高盛前员工与Meta创始人联手开发面向被忽视市场的语音AI

客户支持与服务是当今语音人工智能领域最热门的领域之一。但在某些市场，开发出声音逼真且响应延迟极低的产品要比其他市场困难得多——而大多数主要玩家在设计产品时并未将非洲和中东地区纳入考量。

AethexAI是一家成立于去年、旨在弥合这一差距的初创公司，已获得由4DX Ventures领投、Enza Capital、Dorm Room Fund、Mojo Ventures和斯坦福大学商学院26号基金跟投的300万美元超种子轮融资。个人投资者包括斯坦福大学教职人员、电信高管以及Anthropic的人工智能研究人员。

该公司没有依赖Vapi和LiveKit等现有的编排工具，而是从零开始构建了自己的紧凑型模型和编排层，以适应其目标市场中通用的英语、法语和阿拉伯语方言——正如我们将看到的，这一决策正是由在该地区运营的具体需求所驱动的。

该公司还推出了面向企业的平台，供其测试技术并注册服务，同时为开发者提供了API和SDK，以便他们对模型进行实验。

这家初创公司由玛丽亚玛·迪亚洛（Mariama Diallo）和阿尤卢瓦·奥德穆伊瓦（Ayooluwa Odemuyiwa）共同创立。首席执行官迪亚洛曾就职于高盛（Goldman Sachs），随后加入由 Y Combinator 支持的 ModelML，负责产品和业务增长。首席技术官奥德穆伊瓦毕业于加州理工学院（Caltech），曾在 Meta 工作，并在斯坦福商学院进修，之后共同创立了该公司。 两人希望为新兴市场打造一款产品，并开始寻找机会。

全球各地的企业都在竞相采用人工智能工具，以实现部分运营流程的自动化。但这一过程并不总是一帆风顺。创始人发现，在埃及，某呼叫中心曾将大部分来电处理流程自动化，但因效果不佳而撤回了该系统。 非洲的多家客服中心向他们反映，以合理的成本寻找并招聘能够实现呼叫自动化的工程师，一直是一项棘手的挑战。

“我们在该地区自动呼叫中观察到的延迟和抖动简直令人难以置信。如果我们当时只是扮演协调者的角色，可能不得不使用托管在该地区以外的大型模型，从而导致更高的延迟。 我们意识到，要想让系统正常运行，必须使用非常小的模型，并在每个环节降低延迟，”奥德穆伊瓦在接受TechCrunch采访时，谈及公司决定自主开发模型和协调层的原因。

部署最新模型的AI实验室通常需要花费数百万来训练模型并获取数据。AethexAI为这两个问题都找到了解决方案。该公司没有一味追求最大规模的模型，而是得出结论：小型模型在保证准确性的同时足以解决延迟问题，并开发了参数范围在3亿至17亿之间的自有Kora系列模型。 这仅相当于大型语言模型规模的一小部分——而这正是关键所在。

为了训练这些模型，这家初创公司使用了来自呼叫中心合作伙伴的匿名录音。此外，它还向非洲各地的广播电台寄送硬盘，以收集更多音频数据。为了降低成本，它建立了一个由大学生组成的贡献者网络，负责对数据进行标注并发音当地地名。 据该公司称，目前其日均处理通话量已超过17,000通。

在业务层面，该公司会耐心引导初次接触语音AI的客户，通过现场演示和研讨会，帮助他们确定最适合自动化的应用场景。

“我们总是告诉客户，目前我们无法满足所有人的所有需求。我们规模还很小。当我们开始与一家公司接洽时，会请他们先选择一个对他们而言最重要的应用场景作为起点，”迪亚洛说道。

这家初创公司愿意与各行各业合作，但目前其大部分应用场景涉及催收、客户激活或KYC（了解你的客户）验证——这是银行和电信运营商采用的标准身份核查流程。 该公司正在以合同制形式招聘前置工程师以服务当地市场，并与电信运营商建立渠道合作伙伴关系，以处理语音AI通话的通信业务。该公司表示，现成的“即插即用”解决方案在这里根本行不通。

4DX Ventures的联合创始人兼管理合伙人沃尔特·巴杜（Walter Badoo）指出，非洲和中东市场与大多数语音AI公司最初所针对的市场存在根本性差异。

“非洲和中东企业的呼叫量大约是西方企业的三倍，因为语音仍是客户互动的主要渠道，”他说，“现有系统是为西方市场设计的，这些市场以高端GPU基础设施、标准英语和欧洲语音环境以及欧美常见的企业工作流程为特征。 当企业需要能够处理方言、语言转换和非正式语态，且能在现有电话通信基础设施和实际价格范围内运行的系统时，这便造成了实质性的差距。”

换言之，尽管ElevenLabs、Deepgram、Sierra和Cognigy等公司正在快速全球扩张，但它们最初为之构建的市场与当前正在进入的市场并不总是相同的。 像AethexAI这样的初创公司正押注于这些空白——专门针对当地方言的模型、本土合作伙伴关系以及为该地区量身打造的基础设施——这代表着一个市场机遇，而行业巨头既缺乏填补这一空白的动力，也没有相应的架构来实现。