AI 正在颠覆的万亿美元产业：语音、法律与计费工时的终结
The Trillion-Dollar Industries AI Is Disrupting: Voice, Law & the End of the Billable Hour
全文文稿 · 按对话顺序保留完整内容，深入理解上下文。
§01文字稿 1
你最近状态火热啊？现在是创业的最佳时机。收入猛增，但你也面临非常激烈的竞争。我们一开始就直奔这个话题。如果你今天从第一性原理出发构建一个全球金融系统，你不会把它建立在 50 年历史的传统轨道上。你会打造 Airwallex。一个 AI 原生平台，集全球账户、卡和支付于一体，
旨在让整个世界感觉就像本地市场。其他公司在破旧的基础设施上硬加 AI，而 Airwallex 从第一天起就是为智能时代打造的。别再缴纳“传统税”，前往 airwallex.com/all-in 开始构建未来。Airwallex，为未来而生。两三年就做到 3.5 亿？我现在听到的数字是五六亿。跟我们讲讲，从你们发布软件那一刻到今天，公司的收入是怎么增长起来的。产品上市 40 个月了，还是 50 个月？说得没错。我们 2022 年创办公司。第一年全部用来做研究和打造产品，真正把工作启动起来。
我们打造了第一个终于能听起来像真人的文本转语音模型。2023 年初发布。然后我们大约用了 20 个月达到首个 1 亿美元 ARR，大约 10 个月达到 2 亿，5 个月达到 3 亿。这就是我们去年年底收官时的情况，现在我们的收入达到 6 亿美元。这太不可思议了。现在有多少员工？因为公司显然已经达到了惊人的估值，但你得撑起这个估值，而且你在非常高的层次上争夺人才。所以跟我们讲讲你现在有多少员工，
以及在收入飙升、投资人拼命往你这儿砸钱、找上门来（我是说，字面意义上的找上门）的时候，你如何维持公司文化。但你还得经营公司，你得建设文化。所以现在有多少员工，你如何处理这些相互竞争的优先事项？是的，这是关键要素，对我们来说，如何在快速增长中保持文化至关重要，以及我们如何同时优化
面试流程、如何招人进来、如何让他们入职。我们今天有 600 人。所以人员方面增长也非常快。作为一家公司，我们把研究和产品结合在一起。我们在为 AI 构建一个通信平台。在研究方面，这包括音频方面的一切：生成语音、转录语音、为交互编排语音。在产品方面，就是我们如何覆盖客户旅程的全部环节。
从营销、创建素材并将其进行国际本地化，到用语音智能体做客户支持，再到主动赋能，让语音智能体在运营、培训和销售中提供帮助。所以这需要很多不同的人才，而收入增长的一部分实际上反映了我们
随着时间推移所扩展的职能。最初的团队非常偏研究、非常偏工程，前 10 个人里我们没有任何人员流失，那些核心研究和工程人才至今都还在公司，和我们一起打造产品。
所以到目前为止，我们在竞争中胜出了。我认为这要归功于我的联合创始人，他本人就是一位了不起的研究者，我们组建了一支真正热衷于解决音频问题、解决交互问题、推进这类研究的团队。如果有人在外面寻找机会、想加入一家公司去解决这些问题，我们是领先的地方之一，如果不是最领先的话。而且你是在 AI 对软件开发产生如此大影响之前就开始的。对。
所以四五年前你开始做这件事的时候，编写软件还只局限于地球上一小部分人口。你知道，能写代码的人数有限。而现在我们走到了今天，先是有了无代码时代，然后是 vibe coding，现在甚至有非开发者在写生产代码。开发者效率提升了 10 倍，拼命消耗 token。公司内部构建软件的方式发生了怎样的变化？你们如何确保代码质量真的很高？
因为人们付给你这么多钱，既然花了这么多钱，他们就会要求非常高质量的产品。是的，这也没错。2022 年当时的热门话题还是加密货币和元宇宙。所以那时开始做也是最好的时机，因为我们其实可以花点时间专注于我们认为代表未来的东西。
我们的组织结构是很多小团队，尤其是在产品工程方面，在我们考虑市场进入时也是如此，针对特定行业优化：电信、金融服务、医疗健康。所以每个单元都紧密协作。我们在整个公司都是这样做的。通常是 5 到 10 人的团队在前面冲。
在每个团队内部，我们做出的决定和通常的组织方式略有不同：我们在每个地方都嵌入了工程师。甚至在非工程的地方也是。所以我们的人才团队会有一名工程师。
我们的法务团队会有一名工程师。我们的收入工程或市场进入工程，到处都嵌入了工程师。这些人有两个角色。一是当然要创建自动化，
把软件带进那个团队。二是实际上帮助其他所有人做到你说的那件事，也就是确保大家在采用 AI，同时还要对他们部署的一切进行安全检查。
