融資資訊
| 項目 | 值 |
|---|---|
| 公司 | Phonic（美國，舊金山） |
| 輪次 | Series A |
| 金額 | $27.5M |
| 領投 | First Round Capital |
| 跟投 | Lux Capital, Felicis, Definition, Essence VC |
| 估值 | 未揭露 |
| 累計融資 | $31.5M（此前種子輪 $4M + Series A $27.5M） |
| 成立年份 | 2024（創辦團隊自述「兩年多前」創立） |
| 員工數 | 約 10 人（MIT、史丹佛、CMU 背景的研究/工程團隊） |
這家公司做什麼
Phonic 是做語音 agent 底層模型的公司——它不是在既有的語音辨識(STT)+大型語言模型(LLM)+語音合成(TTS)串接管線上疊加一層,而是直接訓練一個原生端到端的 speech-to-speech 模型,讓語音 agent 能聽懂語氣、停頓、情緒,而不只是聽懂轉成文字後的語意。
差異化在於「邊聽邊做」：多數語音 agent 得等使用者講完一句話、說「我查一下」才呼叫工具;Phonic-1 能在使用者還在說話的同時就先呼叫工具,等對方講完就立刻有答案。公司示範過一通 44 分鐘、123 次工具呼叫的訂房電話,橫跨英語與葡萄牙語無縫切換。模型也支援 50 種以上語言,可在同一通電話中途切換語言並保持同一個「聲音」。目前客戶包括 Ashby(用於 25 個國家的 AI 面試排程)、Maven AGI、Rho,以及一家 Fortune 50 IT 基礎設施公司,底層跑在 Together AI 的算力上。
Phonic-1(High)在 Artificial Analysis 的 Speech-to-Speech Index 拿下第一名(87.1 分,小幅超過 Grok Voice 3.0 的 86.9 分),在前五名模型中擁有最快的首次回應時間(0.61 秒)。在 Sierra 的多語言全雙工基準 τ³-Voice 上拿 83.2 分,高於 GPT-Live-1 的 79.9 分與 Gemini 3.8 Live 的 68.5 分。
這筆融資的信號
對 Agent 生態的意義
語音 agent 的技術瓶頸正從「怎麼串接三個模型」轉向「要不要直接訓練一個原生端到端模型」。Phonic 主打的「邊聽邊做」直接點出串接式(cascaded)架構在真實客服通話中的兩個老問題：延遲(等對方說完才開始處理)與情緒流失(轉成文字的過程會丟掉語氣、停頓、情緒)。這代表下一輪語音 agent 的競爭,很可能會在模型層而不是在 orchestration(工具呼叫、記憶管理)層決勝負。
投資人在賭什麼
First Round 領投,但這輪角投名單更值得注意的是一群重量級開發者工具天使：Vercel 的 Guillermo Rauch、Replit 的 Amjad Masad、Hugging Face 的 Clement Delangue、Modal 的 Erik Bernhardsson、AngelList 的 Naval Ravikant 都個人參投。這份名單更像是「開發者基礎設施生態圈」集體押注語音會成為下一個 agent 介面,而不只是單純的財務投資人在賭一個市場規模。
值得觀察的數字
數字來自 Phonic 官方部落格（phonic.ai/blog/phonic-1，2026-10-29），Podonos 執行的盲測配對比較；數值軸 0–100%，x=200+數值×4。藍色實心點固定代表 Phonic-1 分數，灰色空心點代表對照模型／真人分數。
- 多語言全雙工基準 τ³-Voice 得分 83.2,比 GPT-Live-1(79.9)高 3.3 分、比 Gemini 3.8 Live(68.5)高 14.7 分
- 在前五名模型中擁有最快首次回應時間 0.61 秒,是「智能與延遲同時最佳」的少數案例
- 累計融資僅 $31.5M 就做出登上榜首的前沿模型,團隊規模僅約 10 人,資本效率在這波動輒上億美元的語音 AI 融資中相對精簡
Watchlist 狀態
Phonic 尚未在 watchlist 中。建議加入 section C5(語音 AI / Voice Agent)——現有名單(Vapi、Retell、Bland AI、ElevenLabs、PolyAI、Parloa、Synthflow、Cartesia、LiveKit)皆為串接式或平台型方案,Phonic 的差異化在於原生 speech-to-speech 模型本身,追蹤重點：邊聽邊做工具呼叫(可在使用者講話中途執行動作)、$27.5M Series A、First Round 領投。
今日收穫
Phonic 公開揭露自己在盲測裡輸給真人配音員(32.0% vs 57.0%),而不是只秀贏過其他 AI 模型的三個對比——這種「連自己輸多少都講清楚」的揭露方式,反而比純行銷語言更值得信任。這也點出語音 agent 現在真正的競爭基準不是「打敗其他 AI」,而是「縮小跟真人的差距」,這個差距還有 25 個百分點要補。