喝点VC｜a16z专访百亿美金AI语音独角兽11Labs CEO ：首要之务是深入行业内部，花时间理解他们的核心诉求与激励机制

喝点VC｜a16z专访百亿美金AI语音独角兽11Labs CEO ：首要之务是深入行业内部，花时间理解他们的核心诉求与激励机制 喝点VC｜a16z专访百亿美金AI语音独角兽11Labs CEO ：首要之务是深入行业内部，花时间理解他们的核心诉求与激励机制 Modified December 13, 2025 Jennifer Li ： 是的，他们对人才有着非常明确的偏好 —— 既要具备足够的风险承受能力，又要理解商业机遇，从而在每个领域都能引导正确的行动链条。 我对此深感着迷。 Mati Staniszewski ： 完全同意。法律领域确实如此 —— 我知道你们中许多人正努力寻找首位法律顾问，或为我们配备多名法律顾问。这是最棘手的招聘岗位之一，因为你需要在自己知之甚少的领域进行招聘。最初几位法律顾问明显不胜任，我们便分道扬镳。后来聘请的第三位成员虽来自多家财富 500 强企业，却从未涉足初创领域或风险投资。结果是每场讨论都充斥着风险警示，我们想做的任何事都会被贴上风险标签。这种合作模式非常棘手 —— 你既要理解风险，又要接受风险建议，比如 " 这里是我们该划定的边界 " 。但当时所有决策都事后才明晰。如今我们聘请了曾在多家企业任职的顾问且不挖角。他们对风险评估的理解更透彻 —— 不仅能协助识别风险，更能提供行业标杆参考。其他公司这样做，我们也应考虑采用。他们真正成为我们的风险共担伙伴，带来了巨大转变。 从创作者到企业级：商业转型的秘诀 Jennifer Li ： 确实如此。 ElevenLabs 最初定位为创作者品牌，服务范围从个人创作者到构建商业生态的创作者群体。但如今你们在企业级市场取得显著突破 —— 不仅从 AI 智能助手平台起步，更在文本转语音及文本模型领域取得进展。 这种转型如何实现？要知道许多优秀的消费级创作者品牌正是在此环节遭遇滑铁卢。但你们至今的转型过程相当顺利。 Mati Staniszewski ： 我们初创时就收到大量企业客户主动咨询，当时采用经典产品驱动增长模式。记得 a16z 团队加入时，我们最初的理念是：必须成为工程驱动型公司，拒绝传统销售人员，要让工程师承担销售职能。我们确实雇佣了一名传统销售人员和一名非传统销售人员（即工程师），并要求他们承担销售职责。但正如你能想象的，这种模式在此特定场景下并未奏效。不过我们吸取了教训，如今采取的是两者结合的模式，销售占 80% ，工程占 20% ，仍保留部分工程角色。 但关键在于深度理解客户需求，与他们紧密协作获取反馈。这种合作模式反过来启发了我们在产品研发方向的实际行动。 Hippocratic 公司的 Munjal Shah 正是如此。他们是医疗健康领域最早期的卓越应用案例之一，通过创建智能代理系统接听医院来电并安排预约。更进一步，该系统还能主动外呼患者提醒服药或就诊提醒。要实现这些功能，系统架构必须从单一基础模型转向融合语音转文本 DLM 与文本转语音技术，实现协同运作。随后需要构建集成方案并实际部署。这曾是 2023 年的重点领域之一。但我们发现这一模式在众多客户及客户体验场景中反复出现，因此决定加大投入以优化整体协同机制。我们不再局限于文本转语音功能，而是整合研究成果，使整个系统组合运行得更加流畅。 但企业级应用的核心在于构建系统内的知识库集成。需要协助客户将这些知识库部署到电话服务商（如 Twilio ）或 SIP 排名系统中 —— 如何通过模板化方式实现更便捷的部署？ 当然最大的痛点在于 —— 这最常见的问题：演示很容易，但如何真正投入生产？如何测试？如何版本控制？如何长期评估监控？如何根据结果持续优化？这些都是关键环节。 Mati Staniszewski ： 所有这些工作的根基在于 —— 我们来之前和 Matt 聊过 —— 必须确保基础架构的稳固性，包括安全性、合规性，以及支撑客户依赖的其他基础设施。