以下是视频中两位嘉宾（11 Labs 的 Martin 和 Ligora 的 Max）各自观点的摘要： --- ### Airwallex 广告（背景介绍） * 广告强调在全球金融系统中，传统系统已然过时，而 Airwallex 凭借其 AI 原生平台提供全球账户、卡片和支付服务，让全球市场犹如本土市场。 * Airwallex 在人工智能时代从一开始便为智能时代而生，而非在旧有基础设施上修修补补。 * 呼吁停止支付“遗留税”，并通过 Airwallex 打造未来。 --- ### Martin（11 Labs 联合创始人兼 CEO） **关于公司增长与运营：** * **营收爆发式增长：** 在 40-50 个月内，从发布软件到今天，公司经历了惊人的增长曲线。花了 20 个月达到 1 亿美元的年化经常性收入（ARR），接下来 10 个月达到 2 亿美元，再 5 个月达到 3 亿美元。目前已达到 6 亿美元。 * **员工数量：** 现有员工 600 名，增长非常迅速。 * **文化维护：** 在快速增长中，通过优化面试和入职流程来保持公司文化是关键。 * **组织结构：** 公司融合了研发和产品团队，致力于为 AI 构建一个通信平台（音频生成、语音转录、交互编排）。 * **小团队策略：** 产品工程及其他部门都采用 5-10 人的小团队模式，并内嵌工程师。 * **内部工程师角色：** 工程师不仅负责自动化和将软件引入团队，还协助其他人采用 AI，并进行安全审查，确保部署的代码质量与安全性。 * **早期团队：** 早期由研发和工程核心团队的 10 个人至今无一人离职。 * **人才竞争力：** 能够吸引并留住顶尖人才，因为公司致力于解决音频和交互领域的难题，并被认为是该领域的领导者之一。 **关于 AI 对软件和交互的影响：** * **成立时机：** 公司成立于 2022 年，当时 AI 的影响力尚未完全凸显，使得公司得以专注未来发展。 * **软件开发变化：** AI 使非开发者也能构建生产级代码，并使开发者效率提升 10 倍乃至百倍。 * **内部产品应用：** 11 Labs 内部也广泛使用自家产品，例如通过 AI 驱动的销售发展代表（SDR）代理处理入站客户，这些代理能够更精准、更快速地提供信息，并收集更多客户数据。 * **用户交互转变：** 人们与 AI 语音代理的交流变得更开放、更直接，更愿意分享敏感信息（例如财务状况），并且不介意打断 AI，从而更快地达成目的。 * **未来趋势：** 交互界面将变得更加适应用户操作，语音将在后台提供协助，从被动响应转向主动预测用户需求。 **关于保障措施与机遇：** * **声音作为身份和知识产权：** 声音是身份和知识产权的重要组成部分。 * **安全保障措施：** 1. 追踪所有生成内容，以便在需要时采取行动。 2. 对语音和文本进行内容审核，阻止商业欺诈或诈骗性内容。 3. 提供 AI 检测系统，让用户能够上传样本并判断其是否由 AI 生成（适用于 11 Labs 和其他开源模型）。 * **新机遇：** * **名人声音：** 与名人合作（如 Matthew McConaughey），将他们的声音授权并本地化为多种语言版本。 * **互动体验：** 与 MasterClass 合作，创建互动内容（如 Gordon Ramsay 的 AI 实例）。 * **语音市场：** 创建一个允许人才创建、认证并分享自己的声音的市场，并从中赚取收益，已向社区支付逾 2200 万美元。 * **情感价值应用：** 帮助因肌萎缩侧索硬化症（ALS）或喉癌失去声音的人重获声音（如国会议员、婚礼誓词等）。 * **游戏应用：** 在 Fortnite 等游戏中，与迪士尼合作，提供 Darth Vader 的 AI 互动体验。 * **健康应用：** 与 Headspace 合作，进行冥想内容的本地化，并探索个性化冥想的可能性。 **关于竞争与模型：** * **平台中立性：** 11 Labs 的平台允许客户选择不同的 LLM 模型（Anthropic、OpenAI、Google、开源模型），确保客户不依赖于任何特定模型。 * **竞争优势：** 在语音模型（文本转语音、语音转文本、轮流对话、音乐）方面，11 Labs 能够超越这些大型模型，这归因于： 1. 独特的模型架构。 2. 拥有大量特定且经过标注的数据（内部有逾千人的团队进行音频资产标注）。 3. 为特定行业（如金融、医疗、电信）提供垂直化解决方案。 4. 构建了提供广泛集成和模板的生态系统。 * **数据泄露：** 承认一些公司会尝试提取和使用数据，并已采取多种措施来阻止或减缓这种行为。 * **自建模型：** 正在探索如何利用自身在交互和通信领域的专业知识，构建新的模型。 * **通用人工智能（AGI）观点：** 认为在某些领域，AI 已达到通用人工智能（AGI）的水平。 --- ### Max（Ligora 联合创始人兼 CEO） **关于公司增长与市场：** * **营收增长：** 过去七个季度，每个季度增长 50%，是企业级销售公司中，最快达到 1.5 亿美元年化经常性收入（ARR）的公司之一。 * **法律服务市场：** 每年万亿美元的市场规模，但软件投入仅占 400 亿美元（4%），这意味着软件渗透率有巨大的增长空间。 * **需求大于供给：** 法律服务市场需求远大于律师或现有服务供给。 * **技术赋能：** 法律服务提供商正利用技术服务新的用例、新的市场，并打包新产品（例如 Cooley 为初创公司提供的软件平台）。 * **打破传统计费模式：** 传统模式下，对助理律师收取高额时薪，而对合伙人则收取较低费用；AI 正在改变这种模式。 * **企业内部法律：** 企业正在将法律服务内部化（例如 Ligora 自身在 12 天内完成的并购尽职调查）。 **关于律师事务所与颠覆：** * **行业焦虑与机遇：** 律师事务所正面临 AI 带来的巨大颠覆与机遇，因为它们是利润丰厚的庞大业务（例如 Kirkland Ellis 每年营收达 100 亿美元）。 * **旧有模式的挑战：** 传统律所难以转型为 AI 原生企业，缺乏灵活性、人才，且组织内部政治复杂。 * **“法律工程师”角色：** Ligora 设有“法律工程师”团队，像 Palantir 的“前线部署工程师”一样，与律所合伙人紧密合作，协助他们从 AI 前时代过渡到 AI 后时代。 * **工作方式转变：** 与 20-30 年前文档管理和 PC 的引入类似，AI 将彻底改变律师的工作方式，尤其对初级律师而言，任务将从手动阅读转向编排和管理 AI 代理。 * **数据护城河：** Ligora 的核心竞争力在于其数据护城河，包括客户自身的组织数据以及全球所有司法管辖区的案例、立法和法规信息。 **关于全球化与数据策略：** * **跨国法律支持：** 能够根据全球各地的立法提供服务，协助客户快速适应不同国家的法律（例如，加州公司在南非的业务）。 * **传统竞争对手：** LexisNexis 和 Westlaw 等传统法律研究公司拥有庞大的数据护城河，但在 AI 时代转型艰难，其股票市场表现也反映了这一点。 * **数据完整性要求：** 法律研究要求拥有所有数据，而不仅仅是大部分数据，因为即使是微小的遗漏也可能导致重大错误；这涉及到物理收集和扫描旧判例。 * **AI 代理能力：** 最新的 AI 代理（如 Opus 4.5 和 4.6 之后）能够进行智能的案件策略，结合证词和判例，实现端到端的工作流程，从辅助工具转变为实际的执行者。 **关于模型与合规性：** * **与大型模型公司的合作：** 与 Anthropic 和 OpenAI 合作，但认为它们并非直接竞争对手。它们的通用法律 AI 产品虽然初步提供了价值，但客户很快会遇到瓶颈，转而寻求 Ligora 的专业解决方案，反而成为 Ligora 的“销售线索生成器”。 * **自建模型策略：** 不相信构建通用智能模型，认为那是浪费时间和金钱。专注于为特定用例构建非常窄且有针对性的模型（例如，用于提取合同数据的表格审查功能），以降低成本和延迟。 * **数据安全与合规性：** 合规性是 Ligora 的核心竞争力。公司处理高度敏感的数据，包括国家机密和武器制造商的合同，以及政府合作项目。 * **部署策略：** 不提供本地部署（on-premise），因为这会引入依赖性，并减缓产品路线图的执行。

