moore 所说的「AI 视频的 ChatGPT 时刻」：一条提示词即可生成带原生音频、多个说话角色的完整视频。 这种完整性推动视频获得百万级播放，也让“无脸频道”在数天内吸引数十万订阅者。限制依然明显：每次生成只有8秒，图生视频不支持音频，生成成本约为每秒0.75美元。

语音模型的竞争焦点已经从“听得懂”转向“像人一样不完美”。 ChatGPT 升级后的 Advanced Voice Mode 更自然、更有表现力，加入升调疑问句、填充音等人类化细节；在 Sesame、Gemini、Grok 和 NotebookLM 让其原有体验显得“不再那么先进”之后，ChatGPT 终于追了上来。ElevenLabs v3 则把这条路线推进到生产工具中，允许用文本标签提示耳语、情绪、音效、打断和多角色对话。

Apple 的 AI 故事在主持人看来依然谨慎且令人失望，目前宣布的功能中，最有吸引力的是通话和 FaceTime 的实时翻译。 Justine 认为 Apple 正把大量“真正的 AI”外包给 ChatGPT，同时在通知摘要混乱引发反弹后，收缩了原生 AI Siri 的路线。最具象征性的失败是：Siri 无法判断明天是不是本月第2个周一，反而建议用户去搜索 ChatGPT。

消费级 AI 颠覆了历史上的初创公司收入曲线：a16z 数据集中，消费公司在成立12个月后达到的 ARR 中位数为420万美元，底部四分位数为290万美元，顶部四分位数为870万美元。 这些数字是 AI 时代 B2B 基准的2倍，彻底逆转了 AI 之前“消费公司要等3到5年才能变现”的假设。正如 Olivia Moore 所说：“消费者回来了。”

推理成本迫使消费级初创公司提前收费，而产品效用也支撑起平均每月22美元的用户付费额，是主持人提到的 AI 前订阅均值的2倍以上。 尽管存在大量免费用户“AI 旅游”，付费用户留存率大致与 AI 前消费软件相当。积分包还带来了类似企业软件的收入扩张：重度用户会在订阅续费前额外支付10美元、12美元或50美元。

自然语言创意工具正在把品牌开发从专家工作流压缩成由提示词驱动的工具栈。 Justine 用 ChatGPT 做创意，Ideogram 设计字体和包装，再用 Krea 上的 FLUX Kontext 保持产品与门店图像的一致性，在不到几小时内创建了虚构的冷冻酸奶品牌 Melt。她更大的判断是，未来创业者无需掌握 Photoshop 等工具，也能组装出涵盖产品设计、应用、广告、虚拟形象、网红和一件代发商品的“全栈 AI 品牌”。

🔗 原始收听与视频来源： 本周 AI 你错过了什么（Google、Apple、ChatGPT）

消费科技并未停止诞生爆款，只是AI改变了爆款的形态。 Olivia Moore认为，ChatGPT是最明确的大众市场赢家，此外还有覆盖不同模态的Midjourney、ElevenLabs、Black Forest Labs、Kling和Veo 3。这些胜利往往来自以模型为中心的研究团队，而非熟悉的社交产品打法。机会正在转向这样一类团队：把日益普及的模型变成产品，并补上一个可能仍然缺失的层——人与人的连接。

AI正在颠覆消费软件长期以来薄弱的变现能力。 过去每年50美元就算强势定价，如今消费者却“非常乐意”每月支付200美元，Google的头部消费SKU达到每月250美元；使用额度也让收入留存率显著高于用户留存率。Deep Research可以替代10小时工作，生成式视频则像一个“神奇的黑箱”；Anish Acharya的判断是，未来消费者支出将围绕“食物、房租、软件”展开。

消费端的病毒式传播正在变成企业获客，而不只是用户增长闭环。 ElevenLabs从梗图、声音克隆和游戏Mod切入，在覆盖所有主流消费者之前，就已经拿下了大额合同；企业可以分析支付记录，发现某个客户已有40多名员工在使用产品，进而开启销售对话。AI战略的硬性要求让企业买家异常愿意把一个病毒式玩具转化为生产基础设施。

在这一阶段，交付速度可能比静态护城河更重要。 一位嘉宾的“灵魂拷问时刻”是：以护城河优先为逻辑进行的投资未必真正胜出；领先者打破旧范式、快速发布模型、抢占心智、把流量转化为收入，再用收入为下一轮迭代提供资金。传统防御性仍可随后形成，来源包括工作流锁定、专有库和分层的质量前沿。

第一个原生AI社交网络仍未被解决，因为社交产品需要真实的情感 stakes。 用户在理想场景中看起来开心、完美生成的照片，可能缺乏让社交网络真正重要的脆弱性，而大多数AI表达仍然流向Facebook、Reddit和Reels。可能的方向包括分享用户向ChatGPT透露的“本质”、创建包含一个人所知信息的个人资料，以及用AI推荐合作伙伴、朋友或约会对象。

