18个月，估值飙到 100 亿美元，到账 6.35 亿美元现金，年经常性收入逼近 1 亿美元——放在任何时代都是“火箭”，在 AI 赛道也属罕见。
即便是在快速发展的AI创业时代，也很少见。
9 月，全球知名互联网投资公司Greenoaks Capital 又添一把火：领投 3.5 亿美元，让 Sierra 正式跻身“百亿美金俱乐部”。
这家由前 Salesforce 联席 CEO Bret Taylor 与前谷歌高管 Clay Bavor 联手创办的 AI 客服公司，只做一件事：用生成式 AI 替企业“包办”客户体验。成立伊始，它就按下快进键：产品上线、拿下大客户、数据反哺模型、体验更优，飞轮越转越快。
“需求爆了。”嘉和资本 CEO 袁子恒一句话点破玄机，因为美国客服是人力“黑洞”，工资高、流动大；恰好大模型最擅长多轮对话，企业换 AI 立竿见影。如今语音 AI 又成熟，电话端节省的人力可量化、可计算尤其是随着AI语音技术的发展，语音客服会进一步带来增长。
如今，与AI客服密不可分的语音AI（Voice AI）正在越来越多的领域发挥作用。在很多行业都有大量电话沟通的工作，而Voice AI能够有效节省人力，工作效果也较好量化。A16Z的报告中特别指出，语音交互将成为AI应用公司最强大的突破口之一，面向消费者时，语音交互将成为人们接触AI的首要方式——甚至可能演变为最主要的交互方式，这也是Sierra得以快速增长的背景原因之一。
鉴于Voice AI主导下的AI客服，是当下AI应用中最热门的赛道之一，我们试图拆解这个领域的百亿独角兽Sierra，从其商业模式、技术实现和增长方式，理解这家公司快速增长的原因。
Sierra 把最烧钱的企业环节做成最省钱的 AI 能力，市场用钞票给它按下了加速键。
01 明星创始人的AI创业
“我看到 DALL·E 把鳄梨和椅子拼在一起，画出世上不存在的‘鳄梨椅子’。那一刻我明白：AI 不只是执行，它理解了概念。”Clay Bavor 对红杉回忆的这个小片段，就是 Sierra 整条故事线的起点——“理解”而非“执行”才是新范式——即AI不再只是被动执行指令的机器，而是能理解任务意图、主动完成请求的智能代理。
从那一刻起，两位创始人把问题缩到最小、也最值钱的企业痛点：客户体验。
几乎每家公司都要7×24小时陪客户说话，却永远被成本、响应速度和满意度三座大山压着，门户导航、关键词搜索、流程型聊天机器人这些渐进式修补只能减轻人力，却无法让机器像老员工一样听懂需求、主动解决。
大语言模型的出现*次把对话从树状流程升级为语义推理，让“AI代理”替代“人力堆出来的客服”成为看得见路径的目标
对话式AI的崛起，不仅重新定义了人与机器的沟通方式，也让“AI重构客户体验”成为一个看得见路径的目标。
于是在2023年初，当时已经分别辞去Salesforce联席CEO和Google工作的Bret Taylor和Clay Bavor开始了关于Sierra的创业构想。
这两位硅谷老将从一开始就自带创业光环：从Google Maps到Quip，再到Salesforce联席CEO，每一次角色变动都让Bret Taylor更加了解市场和用户需求，这种敏锐一直延续到Sierra。Clay Bavor则多年供职于Google，长期负责产品与前沿实验项目，主导了Cardboard、Tilt Brush、Project Starline等产品，始终游走在感知边界与未来交互之间，他对品牌气质和互动体验的重视同样为Sierra奠定了产品方向。
明确的赛道判断和两位创始人的强大背书使得Sierra的创业并没有经历漫长的启动期。
从2024年初由Sequoia Capital和Benchmark领投，融资1.1亿美元；到24年10月融资1.75亿美元；再到25年9月由Greenoaks Capital领投，融资3.5亿美元，Sierra在一年半时间里实现了从估值10亿美元到100亿美元的飞跃，呈现出一条飞速发展的上升曲线。
