市场尚不存在时，他就为语音 AI 融到 1.3 亿美元

做 AI 产品，做到 90%其实相对容易；真正带来产品市场契合度的是最后那 10%。

ChatGPT 出来后，很多 AI 应用先行者很快把原生 AI 应用推向市场，比如 Perplexity、Jasper、Lovable。我们一直专注于基础设施。如今我们有很多客户已经是十亿美元级公司。我们的产品愿景，是打造语音 AI 基础设施，让其他公司、实际上任何开发者都能在上面构建产品。像 Granola 这样的公司、像 Tolan 这样的消费应用，以及大型企业，都在 Assembly 上构建语音智能体和应用。

谢谢邀请，很高兴来。

是啊。

有时想到自己在这家公司工作、建设了这么久，会觉得：“哇，真不敢相信已经这么多年了。”不过公司确实经历了不同阶段。过去两年半到三年，我们的增长开始加速，也取得了很多进展。我 2017 年创办公司，当时参加了 Y Combinator 的首个 AI 批次，整个批次大概十家公司。我想那可能是唯一一个纯 AI 批次；之后他们或许又办过一次。

对我来说，我就是坚信这样的公司能做得很好，而且做这件事本身也很有意思。从一开始，我们的产品愿景就是打造语音 AI 基础设施，让其他公司和开发者在上面构建产品。当时这个市场非常小，几乎还不存在。看整体潜在市场，过去十年语音 AI 市场增长了十倍，未来十年还会再增长十倍，所以我们正处在一个快速扩张的市场里。

我们的产品愿景是打造语音 AI 基础设施，让其他公司、实际上任何开发者都能在上面构建产品。如今，Granola 这样的公司、Tolan 这样的消费应用，以及大型企业，都在 Assembly 上构建语音智能体和应用。既有可以直接对话的智能体，也有帮助医生记录病历的环境式智能体。

我们真正专注于语音以及语音的各种应用场景。我在打造 AI 公司时意识到一件有意思的事：把 AI 产品做到 90%其实相对容易，但最后那 10%才会带来产品市场契合度。

没错。无论你在做智能体、AI 功能，还是像 Assembly 这样的公司，都是如此。举个例子，语音智能体的转录模型通常很难准确识别用户说的很短的话，比如“是”“嗯”之类。如果这类内容识别不准，用户和智能体的整个交互体验就会失败。我们收到过很多关于这个具体问题的邮件，而这只是我们关注的数百个细节之一。

我不太确定。我们的独特之处在于完全按用量付费。使用 Assembly 就只为实际用量付费，我们没有承诺合同。我们构建的推理技术让客户能够随需求扩缩，不必预先承诺算力、用量或启动服务器。

我认为这是我们的基础设施帮助客户和开发者构建成功语音智能体与应用的最好证明。平台上已经有超过 100 万名开发者，我想其中约 40%是去年注册的，增长正在加速。我们专注于让语音智能体和应用成功的核心质量，开发者看到了这一点，所以选择了我们。

这个问题很有意思。之前我们聊到，我有一辆 Tesla，车里装了 Grok 语音引擎。

我觉得这正好说明了 AI 前后的语音体验有什么不同。你可以按下 Tesla 的麦克风按钮发出语音指令，比如“导航到这里”，但它不太听得懂，反应有点慢，而且你得非常明确地说，感觉不够智能。

对，所以人们不会养成使用习惯，也不会觉得它离不开。语音技术已经存在几十年了，几乎所有地方都可以打电话……

……客户服务电话里，你通常会遇到很糟糕的语音 AI，也就是传统的交互式语音应答系统。但过去 18 个月有了巨大变化：如果用最新技术构建，围绕语音打造的 AI 系统好得多，因此第一次出现了全新的用户体验。

我们有个客户叫 Cero AI，在纽约。你可能没听说过。他们做了一款应用，面向电工、现场销售技术人员、屋顶维修人员等需要上门给客户报价的人。AI 可以替他们做记录，并在拜访后提供反馈，帮助这些现场人员提高效率、获得指导。

我们公司开会、和客户会面时都会用会议记录工具。那些信息可以作为公司其他 AI 智能体的上下文，也能增加公司的透明度。我会用语音输入在电脑上发消息、操作不同应用，也会在车里用。