因为归根结底，如果你没怎么用编程软件、没怎么用协作软件，那你可能就待错了地方。如果你用得太多，那也是个警示信号，因为你可能用的方式不对。当然，当你开始把这些引入组织里那些从未接触过的部门时，他们往往能创造东西，但不一定能审查它在幕后到底在做什么、是否全都安全。所以这是公司里一个必不可少的角色。
是啊，人人都能构建软件，这很棒，直到你把它投入生产然后发生了泄露。或者那个人离职了，大家忘了他们做过那个软件，它就自己慢慢废弃了。另一个似乎发生了变化的是管理。以前你的小组里有 10 个或 6 个开发者，有一个 UX 设计师，可能有一个纯平面设计师，有一个产品经理，他们层层汇报。然后突然之间，你知道，过去三年我们看着它变化：哦，嘿，它总结通话内容挺不错的。哦，它居然在生成待办事项，告诉我们下一步做什么。哦，它还在处理我们看板上的各种用户故事。那么现在，作为 CEO 和联合创始人，你如何看待产品经理和管理？
是的，我们把他们全都开除了，对吧？我们没有任何产品经理。对。你们以前有过吗，还是说不得不这样做？从来没有。你们从来没有过。从来没有。这有点像你之前提到的，在 AI 真正产生影响之前，这个角色的理想人选能写代码、能理解客户、能理解设计。当然，这样的人很难找。
真正同时精通所有这些领域的人并不多。所以我们优化的是那种至少在一个领域是专家、同时至少对另一个领域非常了解的人。说到你的观点，我们现在看到的是，如果你借助 AI 能把每样都做一点，你也许能从业余水平跃升到高级水平，也许还不是专家水平。于是突然之间，你在做自己的工作时就不会被所有其他职能卡住，
在增长方面，效果非常好。增长工程，一个人就可以设计实验、上线实验，看它是否有效，再把结果带回来。我们还有一个优势，就是我们自己大量使用自己的产品。为了做到这一点，归根结底，为了帮助其他所有人创建语音智能体，我们自己也需要创建语音智能体。所以我们在非传统职能中也看到这种情况，甚至在市场进入方面，
比如，如果我们也向客户提供这个，你就需要能做出它的一个版本。我们也确实做了。我们创建了入站 AI SDR 智能体。除了你在网站上填写的表单之外，还有一个你可以打电话的智能体。当然，人们可以用更简单、更快的方式提供所有信息。但发生的第二件事是，人们也会留下多得多的信息，
这样你就能更快地对接到正确的问题和正确的人。所以我们一直看到这种现象：大量使用工具实际上会让你整体上更擅长自己的工作，而在 ElevenLabs，用的正是我们专门在解决的那类工具。是啊，打电话跟计算机交谈的这个用例，以前就像进了语音牢笼。那极其费劲、痛苦又烦人。它让你只想说“接线员”，然后以最快速度按 0。
但现在似乎已经出现了转折，跟真人交谈时，我几乎会觉得过意不去，心想：真抱歉，我拿这件事浪费你的时间。而 AI 要精准得多。保真度高到当你告诉它你想做什么、打断它的时候，你不会感到不好意思。你不必寒暄。你在客户群中看到的是这样吗，
也就是说，能够实时打断智能体、打断对话、更快推进，让消费者和企业基本上都接受了这项技术？是的，渐渐地会变成你主动要求：电话里直接给我一个 AI 智能体吧。
给我智能体。但我们正看到一种转变。我们突然，而且，你知道，近期增长最大的推动力是企业，是销售团队做得非常出色。但同时，产品终于把核心的可靠性与对众多 AI 模型的编排结合起来，还有知识和集成，为你提供正确的体验。是的，我认为过去 12 个月，尤其是过去 6 个月，这种体验的质量出现了阶跃式提升，就像是消费者、
客户的黄金时代正在到来，你可以打开一个网站，呼叫一个智能体，智能体掌握你过去交互的信息并提供帮助。我认为我们会看到一种有趣的现象，把你上一个问题和这个结合起来：当然，现在你往往是在遇到问题、寻求帮助时才去联系，
但归根结底，第一，整个界面会根据你如何操作它而改变和变形，语音会在后台帮你找到那些信息。它会从被动转向主动，在你可能开口之前就帮你获得帮助。我们也正在看到这样的例子。在我看来，语音转文字曾经有个重大障碍，还是保真度问题。
十年前，律师们会用 Dragon Dictate，如果你还记得那个糟糕的软件的话，他们会戴上耳机。当时最大的障碍似乎是，在办公室里对着计算机说话会让你觉得自己像个傻子，对吧？所以那些在自己办公室里悄悄这么做的人，算是蒙混过关了。但现在我们看到的情况非常不同。办公室里的低语。
人们非常小声地对着电脑说话，给它下提示，你知道，跟他们的智能体说话。现在还出了一种戒指，你可以按一下。我用一个很酷的产品叫 Wispr Flow。我不知道他们后端用不用 ElevenLabs。他们用我们，还有另外几家。