Sierra在2024年初正式发布并快速拿下WeightWatchers、Sonos、OluKai等首批客户，实现产品落地。
在此之后，Sierra先后拿到了包括Brex、Casper、ADT、Chubbies在内的数百家付费客户，合作客户跨越了金融、消费、通信、医疗等领域。
到了2025年9月Greenoaks Capital的3.5亿美元直接锁定百亿美金估值，一年半时间画出一条陡峭上升曲线。
02 瞄准中大客户，形成数据飞轮
Siera 要证明自己不是又一个演示级 AI，就必须扎进真实的业务流里，用客户的 KPI 为自己打分。
他们把枪口直接对准中大型企业——这个选择背后没有“情怀”，只有三层账：
首先，大客户的客单价和营收潜力更高，更适合Sierra这样需要深度集成和定制化服务的企业AI平台。
其次，越是规模庞大的企业，客户群体越复杂、体量越大，其在客户体验上的维护和运营成本也越高，所以这些企业会更迫切地需要引入AI代理来缓解人力负担成本和提升服务质量。
第三，Sierra聚焦的是客户体验，而体验的对象指向了消费者。只有当一个企业拥有足够多的客户，AI提升体验的价值才能*程度显现，数据训练的效果才能积累，进而充分发挥Sierra的平台潜力。
而在所有战略规划背后，还有一个更直白的目标：*化商业价值。
Sierra 从一出生就锁定高附加值赛道：平均合同 15 万美元起跳，价格不透明，一单一议，用少数几家“鲸鱼客户”把平台能力快速拉满。
袁子恒表示，Sierra2023年成立，做得相对较早，对AI应用而已，先发优势很重要，不仅抢占了客户心智，而且深度嵌入客户对工作流，例如CRM、ERP的物流系统，和客户深度绑定，还借此实现了端到端的交付。不仅是对话，还是先订单修改和退款处理等操作。
不仅如此，还有飞轮效应，某个细分行业的客户越多，对话越多，输出的结果就越精准，这也形成了Sierra的壁垒。
后面发生的事证明这条路径赌对了。AI插进后端，7×24 小时多语言在线，咨询秒回、复购抬头，对话数据沉淀成企业自己的私有矿脉。
Sierra通过嵌入客户平台后端提供全天候多语言服务，极大地促进了销售的转化和用户复购；每天AI服务生成的数据也让企业形成了独属于自己的数据库，真正实现了服务的闭环。
著名床垫品牌Casper希望为消费者打造贯穿购买全生命周期的智能顾问体验，于是在2024年与Sierra合作开发了新一代AI客服Luna 2.0。上线后效果立竿见影：Luna 2.0在高峰活动期间解决了74%顾客咨询，让Casper的客户满意度还提升了20%以上。这种全天候工作、多语言服务的客服模式是此前人工客服团队难以实现的，降本增效效益显著。
金融科技公司Brex也是Sierra的客户之一，其运营团队在合作中总结了三点经验：首先，AI工具必须让业务和技术人员都能方便使用管理，才能在全公司落地；其次，无论客服、运营还是工程岗位，员工角色都在转变为“AI管理者”，他们更多是训练、监督AI完成工作，而不是亲自处理所有事务；第三，过去高质量服务意味着高成本，但有了AI，企业可以低成本支持更多客户互动，省下来的预算再投入市场，又把更多客户送进AI客服的闭环。
03 如何打造一个可信任的AI代理
Sierra并没有自研大语言模型，而是搭建了一套模型抽象层，把OpenAI、Anthropic、Cohere等主流模型统一纳入平台。企业可以根据需求灵活切换，而不被某一个厂商锁死。
这样的策略足够灵活，却也伴随风险：模型越强大，幻觉问题越明显；一旦升级，行为可能发生剧烈变化，轻则影响体验，重则破坏业务逻辑。
Sierra的解法是在模型之上再造一个“护栏”。
Sierra推出了Agent OS工具包作为AI代理的基石，内置数据治理机制自动检测、屏蔽、加密个人身份信息 (PII)以确保客户数据安全，防止泄露。
