跳转至

李正韬（Retell AI）：两年做到 8000 万美元收入的语音 AI 呼叫中心，以及"我们整个公司 vs OpenAI 一个总监的团队"（月球大叔，2026-08-09）

⚠️ 字幕轨说明（与 孟子立那期 同一情况）：fetch.py 取到的是频道提供的 en 人工字幕轨，中文访谈以英文呈现。因此本页引号内为对英文字幕的中译，不是嘉宾的中文原话。人名"Todd Li"在字幕中只出现英文名，中文名"李正韬"取自视频标题。

⚠️ 说话人认定说明：转录稿完全没有说话人标签，也没有 >> 换人标记，主持人与嘉宾的话在同一段里连续排列。本页所有归属均按内容判断（提问 = 主持人，公司内部事实 = 嘉宾），归属不清处已在正文注明。

本库第一份语音 AI 应用层公司的完整一手创业史——此前的语音材料是 ElevenLabs 的 Mati（模型/平台侧）与 Decagon（文本客服侧），这份补的是"把大企业的整个呼叫中心换掉"这条最重的落地路径。

三条最该被引用的：① ⚠️ "我们整个公司对 OpenAI 一个总监的团队"——本库此前的"应用层 vs 前沿实验室"之争多是抽象护城河叙事，这是把它还原成组织对抗单位的一条；② ⚠️ 语音比文本难的机制被说清了——文本客服"模型、知识库、每个环节都有十秒以上的计算余量"，语音没有这个缓冲；③ ⚠️ 签约后要花将近一年才能完整替换掉一个联络中心——本库关于 FDE / 最后一公里的讨论第一次有了明确的时间尺度。

说话人映射（据补做分离的 speakers.md；转录稿本身无标签，此处认人属 wiki 层编辑判断）： SPEAKER_01 = 李正韬 / Todd Li（嘉宾，68.8%）、SPEAKER_00 = 月球大叔（主持，31.2%）。 依据：SPEAKER_01 的高纯度块是 Retell 的一手信息（[00:58:33] 产品线、招 AI researcher 做后训练）； SPEAKER_00 为复述/点评方（[00:22:11]"after hearing your explanation, I can clearly see…"）。

公司概况（嘉宾自报，无第三方来源）

  • Retell AI = 语音 AI 呼叫中心：面向有几百万到上亿客户、养着几千甚至上万坐席的 B2C 公司；用例不止客服，还包括销售、催收、各类营销外呼（[00:19:11]–[00:20:11]）。
  • 年收入约 8000 万美元、3000 多家客户（[00:20:11]）。点名的客户：OpenTable、Opendoor、Mercury、Anker（安克）、Lenovo、CVS。
  • 50 名全职 + 50 名合同工；办公室两层，含水电约 每月 5 万美元（[00:00:00]、[01:02:35]）。
  • 计价方式：按分钟的用量计费——客户配置一个 voice agent，按通话时长以固定费率结算，"有点像按 token 计价"（[00:49:29]）。
  • 时间线：2024 年 1 月离开 Google 全职做 → 到本期约"三年公司"（他自述 company is three years old，⚠️ 与 2024 年 1 月全职的说法不完全自洽，本库照录不裁决，[00:13:07]、[00:57:32]）。收入到 300 万美元时才招第一个工程师（[00:30:19]）。

核心观点

⚠️ 一、"我们整个公司 vs 一个总监的团队"：小公司怎么打赢巨头

这是本期最锋利、也最可被本库直接引用的一段（[00:20:11]–[00:23:12]）。主持人问：OpenAI、Anthropic、ElevenLabs 都在做 AI 客服，你们凭什么拿下这些大客户？