还有其他一些。他们也做得非常出色。Wispr Flow 真是个了不起的产品。然后我弄了一个踏板。这里有人在电脑上用踏板吗？如果你是的话请举手，有一个书呆子，两个书呆子。还有吗？举高点。
哦，她是半个书呆子。好，这里大约有三个半书呆子。明年，这会变成，你有踏板吗？我没有。你考虑过踏板吗？我应该考虑一下踏板。（还有）那些可穿戴设备，真的很棒。我有 Plaud。太棒了。Plaud，口袋里那种。非常棒，特别好用。尤其是在这样的活动中，我觉得，
当然，前提是你事先声明了你在录音。但如果对话中那些原本会消失的信息都能留下来，那该多棒？你也许会在这里那里记几笔，试图事后找回一些要点。如果它能自动填进你的笔记，确保你做好后续跟进，那就太棒了。好。那让我来为踏板辩护一下。好。我桌子底下有三个踏板，我在想这能做成什么公司。用 Wispr Flow 的话，你踩下去，它就开启，你说话，然后松开。跟大语言模型打交道时一个烦人的地方是打字，给它写提示时你会有点筋疲力尽，于是就不再写提示了。
但如果你像我一样是个专业的扯淡艺术家、话痨，这就太棒了，因为我踩下踏板时，现在就直接意识流地说一大串。结果发现，这些大语言模型真正擅长处理的，正是一大段意识流，你就一直说一直说一直说。所以我会给它一两分钟的提示。然后松开。它改变了一切。一切。
是啊，你知道，整个体验变化太大了。我们看到的类似情况是，你知道，你想表达一个想法，然后又觉得，好吧，我其实想改口说别的。现在这两个语境结合在一起，你得到的回答体验好得多。所以我们已经看到这种体验了。但即便是之前那个例子，人们在调整自己对 AI 说话和对人说话的方式。
人们很厉害。所以，是的。你应该怎么跟大语言模型说话？我们看到谢尔盖·布林说要用人身伤害威胁它。如果你还没试过，这是一种非常有效的技巧。但跟大语言模型说话时，有哪些不同之处？举一个具体的情感方面的例子。我们与很多金融服务公司合作，Revolut、Klarna、PagBank。
其中常见的一个场景（并非所有公司都有）当然是如何提醒人们付款，或者向不接电话的人催收。人们往往会自然而然地羞于说出真实情况。面对 AI，人们会坦诚得多，愿意分享实际发生了什么、提供信息，于是那种情感障碍，比如在另一个人面前我不想说出这一切，就变得很不一样了。
所以这点不同。通常人们对 AI 语音智能体更不客气。就像，你知道，回答很简短。是啊，你不介意打断它。没错。所以你可以更快地直奔你想说的重点，这也需要稍微改变交互模式，这方面正在见效。
不过我们会研究一下踏板，看看是否应该做个集成。我们来聊聊平台上的名人。平台上有一些名人。你们也面临冒充的问题。我知道这一点是因为，有人跟我说，天哪，我太喜欢你的斗牛犬视频了。很多人都知道我是斗牛犬的忠实粉丝。我现在养了三只。
我说，抱歉，我不知道你在说什么。他们给我发了一个频道，有人做了一堆讲笑话的狗。他们做了一只。我猜他们在找一个播客主。于是他们用了 This Week in Startups 的存档和 ElevenLabs 来生成我的声音，做了这个很火的频道。我联系了他们。我说，天哪，真是受宠若惊。你们是怎么做到的？这大概是一两年前的事。他们说，哦，我用的是 ElevenLabs。
所以我想我还为此给你发过邮件。我说，你们怎么防范这种事？在美国的广告和法律中，我不确定法国这边怎样。我相信他们为此有 17 部法律。我们只有一部。你们很擅长监管和法律。无意冒犯。这边那位法国人就像，哦，Mon Dieu，J-Cal。这是我模仿的法国愤怒开发者。我不能在卢浮宫抽烟。这太疯狂了。所以这个隐私权问题非常有意思。
我想你在这方面很快上了一课，因为我相信有几个人给你发过律师函。基本意思是，你不能拿别人的声音去，你知道，在世界上做商业用途。你可以用来做戏仿。有合理使用。如果我愿意，我可以在台上模仿唐纳德·特朗普。我们要拿走 ElevenLabs 大约 5% 的股票。
你同意吗？我把他放进特朗普账户里？听起来不错，好吗？为此你得来白宫一趟。太好了？好，谢谢。讨厌的家伙不肯给 5%。热爱社会主义，却不爱美国。这就是北欧国家的问题。
讨厌、讨厌的社会主义。后来我注意到，我的团队想克隆我的声音，好修正广告里我读错的地方或者我说错的促销码。使用优惠码 J-Cal 20。他们说，是 25，笨蛋。我说，好吧，我有阅读障碍。然后他们重做了。结果系统提示：抱歉，你不能克隆 Jason 的声音。然后我就得亲自进去操作。你们在里面加了一堆保护措施。所以解释一下这方面的情况，关于人们对此的担忧。然后是另一面，也就是机会，因为我想你们请到了杰米·福克斯和其他一些人，实际上是付费购买了他们的声音。
