AI重塑计价模式:语音与法律两大万亿市场的变革
All-In Podcast · Mati Staniszewski (ElevenLabs) / Max Junestrand (Legora)
一场直播,两场对话,两个万亿级别的产业。ElevenLabs用40个月将语音业务做到6亿美元年经常性收入,Legora在法律这个“4%软件、96%服务”的行业中连续7个季度环比增长50%。把它们放在一起,可以发现同一条主线:AI真正冲击的从来不是“能否完成任务”,而是“任务按什么方式收费”。
语音按分钟计费、法律按小时计费,两个按人头收费的万亿市场,正被同一逻辑重塑:将工时转化为交互与软件。
All-In Podcast的这场直播,将两位CEO安排在同一期节目。第一位是ElevenLabs的联合创始人兼CEO Mati Staniszewski,专注于语音AI;第二位是Legora的联合创始人兼CEO Max Junestrand,专注于法律AI。两家公司、两个行业,看似毫无关联。
但听完两段对话,会发现它们在回应同一个问题:当行业的新基础层变为AI时,其中的人、资金、计费方式如何被改写?ElevenLabs的案例是语音——40个月从零做到约6亿美元ARR,将客服、销售、催收、康复这些“按坐席、按分钟”的工作,重写为“按语音交互”。Legora的案例是法律——一个全球约1万亿美元、但软件支出仅400亿美元的行业,按小时计费的模型正从内部被瓦解。
这篇视觉文章将两段访谈拆解为一条学习路径。读到最后你会发现:AI颠覆的真正战场,不是“它能否做这件事”,而是“这件事按什么计费”。
01
20个月到1亿、10个月到2亿、5个月到3亿——ElevenLabs的ARR加速度,每一段都在缩短。
Staniszewski给出了ElevenLabs的增长曲线:公司2022年成立,第一年全部用于研究和产品;2023年初发布了第一个“终于听起来像人”的文本转语音模型。然后是ARR的加速:大约20个月做到1亿美元,约10个月从1亿做到2亿,约5个月从2亿做到3亿,如今在约6亿美元的量级。
这条曲线最值得关注的不是终点,而是斜率的变化——每一段都比上一段更短。增长不是线性的,而是加速的。Staniszewski将近期最大的动力归因于企业的直销团队,以及产品在“可靠性+多模型编排+知识与集成”上的成熟。他认为过去12个月、尤其是最近6个月,语音体验出现了“阶跃式”提升。
组织侧同样在快速扩张。ElevenLabs现在约600名员工,从最初10人、以研究和工程为核心的团队发展而来,而那最初的10人至今零流失。为了提升音频质量,公司内部还养了一支超过1000人的承包商标注团队,专门给音频资产打标签——这是后面会反复出现的主题:在语音层面,胜负在很大程度上由“专用数据”决定。
大约20个月到1亿,10个月到2亿,5个月到3亿,现在6亿——每一段都在缩短。
02
ElevenLabs在非工程部门嵌入工程师,赋予他们双重角色:自动化,以及AI采用与安全审查。
ElevenLabs的组织方式有些反直觉。公司按电信、金融、医疗等行业切成5–10人的小团队,每个单元紧密协作。但真正特别的,是它在所有非工程部门里都嵌入了工程师——法务有工程师,人才团队有工程师,营收/市场团队也有工程师。
这些嵌入工程师承担两个角色。第一个是自动化:将软件带入团队,替每个岗位创建自动化流程。第二个更关键——推动AI采用,同时做安全审查。Staniszewski的判断是:如果团队没用上各种编程和协作软件,那大概没在对的位置上;但如果用得太多,也是一个信号,因为“很可能没用对方式”。当非工程岗位开始自己造工具时,他们常常能造出来,却不一定能审查背后的安全性。
主持人的回应一针见血:“每个人都能写软件”是件好事,直到你把它推上生产环境、然后发生数据泄漏——或者那个人离职后,没人记得他造过的软件,于是在角落里慢慢腐烂。嵌入工程师就是那道闸。同一章里Staniszewski还提到一个反常识:ElevenLabs从未设立产品经理岗位——AI让一个在某个领域是专家、在另一个领域足够熟练的人,可以自己设计实验、上线、回收结果,不再被其它职能卡住。
每个人都能写软件,直到你把它推上生产环境,然后发生泄漏。
03
十年前,打电话给客服意味着钻进“语音牢笼”——一层层菜单,唯一的求生欲就是赶紧按0找人工。Staniszewski认为,过去12个月这件事出现了拐点:消费者开始反过来,更愿意和AI通话,因为它更精确、保真度更高,而且——你可以直接打断它,不必客套。
他举了几个正在发生的转变。第一,交互模型变了:人对AI语音代理更“干脆”,回应更快,可以直接切入重点,而不必顾忌礼貌。第二,情感门槛变了:在与Revolut、Klarna、Pogbank这类金融服务公司的合作里,催收/催款场景出现了一个有意思的现象——面对真人时人们会羞于说明真实情况,面对AI时反而更愿意把发生的事讲清楚,情感上的阻塞消失了。
