【量子位 2026年2月5日讯】全球语音AI赛道迎来里程碑事件。2月4日，英国伦敦初创公司ElevenLabs正式宣布完成5亿美元D轮融资，由红杉资本（Sequoia Capital）领投，红杉合伙人Andrew Reed将加入公司董事会。此次融资后，公司估值飙升至110亿美元，较2025年1月的33亿美元实现超230%增长，仅用一年就跻身全球AI独角兽第一梯队。更值得关注的是，联合创始人兼CEO Mati Staniszewski透露，公司已启动IPO筹备工作，语音AI领域首个百亿估值IPO或近在眼前。
一、融资阵容：顶级资本扎堆加码，a16z四倍追加押注
ElevenLabs此次融资的“明星阵容”，凸显行业对语音AI赛道及公司战略的高度认可：
-
领投方与核心股东力挺：领投方红杉资本并非首次入局，此前曾参与公司多轮融资，此次选择领投D轮，看重其“从语音工具向多模态智能体”的转型潜力；现有股东a16z（Andreessen Horowitz）将投资金额扩大4倍，Iconiq（上一轮领投方）追加3倍投资，BroadLight、NFDG等早期投资方也持续跟投，展现对团队执行力的长期信任；
-
新势力入局补全生态：Lightspeed Venture Partners、Evantic Capital、Bond等新机构首次加入，其中部分机构与消费电子、企业服务领域深度绑定，未来可能为ElevenLabs带来硬件适配（如智能音箱、车载系统）、企业客户资源（如客服场景落地）等协同价值；
-
融资用途明确聚焦增长：5亿美元资金将主要投向三大方向——加速多模态技术研发（语音+视频+文本交互）、拓展印度、日本、新加坡等新兴市场、扩大ElevenAgents智能体平台的企业服务团队，目标是2026年将全球客户数量从现有3000家提升至8000家。
二、业绩与产品：ARR突破3.3亿美元，从“语音合成”到“多模态智能体”转型
成立仅4年的ElevenLabs，已从单一文本转语音工具，成长为覆盖全音频栈的AI解决方案提供商，业绩增长与产品迭代形成强劲共振：
-
营收增速领跑行业：2025年底，公司年度经常性收入（ARR）突破3.3亿美元，较2024年的1亿美元增长230%，其中企业客户贡献超70%收入。值得注意的是，从2亿美元ARR增长到3亿美元仅用5个月，增速远超AI行业平均水平；
-
产品矩阵覆盖全场景：核心产品已从早期的文本转语音（TTS），扩展至语音转文本（STT）、AI音效生成、32种语言实时配音、多模态智能体（ElevenAgents）等。例如其“配音工作室”工具被《纽约客》《华盛顿邮报》用于多语言内容本地化，“AI音效模型”则为《堡垒之夜》等游戏生成场景化音频；
-
企业级服务成增长引擎：面向B端的ElevenAgents平台，已帮助德电（Deutsche Telekom）、Revolut等企业打造AI语音客服，将客户咨询响应时间从平均45秒缩短至8秒，人工转接率下降60%。目前该平台已覆盖金融、医疗、零售等12个行业，单客户年均付费额超10万美元。
三、战略转型：告别“音频模型内卷”，押注多模态智能体
不同于多数语音AI公司仍聚焦“音质优化”，ElevenLabs已开启战略升级，试图突破技术商品化陷阱：
-
不做“纯音频模型”，转向“交互生态”：CEO Mati Staniszewski在采访中直言，“音频模型1-2年内将完全商品化，单纯比拼音质没有未来”。公司当前核心目标是打造“能听、能说、能行动”的多模态智能体——例如企业客服智能体可同时处理语音咨询、调取客户数据、生成服务报告，并对接CRM系统完成工单闭环；
-
多模态布局提速：2026年1月，公司已与视频技术公司LTX达成合作，推出“音频转视频”功能，用户输入文本生成语音后，AI可自动匹配虚拟形象与场景画面，实现“语音-视频”同步生成。未来还计划整合文本理解、图像识别能力，让智能体具备“跨媒介交互”能力；
-
绑定算力巨头夯实壁垒：英伟达（Nvidia）不仅是公司C轮投资方，其创始人黄仁勋更是公开“带货”——黄仁勋在各类大会的虚拟形象，均使用ElevenLabs技术复刻声音。双方还在算力优化上深度合作，ElevenLabs的模型在英伟达Ironwood TPU上运行时， latency降低40%，成本下降35%，为大规模商业化奠定基础。
四、行业影响：重新定义“人机交互”，语音AI进入“智能体时代”
ElevenLabs的快速崛起，正在重塑语音AI行业的竞争格局，甚至推动人机交互方式的变革：
-
打破“技术同质化”僵局：当前多数语音AI公司仍陷在“音质逼真度”的内卷中，而ElevenLabs通过“智能体+生态”的打法，将竞争维度提升至“场景价值”——例如医疗领域的智能体可结合语音交互与电子病历，自动生成诊断建议，而非仅提供语音播报服务；
-
开启“语音+”商业化想象：随着多模态能力落地，语音AI的应用场景从“内容生成”（配音、音效）扩展到“业务流程重构”（客服、销售、内部协作）。据红杉资本预测，2027年全球语音智能体市场规模将突破500亿美元，ElevenLabs凭借先发优势有望占据20%以上份额；
-
IPO预期牵动行业神经：若ElevenLabs顺利推进IPO，将成为“语音AI第一股”，其估值与市值表现可能为行业设定新基准。目前公司团队仅50人，且以远程办公为主，人均创造营收超660万美元，高效的运营模式或成为IPO时的重要加分项。
对于未来，Mati Staniszewski表示：“我们的终极目标不是做‘最好的语音工具’，而是让AI像人类一样自然地与世界交互——这需要语音、视频、文本的深度融合，更需要与企业现有系统的无缝对接。”随着5亿美元融资到位与IPO筹备启动，这家诞生于伦敦的AI公司，正试图从“语音巨头”成长为“下一代人机交互的定义者”。
我可以帮你整理ElevenLabs各产品的核心功能对比表、企业级智能体的典型应用案例，以及语音AI行业主要玩家的估值与营收数据，制作成一份“语音AI行业竞争分析报告”，方便你快速把握赛道核心信息。需要我这样做吗？
