Z Potentials｜张泽夏，Retell AI CTO，从Google到企业级AI电话客服，年收入破3600万美元

过去两年，语音技术悄然跨过一个新的临界点。过去它只是“能听懂”，如今已开始“能思考、能回应”。这一跃迁并非来自单一算法的突破，而是语音、语言模型与实时交互系统的深度融合。当AI具备即时推理与生成能力后，语音通话不再只是信息传递工具，而成为企业自动化的前线入口。客服、销售、预约、调度——凡是“需要沟通”的场景，都在被重新定义。

在这场重塑中，Retell AI 是跑得最快的公司之一。这家成立不到两年的语音智能平台，年收入已突破 3600 万美元，服务数千家企业客户，在北美与亚太市场均实现了稳定复购。

Retell 让机器第一次在“打电话”这件事上接近人类——延迟几乎不可察觉，语气自然、理解上下文、能实时完成任务。无论是美国车企的维保预约系统，还是中国出海品牌的全球客服中心，Retell 的语音代理正悄然取代传统坐席。企业不再需要动辄数百人的呼叫中心，却能获得更高的转化率和客户满意度。

这家公司的技术灵魂是联合创始人兼 CTO 张泽夏。毕业于南加州大学（USC），在 Google 先后负责 Call Ads 与 Speech Translation，他几乎完整地经历了语音系统从“识别”到“理解”的演进过程。离开大厂后，他与几位在 USC 相识的工程师在旧金山创立 Retell，自研 Turn-Taking 模型与 Voice Orchestration 系统，直击行业三大痛点：低延迟、真实性与稳定性。

“每一次技术的革新，都会带来新的商业秩序。”张泽夏说。Retell 正在用真实的客户数据证明这一点——从开发者工具到企业级系统，它正在用语音重新定义 AI 的落地方式。

在这次访谈中，我们与你一起走近这位从 Google 走出的工程师与创业者，听他讲述语音AI的前沿、创业的决心，以及 Retell 如何在巨头的竞争中构建下一代“会说话的智能系统”。Enjoy！

• 在大厂里，个人的impact往往有限；你做的事情也许重要，但不会改变什么，而创业让你真正拥有推动行业变化的可能。

• 语音AI要成功，不只是听得懂，而是要听得‘像人’，要能在真实对话中判断何时回应、何时等待。

• 我们做的是让语音系统能像真人一样处理停顿、思考与交互，而不是被静音信号触发的机器反应。

• 开发者再喜欢一个工具，如果只是自己用，影响力有限；真正的大规模应用，必须进入企业的业务主干。

• 我们希望客户不只是‘使用产品’，而是和我们一起共创场景，让AI真正嵌入业务流程。

• 我们要不断保持对用户需求的关注，快速迭代，确保在自己的领域持续创新和超越。

• Retell 不只是一个语音工具，而是帮助企业重新定义人与系统沟通方式的基础设施。

ZP：请您先从自己的成长经历谈起：包括求学背景、早期职业路径、您如何进入语音／语音+LLM+通话系统这一交叉技术领域？

张泽夏：我高中是在国内读的，后来去美国南加州大学（USC）读本科。我们现在五位cofounder里，有三位都是USC的同学，当时就已经认识。大学的时候正好是机器学习（ML）上一个时代的热潮，但距离真正的breakthrough还有一段时间。不过我当时对机器学习就非常感兴趣，也做了不少项目。

大学毕业后，我加入了Google。第一份工作的内容其实和我们现在在做的有一些关联，我的第一个团队是做Call Ads的，也就是在搜索结果中插入电话广告，而不是文字广告。我们那时做了很多电话分析（Call Analysis）和ML相关的工作，算是我第一次和“语音通话系统”打交道。后来我又加入了Google的翻译团队，负责SpeechTranslation，也就是语音翻译。这让我真正深入到了语音与NLP的交叉领域。

我是在2023年底正式离职创业的。那时ChatGPT已经推出一年多，整个社会对大模型的讨论非常热烈。其实早在那之前，Google内部也已经在做语言模型，只不过当时还叫Bard（现在的Gemini前身），但内部对它的重视程度有限，更多是把它当成生成数据或蒸馏模型的工具。

我个人一直对这个方向非常感兴趣，因为大模型真正的魅力在于“生成能力”，它不只是分类或检索，而是能“创造”。当时计算规模、训练规模都上来了，模型表现出了涌现的智能，那种感觉非常震撼。

