Twilio CEO Khozema Shipchandler 做客 CNBC《Squawk Box Europe》，讨论 AI 安全问题，以及 AI 是否会摧毁 SaaS 商业模式。而这段采访被 CNBC 冠以的标题，则是更直接的一句：语音 AI 的渗透率低得非同寻常（extraordinarily low）。
这句话听起来像是唱衰。但如果你读完 Shipchandler 近期在多个公开场合给出的同一套量化描述，会发现他不是在泼冷水，而是在描述一个”曲线还没开始爬”的早期市场。
一、Shipchandler 凭什么说”渗透率极低”
Shipchandler 用来支撑这一判断的，不是抽象的宏观推测，而是一个具体到有点扎心的估算。
在2026 年 6 月的投资者会议和同期的季度财报电话会上，他重复了同一个说法： “在过去一年里，你与语音 AI 智能体交互的次数，我猜大概不到五次。对这个房间里的每一个人来说，大概都是如此。”
这是一个来自行业最核心供应商之一的 CEO 的自述式估计。它意味着：即便在全世界最应该early adopters的人群中（科技从业者、投资者、开发者）语音 AI 的日常触达率仍然接近于零。
除了用户侧的体感，他给出的第二重佐证来自 Twilio 自己的业务结构：
| 维度 | Shipchandler 的表述 | 含义 |
|---|---|---|
| 用户侧交互频次 | 过去一年每人少于 5 次 | 语音 AI 尚未成为日常习惯 |
| 语音在 Twilio 内部的地位 | 语音是 Twilio 第二大渠道，但相对整体业务仍是较小的一块 | 语音本身都还没做透，语音 AI 更早 |
| 语音 AI 对语音业务的增量 | “贡献仍然相当 muted，不是零，但相当弱” | 概念热度远高于实际收入贡献 |
| 增长预期 | “随着 AI 真正起飞，这部分流量应该会大量到来” | 明确的滞后补涨预期 |
换句话说，行业里关于语音 AI 的声量，与它在收入报表上的存在感之间，存在一个巨大的缺口。
二、为什么这么低：不是技术不行，是采购周期与行业属性
在多数人的直觉里，语音 AI 迟迟不放量大概是技术问题，比如延迟、怪异停顿、识别不准。Shipchandler 在高盛 Communacopia 科技大会上的表态则要直接得多：技术已经到位了，它确实能用。
那慢在哪里？他的答案落在两个维度上。
1. 谁在付钱，决定了多快
“AI 原生公司冲得很快，但企业才是付账单的人。”
这是整段话里最关键的一句。语音 AI 的实际决策权，掌握在那些采购流程冗长、合规要求严明的传统大型组织手里，而不是在跑 AI 原型、以模型能力为决策依据的初创公司手里。
2. 受监管行业与非受监管行业，采用节奏相差一个数量级
| 受监管行业 | 非受监管行业 | |
|---|---|---|
| 典型领域 | 金融服务、保险、医疗 | 餐饮服务、电商、零售 |
| 现状 | 大量实验，采用非常非常缓慢 | 大量实验，采用更快 |
| 原因 | 出错代价高、监管审批长 | 出错代价低、可容忍度更高 |
| Shipchandler 判断 | 需更长跑道 | “会开始快一点” |
他把这个判断做了一个略显粗糙但很诚实的概括：受监管行业里有大量试验、但采用极慢；非受监管行业则试验重、采用也更快。
言下之意：如果你要评估语音 AI 的商业化速度，先看你客户的行业属性，而不是看模型这一年进步了多少。
三、最反直觉的一点：降本只是第三层收益
在讨论语音 AI 的商业价值时，几乎所有人第一反应都是成本。Shipchandler 明确否定了这个排序： “每个人一上来就说成本。我要说，那其实是第三个收益。”
他用世界杯期间餐饮业的场景解释了完整的收益结构。
一个被 IVR 吃掉的 35% 到 40%
他描述的场景是这样的：在世界杯这类重大赛事期间，会涌入大量披萨订单。大约 35% 到 40% 的订单根本不会走网页表单，而是通过电话完成。
现状是：假设进来 20 个电话，19 个会立刻撞进 IVR 菜单。你熬过几分钟，而那个菜单的目的根本不是引导你，而是拖住你，直到他们腾出时间接一个人类坐席。这 19 通里，大概会有几个人直接放弃，”我不想再等超过两分钟了”——然后企业就流失掉了这些客户。
而在 AI 化的世界里，20 个电话可以同时处理，因为 AI 的并发能力近乎无限。
三层收益，按优先级排序
| 层级 | 收益 | 具体内容 | 前提条件 |
|---|---|---|---|
| 第一层 | 收入增长（加销） | 门店接线员不必在 19 个电话里疲于奔命，只需服务好那 1 个真正需要人的客户，于是 60 秒内完成服务（即便翻倍到 120 秒、或延长到 3 分钟），客户体验更好，AI 坐席还能基于上下文做加销，客户真的赚到钱 | 必须有 context layer |
| 第二层 | 收入增长（扩容） | AI 近乎无限的并发能力，把原本卡在 IVR 的订单量释放出来 | 瓶颈会转移到供应链侧 |
| 第三层 | 成本下降 | 单次交互花几分钱 vs 雇佣一名人类坐席 | 这是最容易被算、也最小的一层 |