  • 他先否定了前提："我不认为这些巨头做得有看上去那么好。"理由是它们同时在做很多方向，而语音是一个极深的领域。
  • ⚠️ 语音为什么比文本难（本页最有工程价值的一条区分）：文本客服里"你的模型、知识库、每一个环节都可以有十秒甚至更多的计算时间——你有缓冲"；而语音里"推理、服务器、每一条连接，全都是另一套工作方式"。所以"专注在这里格外重要"（[00:21:11]）。
  • demo 到生产之间的鸿沟："每个人都能做出一个惊艳的 demo——录一段 AI 打电话发到网上，反响都很好。但从 demo 到一家公司愿意接受、部署成真正的客服系统、真的替掉它现有的呼叫中心，这是一段非常长的路，中间会遇到极其大量的问题。"（[00:21:11]）
  • 决胜场是采购与尽调："客户做采购和尽调时，我们的产品一直胜出……不是因为我们有 OpenAI 那样的品牌。"（[00:21:11]）后面又补了一次同构表述：RFP 的结果说明我们的产品最好（[00:56:31]）。
  • ⚠️ 组织对抗单位的那句（[00:23:12]）：

"实际上，如果我们和 OpenAI 正面对上，我们对的只是一个总监手下的一个团队。是我们整个公司对那个总监手下的一个团队。而那个团队对这个问题的整体投入、它的理解，都不可能比得上我们。"

  • 他自己给了这条论证的边界（这是本页认为最该记的限定）："但如果我们去建和 OpenAI 一样的模型正面竞争，或者进它第二大的领域 coding agent，我们赢不了。语音对它们就不是那么高优先级。"——即这条论证只在"该领域对巨头是低优先级"时成立，不是普适的以小胜大。
  • 主持人给的两个配套框架：① "一米宽、一公里深"；② 一位投资人的说法——"一家大公司只有少数几个 A-team。你不是在和整家公司竞争，关键是你对上的是不是它的 A-team。"（[00:22:11]）

二、企业落地的时间尺度与"混合模式"

  • ⚠️ 签约之后要花将近一年才能完整替换掉客户的联络中心（[00:24:12]）：多轮测试、验证产品稳定性、打磨通话相关功能、迁移客户既有的呼叫工作流。
  • 主持人引 Naval 的框架（[00:24:12]–[00:25:13]）：上一个时代开发昂贵，所以做 SaaS 服务尽可能多的企业；今天开发变便宜，创始人需要深入企业工作流、用 Forward Deployed Engineer 帮企业做深度 AI 转型，这才是护城河。
  • 他的修正——"混合模式"（[00:25:13]）："如果只是一个高度标准化的产品，它就不值那么多钱……标准化产品永远不可能像为那家公司专门做的那样深。"Retell 的形态是：平台提供所有语音相关能力，最后一公里按每家公司定制，帮它们搭最终的工作流。
  • 客户阶梯是逐级证明（[00:50:30]）：小客户 → 中型客户（开始有合规与法务要求、问你是不是 SOC 2）→ 大企业。"小客户用了你，中型客户才会跟进，因为小客户提供了背书；中型客户用了，大企业才跟进。"
  • CVS 那单花的时间去哪了（[00:51:30]）：全在合规——为满足要求他们新装了门禁系统（"创业时你根本想不到自己会需要装这种东西"）、员工电脑装防火墙等。他给的原则很硬："如果我们不愿意满足这些要求，那我们就不该告诉客户我们能做，他们也不该成为我们的客户。否则最终是在害他们——数据可能泄露，或者离职的人还留着我们系统的访问权限。"
  • 大企业采购的心理（[00:53:30]）："大企业通常只和大公司合作。当一家大企业愿意用一家小得多的公司的产品，那是巨大的信任投票，他们也在做重大承诺。"

三、YC 与 Michael Seibel：四条"反人性但正确"的建议

Retell 的 YC 导师是 Michael Seibel（Twitch 联合创始人）。他说双方"一直在吵"，但"他每次都被证明是对的"（[00:37:22]–[00:39:23]）。

  1. 能少招人就少招人——先把创始人自己变强，才可能招到强的人。
  2. ⚠️ 钱太多没用："如果你钱很多但判断力不够，你就像那个纨绔子弟——捧着金子却不知道怎么用，见人就发金条，最后所有人都当你是傻子，只来花你的钱。"
  3. ⚠️ 太多客户和太多钱都可能有毒（[00:26:15]）：假设你们五个人、账上突然有 5 亿美元，所有人都会说"别放着吃利息，把钱变成人，招一百个销售、一百个工程师"。但第一次创业的创始人多半不知道怎么招到好的人，招错了人也做不出好产品。

