易云达 18个月养成百亿独角兽，明星创始人如何赚钱

易云达

出品｜虎嗅科技组

作者｜李一飞

编辑｜陈伊凡

头图｜Clay 领英主页

" AI 原生 100 "是虎嗅科技组推出针对 AI 原生创新栏目，这是本系列的第「21」篇文章。

18 个月，估值飙到 100 亿美元，到账 6.35 亿美元现金，年经常性收入逼近 1 亿美元——放在任何时代都是"火箭"，在 AI 赛道也属罕见。

即便是在快速发展的 AI 创业时代，也很少见。

9 月，全球知名互联网投资公司 Greenoaks Capital 又添一把火：领投 3.5 亿美元，让 Sierra 正式跻身"百亿美金俱乐部"。

这家由前 Salesforce 联席 CEO Bret Taylor 与前谷歌高管 Clay Bavor 联手创办的 AI 客服公司，只做一件事：用生成式 AI 替企业"包办"客户体验。成立伊始，它就按下快进键：产品上线、拿下大客户、数据反哺模型、体验更优，飞轮越转越快。

"需求爆了。"嘉和资本 CEO 袁子恒一句话点破玄机，因为美国客服是人力"黑洞"，工资高、流动大；恰好大模型最擅长多轮对话，企业换 AI 立竿见影。如今语音 AI 又成熟，电话端节省的人力可量化、可计算尤其是随着 AI 语音技术的发展，语音客服会进一步带来增长。

如今，与 AI 客服密不可分的语音 AI（Voice AI）正在越来越多的领域发挥作用。在很多行业都有大量电话沟通的工作，而 Voice AI 能够有效节省人力，工作效果也较好量化。A16Z 的报告中特别指出，语音交互将成为 AI 应用公司最强大的突破口之一，面向消费者时，语音交互将成为人们接触 AI 的首要方式——甚至可能演变为最主要的交互方式，这也是 Sierra 得以快速增长的背景原因之一。

鉴于 Voice AI 主导下的 AI 客服，是当下 AI 应用中最热门的赛道之一，我们试图拆解这个领域的百亿独角兽 Sierra，从其商业模式、技术实现和增长方式，理解这家公司快速增长的原因。

Sierra 把最烧钱的企业环节做成最省钱的 AI 能力，市场用钞票给它按下了加速键。

明星创始人的 AI 创业

"我看到 DALL · E 把鳄梨和椅子拼在一起，画出世上不存在的‘鳄梨椅子’。那一刻我明白：AI 不只是执行，它理解了概念。" Clay Bavor 对红杉回忆的这个小片段，就是 Sierra 整条故事线的起点——"理解"而非"执行"才是新范式——即 AI 不再只是被动执行指令的机器，而是能理解任务意图、主动完成请求的智能代理。

两位创始人，左一为 Clay

从那一刻起，两位创始人把问题缩到最小、也最值钱的企业痛点：客户体验。

几乎每家公司都要 7 × 24 小时陪客户说话，却永远被成本、响应速度和满意度三座大山压着，门户导航、关键词搜索、流程型聊天机器人这些渐进式修补只能减轻人力，却无法让机器像老员工一样听懂需求、主动解决。

大语言模型的出现第一次把对话从树状流程升级为语义推理，让" AI 代理"替代"人力堆出来的客服"成为看得见路径的目标

对话式 AI 的崛起，不仅重新定义了人与机器的沟通方式，也让" AI 重构客户体验"成为一个看得见路径的目标。

于是在 2023 年初，当时已经分别辞去 Salesforce 联席 CEO 和 Google 工作的 Bret Taylor 和 Clay Bavor 开始了关于 Sierra 的创业构想。

这两位硅谷老将从一开始就自带创业光环：从 Google Maps 到 Quip，再到 Salesforce 联席 CEO，每一次角色变动都让 Bret Taylor 更加了解市场和用户需求，这种敏锐一直延续到 Sierra。Clay Bavor 则多年供职于 Google，长期负责产品与前沿实验项目，主导了 Cardboard、Tilt Brush、Project Starline 等产品，始终游走在感知边界与未来交互之间，他对品牌气质和互动体验的重视同样为 Sierra 奠定了产品方向。

明确的赛道判断和两位创始人的强大背书使得 Sierra 的创业并没有经历漫长的启动期易云达。

从 2024 年初由 Sequoia Capital 和 Benchmark 领投，融资 1.1 亿美元；到 24 年 10 月融资 1.75 亿美元；再到 25 年 9 月由 Greenoaks Capital 领投，融资 3.5 亿美元，Sierra 在一年半时间里实现了从估值 10 亿美元到 100 亿美元的飞跃，呈现出一条飞速发展的上升曲线。

