0910：Mati Staniszewski X David Senra：模型优势会缩小，产品生态必须提前长出来
输入“/”快速插入内容
0910：Mati Staniszewski X David Senra：模型优势会缩小，产品生态必须提前长出来
0910：Mati Staniszewski X David Senra：模型优势会缩小，产品生态必须提前长出来
用户9970用户99709月10日修改
0910：Mati Staniszewski X David Senra：模型优势会缩小，产品生态必须提前长出来
今天看到 Mati Staniszewski 去了 David Senra 的播客。
Mati 和相识 15 年的好友 Piotr Dąbkowski 在 2022 年创办 ElevenLabs，当时 ChatGPT 还没有发布。公司 2025 年底的 ARR 超过 3.3 亿美元，2026 年 2 月以 110 亿美元估值完成 5 亿美元 D 轮融资，前四个月 ARR 又越过 5 亿美元。
这期播客总共录了 1 小时 11 分钟，Mati 谈到了 14 个有趣的观点：
1、ElevenLabs 的起点是一段很私人的糟糕体验。Mati 在波兰长大，电影里的男女角色经常都由同一个人念白，情绪和语调被抹平。他和 Piotr 想让内容进入另一种语言时，仍然保留原声和情感，一个具体痛点由此打开了全球通信平台的想象空间。
2、创业初期的愿景可以很大，第一个产品必须足够窄。完成自动配音需要转录、翻译和语音生成三个环节，2022 年时每一环都不够成熟。创作者同时告诉他们，当下更急的需求是修改一句录错的台词、预听脚本、或给视频配旁白。团队先把高质量语音生成做透，后续才逐步拼回原来的配音愿景。
3、研究和产品部署被放在同一屋檐下。Piotr 带领音频模型研究，Mati 沿用在 Palantir 把模型送进真实业务的经验，中间由研究工程衔接。这种组合让新模型快速接触用户，用户遇到的问题又反过来决定研究的下一步。
4、判断新产品的标准很清楚：音频模型能否构成独特优势。团队两年前曾考虑做对口型和数字人，当时视频模型的质量会拖垮整体体验，于是果断暂停。如今开源视频模型已经可用，ElevenLabs 重新进入这个场景，但仍不自建视频基础模型。聚焦在这里是一套持续更新的边界，需要随外部技术的成熟度重新计算。
5、单纯的模型领先会逐渐缩小，产品、品牌、信任和市场网络需要同步长出来。ElevenLabs 一路从模型做到平台，再做到具体应用，核心主线一直是沟通。公司明确不进入编程和通用知识工作的激烈战场，转而争夺人与 AI 交流时的语音层。
6、声音市场把技术资产变成了经济网络。播客录制时，平台已有约 2 万种声音；用户选中某个经过认证的 AI 声音后，原声创作者会按使用获得收入。ElevenLabs 公开资料显示，截至 2026 年 5 月，已有 10,400 多名创作者在平台获得收入，累计分成超过 2,200 万美元。一次录音从单次交付变成可授权、可撤回、可持续收益的数字资产。
7、企业客户不会因为演示漂亮就全面采用。ElevenLabs 通常先用营销内容证明价值，再进入客服、销售和运营。以 Deutsche Telekom 为例，从播客和广告开始，逐步扩展到呼叫中心、预约和实时翻译。每次扩张之前先证明业务影响，能降低一家大公司同时试用十几个产品的决策风险。
8、前线部署工程师应当属于产品团队。他们会到客户现场接 CRM、按业务规则设计对话流程，用模拟电话和小流量测试安全上线。更重要的任务是把现场知识抽象回标准产品，让下一家客户直接受益。如果只完成定制集成，最终会停在服务业务。
9、客户现场可以加速研发。Mati 在 Palantir 入职几周就被派到北海油田，从一线理解问题。这段经历让他相信，很多看似独特的客户问题其实高度重复。一家医疗机构暴露的产品缺口，常常会在第二家医疗机构再次出现，公司可以把一次现场学习放大给数万名用户。
10、AI 会改写大公司的信息流。ElevenLabs 保持较扁平的组织，多数管理者接近 10 名直接汇报者，公司内部文档高度透明。Mati 希望 AI 帮他直接看到最靠近问题的工程师和客户信号，减少层层摘要造成的损耗，让管理从等人上报转向主动发现问题。
11、工程能力正在进入每一个职能团队。ElevenLabs 在人才、运营和法务团队中都放入工程师，一方面自动化重复工作，另一方面带动整个团队使用 AI。这个设计让中央职能用少量人员向全球复制知识，也让 AI 采用从小团队内部自然生长。