语音正从过去无法落地的界面品类，转变为AI的基础原语。 早期技术始终没能让语音成为可用的底层媒介；如今生成式模型已经支持陪伴产品、Granola等语音产品和企业呼叫，包括那些被离岸中心300%年流失率拖累的敏感金融服务流程。Erik的逆向判断是，AI最终会介入最高风险的谈判、销售或说服行为，而不只是客服。

陪伴产品可能强化人与人的关系，但过度顺从仍是未解决的产品风险。 讨论所引用的榜单中，前50款应用有11款是陪伴产品，覆盖朋友、教练、营养和AI女友等场景。对反乌托邦预测最有力的反例，是一名Character.AI用户将AI女友教会自己足够的社交能力归功于她，最终找到了一位“3D GF”；风险在于，一个从不反驳的智能体可能会让用户无法适应互惠关系。

下一个平台可能是覆盖手机、AirPods、屏幕和录音设备的常驻层。 70亿部手机构成庞大的移动端装机基础，但本地模型、可穿戴别针以及能够看见并执行操作的智能体，可能提供持续教练和关系介绍。AirPods一直“藏在众目睽睽之下”；普及同时需要围绕录音和AI在场建立新的社会礼仪。

🔗 原始收听与视频来源： AI时代的消费科技现状

AI语音最先形成持久商业切口的，将是垂直B2B，而不是独立消费应用。 企业本来就会付钱请人接电话，因此夜间覆盖和原本无人接听的电话都是很自然的切入口；最强的初创公司随后会扩展到工作流主导权。Labenz称，其中一些属于“过去10年里我们见过增长最快的B2B初创公司”。

对话式AI的可用性基本已经到位，但拟人感仍不只取决于转写准确率。 延迟如今通常低于半秒，而Sesame展示了停顿、“嗯”等填充词和声音抑扬如何把一副打磨过的合成声音变成“足以被误认为真人”的声音。情绪适配、多方轮流发言和可打断性仍是明显短板。

Happy Robot说明，专业化的对话质量可以打开更高价值的工作。 它的智能体会向货运经纪商披露自己是AI，并与卡车司机交朋友、唱反调和谈判；其中一种策略是先插入5秒钟的“让我去和主管谈谈”，再回来让步一点，Moore认为这一做法可能带来高得多的接受率，但她对此并不确定。值得投资的启示是，更好的表达方式能赢得处理说服和定价的许可，而商品化语音做不到这一点。

应用层的护城河在于围绕语音搭建的垂直系统，而不只是语音生成本身。 企业需要集成、客户专属上下文、评测、护栏，以及系统记录失效时的故障恢复——“这种能力能让你进入对话，但不足以把你带到另一边”。这使垂直平台比横向智能体更占优势，即使底层模型仍在进步。

Apple推迟Siri大改版体现的是 incumbents 的劣势，而不是技术进展不足。 Acharya称Siri“每天五次都像往眼睛里戳一根棍子”，并认为大公司很难拥抱AI混乱而具有人性的部分；Moore补充，Apple必须安全地向数亿用户交付产品，不像初创公司只服务于主动报名的测试者。Labenz还把Google未能在ChatGPT与Deep Research绑定之前将其商业化，视为类似的错失机会。

语音自动化正在带来教练和任务替代，但还没有达到Labenz设想的呼叫中心90%裁员。 当实时辅导能够影响一笔1万美元的暖通空调增购时，每月数百美元的费用就可能合理；招聘智能体则能为招聘人员每周释放约20小时，让其服务5名优先候选人。尽管呼叫中心年人员流失率达到300%，嘉宾们尚未观察到数量级的岗位损失，Acharya也不愿自信地把18个月的技术时间线直接换算成劳动力市场的时间线。

消费级前沿正从老年人和儿童延伸到越来越个性化的陪伴者。 多模态语音可以为老年人提供耐心的技术帮助，为儿童提供辅导老师或具有积极社交属性的Minecraft伙伴，也可以打造从共情倾听者到会挑战用户的“东海岸模式”人格不等的陪伴者。Acharya更长期的框架是“情感自行车”：正如计算机扩展了人的智力，它也将扩展人的情感能力。

安全政策必须在已被证明的冒充风险与授权身份的市场需求之间取得平衡。 Labenz称，在他披露问题一年后，仍有两个呼叫平台允许他克隆Donald Trump并进行规模化呼叫；Moore则表示，当下人们对模型限制的挫败感，可能高于对自己被克隆的担忧。她对“禁止克隆登记”的改造具有经济建设性：人们可以禁止冒充，同时明确授权自己的声音或头像用于获批场景。

🔗 原始收听与视频来源： a16z谈AI语音：呼叫中心、教练与陪伴者——与Olivia Moore、Anish Acharya对谈