Sierra 在 2024 年初正式发布并快速拿下 WeightWatchers、Sonos、OluKai 等首批客户，实现产品落地。

在此之后，Sierra 先后拿到了包括 Brex、Casper、ADT、Chubbies 在内的数百家付费客户，合作客户跨越了金融、消费、通信、医疗等领域。

到了 2025 年 9 月 Greenoaks Capital 的 3.5 亿美元直接锁定百亿美金估值，一年半时间画出一条陡峭上升曲线。

瞄准中大客户，形成数据飞轮

Siera 要证明自己不是又一个演示级 AI，就必须扎进真实的业务流里，用客户的 KPI 为自己打分。

他们把枪口直接对准中大型企业——这个选择背后没有"情怀"，只有三层账：

首先，大客户的客单价和营收潜力更高，更适合 Sierra 这样需要深度集成和定制化服务的企业 AI 平台。

其次，越是规模庞大的企业，客户群体越复杂、体量越大，其在客户体验上的维护和运营成本也越高，所以这些企业会更迫切地需要引入 AI 代理来缓解人力负担成本和提升服务质量。

第三，Sierra 聚焦的是客户体验，而体验的对象指向了消费者。只有当一个企业拥有足够多的客户，AI 提升体验的价值才能最大程度显现，数据训练的效果才能积累，进而充分发挥 Sierra 的平台潜力。

而在所有战略规划背后，还有一个更直白的目标：最大化商业价值。

Sierra 从一出生就锁定高附加值赛道：平均合同 15 万美元起跳，价格不透明，一单一议，用少数几家"鲸鱼客户"把平台能力快速拉满。

袁子恒表示，Sierra2023 年成立，做得相对较早，对 AI 应用而已，先发优势很重要，不仅抢占了客户心智，而且深度嵌入客户对工作流，例如 CRM、ERP 的物流系统，和客户深度绑定，还借此实现了端到端的交付。不仅是对话，还是先订单修改和退款处理等操作。

不仅如此，还有飞轮效应，某个细分行业的客户越多，对话越多，输出的结果就越精准，这也形成了 Sierra 的壁垒。

后面发生的事证明这条路径赌对了。AI 插进后端，7 × 24 小时多语言在线，咨询秒回、复购抬头，对话数据沉淀成企业自己的私有矿脉。

Sierra 通过嵌入客户平台后端提供全天候多语言服务，极大地促进了销售的转化和用户复购；每天 AI 服务生成的数据也让企业形成了独属于自己的数据库，真正实现了服务的闭环。

著名床垫品牌 Casper 希望为消费者打造贯穿购买全生命周期的智能顾问体验，于是在 2024 年与 Sierra 合作开发了新一代 AI 客服 Luna 2.0。上线后效果立竿见影：Luna 2.0 在高峰活动期间解决了 74% 顾客咨询，让 Casper 的客户满意度还提升了 20% 以上。这种全天候工作、多语言服务的客服模式是此前人工客服团队难以实现的，降本增效效益显著。

金融科技公司 Brex 也是 Sierra 的客户之一，其运营团队在合作中总结了三点经验：首先，AI 工具必须让业务和技术人员都能方便使用管理，才能在全公司落地；其次，无论客服、运营还是工程岗位，员工角色都在转变为" AI 管理者"，他们更多是训练、监督 AI 完成工作，而不是亲自处理所有事务；第三，过去高质量服务意味着高成本，但有了 AI，企业可以低成本支持更多客户互动，省下来的预算再投入市场，又把更多客户送进 AI 客服的闭环。

如何打造一个可信任的 AI 客服代理

Sierra 并没有自研大语言模型，而是搭建了一套模型抽象层，把 OpenAI、Anthropic、Cohere 等主流模型统一纳入平台。企业可以根据需求灵活切换，而不被某一个厂商锁死。

这样的策略足够灵活，却也伴随风险：模型越强大，幻觉问题越明显；一旦升级，行为可能发生剧烈变化，轻则影响体验，重则破坏业务逻辑。

Sierra 的解法是在模型之上再造一个"护栏"。

Sierra 推出了 Agent OS 工具包作为 AI 代理的基石，内置数据治理机制自动检测、屏蔽、加密个人身份信息 ( PII ) 以确保客户数据安全，防止泄露。