大多是问车的问题，比如“这个功能怎么用？”不过我也开始用 GPT Live。OpenAI 新的实时双向语音模型很棒，现在和 ChatGPT 说话的体验真的很好。

是的，真的很好，不过还有些不成熟的地方，比如同时有几个人说话时的处理，它有时会自己跑题。

对，但它很了不起。我正在把这些技术用到个人生活和工作里。我们刚才聊过，我有两个年幼的孩子，现在有些很酷的语音控制玩具。比如 Stickerbox，按下按钮，描述你想要的贴纸，它就会生成并打印出来。还有一家客户做的毛绒玩具，捏一下就能和它说话。我们办公室有一个，待会儿我拿给你看。

对。我觉得语音的特点是它更像一种共同参与的体验，因为你是大声和它说话。

没错，这就不再是孤立的体验了。

语音会成为所有硬件和软件的一种主要交互方式。我不认为它一定会取代键盘、鼠标或触摸屏，就像现在我们既有键盘鼠标，也有触摸屏一样，未来还会有语音输入。有时你还是想坐下来打字，有时则想直接对电脑说话、发出指令。

我还想到电视。你可以直接对电视说：“播放某某节目的最新一集。”它不需要先被唤醒，也能知道你是在对它说话，并区分你的声音和别人的声音。肯定会有新的语音优先设备，但语音也会集成到各种软硬件里，甚至是咖啡机。

我们办公室有台很复杂的咖啡机。

对，没人会用。很快你就可以走过去告诉它：“给我做这种咖啡。”

我用咖啡机打比方，是因为它最初是实体按钮，后来有了触摸屏，下一步则是按一个按钮就能开口说话。我认为语音会成为所有软件和硬件的主要交互方式，我们正在构建相应的基础设施。不过还有很多事情要做，尤其是面向消费者的产品，成本必须很低，很多场景还需要在设备端运行。

十岁的我就在地下室打《魔兽世界》。我一直喜欢电脑和电子游戏。

我哥哥也喜欢。他会买齐配件，把我们家的电脑组装起来。我看着他做，自己也玩起了电子游戏，然后给《反恐精英》战队做网站，在 IRC 上聊天。我一直泡在电脑前，很喜欢计算机和科技。

他比我大五岁。

我对新科技的兴趣一直都在。

十七岁时，别人问你想读什么专业，你也不知道，所以就随便选了一个。我父母没有特别影响我选什么。他们并不是不在乎，只是觉得我开心就好，学校看起来不错、安全，就可以了。他们从没强推我走哪条路。

对，在东海岸。

后来做过几家初创公司，我因此对编程和学习写代码很感兴趣。

差不多。大学最后一年我几乎不去上课，因为忙着做初创项目。我没考虑换专业，只想赶快毕业。

我知道自己不适合课堂那种学习方式。我一直是动手做东西学得最好，所以我是通过做应用学会编程的。

大概 12 岁开始学 HTML。

完全没想到，这是个好问题。至少对我来说，年纪小时周围环境对你的影响很大。我不记得高中里有人去读计算机科学，所以我根本没把它当成一个选项。后来我越来越喜欢编程，就买了几本机器学习的书自学，然后搬到旧金山。

对，我买了 PHP 和 Python 的书，然后就开始学。

对，我买了 PHP 和 Python 的书，开始自学。

我们当时想做一家初创公司，需要应用和网站。想法有两个，其中一个像是 DoorDash 的前身：大学生如果要买日用品，可以随时下单。

比如洗发水、牙膏、卫生纸之类。下单后 24 小时内送到，因为我们在校园里有个仓库，就在车库里备货。我们需要网站和应用来收款、让人下单。正好需要这些，我就把它做出来了，发现这事特别有意思，像在玩游戏。

对。

完全是。现在有了 AI，大家都能有这种体验，因为可以看着 AI 当场帮你构建东西。这个过程特别让人上瘾：构建、获取反馈、迭代，真的很有趣。

没做起来。我们根本不知道自己在做什么，更像是大学里的创业热情，没有那么认真，只是试着做点事情。

没错。大学毕业后我继续写程序、接一些合同项目，也越来越喜欢机器学习。后来我搬到旧金山，在 Cisco 找到机器学习工程师的工作。

它看起来是更难的编程问题，技术挑战也更大，而且感觉更接近未来。那大约是 2015 年左右，神经网络开始普及，TensorFlow、深度学习框架和论文都还处于早期。它让我觉得这是计算机科学和科技里一个全新的领域，非常有意思。

我一直都喜欢挑战。创业也有这种感觉：你在构建一些东西。我小时候喜欢电子游戏，可能也是因为你在里面创造一个世界、不断升到新关卡。

对，这些感觉都联系在一起。总有很多东西可以探索，我喜欢那种自己摸索出答案的感觉。

……构建东西的感觉，也是我小时候喜欢电子游戏的原因之一。你在创造一个世界、进入新的关卡。

对，里面有很多可探索的东西，我喜欢逐渐弄明白事情的感觉。

我考虑过，但不知道自己想做什么。我认为创业至少要承诺做五年，准备好接下来五年都投入其中。我试过很多零散想法，但几个月后就会觉得无聊或失去兴趣，所以不想勉强自己。我也想来旧金山，多学编程、产品和构建东西。