这正是 ElevenLabs 希望彰显的核心价值：使用我们的软件时，您将始终获得可靠保障，达到 99.99% 甚至 99.999% 的可用性（尽管在 AI 领域实现后者颇具挑战）。这就是我们的目标。当然， PLG 与销售最明显的区别在于：识别合适客户的周期要长得多。 我认为内部团队的热忱态度颇具观赏性 —— 许多成员此前并未接触企业级场景。而公司另一边的人则持怀疑态度，他们不愿转向企业市场，不愿等待六个月或十二个月才能看到成果。在早期阶段，我们需要屏蔽他们接触这些信息，让他们相信我们，相信我们能做到，相信这会奏效。但他们确实非常怀疑。当然， 12 个月后证明了方案的有效性。不过这段时期最难的，就是如何让所有人始终保持步调一致。 Jennifer Li ： 完全正确。我观察到很多公司，尤其是在转向企业级产品发布模式后，往往会放缓节奏 —— 开始优先响应客户需求，甚至延迟产品发布。非常感谢您，这是否意味着产品发布周期被延迟？您是否也观察到这种现象？还是说你们仍能保持良好平衡 —— 既能快速推出演示版、概念验证和早期预告，又能最终交付稳定可靠的产品？ Mati Staniszewski ： 这涉及两方面：首先是团队架构差异，其次是外部产品结构差异。针对外部产品结构，我们追求极致快速交付。但面向企业客户时，稳定性与可靠性至关重要。 因此我们明确划分 Alpha 版本与非 Alpha 版本的界限，并在此过渡期内推进迭代。通过与客户及合作伙伴的协作，他们可自主决定是否优先获取 Alpha 版本。当他们选择使用时，我们会明确标注这是 alpha 版本，可能存在不稳定性。这样他们就有选择权，而我认为这种选择权正是最重要的杠杆。关键在于是否主动选择。有些合作伙伴在创新实践中表现卓越，德国电信（ Deutsche Telekom ）就打造了突破性的播客体验。他们通过早期模型测试，将文本转化为笔记本式大型语言模型播客，用户可自由选择德语或英语的优质配音。 其次是团队架构问题。直到团队规模超过百人后，我们才开始在公司内部划分 " 产品市场匹配前 " 与 " 产品市场匹配后 " 的项目。后者属于长期项目。在产品市场匹配前阶段，需进行大量测试评估，仅在产品真正准备就绪时才部署。你的使命是持续交付产品，直到确认达到产品市场契合点。通常我们给予 6 个月的验证期，若未能达标则终止该产品。过去我们确实以这种方式淘汰过产品。但核心要义在于：在确认存在庞大潜在用户群体前，我们将持续迭代优化。 Jennifer Li ： 我曾目睹过这些艰难抉择的当下，但事后证明放弃某些产品是正确决定。这正是我最关注的问题。我的合伙人 Martin Casado 常说企业要经历三个阶段：产品阶段、销售阶段和规模化阶段。既然你经历过这些阶段，作为 CEO 最艰难的转型是什么？ Mati Staniszewski ： 其实有很多小转折。当然，我的联合创始人始终在我身边，我们相识十五年，高中起就是挚友。能拥有这样的搭档，我实在太幸运了。当然，还有你、 Jennifer 以及所有合伙人协助我们完成这些转型，这实在令人惊叹。但最近让我顿悟的是 —— 如今我们已是 350 人的公司。这意味着市场团队及其激励机制已发生巨大变化。回过头来看才明白：创业初期大家全凭热情工作，只做他们认为对公司最有利的事。 随着市场拓展团队扩大，我们意识到激励机制对构建这台 " 机器 " 至关重要。当团队转型时 —— 那些参与构建机器的人员逐渐成为机器的一部分 —— 激励机制最终会驱动行为，而这些行为可能与你的初衷略有偏差。 若不明确界定，某种程度上，配额与佣金本质上是战略的滞后指标，而战略本应引领未来发展。因此必须找到两者协调之道 —— 确保配额佣金与战略目标紧密贴合，将偏差控制在最小范围。对我而言，最大的领悟在于：公司规模扩张的背后，存在着基于佣金制度形成的固化行为模式。而要真正解决这个问题，我们必须坦诚相告 —— 即使佣金标准看似合理，若你认为存在问题，请随时反馈。让我们共同探讨并调整方向。 现在我们实行独家销售制度，所有销售团队若遇到定价表中可能存在竞争性的交易 —— 比如他们认为可以压低价格赚取更高佣金，但内心觉得这样不对 —— 最好来找我们。