仅仅只融资 460 万美金,字节和 Google 出来的华人团队做到 1 亿美金年化收入

0 评论 107 浏览 1 收藏 18 分钟

一家叫 Retell AI 的美国公司,用 AI 替汽车经销商接电话,17 个月把年化收入从 1000 万美元做到 1 亿美元,累计只融了 460 万美元。它没有派工程师驻场陪客户上线,而是把上线能力做进产品,让客户自己的人就能接手,这笔账值得拆开看。

文章封面

你有没有想过,一家汽车经销商的服务部门,每天要接多少个预约维修的电话?有人要改时间,有人问保养要多久,有人只想知道今天能不能过去。接电话的人一忙,铃声就变成了留言,留言又变成了流失的客户。美国有一家叫 Retell AI 的公司,做的就是替企业接这类电话。11 月 12 日它公布,年化收入已经到了 1 亿美元,从千万级涨到这一步只用了 17 个月。公司已经盈利,从成立到现在,它一共只融了 460 万美元。

Bing Wu 11 月 13 日在 X 上宣布年化收入破 1 亿美元:17 个月从 1000 万到 1 亿,已盈利,只融了 460 万美元。图片来自 Bing Wu 的 X 账号

Bing Wu 11 月 13 日在 X 上宣布年化收入破 1 亿美元:17 个月从 1000 万到 1 亿,已盈利,只融了 460 万美元。图片来自 Bing Wu 的 X 账号

创始团队是几位从字节跳动、Google 和 Meta 出来的华人,做的是美国大企业的客服电话,这是企业软件里最重、最依赖服务的一块。我想讲的判断是,他们的钱和人没有花在陪客户上线上,而是花在把上线这件事做进产品里,让客户自己的人就能接过去。收入和融资额能差出这么大一截,原因就在这里,我觉得这也和这支团队的出身有直接的关系。

01 做到 1 亿美元却几乎没花融资,省下来的是陪客户上线的人力

要看懂这笔账,得先知道这个行业过去怎么卖软件。给大企业卖 AI 客服,惯例是派一批工程师住到客户那里,陪着一遍遍改,业内管这种人叫 FDE,也就是派驻在客户现场的工程师。想象一下,你买了一台商用咖啡机,供应商却要派人每天站在你店里调水温、调研磨粗细,你付的钱里有很大一部分其实是这个人的工资。大企业的电话流程又长又杂,规则多、系统多,没人陪着确实很难跑通,所以这种做法很普遍。

但它有一个绕不开的限制,收入想翻一倍,派出去的人也要翻一倍。工程师不好招,也贵,培养一个能在客户现场独当一面的人要很久。所以收入涨得越快,成本也跟着涨,融资就成了必需品,因为每多签一个大客户,都得先垫一笔人力。很多做企业服务的公司看起来增长很快,其实是在用融来的钱换客户,一旦融资放缓,增长就跟着慢下来。

Retell 走的是另一条路。他们说自己从第一天起就是产品优先,把部署里最难的部分放进产品,让客户不用依赖他们也能搭、能管、能改。CEO Bing Wu 在帖子里写下的赌注,是客服中心的未来属于真正在运营它的人。这句话乍一听像口号,放到账上就很具体:产品能让客户自己上线,Retell 就不用跟着客户数量去堆人。2024 年 5 月 TechCrunch 提到它当时累计融资四百多万美元,客户只有几百个,如今这个数字几乎没动,客户却已经超过 4000 家,说明这两年多的增长基本是靠收入自己养出来的。

Retell 官网首页:给客服中心做的 AI 语音代理。图片来自 Retell

Retell 官网首页:给客服中心做的 AI 语音代理。图片来自 Retell

电话客服恰好是最适合这么做的地方。对大企业来说,客服是最贵、流动最大的人力岗位之一,老板们早就想降成本、缩短客人等待的时间,缺的只是一个靠谱的办法。以前的语音机器人响应慢,客人一插话就乱,没有人敢把真实的电话交给它。这个门槛一旦被产品跨过去,需求就是现成的,不用再花力气去教育市场。

02 让客户自己的人接手,比陪客户上线更容易复制

这个做法最好的证明,是一家叫 Asbury 的客户。Asbury 是美国的汽车经销集团,旗下上百家店,它负责开发和创新的副总裁 Charlie Agrinsoni 是在凌晨 1 点刷 YouTube 的时候发现 Retell 的,第二天一早团队就开始搭。现在他们的语音机器人每个月能帮店里约上好几万个维修预约。一个财富 500 强的公司,从发现到动手只隔了一夜,这在企业软件里很少见,因为通常光是走采购流程就要几个月。