是的，声音就是身份和知识产权。就像，你知道，当你以某种方式说话时，人们能认出来，能感受到那种情感。而且，你知道，在某种程度上，它以前就可能是问题，也可能是机会。我是说，就像你模仿特朗普总统一样，当然，类似地，这即使由真人也能做到，并不特指 AI。但对我们来说，在安全保障方面，你知道，过去几年，我们的定位是：既然我们在其他方面的开发上领先，我们也需要在很多安全保障上领先。
所以这是一个关键要素。我们做三件事。第一，追踪生成的所有内容，以便在需要时采取行动。第二，现在我们在语音和文本两个层面进行审核。所以如果你输入的内容具有商业性质，或者试图用来诈骗某人，就会被标记，我们可以拦截。第三，因为过去几年我们看到这类模型更广泛地发展起来，
我们如何为更广泛的世界构建系统，让人们可以上传一段样本，立即得知它是不是 AI 生成的。我们为 ElevenLabs 做这件事，也为其他开源模型做。有趣的是，既然声音是如此好的知识产权，是你身份的一部分，它就打开了新的机会。所以我们与马修·麦康纳合作，打造了
世界杯（相关内容）。好吧，好吧（All right, all right）。而且跨多种语言。这是首个。我拍这些独立电影没赚到多少钱，但哦，ElevenLabs 的股票真诱人。好吃，好吃，好吃。你能用西班牙语说吗？这是 Fugazi，Fugazi。
但 AI 技术开放之后疯狂的地方在于，现在这个声音不仅能说英语，还能说西班牙语、意大利语、葡萄牙语，而且依然能准确传达那种情感。所以这算是个好例子，我们在 MasterClass 上也看到了这一点。你们付给这些人多少钱？请到马修·麦康纳要花多少钱？是八位数的交易，还是七位数？你们会给他们一点股权吗？
视情况而定。比如说，MasterClass 就是个好例子，他们直接与名人合作。以前你学习的是静态内容。现在你有了互动内容。所以有戈登·拉姆齐在厨房里教你做饭。如果你没做好，他可以对你吼……他妈的是生的！扇贝是生的。
所以这肯定……所以他们现在在用 ElevenLabs 做角色，或者说 AI 分身，让你作为订阅的一部分与他们互动。没错。但作为一家公司，我们从一开始就做的是，我们创建了一个市场，人们可以在上面创建自己的声音。我们进行认证，你可以分享它，然后赚钱。到今天为止，我们已经向人才社区返还了超过 2200 万美元。
真的吗？所以那些配音演员，以前是按小时拿报酬，如果做的是广告之类的，有时能拿到一点后端分成。现在他们可以花一个小时朗读，创建一个 ElevenLabs 声音，然后授权出去？百分之百。他们可以自己定价吗，还是你们定价？取决于模式，两种我们都有。你可以选择默认设置，让我们以稍微更优的方式分发，
或者你可以自己定价，用例也会不同。就像你说的，这在动态场景和其他语言中打开了一系列了不起的机会。但关于这一点也许最后说一个，声音是身份中如此重要的一部分，而我们最重要的工作可能实际上是与因 ALS（渐冻症）、因喉癌而失去声音的人合作，努力把他们的声音找回来。我们与美国国会女议员珍妮弗·韦克斯顿合作，她失去了声音，但希望继续激励他人：即便如此你也能做出了不起的事，并在国会发表了首次这样的演讲。
或者最近，我觉得这是最温暖人心的故事。有一位女士想结婚，却在结婚前失去了声音。哦，哇。然后他们决定一起重新举办婚礼。重新宣读誓言？宣读誓言。你可以看到整个家庭第一次听到这些誓言。你能感受到那种用其他任何方式都无法看到的情感，因为声音是如此能连接人心的东西。
是的，你们也为一些标志性的声音做过这件事。据我了解，有詹姆斯·厄尔·琼斯的遗产管理方。我不确定他们，他去世了吗？詹姆斯·厄尔·琼斯还在世吗？谁能问一下？他去世了，对吧？是的。但在他去世之前，我想他和迪士尼达成了一项协议。
他说，听着，为了我的家人，我想把达斯·维达的声音永久授权给迪士尼。他们给了他一笔非常可观的交易。然后他们面临的问题是，那我们到底该怎么做？找一个模仿声音的人吗？但他们转而找了你们。讲讲那笔交易，以及它是如何达成的。他们最近用的就是这个吗？你知道，在一些有达斯·维达的新电影里，
有一部新的达斯·摩尔剧集里有达斯·维达，是你们提供的技术支持吗？我不知道新项目方面我能说什么，但最大的用例、一种全新的体验，肯定是在游戏领域……啊，对。《堡垒之夜》，也就是 Epic Games 的游戏《堡垒之夜》，推出了
达斯·维达，人们和玩家可以与他实时互动，这是与迪士尼合作推出的。所以每位玩家在达到某个阶段后，都可以让达斯·维达与你互动，帮你完成任务。我们看到这种模式出现得越来越频繁：你如何有效地将你的肖像，就像你说的，你的公开形象权，延伸到互动用例中，
