18 個月，估值飆到 100 億美元，到賬 6.35 億美元現金，年經常性收入逼近 1 億美元——放在任何時代都是 " 火箭 "，在 AI 賽道也屬罕見。
即便是在快速發展的 AI 創業時代，也很少見。
9 月，全球知名互聯網投資公司 Greenoaks Capital 又添一把火：領投 3.5 億美元，讓 Sierra 正式躋身 " 百億美金俱樂部 "。
這家由前 Salesforce 聯席 CEO Bret Taylor 與前谷歌高管 Clay Bavor 聯手創辦的 AI 客服公司，只做一件事：用生成式 AI 替企業 " 包辦 " 客戶體驗。成立伊始，它就按下快進鍵：產品上線、拿下大客戶、數據反哺模型、體驗更優，飛輪越轉越快。
" 需求爆了。" 嘉和資本 CEO 袁子恒一句話點破玄機，因為美國客服是人力 " 黑洞 "，工資高、流動大；恰好大模型最擅長多輪對話，企業換 AI 立竿見影。如今語音 AI 又成熟，電話端節省的人力可量化、可計算尤其是隨著 AI 語音技術的發展，語音客服會進一步帶來增長。
如今，與 AI 客服密不可分的語音 AI（Voice AI）正在越來越多的領域發揮作用。在很多行業都有大量電話溝通的工作，而 Voice AI 能夠有效節省人力，工作效果也較好量化。A16Z 的報告中特別指出，語音交互將成為 AI 應用公司最強大的突破口之一，面向消費者時，語音交互將成為人們接觸 AI 的首要方式——甚至可能演變為最主要的交互方式，這也是 Sierra 得以快速增長的背景原因之一。
鑒于 Voice AI 主導下的 AI 客服，是當下 AI 應用中最熱門的賽道之一，我們試圖拆解這個領域的百億獨角獸 Sierra，從其商業模式、技術實現和增長方式，理解這家公司快速增長的原因。
Sierra 把最燒錢的企業環節做成最省錢的 AI 能力，市場用鈔票給它按下了加速鍵。
明星創始人的 AI 創業
" 我看到 DALL · E 把鱷梨和椅子拼在一起，畫出世上不存在的‘鱷梨椅子’。那一刻我明白：AI 不只是執行，它理解了概念。"Clay Bavor 對紅杉回憶的這個小片段，就是 Sierra 整條故事線的起點—— " 理解 " 而非 " 執行 " 才是新范式——即 AI 不再只是被動執行指令的機器，而是能理解任務意圖、主動完成請求的智能代理。
兩位創始人，左一為 Clay
從那一刻起，兩位創始人把問題縮到最小、也最值錢的企業痛點：客戶體驗。
幾乎每家公司都要 7 × 24 小時陪客戶說話，卻永遠被成本、響應速度和滿意度三座大山壓著，門戶導航、關鍵詞搜索、流程型聊天機器人這些漸進式修補只能減輕人力，卻無法讓機器像老員工一樣聽懂需求、主動解決。
大語言模型的出現第一次把對話從樹狀流程升級為語義推理，讓 "AI 代理 " 替代 " 人力堆出來的客服 " 成為看得見路徑的目標
對話式 AI 的崛起，不僅重新定義了人與機器的溝通方式，也讓 "AI 重構客戶體驗 " 成為一個看得見路徑的目標。
于是在 2023 年初，當時已經分別辭去 Salesforce 聯席 CEO 和 Google 工作的 Bret Taylor 和 Clay Bavor 開始了關于 Sierra 的創業構想。
這兩位硅谷老將從一開始就自帶創業光環：從 Google Maps 到 Quip，再到 Salesforce 聯席 CEO，每一次角色變動都讓 Bret Taylor 更加了解市場和用戶需求，這種敏銳一直延續到 Sierra。Clay Bavor 則多年供職于 Google，長期負責產品與前沿實驗項目，主導了 Cardboard、Tilt Brush、Project Starline 等產品，始終游走在感知邊界與未來交互之間，他對品牌氣質和互動體驗的重視同樣為 Sierra 奠定了產品方向。
明確的賽道判斷和兩位創始人的強大背書使得 Sierra 的創業并沒有經歷漫長的啟動期。
從 2024 年初由 Sequoia Capital 和 Benchmark 領投，融資 1.1 億美元；到 24 年 10 月融資 1.75 億美元；再到 25 年 9 月由 Greenoaks Capital 領投，融資 3.5 億美元，Sierra 在一年半時間里實現了從估值 10 億美元到 100 億美元的飛躍，呈現出一條飛速發展的上升曲線。