我们会继续给予佣金，但取消交易并设置防护措施。最近就发生过这样的案例。我们的基础级竞争对手曾试图授权演示我们的模型。按常规激励机制，本应促成交易。所幸我们没有这么做。 Jennifer Li ： 这点也说得清楚。内部工作做得很好。您分享的这些经验教训实在令人惊叹，非常感谢您与我们分享。让我们为 Mati 献上热烈的掌声。 原视频： ElevenLabs CEO: Why Voice is the Next AI Interface https://www.youtube.com/watch?v=ZqCEHR4wjxg 编译： Ginger Jin 请注意，本文编译自文末载明的原始链接，不代表 Z Potentials 立场。如果您对本文有任何想法或意见，欢迎在评论区留言互动探讨。 Z Potentials 将继续提供更多关于人工智能、机器人、全球化等领域的优质内容，我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。 END 关于Z Potentials Jennifer Li ： 是的，他们对人才有着非常明确的偏好 —— 既要具备足够的风险承受能力，又要理解商业机遇，从而在每个领域都能引导正确的行动链条。 我对此深感着迷。 Mati Staniszewski ： 完全同意。法律领域确实如此 —— 我知道你们中许多人正努力寻找首位法律顾问，或为我们配备多名法律顾问。这是最棘手的招聘岗位之一，因为你需要在自己知之甚少的领域进行招聘。最初几位法律顾问明显不胜任，我们便分道扬镳。后来聘请的第三位成员虽来自多家财富 500 强企业，却从未涉足初创领域或风险投资。结果是每场讨论都充斥着风险警示，我们想做的任何事都会被贴上风险标签。这种合作模式非常棘手 —— 你既要理解风险，又要接受风险建议，比如 " 这里是我们该划定的边界 " 。但当时所有决策都事后才明晰。如今我们聘请了曾在多家企业任职的顾问且不挖角。他们对风险评估的理解更透彻 —— 不仅能协助识别风险，更能提供行业标杆参考。其他公司这样做，我们也应考虑采用。他们真正成为我们的风险共担伙伴，带来了巨大转变。 从创作者到企业级：商业转型的秘诀 Jennifer Li ： 确实如此。 ElevenLabs 最初定位为创作者品牌，服务范围从个人创作者到构建商业生态的创作者群体。但如今你们在企业级市场取得显著突破 —— 不仅从 AI 智能助手平台起步，更在文本转语音及文本模型领域取得进展。 这种转型如何实现？要知道许多优秀的消费级创作者品牌正是在此环节遭遇滑铁卢。但你们至今的转型过程相当顺利。 Mati Staniszewski ： 我们初创时就收到大量企业客户主动咨询，当时采用经典产品驱动增长模式。记得 a16z 团队加入时，我们最初的理念是：必须成为工程驱动型公司，拒绝传统销售人员，要让工程师承担销售职能。我们确实雇佣了一名传统销售人员和一名非传统销售人员（即工程师），并要求他们承担销售职责。但正如你能想象的，这种模式在此特定场景下并未奏效。不过我们吸取了教训，如今采取的是两者结合的模式，销售占 80% ，工程占 20% ，仍保留部分工程角色。 但关键在于深度理解客户需求，与他们紧密协作获取反馈。这种合作模式反过来启发了我们在产品研发方向的实际行动。 Hippocratic 公司的 Munjal Shah 正是如此。他们是医疗健康领域最早期的卓越应用案例之一，通过创建智能代理系统接听医院来电并安排预约。更进一步，该系统还能主动外呼患者提醒服药或就诊提醒。要实现这些功能，系统架构必须从单一基础模型转向融合语音转文本 DLM 与文本转语音技术，实现协同运作。随后需要构建集成方案并实际部署。这曾是 2023 年的重点领域之一。但我们发现这一模式在众多客户及客户体验场景中反复出现，因此决定加大投入以优化整体协同机制。我们不再局限于文本转语音功能，而是整合研究成果，使整个系统组合运行得更加流畅。 但企业级应用的核心在于构建系统内的知识库集成。需要协助客户将这些知识库部署到电话服务商（如 Twilio ）或 SIP 排名系统中 —— 如何通过模板化方式实现更便捷的部署？ 