我们几位联创都觉得自己错过了前两次重大机遇，第一次是2000年左右的互联网浪潮，第二次是“上云时代”，第一次 dot-com bubble 我们几位联创都还小 （还没上学）。而这次大模型浪潮，我们正好在技术和经验上都准备好了。这是一个产业级的结构性机会，因为每次当一个产业中有巨大革新时就会带来商业上的机遇。

ZP：在加入Google从事语音翻译与NLP技术之后，是什么让您决定离开大厂、加入创业团队并创办Retell？有哪些心路历程？

张泽夏：我离开Google还有一个更现实的原因：在大厂里，个人的impact往往有限。你做的事情也许重要，但不会改变什么。而创业，你拥有足够的ownership，能在极短时间内快速成长。我们想要做真正能推动行业变化的东西，而不是只在已有系统上做增量。

我们在2023年底辞职进入了Y Combinator。当时的产品其实还不是Retell，而是一个video translation工具，主要面向主播、营销人等ToC用户。那时候产品做得还不错，但商业模型不太成立，用户的使用成本太高，盈利模式跑不通。

不过在这个过程中，我们一直都持续关注着语音技术的进展，比如语音合成（TTS）的自然度提升，我们能感觉到语音生成的拐点已经到来。于是我们去和业内很多语音工程师聊痛点，大家普遍反馈说：做一个语音机器人（voice bot）太难、太不稳定。我们当时就觉得这正是市场缺口，YC也鼓励我们去pivot，于是我们把项目方向彻底转向语音AI代理。

最初我们其实更多在和开发者（Developers）交流，因为早期我们还没有太多企业客户。但我们发现开发者也有一样的痛点：想要快速构建一个Voice Bot，却缺少易用的工具。我们当时设想的是“为开发者打造的语音代理构建平台”，有点像网站的toolkit，帮助他们高效实现业务需求。

我们也意识到，不同开发者需求不同，比如好的开发者想要更多自由度，经验不足的开发者则需要更高的construction。于是我们开始系统地思考，如何让平台既灵活又易用。YC这个平台提供了很好的社群，我们能接触到很多创业公司团队和Developers群体，一起共创产品原型。其实这和Cursor的路径很相似。Cursor一开始也主要被大厂工程师使用，后来才扩展到整个企业层面。我们经历了同样的演化：从“让开发者能用”到“让企业愿意直接采购”。

在开发者转向企业端用户的这个过程中我们学到一个关键点：开发者再喜欢一个工具，如果只是自己用，使用量有限；真正的大规模应用，必须回到大公司的采购、客服、销售、HR部门等，这些才是实际落地场景。于是我们的产品从刚开始的API为主，逐步演变出带有可视化流程的dashboard（能够map出整个商业流程），这样即使不是工程师，PM自己也能上手搭建Voice流程。

从“工程师”转变为“创业者”，这一身份变化对我来说挺大的。创业让我接触到的维度比在大厂时多得多。首先是工作强度和广度，在Google时，很多项目都有明确的边界，你只能用内部的技术栈，Scope也有限。而创业时没有这些约束，一切以效果和用户体验为核心，可以自由地构建最合适的系统架构。

其次，从零到一地搭建完整系统，是非常有挑战也非常有趣的过程。在大公司更多是“在成熟系统上添加功能”，你的自由度和成长空间有限。而创业阶段的决策密度极高，每天都在思考trade-off：哪些地方自己造轮子、哪些地方复用方案、技术架构怎么选、怎样在6个月甚至2年后还能支撑系统增长。这种判断能力只能在创业初期磨练出来，一旦公司进入成熟期，就很难再有这样的空间。

ZP：您曾在社交平台提到：“为什么语音AI代理在企业场景失败率这么高？” 请您从Retell的视角分享，您认为企业级语音AI代理最大的痛点是什么？Retell是如何设计产品以应对这些痛点的？

张泽夏：语音代理的痛点其实分几个层面。首先是传统系统的问题。老一代的语音代理其实都算不上AI，只是IVR（电话导航系统），靠“按1、按 2、按 3”来分流。这种系统的痛点是resolution rate（问题解决率）和containment rate（自助解决率）都很低，只能起到分流作用，无法真正解决问题。