Bing Wu 讲 Asbury 的故事:凌晨 1 点在 YouTube 上发现 Retell,第二天开始搭。图片来自 Bing Wu 的 X 账号

Bing Wu 讲 Asbury 的故事:凌晨 1 点在 YouTube 上发现 Retell,第二天开始搭。图片来自 Bing Wu 的 X 账号

更值得看的是他们后来怎么管的。Charlie 说,这个平台最好的地方之一,是自己的人可以进去直接改,“这是在掌握自己的命运”。Retell 的做法是先派自己的工程师帮客户把第一版送上线,再帮客户培养内部的团队,客户把这种人叫作“内部派驻工程师”,Retell 干脆沿用了这个名字。也就是说,派人这件事没有消失,只是目的变了,不是替客户一直做下去,而是教会客户的人自己做。

这和代驾、驾校的区别有点像。派司机天天替你开车,每多一个客户就要多一个司机;教会客户的人开车,教一次,以后开多少公里都和你没关系了。联想的例子也是这个思路,Retell 的机器人现在替联想接了全球 74% 的客服电话,覆盖十几种语言,Bing Wu 说他最自豪的地方,是这些机器人由联想自己的团队在管、在改。

这里有个细节容易被忽略:Retell 允许人用平常的话描述想要的机器人,放到真实的通话里试,再自己慢慢改,任何人注册一个账号就能开始搭第一个。企业软件很少这么做,因为大公司的习惯是先谈合同,再给人用。可对一个靠产品说话的公司来说,让人先用起来才是最便宜的销售,Asbury 的凌晨一点就是这样来的。

这对客户和对 Retell 都有好处。客户不用排队等供应商的工程师有空,今天发现问题,今天就能改。Retell 每多一个这样的客户,就多了一批靠它的平台练出本事的人,这些人以后也不太容易换到别的平台,因为他们积累的经验是长在这个产品上的。

03 客户敢自己动手,是因为底下的语音先要够稳

不过,让客户自己改的前提是,改完以后不会出怪事。电话和聊天窗口不一样,聊天时模型想三秒没人在意,电话里沉默三秒,对面的人已经在问“喂,你还在吗”。Retell 在 2024 年做的就是这件事,他们当时把响应时间压到了不到一秒,花了很多功夫处理打断、轮流说话这些细节,联合创始人 Evie Wang 对 TechCrunch 说,他们不把语音机器人当成几行提示词就能做出来的玩具。那位记者试打了他们的演示电话,故意想把机器人带偏,没有成功。

这条路线两年多没变,今年 11 月他们又发布了自己训练的模型 Tell-1。它解决的问题讲得很实在:打电话的人会插话,会只答一半,会说着说着改主意,而机器人还得知道该问什么、什么时候该去查系统。常见的推理模型想得越久答得越好,可电话里想得久就是冷场。Tell-1 的做法是先说出回复的第一句,趁这句话还在播的时候,在后台把剩下的想清楚,接着再往下说。想的内容不会念出来,对面的人听到的是一段不断档的回答。

Retell 联合创始人兼 CTO Zexia Zhang 讲解自研模型 Tell-1。图片来自 Retell

Retell 联合创始人兼 CTO Zexia Zhang 讲解自研模型 Tell-1。图片来自 Retell

这很像一个老练的前台。客人刚问完,她先说一句“好的,我帮您看一下”,手上同时在翻系统,客人听着很自然,并不知道她那一两秒其实是在查。Retell 说这个模型从 11 月 19 日起开放,客户可以在自己的通话上拿它和别的模型比一比。这个细节呼应了前面的判断:既然要把选择权交给客户,模型好不好就不能靠宣传,得让客户用自己的电话去验证。

我觉得这里还有一层意思。产品优先不是只把界面做得好用,而是把客户最担心的几件事,也就是机器人乱答、冷场、没调用该调用的系统,在底层先解决掉。底层不稳,客户自己动手就是风险;底层稳了,客户自己动手才是优势。所以自研模型对 Retell 来说不是锦上添花,而是这套打法能成立的地基。

04 这支团队的出身,适合把复杂的事吃进产品里

回头看创始人的履历,会发现这个选择并不意外。Bing Wu 在字节跳动和 TikTok 做了三年产品经理,负责过面向企业和面向普通用户的产品,更早在大学时就做过两家拿到投资的公司。Evie Wang 在字节做了三年产品设计师,现在是联合创始人兼 CMO。CTO Zexia Zhang 在 Google 待了四年,带队做过语音翻译,也做过通话分析的自然语言处理,这正好是电话客服最需要的功底。Weijia Yu 在 Meta 做过三年产品经理兼技术负责人,更早在一家做语音合成和计算机视觉的公司带过应用开发。Todd Li 是总裁。他们在 2023 年创办公司,2024 年进了 YC 的冬季班,现在总部在旧金山。