第三,界面形态本身在变。ElevenLabs自己用网站表单之外,还做了一个可以打电话进来的入站AI销售开发代表代理;用户不仅给信息更快,还会留下更多信息,从而被更快地连到对的问题和对的人。Staniszewski把更长远的趋势概括为:语音交互会从“反应式”转向“主动式”——在你开口之前,语音就在后台帮你把信息找好。他希望2026年语音也能通过“图灵测试”,让任何一段对话都像在和另一个人说话。
面对真人时人们会羞于说明真实情况,面对AI时反而更愿意把发生的事讲清楚。
04
声音既是身份,也是知识产权。Staniszewski直言,在ElevenLabs看来,这件事可以同时是问题、也可以是机会。在防护侧,公司做了三件事:第一,对所有生成内容做全量溯源,必要时可以采取行动;第二,在文本和语音两个层级都做内容审核——一旦输入带有商业诈骗意图,系统会标记并拦截;第三,面向更广泛的开放/开源模型,提供“这段音频是不是AI生成”的检测能力。
在机会侧,声音IP打开了新的商业模式。ElevenLabs从一开始就建了一个市场:创作者可以上传自己的声音,通过认证后分享给他人使用,并从中赚钱。Staniszewski透露,到目前为止公司已向社区回流超过2200万美元。这对过去按小时计费的配音演员来说,是一种全新的变现方式——花一小时录制,就可以把自己的声音授权出去。
名人侧的案例更具想象力。ElevenLabs与Matthew McConaughey合作,把他声音里那种情绪跨越语言地搬到西班牙语、意大利语、葡萄牙语里;Gordon Ramsey式的互动教学,也从静态课程变成了“他会冲你吼”的动态体验。已故的James Earl Jones生前把达斯·维达的嗓音永久授权给Disney,Epic Games的Fortnite里,玩家到达一定阶段后可以和AI版的维达互动、一起完成任务。更具人性温度的案例则来自医疗:为ALS、喉癌患者复声,美国众议员Jennifer Wexton用复声在国会发表演讲,一位失声的新娘重新在婚礼上说出誓言。
声音是身份与IP——它既是问题,也是机会。
05
全球法律服务约1万亿美元/年,法律技术软件支出约400亿美元——4%软件,96%服务。
进入Legora的部分。Junestrand给出了一个理解法律市场的框架:这是一个每年约1万亿美元的人力服务市场,而法律技术的软件支出只有约400亿美元。也就是说,4%是软件,96%是服务——“这个比例是疯狂的”,软件份额理应大得多。
Legora自己的增长印证了这种失衡在被改写。Junestrand透露,公司已经连续7个季度保持环比+50%的增速;就在上周二的收盘后,Legora成了“采用直销运动最快从1亿做到1.5亿美元ARR”的企业软件公司之一,比Sierra还快一个季度。
主持人讲了一个在场亲历的例子:一家已经做到百万美元收入、完成多轮融资、有几十名员工的公司,居然没有公司法务。问合同谁审?“ChatGPT,兄弟。”股权表呢?“ChatGPT。”人力资源呢?“一样。”主持人当时半开玩笑地回应——将来做A轮尽调时这会很有趣,而创始人们的回答是:他们连知识产权转让这种事,都是问ChatGPT才知道要做的。这个例子当然是极端样本,但它指向同一个趋势:法律服务的计价方式,正在被从底部改写。
4%软件,96%服务——这个比例是疯狂的,软件份额应当大得多。
06
律所靠对初级律师高收费来补贴合伙人的真实价值;AI正是从这条链的缺口切入。
Junestrand对按小时计费模型的拆解,是这段访谈最有结构感的部分。他指出,律所这套商业模式真正的运作方式是:对初级律师高收费,对合伙人反而低收费——因为合伙人在“赌上公司的官司”或“避免数千万美元陷阱”时的关键判断,其真实价值远高于任何小时费率,而律所唯一知道的定价方式,就是用初级律师的高收费来补贴合伙人。
这个补贴链,正是AI撕开缺口的地方。当软件能做掉大量初级律师的活,补贴链就断了。Junestrand把它表述为一种因果:初级律师高收费 → 补贴合伙人真实价值 → 客户只能按工时外包 → AI从缺口切入。Kirkland Ellis是这条链上最赚钱的样本之一——年营收约100亿美元,约4000–5000名律师,合伙人每人年利润在500万到1000万美元之间。
改写的迹象已经到处都是。企业开始把法律工作收回内部:Junestrand自己的Legora今年完成了4笔并购,全部用自己的工具做尽调,最快一笔从意向书到交割只用了12天——因为创始人的动机是“把交易做成”,而外部律师的动机(不论是否明说)是“别搞砸、别被诉、尽量拖长”。律所自己也在实验新的定价:交易或融资收固定费用,诉讼收风险代理费。这些都是在尝试绕开“按小时”这个正在失效的计价单位。
外部律师的动机是别搞砸、尽量拖长;创始人的动机是把交易做成。
07
法律是一个高度依赖数据的行业,所以“谁有数据谁赢”曾经是主流判断。Junestrand的观点恰恰相反:拥有数据的传统玩家,不一定赢。他把Legora的数据护城河拆成两个