对，但他们最后没给我这份工作，拒绝了我的申请。这段经历让我意识到，我其实想来这里，在初创公司或科技公司工作，而不是一个人单打独斗。

不过 Cisco 有个很棒的团队，想做创新、开发新产品。那像是 Cisco 内部的孵化团队，感觉很令人兴奋，因为能亲手做东西。

他们想给 Cisco 的一些视频会议硬件加上自然语言界面。我就是那时接触到语音、自然语言理解和处理，慢慢进入这个领域。差不多同一时期，Amazon Echo 发布了。

大概两年。

我在大学时创办过一些初创公司，后来发现即使是在大公司，事情也会运转失灵。

有点惊讶，因为那是我的第一份正式工作。但这也让我安心：没有人什么都弄明白了。即便是收入庞大的上市公司，大家也还在摸索。

没错。这让我有信心去尝试创办自己的公司。不过我可能开始得太早。正如之前聊到的，我们过了五年才融到 A 轮。也许 2020 年再创办 Assembly 会好得多。

整段经历非常有意思。不过当时市场很小，没人愿意投资，因为他们会问：“这东西的市场到底在哪？”现在市场看起来很明显，但那时候确实很小。我们大概早了几年。

我买了一台 Amazon Echo。准确地说，是 Amazon Echo 让我开始关注语音。我看了它的广告，觉得“哇”，就买了一台。它工作得那么好，让我很震撼。就像我们刚才聊的，车里的语音听写和车里的 AI 对话是两种截然不同的体验。Echo 也给了我同样的感觉：它真的好用，好到给我带来全新的体验，我开始养成使用习惯、依赖它，甚至会主动想用它。这是我用过的第一个能带来这种体验的语音产品。

大概六个月。对我来说，这是几件事结合起来：深度学习正在快速发展，未来十年会持续进步，而我想进入这个领域。

我能看出未来十年深度学习和 AI 会越来越好，会改变很多产品，也会改变自然语言界面。我想朝这个方向构建东西，而且我一直喜欢做开发者工具，让其他人可以用它们创新。我至今仍喜欢我们正在构建的产品，也喜欢看到别人用它做出很棒的东西——没有我们的平台，他们真的做不出来。工具可以帮助人们释放创造力和创新能力，这几件事加在一起就是我的动力。

老实说，我没有任何预期。

没有。我就是开始做了。那时我还年轻，就这么一头扎了进去。这是我第一次真正创办初创公司。以前当然也做过一些小项目，但这是第一个真正的创业公司。

对。现在如果我再创办一家公司，或者我们现在推出一个新产品，我们已经知道怎么做了，会设定预期和目标。但当时我们要做的东西根本没有市场。

不太觉得，因为我知道自己随时可以再找工程师的工作。

我倒没那么担心，因为我知道自己随时都可以再去找一份工程师工作。

那时候我还没孩子，公寓里的家具就是 Target 买的，个人生活需求很低。我根本没从风险角度想过。

大学毕业后我基本靠信用卡债生活，后来进了 Cisco，把欠款都还清了。所以我已经经历过“刷信用卡欠债、找到工作、还清债务”这一套。我想最坏的情况也不过是再来一次。

所以我的风险承受能力一直比较高。

不知道，我想不是。我也不知道这种性格从哪来的。

没有。我觉得很大一部分原因是当时我能看出整个 AI 行业会往哪儿走。我参加过最早的一些 TensorFlow 聚会，也读了很多关于早期语音和计算机视觉深度学习系统的博客、书和论文。这让我心里有底：即使花五年做这件事最后没成功，我仍会学到有价值的技能。

对。不管怎样，这都能让我深入、快速地学习一项我确信会很重要的新技术。核心产品一直是 AI 研发和研究工程，这正是我想做的事。

是的。

没错。

当然。我申请 Y Combinator 时，没觉得自己会被录取，只是想申请看看。

我晚了一个月申请。辞职后，我从天使投资人那里融了大约 5 万到 10 万美元。我本来打算先把产品做出 V1，再找几位熟人做联合创始人，之后申请 YC。但不知道为什么，我还是在夏季批次截止一个月后申请了。

