OpenAI 语音 AI 硬件快来了，处理“代码之后”的 AI 助理 ARR 突破 2.5 亿美金

语音 AI 一直是我认为被大大低估的一个领域，但实际上它和 AI Coding 一样，已经成为应用最为广泛的一个方向。

像这两年大量的 AI 客服类产品以及 AI 笔记这块《Otter 成首个超 1 亿美金 ARR 的 AI 笔记，10 人团队做了个 1000 万美金 ARR 的 AI 健身》，其底层有很大一部分都是语音 AI，以至于出现了大量语音 AI 这块的 Infra 产品，并且收入增长都很快。

比方说之前介绍过的 AI 笔记里的 Infra《华人学生辍学做的 AI 笔记 ARR 超千万美金，2 次转型走了一条安全不同的路径》以及更加聚焦细分领域的 AI 视频语音《Manus 8 个月突破 1 亿美金 ARR，让我眼前一亮的语音 AI 产品种子轮拿了 4000 多万美金》。

而作为既做 Infra 又做应用并且都做得非常好的 ElevenLabs，最近有消息称其 ARR 已经接近 4 亿美金，并且 EBITDA 利润率达到了 60%，目前 41% 的财富 500 强公司是其客户。

虽然 4 亿美金 ARR 还没得到证实，但 ElevenLabs 的增长确实非常快，其创始人 Mati Staniszewski 在上个月分享说，他们在最近 1 天新增了额外的 1400 万美金的 ARR。ElevenLabs 的产品演变也从语音到代理及更广泛的音频解决方案发展，从单一产品发展为多产品企业平台，其增长策略这块一直采用自助式和销售主导的 GTM。

作为一家既从事基础研究（Infra/底层架构）又开发终端应用（Application/产品部署）的公司，其 CEO Mati Staniszewski 一直强调，“两手抓”是公司的核心战略，也是他们能在与 OpenAI 等大型 AI 模型的竞争中保持优势的关键。

基础设施这块，ElevenLabs 不仅是从零开始构建自己的语音 AI 基础模型，为了控制成本并提高实验速度，他们甚至建立了自己的数据中心用于模型训练。

应用开发端，不仅有面向个人创作者的文本转语音（TTS）、语音克隆和配音的创作者工具和语音阅读器产品，还有面向企业的对话式 AI 平台 (Conversational AI Platform)：为企业提供完整的 AI 代理解决方案，应用于客户服务、医疗提醒、教育辅导等场景。

虽然 ElevenLabs 一直强调自己面对 OpenAI 有优势，不过 OpenAI 可能要真正开始发力语音 AI 这块了，不仅发力语音 AI 基础模式，还可能会在最近推出语音 AI 的硬件产品。

The Information 称，OpenAI 正在全力升级其语音 AI 的能力，整合工程、产品与研究团队，以支撑一款预计在 2026 年推出的以语音交互为主的个人 AI 设备，这将标志着公司从传统屏幕界面向“耳朵交互”新时代的战略转型。 

这次语音 AI 模型的改进目标是显著提升语音自然度、对话流畅性和实时响应能力，解决现有语音系统在准确率、反应速度以及处理用户随时中断的能力上的短板。新模型预计在 2026 年第一季度发布，将具备更自然、丰富的语音生成效果，支持类似真人对话的互动体验，并能在用户讲话时同步响应。 

此次布局不仅是技术迭代，还与其即将面市的硬件战略紧密相关。据悉，这款个人设备将主要依赖语音作为交互界面，可能包括无屏幕的智能音箱、可穿戴设备或智能眼镜等多种形态，旨在打造更直觉、全天候可用的 AI 助手，而非传统的屏幕工具。 

最新一些爆料称 OpenAI 正在研发的首款 AI 硬件产品内部代号为 “Gumdrop”，而其中一个明确的产品方向可能是 一支 AI 智能笔（AI-powered pen）。 

它不仅外观轻巧便携，还可能具备音频功能，通过麦克风等传感器实现语音交互，并可将用户手写笔记实时转录成数字文本并上传至 ChatGPT 平台进行处理和总结。 

与此同时，前两天我介绍了一下最近海外热议的 Background Agent Infra 趋势《都在讨论的 Background Agent Infra：可能正让我们迈向自主化未来》，没想到一个与这个趋势比较相关的产品，其 ARR 已经做到了 2.5 亿美金，年增长达到了 50%。

和 AI Coding 产品核心解决 Coding 生成不同，它核心解决的是 Coding 之后企业软件交付中最耗时、最复杂的环节，也就是用 AI 自动化开发完成后的