Sierra 在 2024 年初正式發布并快速拿下 WeightWatchers、Sonos、OluKai 等首批客戶，實現產品落地。
在此之后，Sierra 先后拿到了包括 Brex、Casper、ADT、Chubbies 在內的數百家付費客戶，合作客戶跨越了金融、消費、通信、醫療等領域。
到了 2025 年 9 月 Greenoaks Capital 的 3.5 億美元直接鎖定百億美金估值，一年半時間畫出一條陡峭上升曲線。
瞄準中大客戶，形成數據飛輪
Siera 要證明自己不是又一個演示級 AI，就必須扎進真實的業務流里，用客戶的 KPI 為自己打分。
他們把槍口直接對準中大型企業——這個選擇背后沒有 " 情懷 "，只有三層賬：
首先，大客戶的客單價和營收潛力更高，更適合 Sierra 這樣需要深度集成和定制化服務的企業 AI 平臺。
其次，越是規模龐大的企業，客戶群體越復雜、體量越大，其在客戶體驗上的維護和運營成本也越高，所以這些企業會更迫切地需要引入 AI 代理來緩解人力負擔成本和提升服務質量。
第三，Sierra 聚焦的是客戶體驗，而體驗的對象指向了消費者。只有當一個企業擁有足夠多的客戶，AI 提升體驗的價值才能最大程度顯現，數據訓練的效果才能積累，進而充分發揮 Sierra 的平臺潛力。
而在所有戰略規劃背后，還有一個更直白的目標：最大化商業價值。
Sierra 從一出生就鎖定高附加值賽道：平均合同 15 萬美元起跳，價格不透明，一單一議，用少數幾家 " 鯨魚客戶 " 把平臺能力快速拉滿。
袁子恒表示，Sierra2023 年成立，做得相對較早，對 AI 應用而已，先發優勢很重要，不僅搶占了客戶心智，而且深度嵌入客戶對工作流，例如 CRM、ERP 的物流系統，和客戶深度綁定，還借此實現了端到端的交付。不僅是對話，還是先訂單修改和退款處理等操作。
不僅如此，還有飛輪效應，某個細分行業的客戶越多，對話越多，輸出的結果就越精準，這也形成了 Sierra 的壁壘。
后面發生的事證明這條路徑賭對了。AI 插進后端，7 × 24 小時多語言在線，咨詢秒回、復購抬頭，對話數據沉淀成企業自己的私有礦脈。
Sierra 通過嵌入客戶平臺后端提供全天候多語言服務，極大地促進了銷售的轉化和用戶復購；每天 AI 服務生成的數據也讓企業形成了獨屬于自己的數據庫，真正實現了服務的閉環。
著名床墊品牌 Casper 希望為消費者打造貫穿購買全生命周期的智能顧問體驗，于是在 2024 年與 Sierra 合作開發了新一代 AI 客服 Luna 2.0。上線后效果立竿見影：Luna 2.0 在高峰活動期間解決了 74% 顧客咨詢，讓 Casper 的客戶滿意度還提升了 20% 以上。這種全天候工作、多語言服務的客服模式是此前人工客服團隊難以實現的，降本增效效益顯著。
金融科技公司 Brex 也是 Sierra 的客戶之一，其運營團隊在合作中總結了三點經驗：首先，AI 工具必須讓業務和技術人員都能方便使用管理，才能在全公司落地；其次，無論客服、運營還是工程崗位，員工角色都在轉變為 "AI 管理者 "，他們更多是訓練、監督 AI 完成工作，而不是親自處理所有事務；第三，過去高質量服務意味著高成本，但有了 AI，企業可以低成本支持更多客戶互動，省下來的預算再投入市場，又把更多客戶送進 AI 客服的閉環。
如何打造一個可信任的 AI 客服代理
Sierra 并沒有自研大語言模型，而是搭建了一套模型抽象層，把 OpenAI、Anthropic、Cohere 等主流模型統一納入平臺。企業可以根據需求靈活切換，而不被某一個廠商鎖死。
這樣的策略足夠靈活，卻也伴隨風險：模型越強大，幻覺問題越明顯；一旦升級，行為可能發生劇烈變化，輕則影響體驗，重則破壞業務邏輯。
Sierra 的解法是在模型之上再造一個 " 護欄 "。
Sierra 推出了 Agent OS 工具包作為 AI 代理的基石，內置數據治理機制自動檢測、屏蔽、加密個人身份信息 ( PII ) 以確保客戶數據安全，防止泄露。
在此基礎上，Sierra 開發了 Agent SDK，允許開發者用聲明式語言定義代理的行為，而不必關心底層模型的實現細節，簡單來說就是直接告訴 AI Agent 目標，而不是每一步怎么做。Agent SDK 大幅降低了企業落地的技術門檻，也確保了邏輯的可移植性與可控性。