我们就一边在欧洲、一边工作，待了一个月。我和妻子都是创业者。

她几年前创办了一家 AI 金融科技公司，后来公司被收购。她现在在做很多不同的事情。

对。那 12 周里我们取得了一些进展，YC 之后我融了大约 100 万美元。于是我决定先招一些早期员工、创始团队成员。

我记得当时非常焦虑，因为那一批大概有 300 家公司……

……大多数人都有团队，进展也比我快得多。

当时负责我们的 YC 合伙人是 Daniel Gross。他后来和 Nat Friedman 一起做了很多 AI 投资，现在两人都在 Meta。他们在 YC 之后都向公司投了很多钱。Daniel 曾在 Apple 工作，了解那里的语音技术状况，也很相信这个想法。我想他为我们说了好话，所以我们才能进 YC。之后他也投了不少钱。

是的，他很早就相信我们的产品愿景。

那 12 周简直像一阵旋风，很难决定什么最重要。你只想在 Demo Day 前做出很多进展，因为 Demo Day 是 YC 的终点，之后就去融资，像流水线一样。对我来说，训练一个新模型、把它做好要花 30 天，整个 YC 只有 90 天，所以最多做三轮。你得决定是这么做，还是去找现在的产品适合谁。可当时市场很小，所以到底该专注于争取客户，还是改进产品，很难判断。

是的，很难确定重点，而且实际情况是每周都在变。

我招了几个人。最初实际上就三个人：我、Guru 和 Michael。他们很棒，后来两人一起创办了一家公司，最近也参加了 YC。

团队当时确实很小。

很多时候都在纠结：是把技术做得更好、跨过新的门槛，还是拿现有产品去找市场。我们就在两者之间来回摇摆，因为总想取得进展，而任何东西好像总能找到一个市场。但真正影响更大的工作，需要延迟满足：先把核心能力做好，跨过门槛，打开新的市场区间，然后才能去销售、获取客户。

我从没怀疑过方向是否正确。更多是担心我们会不会过度聚焦当时有限的语音市场，比如庭审速记，然后只在那里深挖。我想我们一直有更大的愿景……

我们一直希望能迎来各种新的、很酷的东西，让人们可以构建产品。只是花了很久才走到那一步。2022 年之前的应用场景更多是在改造旧用途，而不是我们想要服务的那些全新、从零开始的场景。

我把最初几位同事看作真正的伙伴。大家一起构建、一起投入，都在旧金山并肩工作，努力把事情做成。那段时间很有意思。

我不记得我们真的用这种方式讨论过。就是各自做自己觉得该做的事，试着构建一些东西，很有趣。

幸运的是，她的初创公司起飞时，我的还没有。等我的公司开始发展时，她已经退出了公司。时间刚好错开。如果两边同时处于创业冲刺期，我想会难得多。

还挺有意思的。我们经常聊产品，也会用彼此的产品、互相给反馈。

没错。

确实没什么时间锻炼。

我们有一个四岁的孩子和一个三岁的孩子。工作加上照顾他们，时间基本就用完了。生活总是排得满满的，但我努力做到回家陪他们吃晚饭、哄他们睡觉。即使一天只有最后两小时，我也尽量全心陪伴。不过平衡这些很难。

周末还是能安排一点，但工作日基本就是初创公司和家庭。

那是很多年前了。

……我们还有很多远程员工，是一家灵活的混合办公公司。因此公司里有很多员工有孩子，我们尽量为父母提供支持，因为这需要灵活安排。

周末可能有一点，但工作日基本就是初创公司和家庭。

很有意思，因为我们的产品和市场愿景终于开始成真。每个月都有数万人注册 API，我们一直在推出新产品和功能。客户也发展得很好，很多已经是十亿美元级公司，融资规模很大。像 Granola、Retail、Fireflies 这些客户，语音都是其核心业务，而且发展得很成功。看到他们成功很开心。

早期第一次扩张时，人们很容易照搬所谓的最佳实践，或者照着“该怎么建、怎么扩张公司”的刻板做法。但在今天，尤其是 AI 领域，经营和扩张公司的很多规则都在变化。

一个不太有意思、但很实际的例子是定价和产品套餐。我们最初按传统方式签 12 个月合同，但觉得这对客户来说体验不好，也不符合他们想做的事。于是我们改成完全按用量付费、随用随付。这对客户很有效，但和之前各家公司普遍采用的做法不同。类似的小例子还有很多……