  4. 很早就让他们去做 enterprise（[00:38:23]–[00:39:23]）：SMB 的留存和客单价都更低，但更愿意当早期采用者；最终大多数 B2B 公司还是要走向 enterprise——更难拿下，但留存更强、净收入留存率（NDR）更好，"拿下一个大客户就可能让公司成立"。⚠️ 他强调这个转移过程极其痛苦、反人性："小客户通常很乐意用你的产品，会夸你；大企业可能根本不理你，而你必须把注意力从小客户挪开、去求他们。"

  5. 他对"YC 到底有没有用"的回答（[00:33:20]–[00:34:21]）：主持人说有人认为 YC 无用。他的答法是把 YC 与"导师"分开——"是不是 YC 不重要，但你需要一个导师……找一个有真实成果、真的把公司做成过的人。"YC 的价值在于它提供了一个通往这类导师的通道：在你证明自己之前很难够到他们，"你可以到处敲门，但那些人多半不会理你"。他类比读博：没有导师，这个挑战超出大多数人能处理的范围。⚠️ 他说得更重的一句是："如果没有 YC——更准确说，如果我们没遇到我们的导师，我们可能做不成。我们在判断力上的差距实在太大了。"

  6. YC 的第二个作用是放大器（[00:35:22]）：进 YC 前"没有任何投资人想和我们聊"，进去之后投资人主动找上门；发布时可用 YC 论坛、Twitter、LinkedIn 等渠道。"有时候你只需要一点点燃料。YC 是一个放大器——它帮世界看见你是一支强团队。"

四、两次 YC 申请与 pivot 链条

  • 第一次申请被拒：产品是托福作文批改；拿到面试，但面试官第一个问题是"你们还有别的想法吗？"——认为团队好、方向完全不对（[00:13:07]）。
  • 第二次：产品是直播翻译软件，约 8 秒延迟，能把中文直播翻成英文。面试官 Michael Seibel 本人是直播领域老兵，又说"这个想法不行，但产品做得好、团队强，你愿不愿意先进 YC，再考虑换方向"（[00:14:08]）。
  • ⚠️ 他们当时的时间窗判断（本页最该被记的预测类断言）：ChatGPT 起来之后他们研究新技术出现后的规律——互联网、移动、云，"新技术出现后，机会窗口通常只有两三年。最终成功的公司大多在那个窗口里成立。"（[00:14:08]）推论他也直说了："现在才进语音这个赛道的人，我认为多半不会成功"，因为竞争者已经很多，抢客户会非常难（[00:15:08]）。
  • pivot 的推理链（[00:18:10]–[00:19:11]）：所有点子都围着语音转——
  • 想法一：给呼叫中心员工去口音。否掉的理由是"去口音很快会成为过去式：如果 AI 最终让人类坐席变得不必要，谁还需要这个产品？不如直接做替代人类坐席的 AI 产品。"
  • 想法二：做 TTS。否掉的理由同构——"做 TTS 归根到底也是为了让 AI 接管人做的客服工作，那不如直接做最深的一层、离客户最近的那一层。"
  • 触发 pivot 的那条用户反馈（[00:28:17]）：有人用他们的实时配音翻译后问"为什么还要我说话、再翻译、再配音？为什么不让 AI 直接替我说？"
  • 为什么这条反馈能立刻定方向（[00:29:19]）：前面的产品"营销一个月，市场没有反应就是没有客户"；而新的语音产品第一周就有几万用户。"如果你做出一个真的好用、真的帮到人的产品，它应该很快就起来。"
  • 发布路径（[00:47:29]–[00:48:29]）：YC 论坛、Hacker News、Product Hunt、Twitter、LinkedIn 全发一遍 → 自然扩散 → Garry Tan、Paul Graham、Aaron Levie 等人转发 → 服务器崩了。他的总结："只有当你有一个值得营销的好产品时，营销才有用。如果产品没用，全世界都看见了也没人会留下。"
  • 早期取舍（[00:49:29]）：开放平台意味着什么都有人拿去做（"有人拿它打 AI 女友电话"），所以要从实际用量里挑一个长期胜算最大的方向——最终选的是给大企业建 AI 联络中心（[00:50:30]）。