当然最大的痛点在于 —— 这最常见的问题：演示很容易，但如何真正投入生产？如何测试？如何版本控制？如何长期评估监控？如何根据结果持续优化？这些都是关键环节。 Mati Staniszewski ： 所有这些工作的根基在于 —— 我们来之前和 Matt 聊过 —— 必须确保基础架构的稳固性，包括安全性、合规性，以及支撑客户依赖的其他基础设施。这正是 ElevenLabs 希望彰显的核心价值：使用我们的软件时，您将始终获得可靠保障，达到 99.99% 甚至 99.999% 的可用性（尽管在 AI 领域实现后者颇具挑战）。这就是我们的目标。当然， PLG 与销售最明显的区别在于：识别合适客户的周期要长得多。 我认为内部团队的热忱态度颇具观赏性 —— 许多成员此前并未接触企业级场景。而公司另一边的人则持怀疑态度，他们不愿转向企业市场，不愿等待六个月或十二个月才能看到成果。在早期阶段，我们需要屏蔽他们接触这些信息，让他们相信我们，相信我们能做到，相信这会奏效。但他们确实非常怀疑。当然， 12 个月后证明了方案的有效性。不过这段时期最难的，就是如何让所有人始终保持步调一致。 Jennifer Li ： 完全正确。我观察到很多公司，尤其是在转向企业级产品发布模式后，往往会放缓节奏 —— 开始优先响应客户需求，甚至延迟产品发布。非常感谢您，这是否意味着产品发布周期被延迟？您是否也观察到这种现象？还是说你们仍能保持良好平衡 —— 既能快速推出演示版、概念验证和早期预告，又能最终交付稳定可靠的产品？ Mati Staniszewski ： 这涉及两方面：首先是团队架构差异，其次是外部产品结构差异。针对外部产品结构，我们追求极致快速交付。但面向企业客户时，稳定性与可靠性至关重要。 因此我们明确划分 Alpha 版本与非 Alpha 版本的界限，并在此过渡期内推进迭代。通过与客户及合作伙伴的协作，他们可自主决定是否优先获取 Alpha 版本。当他们选择使用时，我们会明确标注这是 alpha 版本，可能存在不稳定性。这样他们就有选择权，而我认为这种选择权正是最重要的杠杆。关键在于是否主动选择。有些合作伙伴在创新实践中表现卓越，德国电信（ Deutsche Telekom ）就打造了突破性的播客体验。他们通过早期模型测试，将文本转化为笔记本式大型语言模型播客，用户可自由选择德语或英语的优质配音。 其次是团队架构问题。直到团队规模超过百人后，我们才开始在公司内部划分 " 产品市场匹配前 " 与 " 产品市场匹配后 " 的项目。后者属于长期项目。在产品市场匹配前阶段，需进行大量测试评估，仅在产品真正准备就绪时才部署。你的使命是持续交付产品，直到确认达到产品市场契合点。通常我们给予 6 个月的验证期，若未能达标则终止该产品。过去我们确实以这种方式淘汰过产品。但核心要义在于：在确认存在庞大潜在用户群体前，我们将持续迭代优化。 Jennifer Li ： 我曾目睹过这些艰难抉择的当下，但事后证明放弃某些产品是正确决定。这正是我最关注的问题。我的合伙人 Martin Casado 常说企业要经历三个阶段：产品阶段、销售阶段和规模化阶段。既然你经历过这些阶段，作为 CEO 最艰难的转型是什么？ Mati Staniszewski ： 其实有很多小转折。当然，我的联合创始人始终在我身边，我们相识十五年，高中起就是挚友。能拥有这样的搭档，我实在太幸运了。当然，还有你、 Jennifer 以及所有合伙人协助我们完成这些转型，这实在令人惊叹。但最近让我顿悟的是 —— 如今我们已是 350 人的公司。这意味着市场团队及其激励机制已发生巨大变化。回过头来看才明白：创业初期大家全凭热情工作，只做他们认为对公司最有利的事。 随着市场拓展团队扩大，我们意识到激励机制对构建这台 " 机器 " 至关重要。当团队转型时 —— 那些参与构建机器的人员逐渐成为机器的一部分 —— 激励机制最终会驱动行为，而这些行为可能与你的初衷略有偏差。 若不明确界定，某种程度上，配额与佣金本质上是战略的滞后指标，而战略本应引领未来发展。