六億美金語音平台和一兆美金法律產業的碰撞：ElevenLabs 跟 Legora 在 All-In 上講的兩件事

TL;DR

• ElevenLabs 四十個月內營收從零衝到六億美金，六百人團隊，完全沒有 PM 這個職位，用「每個部門都嵌一個工程師」的方式推 AI 採用
• 語音 AI 正在翻轉客服體驗：消費者對 AI 講話更坦率、更直接，甚至在催收場景裡願意說出對真人不敢講的財務困境
• 全球法律服務一年一兆美金，軟體滲透率只有百分之四。Legora 十八個月做到一億美金 ARR，連續七個季度維持五成季增長
• LexisNexis 跟 Westlaw 這些法律資料老巨頭的股價正在被 AI 新創定價，但法律研究需要「全部」的案例而非前百分之八十，資料護城河的戰爭才剛開始
• 兩家公司對「要不要自建模型」的回答截然不同：ElevenLabs 想擁有整個語音交互層，Legora 只做窄領域微調、拒絕蓋通用法律模型

---

這集是 All-In Podcast 在 2026 年七月十三日播出的訪談，場景是巴黎的 RAISE Summit。All-In 由 Chamath Palihapitiya、Jason Calacanis、David Sacks 跟 David Friedberg 四個矽谷創投老手共同主持，基本上是科技圈最有影響力的閒聊節目之一。這集分成兩段訪談：前半段是 ElevenLabs 共同創辦人兼 CEO Mati Staniszewski，後半段是 Legora 共同創辦人兼 CEO Max Junestrand。ElevenLabs 是目前語音 AI 領域的領頭羊，從文字轉語音起家，現在已經是一個涵蓋語音生成、轉錄、即時對話的完整通訊平台，估值最近被喊到兩百二十億美金。Legora 則是從瑞典殺出來的法律 AI 新創，YC W24 出身，CEO Max 是個沒有法律背景的前電競選手，二十三歲創業，十八個月就做到一億美金 ARR，估值五十六億美金。

兩個完全不同的產業，但聽完你會發現他們在講同一件事：AI 正在把「服務」重新定義成「軟體」。

四十個月，從零到六億美金

Mati 在台上把 ElevenLabs 的營收曲線講了一遍：前二十個月做到第一個一億，十個月做到兩億，五個月做到三億，現在六億。這種加速度在企業軟體裡面幾乎沒見過。

但真正讓我停下來想的不是數字，是他們的組織設計。六百人的公司，完全沒有 PM。Mati 說他從來沒有雇過 PM，理由是：理想的 PM 要同時懂程式碼、懂客戶、懂設計，但這種人太少了。所以他乾脆不找，改成讓每個人在自己專精的領域上用 AI 補齊其他能力。

更有意思的是他們的「嵌入式工程師」制度。人資部門有工程師、法務部門有工程師、業務團隊有工程師。這些人的角色有兩個：一是幫該部門建自動化工具，二是當安全閘門，確保非工程師用 AI 寫出來的東西不會在生產環境裡炸掉。

這其實點出了一個很多公司正在踩的坑：每個人都能用 AI 寫軟體了，太好了，直到你把它放進生產環境然後爆了一個資安漏洞。或者那個人離職了，沒人知道他寫了什麼東西，程式碼就在那邊自己慢慢腐爛。

消費者對 AI 講真話，對人不敢

這集最讓我意外的觀察來自 Mati 分享的金融服務案例。ElevenLabs 跟 Revolut、Klarna、PagBank 這些金融科技公司合作，其中一個常見場景是催收。打電話提醒客戶還款。

結果發現：人們對 AI 語音 agent 講話的時候，比對真人坦率得多。欠錢的人面對真人客服會覺得丟臉，不敢講自己的真實財務狀況。但面對 AI，這個情感屏障消失了，他們願意直接說出發生了什麼事。

這不只是客服效率的問題，這改變了互動的本質。Jason Calacanis 在台上說他現在打客服電話碰到真人反而覺得不好意思，覺得在浪費對方的時間。因為 AI agent 更精確、更快、你可以隨時打斷它不用覺得失禮。

Mati 認為這個趨勢會從「被動回應」走向「主動協助」。未來不是你遇到問題才打電話，而是 AI 在你還沒開口之前就知道你可能需要什麼。

名人語音的 IP 經濟學

ElevenLabs 跟 Matthew McConaughey 合作了一個多語言語音專案，讓他的聲音不只能講英文，還能帶著同樣的情感在西班牙語、義大利語、葡萄牙語裡出現。這種交易是七位數到八位數等級。

但更值得記住的案例是 James Earl Jones 跟 Disney 的合作。Jones 在世的時候授權了 Darth Vader 的聲音給 Disney 永久使用，ElevenLabs 幫忙實現了這件事。在 Fortnite 裡面，玩家可以跟 Darth Vader 即時對話互動，這是過去不可能做到的。