Retell 在 Y Combinator 上的五位联合创始人。图片来自 Y Combinator

Retell 在 Y Combinator 上的五位联合创始人。图片来自 Y Combinator

把这些摆到一起,有两件事很清楚。第一,他们都是在大厂里把产品做给很多人用的人,这类人的习惯是,一个功能如果要靠人当面讲解才会用,就算没做完。第二,他们的公开介绍里,没有一个人来自呼叫中心行业,也看不出企业销售的背景。这是我的推测:没有行业关系可以依靠的团队,要拿下汽车集团、联想这样的大客户,最顺手的路就是让产品自己把事情讲清楚、做明白,派人驻场只是辅助。

语音这一块也是同样的道理。通话分析和语音翻译不是新做法,Zexia 在 Google 做的就是这些,他们是把已经在大公司里验证过的技术,搬到一个还在靠人工的行业里。这种“把大厂里成熟的能力,搬给还没用上的行业”的路子,成本比从头研究低得多,也更容易在短时间里做出能卖的产品。对一个融资很少的公司来说,这几乎是唯一走得通的路,没有余钱去赌一个还没人验证过的技术方向。

我觉得这件事对同样背景的人有参考价值。这几年从大厂出来创业的华人工程师和产品人很多,很多人的第一反应是找一个自己最熟悉的消费场景,Retell 的做法是找一个别人还在靠人堆的传统行业,把在大厂练出来的产品能力直接用上去。不需要换行,也不需要先成为客服专家,要的是看出哪里的成本其实可以用产品来省掉。

我自己的一点思考

1 亿美元这个数字,我会打一点折扣来看。它是把最近一段时间的收入放大成一整年,而 Retell 按通话分钟收钱,客户那边电话少了,收入就跟着少,这和按年签合同的软件不是一回事。所以它更像是今天的水位,至于能不能一直保持在这个高度,要看客户的通话量会不会一直涨。

竞争也会越来越挤。TechCrunch 在 2024 年就列过一串对手,有专做语音客服的创业公司,也有 Google 这样的大厂,现在做大模型的公司自己也在做实时语音。Retell 今年自己训练 Tell-1,我理解是想在最容易被别人追上的那一层先站稳,不把命交到别家模型手里。

我更没把握的,是把改机器人的权力交给客户以后,出了事算谁的。哪个周末有人把机器人改坏了,打进来的客人听到一堆胡话,他们不会去怪客户自己的工程师,只会记住这个牌子不靠谱。所以改动能不能留记录、出了问题能不能一键退回上一版,这些听起来很小的功能,其实决定了大企业敢不敢真的放手。Retell 在官方说明里反复讲“在一个地方搭、测、盯、改”,看得出他们心里也清楚这一点。

让我愿意继续看下去的,是那些自己动手的客户。一个客服主管每周都在看通话记录,知道客人总在哪一句挂断,改完当天就能上线,这个循环转得越熟,她就越离不开这个平台,因为换一家等于把这些经验全扔掉。一支只融了四百多万美元的华人团队,能把一个最依赖人力的行业做成这样,靠的不是运气,而是一开始就想清楚了,钱要花在产品上,不花在人上。

资料来源

Bing Wu,Retell just crossed $100M in revenue run rate,X,2026-11-13原文 https://x.com/_bingwu/status/2120925189647315177

Retell,Retell Hits $100M in Annualized Run Rate,2026-11-12原文 https://www.retellai.com/blog/retell-100m-revenue-run-rate

Retell,Tell-1: Interleaved Reasoning for Real-Time Voice Agents,2026-11-13原文 https://www.retellai.com/tell-1-technical-blog

Retell,Asbury Automotive partners with Retell原文 https://www.retellai.com/blog/asbury-automotive-partners-with-retell

Y Combinator,Retell AI 公司页原文 https://www.ycombinator.com/companies/retell-ai

TechCrunch,Retell AI lets companies build ‘voice agents’ to answer phone calls,2024-05-09原文 https://techcrunch.com/2024/05/09/retell-ai-lets-companies-build-agents-to-answer-their-calls/

本文由人人都是产品经理作者【深思SenseAI】,微信公众号:【深思SenseAI】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载

题图来自作者提供

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
海报
评论
评论请登录
  1. 目前还没评论,等你发挥!