在此基础上，Sierra开发了Agent SDK，允许开发者用声明式语言定义代理的行为，而不必关心底层模型的实现细节，简单来说就是直接告诉AI Agent目标，而不是每一步怎么做。Agent SDK大幅降低了企业落地的技术门槛，也确保了逻辑的可移植性与可控性。
Talbin基准测试也被引入其中，作为验证AI输出真实性的一把标尺。
Clay Bavor曾提出一个反直觉的洞察：“模型擅长的不是一开始就不犯错，而是识别自己哪里出错。” Sierra正是利用这个特点，在Agent中引入自我监督机制，让监督Agent去审查主Agent的行为是否有问题。
于是，Sierra的Agent具备了清晰的边界感：既能灵活完成退货流程、处理查询，也能在用户试图引导其说出违规话语时果断拒绝。
但要让AI客服真正走向大规模商用，仅靠“聪明”还不够，它还必须像传统软件一样稳定、可维护。
2024年6月，Sierra发布了AI开发生命周期框架（ADLC），为代理的设计、测试和上线制定了标准化流程：
1. 声明式编程 + 可组合技能模块：代理不再写死逻辑，而是基于过程知识组合多个功能，既能保持灵活性，又有稳定输出。
2. 不可变快照：系统会保存每个Agent版本的“行为快照”，企业可回滚、A/B测试，确保性能连续性。
3. 体验管理器：每天对话采样、人工反馈、对话审计，供非技术团队参与质量管理。
4. 回归测试体系：保障每次更新不会引发性能滑坡，提升版本稳定性。
在真正部署阶段，Sierra往往需要1-2个月的前期准备，深度嵌入客户的内部系统和业务逻辑。这一过程不仅包括数据训练，还涉及到品牌语气、业务流程和专业知识的三重校准。为了持续优化，他们还引入了“体验经理”的岗位，专职负责监督、训练和调试，让AI代理真正符合企业的服务标准。
一整套流程下来，Sierra的AI服务就不再是“一键安装”的工具，而是企业与平台从技术逻辑到交互体验的共同塑造。也只有这样，Agent才能既发挥创造性，又让客户敢于把真实的服务交给它。
Sierra选择按结果导向定价（Outcome-based Pricing）。企业不再为调用次数买单，而是为“成功解决一个客户问题”这样的实际成果付费。
这种模式让Sierra与客户的利益紧密绑定：客户不必为潜力买单，只为成果买单。正如Sierra博客所言，在这种机制下，“软件不再躺在货架上吃灰”，而成为真正解决问题的生产工具。
结果导向定价也倒逼Sierra不断优化代理表现，每提升 1% 的执行率，意味着客户体验更顺畅，也意味着公司自身收入的直接增长。
04 AI客服：大模型时代*钱的赛道之一
到2025年，AI客服行业已经走到一个拐点。客户需求正在发生变化：多数用户更愿意依靠自助渠道解决问题，而不是排队等待人工客服；企业也因此迫切需要更高效、更智能的方式来维系关系。
据MarketsandMarkets市场研究预测，到2030年，AI客服行业仍将保持高速扩张，相关产品也在不断延展，从智能代理到知识库、从流程自动化到客户旅程分析，构成了一个日益庞杂的生态。
在这片拥挤的赛道上，Sierra并不是*的参与者。
根据G2的统计，Sierra的可替代方案依旧很多，例如Intercom旗下的Fin主打多轮对话；Kore.ai专注多渠道自然语言交互；Genesys Cloud CX和Five9凭借全平台整合继续把持传统云联络中心市场；Dixa、Tidio以灵活的响应能力服务中小企业；而HubSpot、Asana、Qualified等平台则在原有的营销和管理场景中不断延展AI客服功能。
不仅如此，AI客服行业的未来仍伴随诸多不确定性：幻觉和不可预测性仍未被完全消解，语音克隆诈骗等新风险层出不穷，数据隐私与合规监管在全球范围内愈加严格；用户的期望值也不断被抬高，一旦失误，口碑与信任可能顷刻崩塌。
袁子恒指出，因为是Sierra严重依赖To B业务，这也取决于客户的拓展速度和竞争对手的情况。
中国今年也出现了许多AI客服公司，袁子恒发现，这些公司主要以服务跨境电商商家为主，除了降低成本之外，尤其是AI客服的多语种对话和24小时回复，对于跨境商家是刚需。