因此，企业希望有一个“更聪明”的 Voice Agent，它能像真人一样理解需求、实时响应、完成一线任务（Tier-1 Support）。这就要求系统在三方面做到极致：听起来足够自然（realistic）、延迟足够低（low latency）和语音体验流畅（smooth experience）。如果响应慢、语气僵硬，用户会立即挂断或要求转人工，这在企业端是致命的。

我们做了两件核心的事。第一，我们是业内最早做Turn-Taking Model（轮流对话模型）的团队之一。传统语音系统靠VAD（Voice Activity Detection） 判断“是否有人声”，只要检测到没有人声或静音就触发回复，这在真实对话中体验很差，因为人类自然说话就有停顿、有思考，不应该被打断。我们的Turn-Taking Model能准确判断“何时应回应、何时应等待”，极大改善了延迟、成本和体验。

第二，我们自主搭建了Voice Orchestration平台，也就是语音编排系统。我们没有用市面上的框架，因为我们认为这是Retell的核心竞争力，通过自建的平台让我们能精准控制语音流、模型调度与业务逻辑。

总的来说，2024初客户的核心诉求是“语音要像人”，通过以上的技术我们重点解决了语音交互的真实性、低延迟与稳定性问题，这带来了第一波强traction。2024年中，客户开始要求Voice Agent不只是“问几个问题”，而是能真正结合企业内部系统完成复杂任务，比如验证身份、查询订单、执行操作。这要求Agent有更高的智商能够理解业务逻辑，并能与客户内部的API、CRM、ERP系统打通。因此我们推出了Agent Framework，提供可组合工具，帮助客户把自己的业务流程（SOP）map到语音助手上，让业务深度集成。

2024年底以后，我们进入企业化阶段（Enterprise Focus）。从产品层面，很多大企业客户的需求更接近于Call center。一个具体的例子是在转接电话时，会首先问Call center的agent是否有空，有空就把电话转进来，但对于大企业来说其中的SOP越复杂。这一阶段客户更看重系统性与可扩展性，比如监控、测试、合规、数据分析等。我们开始构建完整的Agent System，不仅能“创建 Agent”，还能支持测试、部署、监控、持续优化。

ZP：关于Retell产品本身，当前平台最核心的功能模块是什么？

张泽夏：我们现在把平台划分为四个模块：Build、Test、Deploy、Monitor。目前产品是一个open platform，大家可以sign up试用。

• Build：提供多种模块化工具，可映射企业业务逻辑、连接内部系统、集成知识库等。

• Test：包含AI驱动的回归测试、用例测试、版本管理，确保改动不会带来回退，只会提升ROI。

• Deploy：让Agent可简单一键部署到各种系统中。我们支持从老旧的on-premise系统（比如90年代的Genesis）到现代云端平台（如Five9）。

• Monitor：提供分析、报表、质检（QA）功能，目前还在Beta阶段。长期来看，这个模块会让Agent具备自我优化能力（Auto-Improvement Loop）。

我们希望通过这四个模块形成完整闭环，从构建、验证、上线到持续演进，企业都能在同一平台完成。

ZP：最近在产品迭代方面有哪些关键进展？例如与最新的模型的整合、低延迟语音通话、批量外呼能力、品牌来电ID功能等。 

张泽夏：我们今年重点做了以下几方面

• 更多的graph builder里的模块，包括用户侧的keypad 输入，mcp，数据处理，降噪功能，等等

• 更强大复杂的转接逻辑和功能

• 多模态，短信，chat agent等等

• 更多knowledge base的配置和优化

• 更全面的analytics

• 各种testing suite

• 更多语言，以及最新的模型接入

• compliance：包括pii redaction

• 企业需求：rbac，sso

ZP：在“客户提效”这一维度，您能否分享一两个Retell平台帮助客户显著提升效率／降本／提升服务质量的典型案例？

张泽夏：我们有不少案例，我简单举两个网站上没有写出来的case。

一个是美国的汽车经销集团 Asbury Auto。他们旗下覆盖177 dealerships, 15 states, 189 franchises，使用Retell做服务预约调度（Service Scheduling）。因为其实卖车本身的利润不高，而这部分是汽车行业利润最高的环节之一。我们用语音Agent替代人工调度后，预约完成率比原人工系统提升了约10%，并且还解决了原来大量未接听（unanswered calls）的问题。客户的流程很复杂，比如要判断车辆召回、预约维保、提供代步车等，Agent通过Retell构建的多步决策系统准确率非常高。整个过程我们仅用了3个月。