因此必须找到两者协调之道 —— 确保配额佣金与战略目标紧密贴合，将偏差控制在最小范围。对我而言，最大的领悟在于：公司规模扩张的背后，存在着基于佣金制度形成的固化行为模式。而要真正解决这个问题，我们必须坦诚相告 —— 即使佣金标准看似合理，若你认为存在问题，请随时反馈。让我们共同探讨并调整方向。 现在我们实行独家销售制度，所有销售团队若遇到定价表中可能存在竞争性的交易 —— 比如他们认为可以压低价格赚取更高佣金，但内心觉得这样不对 —— 最好来找我们。我们会继续给予佣金，但取消交易并设置防护措施。最近就发生过这样的案例。我们的基础级竞争对手曾试图授权演示我们的模型。按常规激励机制，本应促成交易。所幸我们没有这么做。 Jennifer Li ： 这点也说得清楚。内部工作做得很好。您分享的这些经验教训实在令人惊叹，非常感谢您与我们分享。让我们为 Mati 献上热烈的掌声。 原视频： ElevenLabs CEO: Why Voice is the Next AI Interface https://www.youtube.com/watch?v=ZqCEHR4wjxg 编译： Ginger Jin 请注意，本文编译自文末载明的原始链接，不代表 Z Potentials 立场。如果您对本文有任何想法或意见，欢迎在评论区留言互动探讨。 Z Potentials 将继续提供更多关于人工智能、机器人、全球化等领域的优质内容，我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。 END 关于Z Potentials 🔗 原文链接： https://mp.weixin.qq.com/s/auvOsGtD... https://mp.weixin.qq.com/s/auvOsGtD... a16z Z Potentials2025年12月13日 19:07 北京 图片来源： Youtube Z Highlights • 关键在于，从加入那一刻起，你就能对公司产生影响。因此在团队中，你可能承担任何角色。资历长短不会决定你在层级中的位置。只要足够聪明、敏捷且充满热情，就能快速提升自我 —— 这点确实很有帮助。 • 如今我们的决策原则是：若研究工作预计超过三个月，产品团队即可自由添加新模型或扩展功能。 • 针对外部产品结构，我们追求极致快速交付。但面向企业客户时，稳定性与可靠性至关重要。 • 哪些环节适合引入 AI ，哪些环节需要保留人工操作， AI 究竟能发挥多大作用。我认为这是所有行业合作中至关重要的部分。 • 随着市场拓展团队扩大，我们意识到激励机制对构建这台 " 机器 " 至关重要。当团队转型时 —— 那些参与构建机器的人员逐渐成为机器的一部分 —— 激励机制最终会驱动行为，而这些行为可能与你的初衷略有偏差。 Mati Stanizewski ， ElevenLabs 首席执行官兼联合创始人。本次方案为 a16z 合伙人 Jennifer Li 与 Mati 在 2025 年 11 月 4 日进行的讨论，深入探讨了该团队如何以闪电般的速度运送研究级人工智能 —— 从文本到语音和完全授权的人工智能音乐到实时语音代理，以及为什么语音是下一个人机交互界面。 速度与深度的博弈：我们如何用 “ 小团队 ” 撬动 “ 大研究 ” Jennifer Li ： 我很荣幸欢迎我们的首位演讲者 ——ElevenLabs 联合创始人兼首席执行官 Mati 。 Mati ，很高兴你能来到这里。 Mati Staniszewski ： 非常感谢邀请我来这里。很高兴见到大家，早上好。 Jennifer Li ： 刚才的欢迎音 乐是 ElevenLabs 生成的吧？ Mati Staniszewski ： 确实如此。我们在音频领域持续拓展。最初从语音技术起步，随后构建了语音助手的编排体系，如今更开发出完全持牌的音乐模型，能够创作精彩绝伦的音乐作品与之相辅相成。 Jennifer Li ： 太棒了。我们稍后会详细探讨这些内容。