五、资源不是瓶颈：一条被本库反复讨论的中美差异的一手版本

  • YC 给 50 万美元，"对我们已经是很多钱了。如果不招人，几乎花不掉"——办公室几千美元、每人几千美元工资，"这笔钱够我们用好几年"（[00:30:19]）。
  • ⚠️ 云厂商 credits：AWS 30 万 + Google Cloud 30 万 + Azure 30 万 ≈ 近 100 万美元（[00:31:19]）。
  • 由此得到的判断（他反复讲了三次）："硅谷从来不缺钱，缺的是有能力的创始人。"（[00:10:05]）"如果一个人做不成公司，那绝不是因为资源稀缺，而是判断力、能力、团队等因素。"（[00:09:05]）
  • 他的思想实验：如果马斯克和一个普通人换身体、但保留全部记忆（即"突然变得极有能力但没有钱和人脉"），"我相信他几年内就能做出很大的东西"（[00:10:05]）。"钱、资源、人脉最终是一个人能力的反映，是能力随时间复利的产物。"（[00:11:06]）
  • ⚠️ 他自己给的时代对照（本库应记的限定）：二三十年前投资人和云 credits 都远没这么多，"但那时竞争也更少。所以我不知道哪个时代创业更容易。"（[00:31:19]）

六、执行力：本期反复出现的主词

  • 公式："创业成功 = 资源 × 执行力 × 运气"，三者相乘（[00:16:08]）。早期创始人唯一能控制的只有执行力——执行得好，另外两项才会来。
  • 由此推出的选择观（主持人与嘉宾在此完全同调）："选什么其实没那么重要。选一个，然后疯狂执行。做一个，失败了就做下一个。"（[00:17:09]）理由是执行给你最新鲜的一手信息，"速度是一切的基础"。
  • 他自己的路径印证：Fortinet → Google，业余一直做项目，"几乎全部失败"；"第一次就成功很罕见"（[00:02:01]–[00:03:01]）。
  • ⚠️ 今天做实验几乎无风险（[00:36:22]–[00:37:22]）："你可以在业余时间做小项目，不用辞职……和以前不同，你不需要为了一次机会把信用卡刷爆。"而业余做出来的东西"是你能提供的最好的证明"。他给的建议是"不要刻意去追某个所谓的贵人。你的执行力才是你最大的盟友。"

七、创始人本身是上限

⚠️ 这是本期在组织侧最硬的一段（[00:26:15]–[00:28:17]）：

"创业很大一部分是在发展你自己。一家公司要强，创始人必须是公司里最强的人——我不是说在某个专项上，我是说整体上。只有这样，他才能招到在各自专项上超过他的人。"

  • 也必须最拼："我坐在办公室喝茶、团队把活全干了？不可能。我们公司从没见过这种事。创始人总是第一个扎进去、拼命干、把流程跑通，然后再找人来复制。而接手的人通常做得不如创始人，质量会下降，你得努力把它拉回来。"
  • 对"人是最重要资产"的修正："大家都知道人最重要，但最重要的那个人还是创始人。更多的钱、更多的人不会改变或解决底层问题。如果创始人就是问题，那只能由他自己解决。"
  • 一句很直接的反驳："不是自己很弱、然后去招一群明星。那些明星凭什么给你干活？你没法雇黄仁勋来给你打工。我认为这是一个重大的误解。"