另一个是中国出海品牌Anker（安克）。他们用Retell构建技术客服中心（Technical Customer Support）。Anker本身的产品线多、知识库庞大、用户分布全球，他们的intent多且杂，而且每一条intent都对应不同的instruction，这对语音系统的理解力和多语言响应要求都很高。我们帮助他们完成了自动化客服系统，resolution rate（一次性问题解决率）达到80.4%，Customer nps达到63，大幅超出最初的pilot目标。整个系统仅用两周搭建完成，两个月后在多个地区（英国、美国、巴西等）上线。

他们后续还会将case扩展到更多产品线，我们也在今年建立了FDE（Forward Deploy Engineer）团队与客户共建场景。我们一直在积累和这些企业客户的合作经验和流程，因为把一个新兴软件卖到传统行业实际上是一个很吃process的事情，但一旦能跑通越来越多的企业case，对公司来说这会是非常好的企业资质。

ZP：您提到正在积极扩展客户生态，包括中国企业出海项目与美国市场人才招募。请您谈谈Retell目前在中国出海项目上有哪些进展？哪些行业、哪些客户愿意采用您们的语音AI解决方案？

张泽夏：我们现在的客户群体中，有不少世界500强企业，覆盖零售、医药、航空、汽车等行业。在主流市场上，我们还服务了许多金融类公司以及 hospitality（酒店和服务业）等领域的客户。

基本上，如果想知道我们最想服务的企业，只要看哪些公司雇佣Call center agent（呼叫中心坐席）最多就行。因为企业现有的Call center agent越多，我们能给他们带来的价值就越大。这类公司本身就非常依赖电话沟通，他们的运营很“phone-heavy”。

这不仅包括传统的客户服务（customer service），还涵盖很多 outbound call（外呼）场景，比如催收（debt collection）、潜在客户筛选（disqualification）、销售拓展（presales SDR），以及 inbound call（呼入）场景，比如支持、预约（booking）、排班（scheduling）等。

ZP：在价格层面上，我们的语音解决方案相比传统Call center能为大型企业节省多少支出？

张泽夏：这可以从两个角度来看。首先，从成本节约的角度举例：比如在菲律宾雇佣一个call center agent，可能基础工资只有每小时两美元左右，但企业实际支付的成本要远高于此，因为中间还有设备、管理、员工福利（benefits & perks）、以及BPO服务商的利润加成。最终卖到大企业手里，每小时成本大概在20美元左右。另一方面，传统呼叫中心的人员流失率（attrition rate）非常高，很多地方的流失率超过40%，这意味着企业每个月都要疯狂地招新人，还要承担巨大的培训成本。

而我们这边，提供的是分钟计价模式，价格在每分钟7~12美分之间，折算下来每小时成本约为5~7美元左右。企业可以在保证质量的前提下，大幅降低成本。

ZP：关于客户生态建设：您提到“帮助客户提效”的理念。请您谈谈Retell如何设计 “客户成功”机制、如何与客户共建模板／场景、如何建立生态合作者？

张泽夏：这个过程其实偏向于与客户共同合作，类似于产品开发流程。首先，我们会与客户一起了解他们现有的呼叫操作流程，分析当前的痛点。然后，我们会帮助他们一起梳理出潜在的应用场景。

我们目标是先帮助客户展示出一些“低风险、容易实现”的用例，证明我们产品的能力，然后在这些用例上展开深度合作。之后，我们会进一步与客户合作，深入讨论这些用例中的业务流程、SOP等。通过一系列的交流和协作，我们会帮助客户明确需求、提供资源，包括现有流程图、内部系统访问权限等。

接下来，我们会与客户共同定义成功标准，明确哪些指标代表成功，确保我们在整个项目中达到这些目标。这个过程不仅仅是技术实现，我们还涉及到资源协调、团队协作等项目管理工作。

ZP：在商业化过程中，客户为什么会信任我们的解决方案？能否从合规性、数据隐私、技术部署速度等方面分享一下我们的优势？

张泽夏：目前，我们的年收入已经超过了3600万美元，快速增长中。客户信任我们的几个核心原因是：首先，我们的技术本身非常先进，同时我们的品牌影响力也在逐步扩大。很多客户被我们的技术吸引，接着通过合作共创，他们更能看到我们解决方案的实际效果。对于支持类需求，客户看重的是客户服务解决率（CSAT，Customer Satisfaction），对于销售类需求，他们关注的是转化率（conversion rate）。