我有幸从 ElevenLabs 创立之初就结识你们，并在过去三年里成为合作伙伴，见证了你们从产品发布到新产品线和模型，如您刚才提到的文本转语音、语音转文本模型的全面落地，后来又拓展到音乐、音效领域，如今更推出了 AI 助手平台。 我非常好奇：首先，这三年来的产品迭代速度仍令我惊叹，但更想问的是 —— 面对如此密集的产品路线图，你们如何同时保持速度与品质？ Mati Staniszewski ： 首先，我们合作已近三年，听到这些赞誉固然欣喜。但大家可能不知道合作初期基础设施团队仅有三名成员。如今我作为 EleveLabs 创始人，我们钟爱数字 11—— 公司基础设施团队也恰好有 11 人。 但我想首先强调的是，我认为最关键的是，我结识了最聪明的联合创始人 Piotr 。他作为研究核心人员，不仅创建了众多模型，更汇聚了语音领域顶尖研究人才，共同打造出首个能深度理解上下文的文本转语音模型 —— 它能精准转化情感语调，并捕捉声音特征。由此我们实现了声音风格、年龄、性别、方言等要素的精准融合。如今研究团队已将技术拓展至语音、文本、音乐等领域。这构成了我们的技术基石，而快速迭代的组织架构 —— 尤其在 AI 领域瞬息万变的背景下 —— 正是由众多小型团队共同支撑。目前我们拥有约 20 个产品团队，每个团队规模在 5 到 10 人之间，他们拥有完全的自主权可以推进产品发布。当然，这种模式有时会带来工作重复或团队进度不一的问题。 但积极的一面是，每个团队的主人翁意识极其强烈。因此，人们知道交付和发布产品是他们的责任，这使我们能够极其快速地推进工作。我们将工作划分为两大创意领域：其一是面向媒体娱乐领域创作者的创意平台，提供旁白、配音及音频后期制作服务；其二是智能助手领域，致力于在客户体验到沉浸式媒体的全流程中，重塑语音助手与对话式助手的交互体验。 Jennifer Li ： 很好。 ElevenLabs 的名称中带有实验室字样，与许多其他大型实验室非常相似，这意味着你们在进行自主研发和模型开发的同时，也在打造这 20 款产品。你们如何平衡这两方面的工作？既要持续推进模型研究，又不能延误产品发布？ Mati Staniszewski ： 这确实是个难题。相信在座许多人也面临同样的困境：当你无法确定研究创新是否会取代刚刚开发的产品时，该如何推进产品建设？我们早期也遇到过类似情况。简单举个例子：当时模型运行时，用户最常提出的请求是能否实现语速调节 —— 希望增加滑块来调整音频生成速度和语速。但我们坚决反对这种设计思路，因为我们不希望添加任何滑块或开关按钮，我们不愿沦为上一代编辑套件的翻版。因此选择在研究层面解决问题 —— 让系统根据语音特征智能判断最佳语速，我们为此抗争了足足九个月，却未能在研究层面解决。后来产品团队以极简方案攻克难题，赢得了所有用户认可。 如今我们的决策原则是：若研究工作预计超过三个月，产品团队即可自由添加新模型或扩展功能。 当然有时时间线难以预测，但我们内部研究团队的基本指导原则是：本季度希望交付哪些项目？哪些属于长期计划？对于长期项目，能否利用其他工作填补时间差并优化方案？ 打破办公室与头衔：我们如何在全球范围内 “ 狩猎 ” 天才 Jennifer Li ： 我猜测首先需要确认研究投入能否满足时间线要求，然后再与产品团队协调 —— 这很有道理，毕竟大家都在迁往旧金山，进行面对面协作并集中办公。 ElevenLabs 一直采用全球化建设模式，人员分布更广泛，但在伦敦、华沙、旧金山、纽约等地设有中心。您如何看待这种全球扩张模式与本地化建设模式的权衡？ Mati Staniszewski ： 没错，我和创始人 Michael （波兰籍）最初在华沙和伦敦两地开展工作。如果我们当时只立足欧洲， ElevenLabs 可能根本不会存在 —— 这确实是个特殊案例。但在波兰，如果你看波兰语配音的外国电影，所有角色 —— 无论男女 —— 都会由同一个角色配音。毫无情感起伏，语调千篇一律 —— 你能想象那效果有多糟糕。时至今日，绝大多数内容仍在沿用这种方式。 Jennifer Li ： 我在中国长大时也有过类似的经历，许多西方电影都被配上了单调的中文配音。 