……我们一直在把这些新思路用于决策：公司应该投资什么？像我们这样的公司应该怎样看待产品？公司应该有多大、组织层级该怎么设计？

公司现在大概只有 85 到 90 人。

对，我们也一直有意识地控制规模。

是的。我们融了不少钱，然后在弄清楚什么有效之前就扩张了。常见的想法是“融了钱就该招很多人”，于是没准备好、还不知道哪些事情值得扩张时，就先扩了。后来我们不得不重新制定市场进入策略，重新构建符合客户购买方式的客户旅程。

到某个时点，显然我们原来的市场进入方式和客户不匹配。

我们把传统销售流程套用到 AI 基础设施上。除此之外，2023 年的 AI 基础设施市场也还很早期。ChatGPT 在 2023 年推出后，2023、2024 年有一批很聪明的团队率先推出原生 AI 应用，比如 Perplexity、Jasper、Lovable。但这样的公司还不多，我们一直专注基础设施。在我们看来，直到去年应用才大量涌现，而现在编程智能体让更多人开发软件，增长还在加速。

说实话，最难的还是早期。做这件事太久了，也许已经有点习惯、麻木了……

每周总有起伏，但现在我们对产品愿景、市场进入方式和目标市场都更有把握，目标市场也成熟多了。不再是很早期的阶段，机会正在眼前。现在要做的是专注执行。

我绝没有全都弄明白，也不是没有压力。也许只是应对机制更成熟了。早年确实压力大得多，尤其是参加 Y Combinator 的时候，可能是我最紧张的一段经历。

对我帮助最大的，大概是有一个很好的支持网络。我们的投资人非常棒，也很支持我，我经常和他们交流。

Accel、Insight 和 Smith Point 是公司的大投资人，我几乎每周都和他们沟通。他们非常了解公司的情况，也能像管理团队的一员那样参与讨论、提供帮助。

比如 Synthesia 的 Victor、Pinecone 的 Edo，还有这些年认识的许多创业者。我可以给他们发短信。

我们就是偶尔在 WhatsApp 上发消息。

没那么正式。更多就是见面时听听他们遇到的事情，也讲讲自己的问题。你会发现大家面对的情况都差不多，所以没有人掌握所有答案，人生和创业总有起伏，只能继续往前。

对，就像团体治疗。

没有。

我更喜欢向真正经历过这些事的人请教。

对，这对我最有帮助。当然，他们可能对别人也有用，只是我从前任运营者，或者正在经营公司的人那里得到的建议更好。

我们有很好的产品市场契合度，需求也很大，所以正在努力扩大公司规模、管理增长。既要让现有客户持续发展，又要为新客户扩建团队，还要应对平台上客户规模的增长。我们很幸运，身处一个有强劲顺风的市场，希望尽可能抓住这个机会。

刚创办公司时，我想做的是帮助人们构建 AI 应用的开发者工具，就像一条组装 AI 原语的流水线。我需要一个名字把想法具体化、让它变得真实，就想出了 AssemblyAI，后来这个名字就留下来了。早期我也没太多考虑。

是啊。唯一的缺点是有时别人会把它念成“Assembly AI”，因为在邮件或别的地方 AI 是小写的。

公司刚开始时，名字对我没那么重要，只是需要给这个想法一个名字，让它成为一件真实的事。

对，就是把它正式化。

我们正在这里扩建市场团队。纽约有很棒的团队和办公室，也会继续发展，但我们在旧金山有很多客户，也在这儿大量招聘，我个人希望离他们近一点。我过去在这里住了将近十年，疫情期间和疫情后我们搬走了。我和妻子也很高兴能回到旧金山。我们要在这里组建市场团队，所以我想亲自在这里。

我心里一直有一个想要实现的产品愿景，还有很多东西要构建，我对此非常兴奋。每天让我期待来工作、建设公司的，是脑海里那个清晰但尚未实现的产品愿景。我们还要做很多工作才能抵达那里，我很有动力一步步靠近，让愿景成为现实。

我想自己本质上就是个构建者，想把公司变成我相信它能成为的样子。我从来不在意我或公司的地位，而是相信我们可以做出很棒的东西，帮助其他人创新、发挥创造力，为这个世界构建真正酷的产品。刚才提到的那个玩具就是个好例子，待会儿我拿给你看。

会的。我真正热衷的就是把公司做成我们相信它能够成为的样子。

……努力把公司做成我们相信它能够成为的样子。

我之前刷得太频繁了。

所以我把手机上的应用都删了，也在电脑上屏蔽 X，因为它太让我分心。后来我就改掉了打开它的习惯。不过为了公司，我可能还是得回来。

对，确实如此。

偶尔会去看看，但 Elon 收购 X 之后，浏览内容要先登录。我不想重新登录，因为它太让我分心了。

后来我就改掉了这个习惯。

谢谢你邀请我，聊得很开心。