我们特别喜欢企业客户直接将我们纳入RFP（招标书）流程，因为这意味着我们有机会直接通过数据和效果来展示我们的优势。实际上，很多企业会先去寻找传统的大公司，但如果我们能在RFP里与他们直接对比，我们的成功率就大大提高了，因为我们能够通过具体的指标和实际数据来证明自己。

其次，现在AI非常火，很多企业都在寻求AI解决方案。客户希望能够通过我们的技术找到更好的解决方案，而我们的优势在于：我们不仅仅依赖技术的先进性，还能通过实际的数据、实际的业务效果，帮助客户解决实际问题。

ZP：您提到过全球化布局，能否分享一下我们在全球化技术和产品部署方面的准备情况？以及我们如何支持不同地区的客户？

张泽夏：目前，我们的语音解决方案支持多种语言，涵盖了几十种语言，已经在全球多个地区投入使用。我们的客户包括北美、亚太、欧洲和澳洲等地区。我们在这些地区的延迟（latency）表现非常出色，能够为全球客户提供稳定的服务。

在部署上，我们会根据客户的需求提供定制化方案，包括云端部署和本地部署（on-premise）。全球化的布局中，北美和加拿大市场是我们的最大重点，毕竟这些市场对我们来说是非常重要的，我们已经在这两地积累了很多经验。

当然，其他市场也有很多客户，比如巴西、墨西哥等地区，加拿大最大的仓储公司StorageVault，也在使用我们的技术。我们的目标是能够支持全球各地的客户，无论是在北美，还是在其他新兴市场，我们都可以为他们提供高效的AI语音解决方案。

我们还擅长帮助出海企业进入北美市场，或者在已有的北美市场中进一步扩大他们的业务规模。我们不仅提升呼叫中心的效率，还能够帮助这些企业优化他们的整体的运营。尤其是对于一些需要高效运营的企业，AI语音解决方案是一个非常重要的工具。

ZP：从长远来看，您希望Retell成为怎样的公司？是一个“企业级语音AI代理工具平台”，还是更进一步成为“对话智能操作系统”？

张泽夏：从长期来看，我们的愿景是希望成为企业级的AI call center，不仅仅是呼叫中心中的一部分，而是整个呼叫中心的核心组成部分。我们想将自己打造成一个“信息流转中心”，无论是客户的反馈、需求，还是企业内部系统的缺陷，我们都希望能够将这些信息汇集到我们的系统中进行处理。

可以把它想象成一个“context flywheel”（上下文飞轮）。通过我们的平台，企业能够对外与客户进行高效的沟通，同时也能反馈内部的业务需求。最终，我们希望成为一个全渠道的沟通平台，不仅仅处理电话、分流、预约等功能，更要帮助企业高效地管理所有客户需求和信息流。

我们也在考虑未来能否将更多的功能整合到一个更大、更全面的系统中，为企业提供一体化的服务解决方案，帮助他们全面提升客户服务和运营效率。

ZP：我们已经了解了Retell的商业化、全球化和愿景。那么在团队文化和组织架构方面，能否分享一下你们的团队文化？以及目前的整体组织架构是怎样的？

张泽夏：我们的团队目前大约有20个人，全部位于美国的旧金山湾区。我们非常注重团队文化，大家都非常重视 ownership，每个人在团队中都能拥有较大的自主权和贡献，并且对产品的开发和改进有很大的影响力。

我们特别强调产品文化，那就是我们非常关注用户的反馈，并且非常注重创新。每周我们都会组织一次团队会议，讨论所有的用户的反馈和我们平台的改进需求。在这个过程中，每个人都会参与、共同评估客户的需求，分类并整理这些需求，以确保我们能够做出正确的决策。

除了满足客户的需求，我们也特别关注创新，不断推动产品革新。我们会将所有需求分成两类：一类是客户的使用需求，另一类是创新需求。我们会同时推进这两条路线，通过interview整理成PRD，所以我们在不断优化现有产品的同时，也会推出新功能，以提升用户体验。

我们强调的是一个很有自主权和创造力的团队文化，每个成员都能参与到产品决策中，提出自己的意见，进行集体讨论。我们不只是满足于做一个“客户的dashboard”或者“feature factory”（功能工厂），我们更关注的是产品是否能够真正解决客户的实际问题，带来价值。