八、五个联合创始人、平分股权、必须是朋友

  • 五人分工（[00:40:23]）：两人做 go-to-market（销售 + 市场）、两人做产品与工程、他自己管运营。三人是 USC 校友，另两人是前同事。当年他们可能是联创人数最多的 YC 团队。
  • 趋势判断（[00:41:24]）："硅谷整体在慢慢走向联创更多的公司……生态已经足够成熟。"他举了 Anthropic、以及黄仁勋这类团队作为多创始人且股权较平均的例子。⚠️ 本库标注：Anthropic 七位联创属公开事实，"黄仁勋那类团队股权较平均"是他的表述，本库不背书。
  • 平分股权（[00:41:24]–[00:42:25]）：YC 的说法是"如果你不愿意和一个人平分股权，你为什么要叫他联合创始人？"他完全同意，理由是顺着人性而不是逆着——"如果一个创始人拿 10%、另一个拿 40%，我们得现实地看待人性，时间长了一定出问题"；而且外部环境同构才容易接受："如果别人家都这么分而你家不是，那个拿得少的创始人会怎么想？"
  • 为什么要多个联创（[00:42:25]）：只有一个人、没人制衡时，很多决策会错。"人性让每个人都想相信：我最聪明、我最努力、我最强。如果公司里没人能制衡他，他更可能走偏，而且拉不回来。"
  • ⚠️ 联创最好是朋友（与流行建议相反）（[00:43:27]）：常见建议是"别和朋友一起创业，公司黄了朋友也没了"；他的反驳是"信任需要很长时间建立。如果公司都开张了你还得和自己的联合创始人慢慢建立信任，这家公司很难做成。"朋友之间"知道分歧是对事不对人"。
  • 分工要匹配兴趣（[00:44:29]）："如果让我去做销售，我会很痛苦。"这样每个人才能在自己的领域里相对独立地做决定，别人愿意退后一步认可他的专业判断。
  • 决策机制（[00:46:29]–[00:47:29]）：99% 的决策由各自领域的人拍板；大决策五个人一起讨论，全体同意后才动。

九、运营（他的岗位）：新需求长成新部门

（[00:44:29]–[00:46:29]）他自陈"不喜欢一直做同一件事、喜欢跨部门"，所以运营适合他。运营包含：财务、招聘、HR、客户成功与支持、法务与合规、IT 与数据。

  • 早期他也写代码：做了前几个版本的基础设施，包括 AWS 服务、如何让长时间运行的语音服务器尽可能快、CI/CD。
  • 需求→部门的生长路径：客户变多 → 收款成了问题 → 花时间做 billing；接着是招聘、找猎头；到 50–100 人时 IT 突然成了真需求（每台员工电脑要访问控制、VPN），"这些需求意味着你突然必须新建一个部门"。

十、招聘与薪酬：本期在"AI 与就业"侧最实的一段

  • 不考 LeetCode（[00:59:33]–[01:01:35]）："我们招人主要是想测候选人做实际工作的能力，而不是解 LeetCode 算法题的能力……因为 99% 的时间人们在做的是实际工作。"取而代之的是实战编码——"这样即使没时间刷题准备，也能通过面试"。
  • ⚠️ work trial（试工）：如果终面表现不特别好、但别的环节显示他很强，就请他来试工一周（可以从现职请假、不必先辞职），双方都看清对方真实的工作状态。他对两种方法的定位说得很清楚："都是为了在面试场景里让真实的工作表现变得可见……当然一定有损耗和噪声，毕竟你只有几个小时来评估一个人。"
  • ⚠️ 顺序要反过来（他说自己至今仍会犯这个错）：不该是"先看技能、再看天赋、最后看文化"，应该反过来——最重要的是这个人觉不觉得这个使命有意思：对他只是一份工作，还是真的相信这件事在创造价值？能不能从中学到东西？认不认同公司文化（[01:00:34]）。
  • 其次看学习速度与 raw talent：经验是加分项，但"如果一个人真的很聪明，他能很快学会新算法、新 AI 工具，适应这个环境"（[01:00:34]）。
  • 招聘投入的规模（[01:02:35]）：50 名全职 + 50 名合同工中，2 名全职 + 10 名合同工全职做招聘。⚠️ 主持人先把这个数字问成"12 个人全职给你招聘"，嘉宾更正为上述结构。这个投入强度也来自 YC 的建议。
  • 薪酬（[01:02:35]–[01:03:35]）：同级别下大概比 Meta 或 Google 付得更多，福利更好，薪资对标市场前 5%，RSU 与现金都给足。福利包括：
  • 每人每天 70 美元 DoorDash 额度（在家或在办公室都能点）；
  • 每月 300 美元通勤补贴（可用于打车、油费，甚至车险）；
  • 每月 300 美元健康补贴（健身房、Oura Ring、助眠订阅等）；
  • 医保有 100% 覆盖的选项。这些都不计入报出的 comp package，是额外的。
  • 逻辑是"员工应该能把全部精力放在专注工作上，除了房租，不用操心日常生活里其它琐碎的事"。
  • ⚠️ 他给的目的（本期开头结尾各出现一次）（[00:00:00]、[01:03:35]–[01:04:39]）：