另一面是防偽。ElevenLabs 做了三件事：追蹤所有生成的內容、在語音和文字層面做審核、開放檢測工具讓外界上傳音檔判斷是不是 AI 生成的。他們也已經付了超過兩千兩百萬美金回給社群裡的配音員，讓這些原本靠時薪工作的人可以創建自己的 AI 語音然後持續收授權費。

之前在一年燒掉的 token 比工程師薪水還多聊過企業在 token 預算上的抉擇，語音 AI 的授權費結構其實是另一種「token 經濟學」，只是計價單位從 token 變成了聲音。

一兆美金法律產業，軟體滲透率只有百分之四

後半段換 Legora 的 Max Junestrand 上場，畫風完全不同但同樣震撼。

Max 給了一個數字：全球每年花在法律服務上的錢超過一兆美金，但花在法律科技軟體上的只有四百億。百分之四的軟體滲透率，百分之九十六是人工服務。

Legora 連續七個季度維持百分之五十的季增長，十八個月做到一億美金 ARR。Jason 在台上問了一個真實場景：一家做到一百萬美金營收的新創，融了好幾輪，有幾十個員工，結果沒有公司律師。創辦人說 cap table 怎麼管？ChatGPT bruh。IP assignment 做了嗎？ChatGPT bruh。

Jason 聽完說他自己瞬間變成了那個嘮叨的長輩。

但 Max 馬上把這個對話拉到更大的格局：這個市場是供給受限的。法律服務的需求遠大於律師的供給量。AI 不是在搶律師的飯碗，是在讓律師能服務更多客戶、開發新的市場區間。Cooley 已經開始用軟體平台直接服務新創創辦人，把律所的知識庫跟先例文件灌進去，創辦人自己登入就能處理基本法律事務。

計時收費正在被拆解

Max 講了法律產業定價模型的核心矛盾：律所靠多收 associate 的時薪來補貼 partner 的價值。一個 Kirkland 的 partner 半小時可能值遠超過四千美金的時薪，但律所唯一知道的定價方式就是靠 associate 的計時收費去撐。

AI 正在拆掉這個結構。Legora 自己做併購就是例子，他們今年已經收購了四家公司，盡職調查全部用自家工具在內部完成。最快的一筆交易從 LOI 到 closing 只花了十二天。

Max 很直白地點出律師跟創辦人的激勵不一致：「創辦人的動機是把交易做完，律師的動機是不要被你告，順便拖久一點多收費。」

LexisNexis 的噩夢

這段對話最辛辣的部分是關於 LexisNexis 跟 Westlaw。這兩家壟斷了美國法律研究市場幾十年，Westlaw 甚至跟美國政府有獨家合約來報導案例。

但法律研究有一個反冪次法則的特性：你不是只需要前百分之八十的案例，你需要全部。如果一個 Wachtell（全球最頂尖的訴訟律所）的律師要打一個十億美金的案子，資料庫裡少一個案例都不行。

Max 說 Legora 正在「做苦工」去蒐集全球各司法管轄區的案例、法規、監管更新。在德國、法國、西班牙這些市場他們已經跟內容提供商合作。美國比較特殊因為是雙寡頭壟斷，但他認為這些老牌公司的股價已經在反映 AI 的衝擊了。

他對這些 legacy 公司的判斷很篤定：「他們搶不到人才、不加班、組織內部太政治化，根本跟不上我們的節奏。」

自建模型：兩種截然不同的答案

兩位 CEO 對「要不要自建模型」的回答很有意思地形成對比。

Mati 明確表示 ElevenLabs 正在往自己擁有整個語音交互層的方向走。他們在語音模型上已經持續贏過 Anthropic、OpenAI 跟 Google，他認為關鍵在架構而非規模，加上他們內部有超過一千人的標註團隊在處理音訊資料。他的目標是今年讓語音對話達到「跟真人完全無法區分」的程度。

Max 則完全相反。他認為自建通用法律智能模型是「完全浪費時間和金錢」。Legora 只在非常窄的場景做微調，比如合約資料提取這種可以大規模運行的任務。通用推理能力交給 Anthropic 跟 OpenAI 就好，他們不打算在這件事上跟前沿大廠競爭。

兩個答案都合理，差別在於語音是一個「架構比規模重要」的領域，法律則是「資料跟工作流程比模型重要」的領域。之前在 Benedict Evans 聊 AI 現實 也提過類似的觀察：foundation model 可能變成基礎建設，真正的價值在垂直應用層。

最後一個想法

這集表面上在講兩家高速成長的 AI 公司，但其實在講一個更大的故事：當軟體的滲透率只有個位數百分比的產業碰上 AI，成長曲線會長什麼樣子。語音通訊是一個，法律服務是另一個。下一個可能是你現在待的產業。

想看更多這類產業觀察跟 AI 趨勢拆解，可以訂閱 wilsonhuang.xyz，新文章都會第一時間更新。