以下是视频中两位嘉宾（11 Labs 的 Martin 和 Ligora 的 Max）各自观点的摘要： --- ### Airwallex 广告（背景介绍） * 强调在全球金融系统中，传统系统已过时，而 Airwallex 凭借其 AI 原生平台提供全球账户、卡片和支付服务，让全球市场感觉像本地市场。 * Airwallex 在人工智能时代从一开始就为智能时代构建，而不是在旧基础设施上打补丁。 * 呼吁停止支付“遗留税”，并通过 Airwallex 建立未来。 --- ### Martin（11 Labs 联合创始人兼 CEO） **关于公司增长与运营：** * **营收爆发式增长：** 在 40-50 个月内，从发布软件到今天，经历了惊人的增长。花了 20 个月达到 1 亿美元的年化收入（ARR），接下来 10 个月达到 2 亿美元，再 5 个月达到 3 亿美元。目前已达到 6 亿美元。 * **员工数量：** 现有 600 名员工，增长非常快。 * **文化维护：** 在快速增长中，通过优化面试、入职流程来保持公司文化是关键。 * **组织结构：** 公司融合了研发和产品团队，致力于为 AI 构建一个通信平台（音频生成、语音转录、交互编排）。 * **小团队策略：** 产品工程及其他部门都采用 5-10 人的小团队模式，并嵌入工程师。 * **内部工程师角色：** 工程师不仅负责自动化和将软件引入团队，还帮助其他人采用 AI，并进行安全检查，确保部署的代码质量和安全性。 * **早期团队：** 早期由研发和工程核心团队的 10 个人至今无一人流失。 * **人才竞争力：** 能够吸引并留住顶尖人才，因为公司致力于解决音频和交互问题，并被认为是该领域的领导者。 **关于 AI 对软件和交互的影响：** * **开创时机：** 公司成立于 2022 年，当时 AI 的影响力尚未完全显现，使得公司有时间专注于未来发展。 * **软件开发变化：** AI 使非开发者也能构建生产代码，并使开发者效率提高 10 倍甚至 100 倍。 * **内部产品应用：** 11 Labs 内部也广泛使用自家产品，例如通过 AI 驱动的 SDR 代理处理入站客户，这些代理能够更精确、更快地提供信息，并收集更多客户数据。 * **用户交互转变：** 人们与 AI 语音代理的交流变得更开放、直接，更愿意分享敏感信息（如财务状况），并且不介意打断 AI，从而更快地达到目的。 * **未来趋势：** 交互界面将变得适应用户操作，语音在后台提供帮助，从被动响应转向主动预测需求。 **关于保障措施与机遇：** * **声音作为身份和知识产权：** 声音是身份和知识产权的重要组成部分。 * **安全保障措施：** 1. 追踪所有生成内容，以便在需要时采取行动。 2. 对语音和文本进行审核，阻止商业欺诈或诈骗内容。 3. 提供 AI 检测系统，让用户能够上传样本并判断其是否由 AI 生成（适用于 11 Labs 和其他开源模型）。 * **新机遇：** * **名人声音：** 与名人合作（如 Matthew McConaughey），将他们的声音授权并本地化为多种语言。 * **互动体验：** 与 MasterClass 合作，创建互动内容（如 Gordon Ramsay 的 AI 实例）。 * **语音市场：** 创建一个允许人才创建、认证和共享自己声音的市场，并从中赚取收入，已向社区支付超过 2200 万美元。 * **情感价值：** 帮助因 ALS 或喉癌失去声音的人重新获得声音（如国会议员、婚礼誓词）。 * **游戏应用：** 在 Fortnite 等游戏中，与迪士尼合作，提供 Darth Vader 的 AI 互动体验。 * **健康应用：** 与 Headspace 合作，本地化冥想内容，并探索个性化冥想的可能性。 **关于竞争与模型：** * **平台中立性：** 11 Labs 的平台允许客户选择不同的 LLM 模型（Anthropic、OpenAI、Google、开源模型），确保客户不依赖于任何特定模型。 * **竞争优势：** 在语音模型（文本转语音、语音转文本、轮流对话、音乐）方面，11 Labs 能够超越这些大型模型，这归因于： 1. 独特的模型架构。 2. 拥有大量特定且经过标注的数据（内部有超过 1000 人的团队进行音频资产标注）。 3. 为特定行业（如金融、医疗、电信）提供垂直化解决方案。 4. 构建了一个提供广泛集成和模板的生态系统。 * **数据泄露：** 承认一些公司会尝试提取和使用数据，并已采取多种措施来阻止或减缓这种行为。 * **自建模型：** 正在探索如何利用自身在交互和通信方面的专业知识，构建新的模型。 * **AGI 观点：** 认为在某些领域，AI 已经达到了通用人工智能（AGI）的水平。 --- ### Max（Ligora 联合创始人兼 CEO） **关于公司增长与市场：** * **营收增长：** 过去七个季度每个季度增长 50%，是企业级销售公司中最快达到 1.5 亿美元 ARR 的公司之一。 * **法律服务市场：** 每年万亿美元的市场，但软件投入仅占 400 亿美元（4%），意味着软件渗透率有巨大增长空间。 * **需求大于供给：** 法律服务市场需求远大于律师或现有服务供给。 * **技术赋能：** 法律服务提供商正利用技术服务新用例、新市场，并打包新产品（例如 Cooley 为初创公司提供的软件平台）。 * **打破传统计费模式：** 传统模式对助理律师收取高额时薪，而对合伙人收取较低费用；AI 正改变这种模式。 * **企业内部法律：** 企业正在将法律服务内部化（如 Ligora 自身在 12 天内完成的并购尽职调查）。 **关于律师事务所与颠覆：** * **行业焦虑与机遇：** 律师事务所面临着 AI 带来的巨大颠覆和机遇，因为它们是利润丰厚的庞大业务（如 Kirkland Ellis 每年营收达 100 亿美元）。 * **旧有模式的挑战：** 传统律所难以转型为 AI 原生企业，缺乏灵活性、人才，组织政治复杂。 * **“法律工程师”角色：** Ligora 设有“法律工程师”团队，像 Palantir 的“前线部署工程师”一样，与律所合伙人合作，帮助他们从 AI 前时代过渡到 AI 后时代。 * **工作方式转变：** 与 20-30 年前的文档管理和 PC 引入类似，AI 将彻底改变律师的工作方式，尤其对初级律师而言，任务会从手动阅读转向编排和管理 AI 代理。 * **数据护城河：** Ligora 的核心竞争力在于其数据护城河，包括客户自身的组织数据以及全球所有司法管辖区的案例、立法和法规信息。 **关于全球化与数据策略：** * **跨国法律支持：** 能够根据全球各地的立法提供服务，帮助客户快速适应不同国家的法律（例如，加州公司在南非的业务）。 * **传统竞争对手：** LexisNexis 和 Westlaw 等传统法律研究公司拥有庞大的数据护城河，但在 AI 时代转型艰难，其股票市场表现反映了这一点。 * **数据完整性要求：** 法律研究要求拥有所有数据，而不仅仅是大部分，因为即使是微小的遗漏也可能导致重大错误；这涉及到物理收集和扫描旧判例。 * **AI 代理能力：** 最新的 AI 代理（如 Opus 4.5 和 4.6 之后）能够进行智能的案件策略，结合证词和判例，实现端到端的工作，从辅助工具转变为实际执行者。 **关于模型与合规性：** * **与大型模型公司的合作：** 与 Anthropic 和 OpenAI 合作，但认为它们并非直接竞争对手。它们的通用法律 AI 产品虽然初步提供了价值，但客户很快会遇到瓶颈，转而寻求 Ligora 的专业解决方案，反而成为 Ligora 的“销售线索生成器”。 * **自建模型策略：** 不相信构建通用智能模型，认为那是浪费时间和金钱。专注于为特定用例构建非常窄的、有针对性的模型（例如，用于提取合同数据的表格审查功能），以降低成本和延迟。 * **数据安全与合规：** 合规性是 Ligora 的核心竞争力。公司处理高度敏感的数据，包括国家机密和武器制造商的合同，以及政府合作项目。 * **部署策略：** 不提供本地部署（on-prem），因为这会引入依赖性，减缓产品路线图的执行。 ---