18個月養成百億獨角獸，明星創始人如何用AI賺錢

原標題：18個月養成百億獨角獸，明星創始人如何用AI賺錢 來源：虎嗅網

18個月，估值飆到 100 億美元，到賬 6.35 億美元現金，年經常性收入逼近 1 億美元——放在任何時代都是「火箭」，在 AI 賽道也屬罕見。

即便是在快速發展的AI創業時代，也很少見。

9 月，全球知名互聯網投資公司Greenoaks Capital 又添一把火：領投 3.5 億美元，讓 Sierra 正式躋身「百億美金俱樂部」。

這家由前 Salesforce 聯席 CEO Bret Taylor 與前谷歌高管 Clay Bavor 聯手創辦的 AI 客服公司，只做一件事：用生成式 AI 替企業「包辦」客户體驗。成立伊始，它就按下快進鍵：產品上線、拿下大客户、數據反哺模型、體驗更優，飛輪越轉越快。

「需求爆了。」嘉和資本 CEO 袁子恆一句話點破玄機，因為美國客服是人力「黑洞」，工資高、流動大；恰好大模型最擅長多輪對話，企業換 AI 立竿見影。如今語音 AI 又成熟，電話端節省的人力可量化、可計算尤其是隨着AI語音技術的發展，語音客服會進一步帶來增長。

如今，與AI客服密不可分的語音AI（Voice AI）正在越來越多的領域發揮作用。在很多行業都有大量電話溝通的工作，而Voice AI能夠有效節省人力，工作效果也較好量化。A16Z的報告中特別指出，語音交互將成為AI應用公司最強大的突破口之一，面向消費者時，語音交互將成為人們接觸AI的首要方式——甚至可能演變為最主要的交互方式，這也是Sierra得以快速增長的背景原因之一。

鑑於Voice AI主導下的AI客服，是當下AI應用中最熱門的賽道之一，我們試圖拆解這個領域的百億獨角獸Sierra，從其商業模式、技術實現和增長方式，理解這家公司快速增長的原因。

Sierra 把最燒錢的企業環節做成最省錢的 AI 能力，市場用鈔票給它按下了加速鍵。

01 明星創始人的AI創業

「我看到 DALL·E 把鱷梨和椅子拼在一起，畫出世上不存在的‘鱷梨椅子’。那一刻我明白：AI 不只是執行，它理解了概念。」Clay Bavor 對紅杉回憶的這個小片段，就是 Sierra 整條故事線的起點——「理解」而非「執行」纔是新範式——即AI不再只是被動執行指令的機器，而是能理解任務意圖、主動完成請求的智能代理。

從那一刻起，兩位創始人把問題縮到最小、也最值錢的企業痛點：客户體驗。

幾乎每家公司都要7×24小時陪客户説話，卻永遠被成本、響應速度和滿意度三座大山壓着，門户導航、關鍵詞搜索、流程型聊天機器人這些漸進式修補只能減輕人力，卻無法讓機器像老員工一樣聽懂需求、主動解決。

大語言模型的出現*次把對話從樹狀流程升級為語義推理，讓「AI代理」替代「人力堆出來的客服」成為看得見路徑的目標

對話式AI的崛起，不僅重新定義了人與機器的溝通方式，也讓「AI重構客户體驗」成為一個看得見路徑的目標。

於是在2023年初，當時已經分別辭去Salesforce聯席CEO和Google工作的Bret Taylor和Clay Bavor開始了關於Sierra的創業構想。

這兩位硅谷老將從一開始就自帶創業光環：從Google Maps到Quip，再到Salesforce聯席CEO，每一次角色變動都讓Bret Taylor更加了解市場和用户需求，這種敏鋭一直延續到Sierra。Clay Bavor則多年供職於Google，長期負責產品與前沿實驗項目，主導了Cardboard、Tilt Brush、Project Starline等產品，始終遊走在感知邊界與未來交互之間，他對品牌氣質和互動體驗的重視同樣為Sierra奠定了產品方向。

明確的賽道判斷和兩位創始人的強大背書使得Sierra的創業並沒有經歷漫長的啟動期。

從2024年初由Sequoia Capital和Benchmark領投，融資1.1億美元；到24年10月融資1.75億美元；再到25年9月由Greenoaks Capital領投，融資3.5億美元，Sierra在一年半時間里實現了從估值10億美元到100億美元的飛躍，呈現出一條飛速發展的上升曲線。

