近日讀了一篇關於 ElevenLabs 創辦人 Staniszewski 的深度訪談，文章探討了他們如何在 Google 與 OpenAI 等巨頭環伺下，透過「特化」建立起自己的領地。這篇文章分享很精彩，但我讀完後，反而激發了一些不同的反思與收穫。
在進入正題前，我想先分享我讀完後最大的收穫：對「聲音本質」的重新認知。
過去我常認為聲音和文字一樣，只是內容的轉譯。但我忽略了聲音的極高複雜性——它不只是文字的朗讀，還承載了語氣、語調、微情緒與停頓。對巨頭來說，處理文字（標準化數據）很簡單，但要處理聲音這種充滿變數的「非結構化訊息」，其實是非常困難的。這個認知打破了我原本的想像，也解釋了為什麼 ElevenLabs 選擇從這裡切入。這正是他們「做髒活」的序幕，也是我以下四點反思的起點。
一、護城河的本質：願意做「髒活」的決心
文章提到，文字數據是標準化的，而音訊數據充滿了「雜訊」。Staniszewski 指出市場缺乏的是「高品質的描述性數據」。
這讓我意識到，所謂的「特化（Specialized）」，說穿了其實就是「極致的客製化」與「創造極致的體驗」。巨頭的優勢在於通用模型與廣度覆蓋，這也意味著他們很難彎下腰去處理那些需要大量人工標註的細節。
換句話說：巨頭解決了「通用」的問題，但也留下了巨大的「落地」缺口。這正是接案公司或技術服務商轉型的機會：不再只是寫程式，而是負責填補通用技術與商業場景之間的「最後一哩路」。
對於新創來說，真正的機會或許就藏在這些「髒活」裡。去整理那些大公司覺得太麻煩、太瑣碎的數據，去定義那些充滿雜訊的場景。這種願意處理麻煩事的決心，或許才是初期最踏實的壁壘。
二、聲音是「入口」，視覺才是「決策」
文中提到了 ElevenLabs 的願景——「語音對話式網路」，這是一個很酷的概念。它讓我學習到，目前的聲音應用多半是單向，而未來的願景是雙向。
但我認為在實際的產品體驗中，我們不能忽略感官的特性。聲音具有極佳的「穿透性」與「速度」，它是最好的指令入口；但人類在處理複雜資訊比較時，確實如同文章提到的視覺依然是最高效的決策介面。
延伸文章內容，我還是認為未來的購物或搜尋場景，有機會變成「混合模式」：消費者用聲音下達模糊指令（「幫我找適合週末婚禮、預算五千內的禮物」），AI 完成初步篩選，最後將結果呈現在視覺介面上供消費者快速掃描、決策。
為什麼會這樣相信？是因為我認為在這個注意力稀缺的時代，聲音將負責效率，而視覺負責精準，兩者相輔相成。這個雙向互動的願景，確實打中了未來的痛點。
三、速度大於積累，整合才是高牆
文章強調了「時間積累」，但在資源有限的創業初期，我認為「速度」更攸關生死。能不能用最輕量的方式（MVP）快速落地驗證，往往比慢慢堆疊資產更重要。
這也讓我進一步思考：單純的 To C 工具是否難以建立護城河？經過分析，要看 to C 產品屬於的層級類別，大致可以將 To C 產品的護城河分為三個層級：
- 第一級（過客）： 用戶用完即走，毫無忠誠度可言。
- 第二級（數據）： 如內容平台或工具，用戶累積了數據（沉沒成本），懶得搬家。但這其實很脆弱，一旦競爭對手提供更強的功能或一鍵搬家工具，防線就會崩潰。
- 那第二級產品要如何鞏固？答案是結合科技，做出個人化推薦，提高轉換成本。
- 第三級（網絡）： 產品與社交圈、生活強綁定（如 LINE），用戶無法離開。
大多數 AI 工具目前停留在第一或第二級。如果不具備網絡效應，單靠 C 端很容易被取代。因此，唯有將產品深度嵌入企業的工作流（To B 整合），創造極高的轉換成本，那才是巨頭難以輕易撬動的高牆。
四、別問巨頭做不做，問自己何時停損
最後，關於「巨頭恐懼症」。我們常擔心 Google 或 OpenAI 會不會跳進來做同樣的生意。
但我的想法是：既然選擇了一個充滿熱情的題目，在起步時也不會或是不需要過度預設巨頭的動向。如果這件事容易做，巨頭早就做了；如果這件事很難做，那這就是你的時間窗口。
因此，我們該專注的不是巨頭的動向，而是內部的「紀律」與「規則」：設定明確的驗證指標與停損點。如同文章提及的，在巨頭看不上的縫隙中，用最快的速度把產品做到極致；或者，在驗證失敗時果斷轉身。
結語
Staniszewski 的故事給了我很多啟發。在 AI 時代，生存不是靠躲避巨頭，而是靠在那些充滿雜訊、巨頭不願涉足的細節裡，找到屬於自己的戰場——同時，永遠不要忘記設立對應的驗證方式與停損點！
以上是我的淺見與反思，下次見 👋