"如果公司成功退出，不管是 IPO 还是别的路径，我们希望这里的每个人都实现财务自由。那是我们的目标。每个人本来就已经在极其努力地工作。如果他们这么拼、帮公司做成了，最后却没有财务自由，我认为这从根本上就是不公平的。" "如果我财务自由了而我们的员工没有，我会深感愧疚。"

  • ⚠️ 与 996 的关系（[00:32:19]）：他把团队的执行力归因于"我们在大厂时自愿保持 996 的作息，那些经历把执行力的肌肉练得很好"。⚠️ 本页并列记录：同一位创始人既主张"自愿 996 练执行力"，也主张"拼命的人必须拿到财务自由，否则不公平"——这两条在本期是同一套逻辑的两端（付出与分配对称），而不是矛盾。

十一、务实主义与长期目标

  • 时间分配（[00:52:30]）：营销最多占 10% 的时间，大部分时间在讨论产品、收集客户反馈、打磨体验。
  • ⚠️ "我们最在乎的甚至不是收入"（[00:52:30]、[00:58:33]）："我们最在乎的是我们到底多大程度上真的帮到了客户……让我们感觉最好的收入，是来自我们给客户交付了十倍或一百倍价值的那种。"配套的第一性原理表述：更多客户价值自然带来更多收入，但这个转化需要时间——可能是 12 到 24 个月（[00:58:33]–[00:59:33]）。"如果我只想要收入，我可以去买广告或者做别的事。"
  • 销售与 FDE 的扩张（[00:52:30]–[00:53:30]）：销售 + forward-deployed engineering 团队最初 7 人 → 现在约 10 人 → 还有约 20 个在招的岗位，目标是"在这件事上加三倍投入：直接驻场跟大客户干、帮他们把整个集成执行好"。
  • ⚠️ "快就是慢，慢就是快"（[00:54:30]）："速度已经不是最重要的了。把一件事做好才是。有时候你做扎实了，反而更快。"
  • 对夸大销售的厌恶（[00:54:30]–[00:55:31]）：他自己管采购，买软件时遇到过销售拼命夸大、买完发现功能不存在。"我永远不想让我们的客户有这种感觉。"因为"今年靠这种手段拿到订单，客户下个月就取消"。
  • 长期三件事（[00:57:32]–[00:58:33]）：
  • 产品——继续加码现有产品，并扩大产品面：目前只是语音平台，要扩到人与人通话（今天大企业的人工坐席用另一套 SaaS），让整个通话工作流都跑在他们这里；再往前是客户数据——"客户现在用 Salesforce 或 HubSpot，但我们可以为那些主要客户渠道就是电话的公司做一个产品，替掉它们的 CRM"。
  • 模型后训练——正在招 AI researcher 做更多 post-training。
  • 继续招销售与 FDE，帮更多大客户部署。
  • 三件事的钱来自已积累的利润再投入。
  • 对竞争加剧的回答（[00:56:31]）：越来越多公司进场、声音越来越自然、延迟越来越低。他的答案还是那条——"大多数做语音 AI 的人真的只有一个 demo。我们三年前就有 demo 了。真正难的是从 demo 到生产。别人可以宣传自己有技术，但真的有客户在用吗？那些客户真的拿到价值了吗？"