ZP：你们现在也在招聘新成员，能否分享一下你们当前的招聘需求？Retell希望吸引什么样的人才加入？

张泽夏：我们现在正在招聘多个岗位，包括前端、后端、全栈工程师，以及机器学习（ML）工程师和研究人员。此外，我们也在招聘销售、客户成功（AE）、市场营销、forward deployed engineer 等方面的人才。我们非常注重人才的质量，任何有能力、愿意为公司成长做出贡献的人，都欢迎加入我们， 目前我们提供的薪酬待遇在行业内至少是Top 5%的水平。（https://www.retellai.com/careers）

在招聘上，我们最看重的是候选人的ownership，无论是技术岗位还是市场岗位，我们都希望能找到那些愿意为自己的工作负责、对公司目标有高度认同的人。我们的团队文化比较扁平，决策过程快速且高效，所以我们特别希望有那种能够自主思考、愿意承担责任的团队成员。

对于市场和技术岗位的同事来说，我们希望他们能充分发挥个人的特长，推动公司的各项工作。我们也有一个职业页面，大家可以随时查看我们当前的招聘信息，欢迎任何优秀的人才前来申请。

ZP：您曾在博客／社交平台提到LLM+语音代理不是“Demo”而是“真实业务替代”问题。 在这一过程中，有没有哪一次“差点放弃”的时刻？您是如何保持信念并带领团队走下来的？

张泽夏：作为创业公司，我们当然经历过很多挑战，特别是在一开始的时候。一个经常被投资人问到的问题是：如果大公司进入你们的市场，资源远比你们强大，你们如何应对？这确实是我们一开始非常关注的问题，因为面对大公司，我们确实是有很多资源上的劣势。

但后来，我们意识到，我们与大公司最大的不同就在于我们的聚焦。大公司的重点可能并不在于做细致的行业应用，而是更多的在做一个大而全的通用技术框架，而我们的优势在于，我们能够更快迭代用户需求，将产品打磨得更加细致，专注于解决某一具体问题（比如Call center相关的问题），满足客户的实际需求。

我们还记得YC的合伙人Michael Seibel曾经告诉我们：“你们从大公司出来，是因为你们知道大公司做不到什么，如果你们觉得大公司能做得更好，那你们为什么不留在大公司呢？”确实，大公司做不好的地方就是我们的机会。我们要不断保持对用户需求的关注，迭代产品，快速反馈，确保我们可以在自己的领域内持续创新和超越，打出自己的生态。

ZP：在AI语音、对话代理、通话自动化这块，您目前关注的几家创业公司／平台有哪些？它们给您带来了哪些启发？

张泽夏：早期我们确实受到了一些初创公司和技术进展的影响，特别是在开发者工具和平台领域。我们曾经关注过一些在YC上孵化的公司，像是Posthog, Algolia等，他们在为开发者提供工具的同时，也帮助我们思考如何把AI技术应用到更细致的行业场景中。因为developer群体本身不具有特别强的忠诚性，他们只会选择那个能让他们work better的产品或模型，所以我们必须走向面向enterprise的道路。

Hubspot有agency motion， Palantir没有。我们和Palantir主要是学的fde那的流程和enterprise sales cycle。还有一个公司是WhatsApp，它在被收购时的员工也没有超过100人，所以我认为一个小的团队是能做出非常好的产品的。我们没有盲目追求团队扩张，只希望吸纳最好的人才，把能够用AI自动化解决的事情，我们内部也在不断尝试把AI技术应用在从前无法scalable的业务上。

另外，我们也很关注一些深度AI技术的创新趋势，尤其是在大型语言模型（LLM）和推理（reasoning）能力上的进展。今年我们看到的很多进展，都是在向推理和逻辑推导的方向发展，这对我们非常重要，因为它能够让AI在处理更复杂的语音任务时，更加高效和准确。不过，推理模型在实时语音处理上的应用还面临一定的挑战，主要是由于推理过程的延迟较长，影响了实时语音的体验。所以我们目前正在进行一些技术探索，尝试将推理模型更好地与语音平台结合，以提高处理效率和用户体验。

此外，像Kore AI、Poly AI等早期语音平台也对我们产生了一些影响，因为我们serve的群体是基本一致的。我们借鉴了他们在行业深耕的经验，特别是如何通过细化行业需求，提供定制化的解决方案。这些公司的成功经验，帮助我们更好地理解了市场的需求和客户的痛点，也让我们在产品开发上更加注重行业的深度和细节。