并把它推广到全世界。所以那正是这种模式。现在我们正在合作的项目中，有一个公开的是 Headspace。Headspace 有很棒的冥想内容。是的，这是第二好的冥想应用，仅次于 Calm。你是 Calm 的投资人。哦，我是。我都没意识到。
你说得对。我确实投资了 Calm。但当时它是一家 400 万美元的公司。Calm 太棒了。我觉得他们的团队……不管怎样，你们在跟第二名合作。没错。不完全是第二名。
不完全是合作那部分。所以他们把很多内容做了本地化。而 Calm，我想，正在尝试一些互动元素。你能上一堂为你个性化定制的冥想课吗？我们很希望能……那会很棒。想象一下……这么多声音。
大卫·萨克斯在为特朗普辩护。深吸一口气。呼气。吸气。呼气。也许你应该把这个声音授权给 Calm。我是说，那会很有意思。我们来聊聊你正在与史上最伟大的一些企业家竞争，他们想从你手里抢走你的生意，
具体来说是 Anthropic 的 Dario、OpenAI 的 Sam。他们想要你的生意。他们表现得相当明确。而且我想你在产品中使用了前沿模型，但你一定在想，天哪，我和他们合作，是不是在促成自己的灭亡？还有这么多开源模型。所以你如何看待与这类前沿模型的合作关系，以及他们想干掉你的公司这件事？关于第一部分，鉴于我们
打造的是一个平台，我们努力提供市面上所有的大语言模型，让我们的客户可以使用 Anthropic、OpenAI、开源模型、Google 的模型，而这种不绑定特定模型的中立性实际上很有帮助，因为客户可以确保他们构建自己的框架，构建自己的智能体编排，打造智能体与世界交互的语音部分、营销与世界交互的方式，但不依赖任何单一模型。所以对我们来说，这部分其实是好事，因为我们可以把这些提供给客户。关于第二个大问题，当然这个领域正在重叠，模型越来越多地变成平台，平台变成应用，一切都变得有点
模糊。对我们来说，决定性的部分仍然是专注于那一层：交互是什么样的，通信是什么样的。我们在语音模型上一直能与他们竞争，无论是文本转语音、语音转文字、话轮转换，还是音乐。而且，你知道，我们的研究团队是一群魔术师，能够一次又一次地持续做到这一点。我认为部分原因在于研究层面。重要的是架构，而非规模。你真的需要改变模型的运作方式。第二，你需要非常特定的数据，当然外面有大量数据，但都是未标注的数据，我们在这上面花了很多时间。所以我们建立了一支超过
一千名合同工的内部团队，为所有这些音频素材做标注，让它们变得优质。这是研究方面。然后当我们考虑产品栈的其余部分时，我们希望为通信这个方向打造一个完全垂直化的解决方案。在产品方面，理解金融服务中的正确工作流程与医疗健康非常不同，与电信也非常不同。我们投入整个产品团队去弄清楚这些如何运作，以及那些公司如何完成工作。最后一块是生态系统。你能否构建更广泛的集成、可使用的声音、智能体认证模板，让你从中受益而不必从零开始？到目前为止，我们已经能够为此打造一种新模式。不过，你肯定会担心，
嘿，强化学习、数据泄露，他们说没有使用你的数据，但他们多少还是在用你的数据。所以你们内部有没有一个开源项目，作为“紧急情况下打破玻璃”的备用方案？如果必须的话，你认为什么时候能停止与他们合作？我们知道有些公司一直在想办法蒸馏和使用这些数据。所以这是一个现实存在的问题，
我们有一些机制来阻止它，或者说减缓它，而不是彻底阻止。但关于开源问题，或者打造我们自己的版本，我们正在更仔细地研究如何运用我们的专长，我们不会专注于知识工作，也不会专注于编程。
但任何交互，以及如何把所有这些部分组合在一起并确保效果出色，这是我们想掌控的。所以我们在这方面投入了更多时间。不过，能身处竞技场与这些人竞争，时不时证明我们能做到、而且做得
更好，这本身也很棒。是的，在我看来很明显你们最终会走到那一步，而且如今自己做语言模型的能力，尤其是现在有这么多已经开源的优秀模型，这将会
对拥有你们这种资源水平的公司来说相当容易，所以为什么不做呢，至少作为一个选项提供？然后我想还有成本问题。我是说，你们每年一定要付给前沿模型几千万美元吧？付了相当多。我们是好伙伴，和他们是很好的合作伙伴。但归根结底，你知道，这也体现在我们能创造的价值上。所以我们一开始谈到的很多关于如何提升我们自身组织的内容，就是这个，肯定很有帮助。所以我认为他们在构建方面做出了了不起的工作。几乎疯狂的是，我们每个人都像拥有了一个图灵……你知道，如果你现在和一个智能体聊天，感觉
图灵测试将会被通过。它和另一个人一样聪明。我们希望今年能在语音方面做到同样的事，让任何对话都感觉像是在和另一个人交谈。是的，我觉得你们已经做到了。这只取决于应用场景以及你问什么问题，但它肯定能通过。我是说，如果我们看看那些为定义通用人工智能或者仅仅为定义人工智能而设计的测试，我们已经全部通过了。