Sierra在2024年初正式發佈並快速拿下WeightWatchers、Sonos、OluKai等首批客户，實現產品落地。

在此之后，Sierra先后拿到了包括Brex、Casper、ADT、Chubbies在內的數百家付費客户，合作客户跨越了金融、消費、通信、醫療等領域。

到了2025年9月Greenoaks Capital的3.5億美元直接鎖定百億美金估值，一年半時間畫出一條陡峭上升曲線。

02 瞄準中大客户，形成數據飛輪

Siera 要證明自己不是又一個演示級 AI，就必須扎進真實的業務流里，用客户的 KPI 為自己打分。

他們把槍口直接對準中大型企業——這個選擇背后沒有「情懷」，只有三層賬：

首先，大客户的客單價和營收潛力更高，更適合Sierra這樣需要深度集成和定製化服務的企業AI平臺。

其次，越是規模龐大的企業，客户羣體越複雜、體量越大，其在客户體驗上的維護和運營成本也越高，所以這些企業會更迫切地需要引入AI代理來緩解人力負擔成本和提升服務質量。

第三，Sierra聚焦的是客户體驗，而體驗的對象指向了消費者。只有當一個企業擁有足夠多的客户，AI提升體驗的價值才能*程度顯現，數據訓練的效果才能積累，進而充分發揮Sierra的平臺潛力。

而在所有戰略規劃背后，還有一個更直白的目標：*化商業價值。

Sierra 從一出生就鎖定高附加值賽道：平均合同 15 萬美元起跳，價格不透明，一單一議，用少數幾家「鯨魚客户」把平臺能力快速拉滿。

袁子恆表示，Sierra2023年成立，做得相對較早，對AI應用而已，先發優勢很重要，不僅搶佔了客户心智，而且深度嵌入客户對工作流，例如CRM、ERP的物流系統，和客户深度綁定，還藉此實現了端到端的交付。不僅是對話，還是先訂單修改和退款處理等操作。

不僅如此，還有飛輪效應，某個細分行業的客户越多，對話越多，輸出的結果就越精準，這也形成了Sierra的壁壘。

后面發生的事證明這條路徑賭對了。AI插進后端，7×24 小時多語言在線，諮詢秒回、復購抬頭，對話數據沉澱成企業自己的私有礦脈。

Sierra通過嵌入客户平臺后端提供全天候多語言服務，極大地促進了銷售的轉化和用户復購；每天AI服務生成的數據也讓企業形成了獨屬於自己的數據庫，真正實現了服務的閉環。

著名牀墊品牌Casper希望為消費者打造貫穿購買全生命周期的智能顧問體驗，於是在2024年與Sierra合作開發了新一代AI客服Luna 2.0。上線后效果立竿見影：Luna 2.0在高峰活動期間解決了74%顧客諮詢，讓Casper的客户滿意度還提升了20%以上。這種全天候工作、多語言服務的客服模式是此前人工客服團隊難以實現的，降本增效效益顯著。

金融科技公司Brex也是Sierra的客户之一，其運營團隊在合作中總結了三點經驗：首先，AI工具必須讓業務和技術人員都能方便使用管理，才能在全公司落地；其次，無論客服、運營還是工程崗位，員工角色都在轉變為「AI管理者」，他們更多是訓練、監督AI完成工作，而不是親自處理所有事務；第三，過去高質量服務意味着高成本，但有了AI，企業可以低成本支持更多客户互動，省下來的預算再投入市場，又把更多客户送進AI客服的閉環。

03 如何打造一個可信任的AI代理

Sierra並沒有自研大語言模型，而是搭建了一套模型抽象層，把OpenAI、Anthropic、Cohere等主流模型統一納入平臺。企業可以根據需求靈活切換，而不被某一個廠商鎖死。

這樣的策略足夠靈活，卻也伴隨風險：模型越強大，幻覺問題越明顯；一旦升級，行為可能發生劇烈變化，輕則影響體驗，重則破壞業務邏輯。

Sierra的解法是在模型之上再造一個「護欄」。

Sierra推出了Agent OS工具包作為AI代理的基石，內置數據治理機制自動檢測、屏蔽、加密個人身份信息 (PII)以確保客户數據安全，防止泄露。

在此基礎上，Sierra開發了Agent SDK，允許開發者用聲明式語言定義代理的行為，而不必關心底層模型的實現細節，簡單來説就是直接告訴AI Agent目標，而不是每一步怎麼做。Agent SDK大幅降低了企業落地的技術門檻，也確保了邏輯的可移植性與可控性。