他特别提醒，第二层收益”相对更复杂一些，因为你会把瓶颈从 IVR 转移到供应链（如果你愿意这么说）”。这种坦率值得注意，他没有把 AI 包装成万能解药。
四、对 Twilio 自己的三层收入机会
同一段对话里，分析师顺势追问：那 Twilio 在这个链条里的角色是什么？
Shipchandler 把同一个披萨案例完全换成 Twilio 的视角，答案依然是三重的：
- 更多的语音分钟数：20 个电话同时发生，而不是 1/20打通。这就是20 个此前不存在的收入事件。
- 更长的通话时长：一通电话从 1 分钟变成 2 分钟或3 分钟。并发之外，通话本身也变长了。
- 单次交互的价格提升：这是他强调的关键，没有任何语音 AI 智能体能在没有上下文层的情况下工作。 底下必须有一层数据能力，能从数据仓库取到消费者档案，并能把它调取回来去解决问题、去加销。这部分带来了额外的定价空间。
“所以我们赢三次。而这个交互最美妙的地方在于：我们确实赚到了更多收入。但这不是以牺牲客户为代价的，客户获得了高得多的 ROI，消费者也获得了更好的体验。所以皆大欢喜。”
五、三年后的预测：不是 IVR，是自然对话
Shipchandler 给出了一个相当激进的时间表：
“以我个人的判断来看，如果三年之后，我们当中任何一个人遇到一个服务场景，第一个接触点不是语音 AI 智能体，我会感到震惊。”
他立刻补充了这个智能体是什么、不是什么：
- 不是传统的 IVR（那种按1 转人工的菜单）；
- 是一个真正能以非常自然的方式与我们对话的语音 AI 智能体。
当分析师质疑”我们可能分辨不出来”时，他的回答是：
“我认为我们始终会披露，客户也会披露。但我认为，我们将无法分辨它与真人的区别。技术已经就位了。”
这是这套逻辑的闭环：披露是合规要求，不可分辨是技术结果。
六、争议面：AI 安全、SaaS 存亡，以及被高估的地方
CNBC 这段采访之所以值得看，是因为它没有回避对立观点。
语音 AI 会摧毁 SaaS 吗？
Shipchandler 的答案是否定的，而且理由很具体，不是”AI 不好”，而是有些东西 AI 复制不了：
“那些是谈判出来的合同。那些是基础设施之间的物理连接。那是我们必须在每一次互联中翻过的一整套合规门槛，甚至在你开始对接客户之前就已经翻过了。所以你没法靠 AI 走到那里，你也 prompt engineer 不出来。”
这实际上把”AI 摧毁 SaaS”的论辩从模型能力层面，拉回到了资产与准入壁垒层面。
而 Twilio 自己的财务表现也不支持”SaaS 被摧毁”：2026 年第二季度营收 15 亿美元，同比增长 22%，公司将全年增长指引中值从 14.5% 上调至 18%—18.5% 区间，市场以约 26% 的涨幅回应。第三季度财报将于 10 月 29 日盘后发布。
语音 AI 的现实挫折
但唱反调的声音同样存在。J. Gold Associates 分析师 Jack Gold 的意见是：语音即便只用英语，变量也极其庞大，同一句话在不同人耳中含义不同，这使得它比基于文本的 AI 难实现得多。
现实案例也印证了这一点：Taco Bell、麦当劳等餐饮连锁已停止得来料通（drive-through）的语音 AI 项目，原因是 AI 无法正确理解口头点单。
语音伪造是被公认的未解风险
Shipchandler 本人也点了这一项： “你必须把伪造（spoofing）问题解决掉，因为那是真实存在的。” 他给出的方向是——系统在前端识别语音特征签名、在后端做轻量级验证，从而让客户直接进入对话并推动交互与结果。
一个反直觉发现：客户可能更愿意跟 AI 说话
Twilio 的内部研究显示，相比人类坐席，客户更愿意与语音 AI 交互，在医疗行业尤其明显。
原因是双方之间存在一种”知识不对称”：面对人类坐席时，客户会意识到对方并不知道自己的具体情况，于是产生别扭和不适；而与虚拟语音智能体交互时，这种尴尬的交互消失了。”因为当一边是真人、一边是语音 AI 智能体时，你就不会有那些尴尬的停顿。”
七、对从业者的三点启示
把这段采访的信息密度压缩成可执行的判断：
1. 语音 AI 的瓶颈不在模型，在采购流程和行业属性。
技术已经到位。如果你发现客户的采用很慢，先查两件事：客户的采购决策链有多长，客户是否处在受监管行业。
2. 别只用”省了多少坐席成本”来算 ROI。
按 Shipchandler 的排序，降本是第三层收益。真正的大头是被 IVR 吃掉的订单（35%—40% 的餐饮订单走电话）被释放出来，以及 AI 在更长通话时长中做加销的能力。只算人力成本，会严重低估这笔账。
3. Context layer 是及格线，不是加分项。
他反复强调：没有上下文层的语音 AI 智能体根本无法工作。 如果你的方案里没有可调取、可激活消费者档案的数据层，那它更像一个昂贵的 IVR。
资料来源：https://www.cnbc.com/video/2026/10/13/twilio-ceo-voice-ai-penetration-rate-is-extraordinarily-low.html
本文来自作者投稿，版权归原作者所有。如需转载，请注明出处：https://www.nxrte.com/zixun/72535.html