这些测试是三四十年前设计的。我们现在需要一套新的测试。我觉得新的测试大概是：它能不能比地球上每一个人都聪明十倍？只要达不到这个程度，我们就会说，哦，它不够聪明。我是说，这些东西，在AGI上我们差不多已经到了，你不觉得吗？
我们算是已经实现了，只是还没有部署。确实有些领域我们已经实现了。是的，没错。好了，祝你继续成功。让我们为来自ElevenLabs的Mati鼓掌。干得好。谢谢你来。
构建未来的AI公司运行在Oracle云基础设施上，在全球最大的AI基础设施之一上进行大规模训练和部署。同一个Oracle AI平台让企业能够使用领先的模型、基于自有数据的AI，以及从试点走向生产所需的安全性。了解更多请访问oracle.com/ai，或在Oracle AI Experience Live现场体验。你们的增长速度也非常快。指数级。是指数级吗？不，不是指数级。哦，过去七个季度一直保持季度环比50%的增长。
连续七个季度环比增长50%。是的，这相当快了。所以我认为，截至上周二完成的那轮交割，我们实际上刚刚成为采用直销模式、从1增长到150最快的企业级公司之一，比Sierra快了一个季度。太厉害了。所以人们，我是说，生活中有几件事是人们真心讨厌的。付钱给律师绝对排在榜单最前面。
说到你们的工具，显然你们有同行竞争者，比如Harvey等。它是美国的一家小公司。然后我猜Claude和其他一些公司也想进入你们这个行业。所以这是一个巨大的奖赏：拿下我们付给律师的费用中的大概80%，我也不确定，并把它压缩90%。那么，对于在场的创业者来说，现实的幂律是什么样的，能让你们的法律费用大幅下降？是的。我已经在创业领域看到这种情况了。
我有一家公司，一家创业公司收入达到了一百万。他们已经完成了多轮融资，显然员工也很多，有好几十个员工。他们没有公司律师。没有。我就说，哇哇哇，
你们收入都一百万美元了？总该有人审一下合同吧。他们说，ChatGPT啊，兄弟。我就说，
那股权结构表呢？他们说，ChatGPT啊，兄弟。我说，好吧。那人力资源呢，他们说，
一样，兄弟。我说，好吧。总有一天这会是个很有意思的尽职调查对象。嗯，我就是这么说的。
我说，嘿，你知道吗，等你们做A轮融资的时候，他们会要求，比如这些东西中的一部分
要经过审查。比如知识产权转让，他们说，对。我问，你们怎么知道怎么做知识产权转让的？这些第一次创业的创始人说，我们问了ChatGPT，我就想，好吧，哇，我好像刚刚变成了“老登”（unk）。是的，那么跟我们讲讲你认为外面正在发生什么。这种情况并不少见，对吧？
不，不少见。但是一家种子期创业公司的运作方式和美国最大的银行之一非常不同。所以思考这个市场的方式，或者至少是我们喜欢的方式是：有一大块法律服务，如今都是人工完成的。每年投入法律服务的资金高达一万亿美元，
而且非常分散。但是投入法律科技的软件支出大约是400亿美元。这意味着软件占4%，服务占96%，这太离谱了。软件部分应该比这大得多。所以软件部分自然会扩展进服务收入，但法律也是一个供给严重受限的市场。对法律服务的需求远大于现有律师或可提供的法律服务。所以许多法律服务提供商现在正在用技术来服务新的用
例、新的细分市场，并真正打包出新的产品。而且你不会……能举个例子吗？一个例子其实是Cooley。他们开始用一种软件平台直接服务创业公司创始人。你只要登录这个平台。他们在里面塞满了自己的资料和先例。然后平台上有面向创业公司的资料，他们还嵌入了审查合同的工作流程。我觉得有意思的是，这开始打破这样一种模式：
以很高的小时费率按助理律师的时间收费，采用计费工时模式。实际上，如果你看律所，这种商业模式的运作方式是：对助理律师收费过高，而对合伙人实际上收费偏低。我不知道他们是不是收费偏低。我是说，我最近收到一张账单，每小时1,800。对。那是一位资深人士的费率，我记得助理律师是800。嗯，你知道，Kirkland的费率能高达每小时4,000。
但问题是，当Kirkland的，比如说，Kirkland合伙人在关键时刻的30分钟，价值可能远远高于这个数。如果是关乎公司存亡的诉讼，或者你避开了一个本会让公司损失数千万美元的陷阱，那就远远不止这个价。非常值得。是的，没错。但他们唯一知道的定价方式就是对助理律师收高价。但正如你说的，企业们在看着这一切，然后说，嗯，我们在法律服务上花了很多钱，我们把这块收回内部来做吧。哦，真的吗？当然。我是说，我们在Legora也部分这样做了。今年到目前为止我们收购了四家公司，我们用自己的工具在内部做了尽职调查。我们最快的一笔交易从
