Smallest.ai获1300万美元A轮融资，欲以“小而专”语音模型打破图灵测试

【科技24时区】尽管AI客服代理解决具体问题的能力日益精进，但大多数用户仍能瞬间识破屏幕或听筒另一端并非真人。这种“机器感”的隔阂，正成为一家名为Smallest.ai的新兴初创公司试图攻克的堡垒。这家成立于2024年底的公司押注认为，语音交互的下一轮飞跃，不在于让大语言模型跑得更快，而在于构建专为人类对话设计的、更小巧且垂直化的模型。简言之，他们的野心是让与AI的交谈变得与人际沟通毫无二致。

为了实现这一目标，Smallest.ai正在研发一种小型语音模型，其核心逻辑在于模拟人类处理信息的方式——即倾听、思考与表达同步进行。“当我与你交谈时，你已经在思考了，如果我喋喋不休，你可能会打断我，”Smallest.ai创始人兼首席执行官Sudarshan Kamath（左图）向TechCrunch解释道。他指出，这正是该初创公司模型的设计初衷。为了支撑这一使命，Smallest.ai近期完成了由Seligman Ventures领投，Sierra Ventures和3one4 Capital参投的1300万美元A轮融资。至此，该公司的总融资额已突破2100万美元。

Kamath剖析了传统大语言模型在语音场景下的局限性：“LLM的工作机制是你给它一个完整的提示词，然后它开始思考。”虽然这种延迟在文字聊天中尚可接受，但在语音对话中，哪怕短暂的停顿也会显得极不自然。“回想一下我们的日常交流，我并不会先给你一大段音频剪辑，等你听完再开始思考。”因此，Smallest.ai的模型充当了一个实时智能层，能够在特定话题上实现近乎零延迟的自然客户对话。当然，当遇到超出其有限知识库的主题时，系统会将查询转交给大型基础模型，并短暂让客户等待以“研究”问题——这恰恰模仿了真人在面对未知领域时的反应。

从某种角度看，Kamath预判未来的AI代理将普遍依赖双模型架构：一个用于实时交互的小型语音模型，以及一个按需调用的“离线”大语言模型，用以解决复杂难题。与追求通用能力的大型基础模型不同，Smallest.ai严格聚焦于语音特有的细微之处，例如处理多样化的口音、支持数十种语言以及在嘈杂环境中保持稳定性。目前，RingCentral和Truecaller等语音领域的企业已成为其客户。Kamath表示，包括Sierra和Decagon在内的任何客户服务公司，都是其潜在的目标客户群体。

当被问及为何资金充裕的AI客服公司不自行开发语音模型时，Kamath直言，对于客服初创企业而言，追求“极致的语音体验”会分散其对核心业务的注意力。在竞争格局上，Smallest.ai不仅直面语音AI巨头ElevenLabs，还要应对Cartesia以及专注于本地语言的区域玩家如Sarvam的挑战。值得注意的是，部分竞争对手将语音AI应用于配音或播客制作等场景，而Smallest.ai则严格锁定为企业客户提供实时对话式语音代理。

“我们希望我们的模型能突破图灵测试，”Kamath强调，“当你与我们模型对话时，应无法分辨对方是AI还是人类。这是公司唯一的专注点。”这一愿景背后，折射出的是具身智能与人机交互领域对“拟人化”极致追求的深层焦虑与机遇。