十二、二代创业者：他自己给的两面账

主持人明确把"二代创业者"这个标签摆上台面，说想借此谈"做成一件事需要什么"（[00:03:01]）。

  • 正面（[00:04:03]–[00:08:04]）：耳濡目染——父亲开会时他在旁边听，事后父亲会讲创业要注意什么、大多数创业都失败；父母都在同一家公司、算是一起创业，这个环境让他相信创业可以成功——"当然概率很低，但我知道这是可能的。这给了我多得多的信心。"
  • ⚠️ 负面（他主动说的）："成长过程中我受的苦大概比大多数人少。而创业本质上是痛苦的，所以忍耐力极其重要。我觉得我自己的忍耐力可能比别人弱一些。"（[00:04:03]）
  • ⚠️ 一个反直觉的机制（[00:06:03]–[00:07:04]）：父母的公司在他七八岁时上市，之后压力小了，"我看到的反而是成功之后带来的好处——生活和物质条件的改善。所以在我心里，创业一直像是件美好的事。"主持人接："如果你看到了它有多难，你可能根本不会创业。"他没有反驳。他还把这个误解归给公开叙事："我看马斯克、贝索斯、扎克伯格的访谈，这让创业看起来没那么难。只有你自己经历了才知道有多难。"
  • 父母的第一反应（[00:09:05]）：担心；并且准备了一笔启动资金问他要不要用——因为当年他父亲创业时，祖母给了他大概几万元人民币做启动资金。他没用，理由是"世界变了，投资人越来越多，创始人不再需要父母的启动资金"。
  • 三组导师（[00:08:04]）：① 父母；② YouTube 上的人（"他们分享很多，并且展现出某些共同特质，我后来发现自己也有其中一些"）；③ YC 导师 Michael Seibel。"创业这件事我认为有导师是必需的，因为学校不教这些。"
  • 父亲给的两个最大挑战（主持人转述自己对其父的访谈，[00:12:07]）：时间，和可能毫无预兆突然出现的对手。他完全同意，并给了 LLM 时代的版本：⚠️ "大模型来了之后，人人都能提供那个价值。但只有最强的提供者才能真正拿到回报，因为客户会问'谁能给我最多的价值'。"

与本库其它观点的关系

  • 给 AI 商业化与价值捕获 的"应用层 vs 前沿实验室"添了第五种答法：此前四种是数据护城河（Mark Cuban）、集成与监管时点（Lassie）、行为 vs 智能（Eiso Kant）、动机与产品寿命（Netic 的 Tokmak）。李正韬加的是组织对抗单位——"整个公司 vs 一个总监的团队"，且自带失效条件（只在该领域对巨头是低优先级时成立）。
  • ⚠️ 与 Decagon 是同一战场的两条路线，值得对读：两家都做"企业与其客户之间的那层 agent"，但——Decagon 押横向（客服 → AI concierge 跨行业）且明确说"我们对建 CRM 零欲望"；Retell 押语音这一个模态往深里做，并明确说要替掉以电话为主渠道的公司的 CRM。⚠️ 这是本库目前关于"应用层公司会不会长成 SaaS 平台"最直接的一组相反表态，本库并列不裁决。
  • 对 ElevenLabs 的 Mati 的一条互补证据：Mati 说护城河是"架构而非规模"、做 model-agnostic 平台；李正韬给的是同一判断的下游版本——语音之所以是深水区，是因为没有文本那十秒的计算缓冲，因此推理、服务器、连接全是另一套。两份材料合起来，本库对"语音为什么不是文本加个 TTS"第一次有了机制性说明。
  • "demo 到生产"给 评估与 Benchmark 提供了一条销售侧的实证判据：他两次把决胜点放在客户的采购尽调与 RFP上，而不是公开 benchmark 或 demo 观感。这是本库少见的"评估由买方执行"的案例。
  • FDE 与最后一公里：本库此前有 Mark Cuban 把 FDE 当成一种能力测量、Decagon 的 Ashwin 出身 Palantir deployment strategist、以及 Naval 式的"深入工作流"框架。李正韬补的是时间尺度（签约后近一年）与扩张比例（销售 + FDE 从 7 人到 10 人、再招 20 人，占 50 人公司的显著份额）。
  • 招聘与薪酬落到 AI 与就业：不考 LeetCode、实战编码、一周 work trial、文化 > 天赋 > 技能，以及 100 人规模的公司里 12 个人全职做招聘。这是本库第一份从雇主侧给出的、AI 时代招聘流程被重写的一手描述，可与 Saronic 的 "neuroplastic" 招聘标准 并读——两家都在用"学习速度"替代"既有技能"做筛选，一家在造船，一家在语音 AI。
  • ⚠️ 与 孟子立 在同一频道形成的第二组对照：孟子立说硬件创业"短期靠性能，长期靠生态"、"起步早是我们唯一真正的优势"；李正韬说的是"新技术窗口只有两三年，现在才进语音赛道多半不会成功"。两位都把时机放在能力之上，且都在做被巨头俯视的细分。落点见 AI 商业化与价值捕获。
  • 中方对照的一处小材料：他把 Anker、DJI、Insta360 的产品质量与 Apple、Tesla 并列，说"我甚至认为它们比很多美欧品牌更好"（[00:55:31]）。安克同时是他的客户。可与 阳萌（安克） 那期对读——本库首次出现从硅谷 B2B 卖方视角对中国消费电子的评价。落点 中美 AI 生态对照。
  • ⚠️ "资源不是瓶颈"这条要小心引用：他自己给了限定（"二三十年前竞争也少，我不知道哪个时代更容易"），而且样本是一个进了 YC 的团队——YC 的 50 万美元、近 100 万美元云 credits、以及投资人主动上门，恰恰是他论证"资源不稀缺"的证据来源。本库标注：这条命题在"已被 YC 筛过"的条件下成立，不能直接外推。