签署意向书到交割只用了12天。因为作为创始人，你的动机是把交易做成。对。律师的动机是，如果他们把交易搞砸了，别让你起诉他们。对。还有尽可能多赚钱。这意味着要拖延。这意味着他们的激励是，即使他们不明说，也是拖延。你的激励是尽快完成交易。是的。是的。所以，你知道，我认为很多律所也在尝试不同的定价模式，比如对一笔交易或一次融资收取固定费用。在诉讼中，你赢下交易时可以拿一部分胜诉费。是的。或者说赢下案子。所以我觉得非常有意思的是，世界上最大的行业之一现在正
因为技术而被彻底改变和重塑。那些律所觉得自己正在被颠覆，还是觉得这是一个巨大的机会？这种看法是在某个时间点转变的吗，还是已经转变了？有很多焦虑和恐惧。你知道，这些律所利润极其丰厚，是大企业。Kirkland & Ellis每年营收大约100亿美元。它有多少律师？大概四五千人。
哇。我是说，按每位合伙人算，他们每年的利润在500万到1,000万之间。所以当AI这样的东西出现时，它既构成生存威胁，也带来生存机遇。这其实是我工作中很重要的一部分：帮助与我们合作的领导团队把这一点讲清楚，因为只有客户成功，我们才能成功。所以我们在Legora也有一个非常独特的角色，叫做法律工程师。就像Palantir有前线部署工程师一样，我们有前线部署律师。他们的工作是和Kirkland的合伙人坐在一起，帮助他们把
业务从前AI时代转型到后AI时代。这有点像二三十年前的文档管理和个人电脑，那时他们还把草稿打印出来保存在图书馆和仓储设施里，必须有人带着他们一步步过渡、处理这些。完全正确。但我认为区别在于，那些只是温和的生产力提升。而这个能完成大量工作。所以它真正重塑了作为初级律师进入这个职业意味着什么。
这意味着什么？那些工作还会存在吗？还是说很多刚从学校毕业的律师会想，天哪，这到底是个好主意还是坏主意？工作会存在，任务会不同。要维持合伙人驱动的模式，你就需要让人一级级往上晋升，对吧？就像软件工程师一样。你需要有初级工程师，这样有一天你才能有知道自己在做什么的高级工程师。但到达那里的路径非常不同。如今的路径不再是把自己锁在实体数据室里，通读每一份文件，标出错误，然后去发传真，对吧？
也不再只是在虚拟数据室里按Ctrl+F搜索。而是编排将要完成这些工作的智能体。当你审视这项工作时，背景是全球性的。众所周知，律师显然是高度本地化的，对吧？这是否会造就能够以前所未有的方式跨境执业的律师？你已经开始看到这种情况了。这是产品内置的功能吗？因为即使在美国，执业资格显然也是州一级的。
而在东北部做竞业禁止协议和在加州做非常不同。在加州，它们不太能执行，或者根本无法执行，很多人不知道这一点，但如果你在波士顿，它们相当可以执行。是的。所以谈谈这个，因为这似乎是AI可能带来巨大收益的领域。百分之百。这其实是两件事。
我是说，Legora所依托的数据，一方面是律所和企业自有的数据，即他们的先例、组织数据。另一方面，我们做了一件苦活：收集全世界每个司法管辖区的所有判例、所有立法、所有监管更新。这非常痛苦。但一旦你开始规模化地做这件事，它就会建立起真正的数据护城河。所以在系统里，如果你是一家加州公司的总法律顾问，刚刚在南非拿下了第一个客户，对吧？
Legora可以适配南非的当地法律。我们实际上就有过这样一个案例：他们不必先打电话给一位律师，再由这位律师联系当地认识的律师来回复问题，而是能立即得到一个准确率80%的回答，可以直接以此为基础开展工作。而这做得越好，我相信你能做的有趣的事情就越多，因为这些数据以前从来没有被结构化过。有那么多人在从事制定政策和法规的工作。这是社会中巨大的低效。LexisNexis一直是所有判例法和法规领域的巨头和老牌玩家。
他们拥有巨大的数据护城河。但他们每年只赚几十亿美元。如果把你们的收入和Harvey的收入加在一起，你们两家可能已经差不多是这个数了，你们各自都在赚几亿美元。所以他们一定在后视镜里看着你们，就像《侏罗纪公园》里的霸王龙一样，心想：我靠。
他们是要来抢我们的生意吗？然后你在台上说，嘿，我们在做所有人工苦活，把这些信息放进我们的……我猜是专有语言模型。我们稍后再谈这个。你是打算直接去收购LexisNexis吗？我知道它隶属于一家更大的企业，还是你们要直接干掉它？嗯，我认为一些现有供应商和老牌玩家
很难转型成为AI原生企业。当然。他们也很难跟上我们的节奏。他们招不到人才。他们不像我们这样长时间工作。而且他们的组织内部政治太多，很难推动。我认为在AI刚兴起时，很多人相信并押注拥有全部数据的组织会成为赢家。