在此基础上，Sierra 开发了 Agent SDK，允许开发者用声明式语言定义代理的行为，而不必关心底层模型的实现细节，简单来说就是直接告诉 AI Agent 目标，而不是每一步怎么做。Agent SDK 大幅降低了企业落地的技术门槛，也确保了逻辑的可移植性与可控性。

Talbin 基准测试也被引入其中，作为验证 AI 输出真实性的一把标尺。

Clay Bavor 曾提出一个反直觉的洞察："模型擅长的不是一开始就不犯错，而是识别自己哪里出错。" Sierra 正是利用这个特点，在 Agent 中引入自我监督机制，让监督 Agent 去审查主 Agent 的行为是否有问题。

于是，Sierra 的 Agent 具备了清晰的边界感：既能灵活完成退货流程、处理查询，也能在用户试图引导其说出违规话语时果断拒绝。

但要让 AI 客服真正走向大规模商用，仅靠"聪明"还不够，它还必须像传统软件一样稳定、可维护。

2024 年 6 月，Sierra 发布了 AI 开发生命周期框架（ADLC），为代理的设计、测试和上线制定了标准化流程：

1. 声明式编程 + 可组合技能模块：代理不再写死逻辑，而是基于过程知识组合多个功能，既能保持灵活性，又有稳定输出。

2. 不可变快照：系统会保存每个 Agent 版本的"行为快照"，企业可回滚、A/B 测试，确保性能连续性。

3. 体验管理器：每天对话采样、人工反馈、对话审计，供非技术团队参与质量管理。

4. 回归测试体系：保障每次更新不会引发性能滑坡，提升版本稳定性。

Sierra 的 AI Agent 客服

在真正部署阶段，Sierra 往往需要 1-2 个月的前期准备，深度嵌入客户的内部系统和业务逻辑。这一过程不仅包括数据训练，还涉及到品牌语气、业务流程和专业知识的三重校准。为了持续优化，他们还引入了"体验经理"的岗位，专职负责监督、训练和调试，让 AI 代理真正符合企业的服务标准。

一整套流程下来，Sierra 的 AI 服务就不再是"一键安装"的工具，而是企业与平台从技术逻辑到交互体验的共同塑造。也只有这样，Agent 才能既发挥创造性，又让客户敢于把真实的服务交给它。

Sierra 选择按结果导向定价（Outcome-based Pricing）。企业不再为调用次数买单，而是为"成功解决一个客户问题"这样的实际成果付费。

这种模式让 Sierra 与客户的利益紧密绑定：客户不必为潜力买单，只为成果买单。正如 Sierra 博客所言，在这种机制下，"软件不再躺在货架上吃灰"，而成为真正解决问题的生产工具。

结果导向定价也倒逼 Sierra 不断优化代理表现，每提升 1% 的执行率，意味着客户体验更顺畅，也意味着公司自身收入的直接增长。

AI 客服：大模型时代最赚钱的赛道之一

到 2025 年，AI 客服行业已经走到一个拐点。客户需求正在发生变化：多数用户更愿意依靠自助渠道解决问题，而不是排队等待人工客服；企业也因此迫切需要更高效、更智能的方式来维系关系。

据 MarketsandMarkets 市场研究预测，到 2030 年，AI 客服行业仍将保持高速扩张，相关产品也在不断延展，从智能代理到知识库、从流程自动化到客户旅程分析，构成了一个日益庞杂的生态。

在这片拥挤的赛道上，Sierra 并不是唯一的参与者。

根据 G2 的统计，Sierra 的可替代方案依旧很多，例如 Intercom 旗下的 Fin 主打多轮对话；Kore.ai 专注多渠道自然语言交互；Genesys Cloud CX 和 Five9 凭借全平台整合继续把持传统云联络中心市场；Dixa、Tidio 以灵活的响应能力服务中小企业；而 HubSpot、Asana、Qualified 等平台则在原有的营销和管理场景中不断延展 AI 客服功能。

不仅如此，AI 客服行业的未来仍伴随诸多不确定性：幻觉和不可预测性仍未被完全消解，语音克隆诈骗等新风险层出不穷，数据隐私与合规监管在全球范围内愈加严格；用户的期望值也不断被抬高，一旦失误，口碑与信任可能顷刻崩塌。

袁子恒指出，因为是 Sierra 严重依赖 To B 业务，这也取决于客户的拓展速度和竞争对手的情况。

中国今年也出现了许多 AI 客服公司，袁子恒发现，这些公司主要以服务跨境电商商家为主，除了降低成本之外，尤其是 AI 客服的多语种对话和 24 小时回复，对于跨境商家是刚需。

易云达