事实性断言与预测（可验证）

  • Retell AI 年收入约 8000 万美元、3000 多家客户；客户包括 OpenTable、Opendoor、Mercury、Anker、Lenovo、CVS（断言，[00:20:11]）。
  • 50 名全职 + 50 名合同工；其中 2 名全职 + 10 名合同工做招聘；销售 + FDE 约 10 人、另有约 20 个在招岗位（断言，[01:02:35]、[00:53:30]）。
  • 办公室（两层）含水电每月约 5 万美元（断言，[00:00:00]）。
  • 收入到 300 万美元才招第一个工程师；此前一直是五位联创（断言，[00:30:19]）。
  • YC 投 50 万美元；AWS / Google Cloud / Azure 各给 30 万美元 credits（断言，[00:30:19]–[00:31:19]）。
  • 2024 年 1 月离开 Google；此前在 Fortinet、后在 Google 广告算法（2022 年）（断言，[00:01:01]、[00:13:07]）。⚠️ 与他说"公司三年了"（[00:57:32]）不完全自洽，本库照录。
  • YC 申请两次：第一次产品是托福作文批改（拿到面试被拒），第二次是约 8 秒延迟的直播翻译（面试官 Michael Seibel）（断言，[00:13:07]–[00:14:08]）。
  • 新语音产品第一周即有数万用户；Garry Tan、Paul Graham、Aaron Levie 转发后服务器崩溃（断言，[00:29:19]、[00:48:29]）。
  • 五位联合创始人，三人来自 USC，另两人为前同事；股权平分（断言，[00:40:23]–[00:41:24]）。
  • 计价为按通话分钟的用量计费（断言，[00:49:29]）。
  • 签约到完整替换客户联络中心约需一年（断言，[00:24:12]）。
  • 福利：每天 70 美元 DoorDash、每月 300 美元通勤、每月 300 美元健康、医保有 100% 覆盖选项；薪资对标市场前 5%、同级别高于 Meta/Google（断言，[01:02:35]–[01:03:35]）。
  • 预测：新技术出现后机会窗口约两三年，成功公司大多在窗口内成立；现在才进语音赛道的多半不会成功（[00:14:08]–[00:15:08]）。
  • 预测：客户价值转化为收入需要 12–24 个月（[00:58:33]–[00:59:33]）。
  • 计划：产品面从语音扩到人工坐席通话平台，并替代以电话为主渠道公司的 CRM；招 AI researcher 做 post-training；继续扩销售与 FDE（[00:57:32]–[00:58:33]）。