而我们开始在市场上看到，情况已经不是这样了。我认为我们有真正的机会与内容提供商合作。我们已经在很多较小的司法管辖区这样做了，比如德国、法国、西班牙。美国比较特殊，因为法律检索领域是双寡头垄断。另一家是Westlaw？对，Westlaw和LexisNexis。不过，是的，如果你看看他们的股价表现，我觉得……
哦，他们的股价是在消化AI带来的不确定性吗？是的，可以这么说。是的，他们正被重创。我猜这里存在某种幂律，你知道，他们可能拥有极其广泛的旧判例法，那是他们扫描进来的，跑去法院做了所有这些工作，送到印度去做双盲录入。他们确实是这么做的，对吧。
§02原文文稿 · 44:56–50:51
你必须这么做。是的，他们确实让两个不同的人录入这些判例，或者做OCR识别，然后检查、找出差异。我是说，因为你不能出错。但如今有了AI工具，AI工具非常擅长做他们以前手工做的事情。是的。你仍然得把书运过去，因为你得实体扫描。这在美国很奇怪，但Westlaw基本上与美国政府之间形成了垄断，负责报道这些判例。
所以在某种程度上，它们不归公众所有，而是归一家公司所有。你们非常擅长资本主义。有时候太擅长了。不过，我是说，哈佛有一个项目。还有法院法律、CourtListener。他们在尝试。他们在尝试。
这行不通。或者换个说法。你无法构建一个不包含全部数据的法律检索解决方案。因为如果你去Wachtell，全世界最好的律所，Wachtell的一位诉讼律师说，我要用这个去对付Elon，或者打一个十亿美元的官司，你最好确保你拥有所有的判例。所以这和幂律恰恰相反。你不能只要前80%，你实际上需要全部。全部。这意味着你得去法院请他们打印一份副本，每页付10美分。嗯，也有其他获取途径。但实际上，
是的。你得把书实体运到印度。你需要打开它们。你需要扫描它们，因为你需要获取所谓的页码引注。我在大学时从没想过自己会对法律数据这么着迷，但现在就是这样。有意思的是，上一代数据库基本上就是在数据库里搜索、找到判例，然后律师去做他们的工作。对。真正有意思的是，尤其是在Opus 4.5和4.6发布之后的智能体，它们现在能开始做非常智能的案件策略，而且它们真的能开始
把证人陈述、判例结合起来，真正做端到端的工作。我认为这正把我们从一个AI只是辅助的世界，带入一个AI真正在做事的世界，而你的工作变成编排和管理这些智能体，就像我们在编程领域看到的那样。那么我猜你们和Anthropic以及OpenAI有合作关系，对吗，
你们在token上花费数百万甚至数千万美元。当然。他们在边缘地带也在和你们竞争吗？他们根本没有在我们的产品类别里竞争。暂时没有。嗯，你知道，从外部看，Claude有一个法律产品，基本上就是把一些Markdown技能文件
和几个集成打包在一起。我认为这件事真正有帮助的地方在于，它向所有人展示了AI在法律中的适用性有多强。它还会在那里带动大量初始使用，然后你就碰到天花板了。或者你会明白它有多浅，然后你就会打电话给我们。所以它实际上为我们带来了大量潜在客户。所以他们开始尝试，砰。我们刚才和ElevenLabs的CEO聊到，嘿，构建自己的模型
如今已经相当可行，而且每六个月就会变得越来越容易。那么你们是否在利用开源构建自己的模型，先分叉再做成自己的模型？这是你们公司的未来吗？我不相信微调
或构建任何通用智能模型。我认为那完全是浪费时间和金钱。我确实相信为狭窄用例打造的非常狭窄的模型，而且这些用例你也能做出很大规模。这样你就能同时降低成本和延迟。我们的一个例子是，我们有一个很重要的功能叫表格式审查，基本上就是文档数量乘以提示数量。所以100份文档、100个提示，就是10,000次API调用。
如果你做一个专门提取合同数据的微调模型，它在那里就非常适用。但像我们一些竞争对手尝试的那样，构建一个通用法律智能模型是没有意义的。是的。那你们如何防范客户的数据泄露问题？你知道，这些是高度受监管、利害攸关的行业。所以把你正在处理的某个诉讼案件的内容放进去，如果其中任何内容渗入语言模型，然后又从另一端冒出来，我是说，这将是
灾难性的。你们承担更高层级的责任，而合规就是我们的硬通货。这其实也是向法律行业销售非常难的原因之一。有很多法律AI公司，但很少能走通。不是因为东西很难做。要理解在哪里能创造价值其实相当容易。但把产品送到客户手里非常难。不过这是我们很早就攻克的问题。而一旦进入，扩展就容易得多。这也是我们并购战略背后的驱动力之一。但是的，我是说，我们在Legora上托管着国家机密，还有武器制造商及其合同。我们也和政府合作。这是否意味着你们也必须做本地部署？
不，我们不做本地部署。我……这在路线图上吗，还是……不，我是说，你知道，在VPC里部署非常、非常耗时，而且会产生很多依赖，拖慢你的路线图和向前推进的执行。好了，祝你继续成功，Max，感谢你抽出时间。