Talbin 基準測試也被引入其中，作為驗證 AI 輸出真實性的一把標尺。
Clay Bavor 曾提出一個反直覺的洞察：" 模型擅長的不是一開始就不犯錯，而是識別自己哪里出錯。" Sierra 正是利用這個特點，在 Agent 中引入自我監督機制，讓監督 Agent 去審查主 Agent 的行為是否有問題。
于是，Sierra 的 Agent 具備了清晰的邊界感：既能靈活完成退貨流程、處理查詢，也能在用戶試圖引導其說出違規話語時果斷拒絕。
但要讓 AI 客服真正走向大規模商用，僅靠 " 聰明 " 還不夠，它還必須像傳統軟件一樣穩定、可維護。
2024 年 6 月，Sierra 發布了 AI 開發生命周期框架（ADLC），為代理的設計、測試和上線制定了標準化流程：
1. 聲明式編程 + 可組合技能模塊：代理不再寫死邏輯，而是基于過程知識組合多個功能，既能保持靈活性，又有穩定輸出。
2. 不可變快照：系統會保存每個 Agent 版本的 " 行為快照 "，企業可回滾、A/B 測試，確保性能連續性。
3. 體驗管理器：每天對話采樣、人工反饋、對話審計，供非技術團隊參與質量管理。
4. 回歸測試體系：保障每次更新不會引發性能滑坡，提升版本穩定性。
Sierra 的 AI Agent 客服
在真正部署階段，Sierra 往往需要 1-2 個月的前期準備，深度嵌入客戶的內部系統和業務邏輯。這一過程不僅包括數據訓練，還涉及到品牌語氣、業務流程和專業知識的三重校準。為了持續優化，他們還引入了 " 體驗經理 " 的崗位，專職負責監督、訓練和調試，讓 AI 代理真正符合企業的服務標準。
一整套流程下來，Sierra 的 AI 服務就不再是 " 一鍵安裝 " 的工具，而是企業與平臺從技術邏輯到交互體驗的共同塑造。也只有這樣，Agent 才能既發揮創造性，又讓客戶敢于把真實的服務交給它。
Sierra 選擇按結果導向定價（Outcome-based Pricing）。企業不再為調用次數買單，而是為 " 成功解決一個客戶問題 " 這樣的實際成果付費。
這種模式讓 Sierra 與客戶的利益緊密綁定：客戶不必為潛力買單，只為成果買單。正如 Sierra 博客所言，在這種機制下，" 軟件不再躺在貨架上吃灰 "，而成為真正解決問題的生產工具。
結果導向定價也倒逼 Sierra 不斷優化代理表現，每提升 1% 的執行率，意味著客戶體驗更順暢，也意味著公司自身收入的直接增長。
AI 客服：大模型時代最賺錢的賽道之一
到 2025 年，AI 客服行業已經走到一個拐點。客戶需求正在發生變化：多數用戶更愿意依靠自助渠道解決問題，而不是排隊等待人工客服；企業也因此迫切需要更高效、更智能的方式來維系關系。
據 MarketsandMarkets 市場研究預測，到 2030 年，AI 客服行業仍將保持高速擴張，相關產品也在不斷延展，從智能代理到知識庫、從流程自動化到客戶旅程分析，構成了一個日益龐雜的生態。
在這片擁擠的賽道上，Sierra 并不是唯一的參與者。
根據 G2 的統計，Sierra 的可替代方案依舊很多，例如 Intercom 旗下的 Fin 主打多輪對話；Kore.ai 專注多渠道自然語言交互；Genesys Cloud CX 和 Five9 憑借全平臺整合繼續把持傳統云聯絡中心市場；Dixa、Tidio 以靈活的響應能力服務中小企業；而 HubSpot、Asana、Qualified 等平臺則在原有的營銷和管理場景中不斷延展 AI 客服功能。
不僅如此，AI 客服行業的未來仍伴隨諸多不確定性：幻覺和不可預測性仍未被完全消解，語音克隆詐騙等新風險層出不窮，數據隱私與合規監管在全球范圍內愈加嚴格；用戶的期望值也不斷被抬高，一旦失誤，口碑與信任可能頃刻崩塌。
袁子恒指出，因為是 Sierra 嚴重依賴 To B 業務，這也取決于客戶的拓展速度和競爭對手的情況。
中國今年也出現了許多 AI 客服公司，袁子恒發現，這些公司主要以服務跨境電商商家為主，除了降低成本之外，尤其是 AI 客服的多語種對話和 24 小時回復，對于跨境商家是剛需。
來源：虎嗅