12、语音交互会让人暴露更多真实信息。ElevenLabs 在官网用语音销售 Agent 替代部分下拉表单，用户不仅完成得更快，还会主动讲出更多公司背景、问题和使用场景。输入摩擦下降以后，语音成了一种比表单更高密度的需求采集方式。
13、语音 AI 的质量不能只由准确率决定。每个人对声音、停顿和语气的感受都不同，同一套文本转语音基准很难横向比较。团队早期追求毫无杂音的完美 Agent，听感却很僵硬；加入「嗯」、犹豫和停顿后，用户的接受度明显上升。技术越成熟，品味、设计和对人类细节的判断越会成为限制条件。
14、声音是 AI 进入日常生活的关键界面。人类过去几十年一直在学习键盘、菜单和编程语言，用机器的方式和机器沟通。Mati 判断，当智能继续提升，新的瓶颈会落在交互层：AI 需要理解情绪、停顿、插话时机和语境，才能让技术回到人的沟通习惯里。
---
精华片段
断断续续看完这 71 分钟，Mati 对公司边界的稳定描述比增长数字更让我惊讶。他们可以同时做模型、平台、阅读器、配音、广告和客服 Agent，所有产品都绕着同一个问题：人与内容、企业和机器将如何沟通。
公司现在已经是全球增长最快的 AI 公司之一，但这场访谈谈得更多的是研究如何变成产品、一线项目如何变成平台能力，以及 AI 公司怎样在快速扩张时保留小团队的速度。我按 8 个主题重新整理了对话。
#01 从波兰电影里的一个声音开始
主持人：为什么一开始就选了音频？
Mati：我在波兰长大。看电影时，不管男角色还是女角色，常常都是同一个人念白。情绪、语调、人物的区别全部消失了。2021 年我们发现这种体验依然存在，就想到未来的内容应该保留原始声音、情绪和语调。
主持人：这听上去像一个很小的生意。
Mati：我们当时就认为它很大。全世界的故事、电视、流媒体和对话都可以进入当地语言。有一天，我说波兰语，对方可以直接听到英语。我们当时用《银河系漫游指南》里的巴别鱼当北极星。
这个起点很有启发。宏大方向来自一种人人都能感受的体验损失，第一步则是把语音生成做到跨过机器感。愿景保持不变，路线可以根据技术和用户反馈持续收窄。
#02 一间公司里的研究所和制造部
主持人：本田宗一郎把公司形容为「发动机研究所」。他设立独立的研发公司，再把技术交给制造部门。这和 ElevenLabs 很像。
Mati：我们有专注的研究实验室，也有把研究带进产品的研究工程。然后是很多少于 10 人的小团队，用自己的判断去解决具体用户问题。
主持人：会怎样向第一次听说 ElevenLabs 的人介绍它？
Mati：研究部分开发前沿音频模型，包括文本转语音、语音转文本和对话编排。产品部分是一个平台，帮企业改变与外界沟通的方式。它可以支持广告、客服、销售和公共服务。
这个结构同时容纳了深度和广度。研究只向音频深挖，产品可以引入知识库、LLM、CRM 和视频工具。边界由 ElevenLabs 能贡献的独特能力来决定，产品数量多也不会把研究团队拉向四面八方。
#03 聚焦需要不断重画边界
主持人：什么样的产品会被团队放弃？
Mati：我们会问，把音频模型用在这个体验里，是否有独特优势。两年前，数字人和对口型的主要问题在视频质量。即使我们的音频最好，整体体验依然很差，所以我们暂停了。现在开源视频模型成熟了，我们会重新尝试，但不会从头训练视频模型。
主持人：对音频的极度聚焦，也是对大型实验室的防御吗？
Mati：当然。长期看，我们在研究上的优势希望还在，但它可能不会像今天这么大。所以产品和围绕产品建立的生态很重要，包括品牌、信任和声音市场。
我很喜欢这种先承认优势会变小的态度。真正稳固的专注需要对外部依赖足够清醒，把时间留给自己最难被复制的那一层。
#04 前线工程师要把服务变回产品
主持人：什么时候意识到，前线部署工程师会成为收入增长的重要路径？
Mati：这个想法从一开始就在。我在 Palantir 入职不久，就被要求飞到苏格兰阿伯丁，去北海和客户并肩工作。要站在同一边，足够深地理解问题，把可解决的部分带回来。
主持人：ElevenLabs 的前线工程师放在哪里？
Mati：他们属于产品团队，深度了解路线图。第一个任务是解决客户问题，拉伸产品的边界；第二个任务是把现场知识带回产品。缺少第二步，工作就只剩下定制服务。
这段是整期最有用的组织设计。客户并没有被当成被动的需求来源，他们的真实环境就是另一层研发系统。定制工作一旦被抽象，就能把单个项目的学习曲线复制给整个市场。
#05 扁平组织需要更好的信息基础设施
主持人：AI 会怎样改变公司的管理方式？
Mati：我想听到最靠近问题的人怎么说。做产品时，我想直接了解真正写代码的工程师，管理者摘要只作为其中一层信息。AI 可以把细粒度的信息带回来，让我们主动发现哪里没有运转好。