Mati Staniszewski ： 太糟糕了。这正是公司创立的契机。 我们最初立足欧洲，但很快意识到：若想解决当时的研究难题，必须全球招募顶尖人才。不能局限于旧金山或西海岸，必须遍寻欧洲、亚洲的精英加入团队。于是我们全面推行远程办公模式，开始物色人才。 在工程团队组建方面，我们也坚决摒弃传统招聘方式 —— 不再依赖 LinkedIn 和背景审查，而是探索全新的招聘路径，这带来了许多精彩的聘用案例。例如我们曾招募一位拥有顶尖开源文本转语音模型的工程师，他当时在呼叫中心担任接线员以维持生计，如今他已成为团队中数据处理领域最杰出的研究员之一，这种模式后来持续延续。 当然，早期团队高度分散。 当规模超过 30 人后，我们意识到新成员需要物理空间与他人共处，才能更深入融入企业文化，理解公司所有产品动态。 于是我们建立了伦敦、华沙和旧金山的枢纽办公室，让员工能面对面协作。 这就是我们融合两种模式的方式：职业生涯早期的新人，我们会优先安排到枢纽办公室工作，使其深度融入公司；习惯远程工作的员工完全可以继续远程，但随时欢迎来枢纽办公室加入我们。这种模式运作得非常成功。 目前，我们在公司某些岗位持续招募非常规背景的人才，并将他们与传统背景的员工融合，后者能为前者提供指导。例如在销售领域，我们也进行了类似尝试，这种组合效果显著。 Jennifer Li ： 核心启示在于：人才无处不在，关键在于你投入多少精力去发掘。 Mati Staniszewski ： 在欧洲同样如此 —— 美国有个有趣现象：人们对工作充满热忱。若在社交场合谈论工作，你会发现多数人乐在其中。但在欧洲，我并未感受到这种氛围。文化差异确实存在，但欧洲同样存在一群真正追求事业的人。只是他们缺乏能施展才华的企业平台。因此我认为，我们团队中来自欧洲的成员是最积极进取、充满激情的一群人，能拥有他们实属幸运。 Jennifer Li ： 确实如此，我接触过其中几位，他们工作态度极其严谨，职业操守无可挑剔。你们还保持着扁平化的组织架构，让员工承担大量实际责任。能否谈谈这种模式背后的考量？另外听说你们还实行无头衔制度？ Mati Staniszewski ： 是的，我们几年前就取消了头衔制度，至今运行良好。 我认为这种模式确实有效 —— 不过许多人工智能公司其实早已采用类似做法，比如工程部门普遍采用 " 技术人员 " 的称谓。在市场拓展领域，我们也直接称 " 市场拓展人员 " 而非 " 销售副总裁 " 之类的职位。所以这其实是相当普遍的模式。但我们采取的是小团队模式，通常只有 5 到 10 人。我们明确规定：每个新组建的团队有六个月证明价值的时间。若能证明价值，团队就能留存并继续运作。 关键在于，从加入那一刻起，你就能对公司产生影响。因此在团队中，你可能承担任何角色。资历长短不会决定你在层级中的位置。只要足够聪明、敏捷且充满热情，就能快速提升自我 —— 这点确实很有帮助。 同时，这为对外沟通提供了统一标准：外界看到 ElevenLabs 时，都清楚我们是负责市场拓展的团队，无需过多解释定位问题。这种架构让我们在与众多合作伙伴及客户沟通时，他们都清楚自己始终能获得最优秀的人才。同时我们也能派遣成员参加各类会议和活动，完全不受职位层级限制。 我认为扁平化结构的精妙之处不仅在于我们当前的积极运作方式，更在于它为各分支部门提供了高效的领导机制。 因此，研究、创意工作、代理业务、市场拓展、自助服务和销售都由领导层主导。当然，这只是领导层级。在其之下，全球范围内采用的是相当扁平的小团队运作模式。但关键在于让线索能承载团队间的复杂性。当发现跨团队存在价值时，应主动促成建议交流。因此选拔能跨团队沟通的人至关重要，同时让团队专注核心事务。有趣的是，当将某人加入所有放开权限的频道并赋予透明权限时，他们反而因阅读所有消息而频繁分心。虽然可以选择不看，但人们往往还是会看。因此需要限制访问权限来强制集中注意力，这种方法确实 有 效。所有这些细节都至关重要，且效果显著。 J ennife r Li ： 或许我们也能借鉴这些经验。现在转换话题。你身处创意工作前沿，目睹艺术、音乐、广告等领域开始采用 AI 工具。