Talbin基準測試也被引入其中，作為驗證AI輸出真實性的一把標尺。

Clay Bavor曾提出一個反直覺的洞察：「模型擅長的不是一開始就不犯錯，而是識別自己哪里出錯。」 Sierra正是利用這個特點，在Agent中引入自我監督機制，讓監督Agent去審查主Agent的行為是否有問題。

於是，Sierra的Agent具備了清晰的邊界感：既能靈活完成退貨流程、處理查詢，也能在用户試圖引導其說出違規話語時果斷拒絕。

但要讓AI客服真正走向大規模商用，僅靠「聰明」還不夠，它還必須像傳統軟件一樣穩定、可維護。

2024年6月，Sierra發佈了AI開發生命周期框架（ADLC），為代理的設計、測試和上線制定了標準化流程：

1.  聲明式編程 + 可組合技能模塊：代理不再寫死邏輯，而是基於過程知識組合多個功能，既能保持靈活性，又有穩定輸出。

2.  不可變快照：系統會保存每個Agent版本的「行為快照」，企業可回滾、A/B測試，確保性能連續性。

3.  體驗管理器：每天對話採樣、人工反饋、對話審計，供非技術團隊參與質量管理。

4.  迴歸測試體系：保障每次更新不會引發性能滑坡，提升版本穩定性。

在真正部署階段，Sierra往往需要1-2個月的前期準備，深度嵌入客户的內部系統和業務邏輯。這一過程不僅包括數據訓練，還涉及到品牌語氣、業務流程和專業知識的三重校準。爲了持續優化，他們還引入了「體驗經理」的崗位，專職負責監督、訓練和調試，讓AI代理真正符合企業的服務標準。

一整套流程下來，Sierra的AI服務就不再是「一鍵安裝」的工具，而是企業與平臺從技術邏輯到交互體驗的共同塑造。也只有這樣，Agent才能既發揮創造性，又讓客户敢於把真實的服務交給它。

Sierra選擇按結果導向定價（Outcome-based Pricing）。企業不再為調用次數買單，而是為「成功解決一個客户問題」這樣的實際成果付費。

這種模式讓Sierra與客户的利益緊密綁定：客户不必為潛力買單，只為成果買單。正如Sierra博客所言，在這種機制下，「軟件不再躺在貨架上吃灰」，而成為真正解決問題的生產工具。

結果導向定價也倒逼Sierra不斷優化代理表現，每提升 1% 的執行率，意味着客户體驗更順暢，也意味着公司自身收入的直接增長。

04 AI客服：大模型時代*錢的賽道之一

到2025年，AI客服行業已經走到一個拐點。客户需求正在發生變化：多數用户更願意依靠自助渠道解決問題，而不是排隊等待人工客服；企業也因此迫切需要更高效、更智能的方式來維繫關係。

據MarketsandMarkets市場研究預測，到2030年，AI客服行業仍將保持高速擴張，相關產品也在不斷延展，從智能代理到知識庫、從流程自動化到客户旅程分析，構成了一個日益龐雜的生態。

在這片擁擠的賽道上，Sierra並不是*的參與者。

根據G2的統計，Sierra的可替代方案依舊很多，例如Intercom旗下的Fin主打多輪對話；Kore.ai專注多渠道自然語言交互；Genesys Cloud CX和Five9憑藉全平臺整合繼續把持傳統雲聯絡中心市場；Dixa、Tidio以靈活的響應能力服務中小企業；而HubSpot、Asana、Qualified等平臺則在原有的營銷和管理場景中不斷延展AI客服功能。

不僅如此，AI客服行業的未來仍伴隨諸多不確定性：幻覺和不可預測性仍未被完全消解，語音克隆詐騙等新風險層出不窮，數據隱私與合規監管在全球範圍內愈加嚴格；用户的期望值也不斷被抬高，一旦失誤，口碑與信任可能頃刻崩塌。

袁子恆指出，因為是Sierra嚴重依賴To B業務，這也取決於客户的拓展速度和競爭對手的情況。

中國今年也出現了許多AI客服公司，袁子恆發現，這些公司主要以服務跨境電商商家為主，除了降低成本之外，尤其是AI客服的多語種對話和24小時回覆，對於跨境商家是剛需。