自 OpenAI 推出草莓模型以来，AI Agent 的发展步伐加快。昨天，Anthropic 发布了升级版 Claude 3.5，其“电脑操作”能力再次提升了行业对 Agent 的期待。Claude 3.5 能够模拟人类在屏幕前的操作，移动光标、点击按钮、输入文字...虽然仍处于实验阶段，Replit、Asana、Canva 等公司已经开始利用 Claude 尝试数十到数百步的复杂任务自动化。
与此同时，大型企业如 Salesforce、SAP 和 Workday 也推出自己的 AI Agent 产品。其中，Sales Agent 是目前 AI Agent 主要落地和商业化场景之一。硅谷 VC 围绕 Sales Agent 概念投资了很多 club deal，如完成了 5000 万美元的 B 轮融资，估值 3.5 亿美元的 AI SDR （Sales Development Representative，销售开发代表） 11X，Greenoaks Capital 领投新一轮的 Sierra 估值也达到了 40 亿美金。
本文是我们对 Sales Agent 的行业 mapping，并聚焦到 AI SDR 的代表公司 11x。虽然目前 AI 还不能完全替代人类销售，但我们可以预见 2 到 3 年内，人类将与 AI 数字员工共同工作。与此同时，Agent 公司从按 seats 数量收费的 SaaS 定价模式转向基于结果定价，带来了更大的市场空间和想象力。
💡 目录 💡
01 Thesis
02 AI for Sales Landscaping
03 什么是 11x.AI
04 团队及融资
05 竞争格局
06 结论与猜想：GenAI 如何改变销售行业
我们对 Sales Agent 赛道的关注，源于以下几个关键原因：
1. AI Agent 是下一代 AI 应用的核心形态。它们不仅是工具，而是能完成实际工作的数字员工。传统 AI SaaS 工具仅提供辅助，而 AI Agent 有潜力将工作流程的人工干预降到最低，甚至取代初级员工。如果 AI Agent 实现了以可扩展的方式进行个性化，可以实现 95% 而不仅仅是 10% 的生产力提升。
2. 按工作成果定价的商业模式提升了市场空间的想象力。AI Agent 销售的是“工作成果”，而不是使用软件的许可。基于人类完成同样工作的成本，这种定价模型将显著提高价格天花板。
3. Sales agent 是目前 Agent 的主要落地场景。B2B 企业对扩大销售触达的需求是无止境的，但每一位销售员工的边际成本极高，这也是 Sales Agent 能迅速落地并产生显著收入的原因。即便产品仍在迭代，像 11x 这样的公司已经证明了 AI SDR 的潜力——在短时间内实现了超过 1000 万美元的 ARR，并赢得了 250 多个客户。
聚焦到 11x，
4. 现阶段，11x 并未真正达到完全替代员工的效果。在实际应用中，11x.ai 更多地被视为一个辅助工具，帮助企业结合人力和其他软件完成销售流程，虚拟人物的形象更多起到的是 PR 功能。但未来 2-3 年内完全自动化的 agent 是有机会实现的，这也是 VC 愿意押注的关键原因。
5. 11x 的 CEO Hasan 擅长构建愿景，极具执行力。11x 团队 AI 能力并不突出，但产品和销售能力很强。Hasan 在产品上投入了大量精力，早期团队仅有 6 人，全部专注于产品开发和客户的深度磨合上。他在品牌塑造和市场定位上也非常用心，推动客户接受“ AI 员工”的概念，这也是 11x 在激烈竞争中受到关注的原因。
6. 尽管目前 11x 在产品效果上没有明显超越竞争对手，但它拥有硅谷顶级 VC 的支持。这为公司提供了宝贵的大客户资源和数据，11x 能够根据真实需求快速迭代产品。通过这种闭环的反馈机制，11x 有机会拉开与其他初创企业的距离，逐步建立难以复制的竞争壁垒。
7. 11x 具备较高的下行保护。像 ServiceNow、Salesforce、HubSpot 这样的行业巨头都是潜在的收购方，11x 的未来即便未能成为独立巨头，也可能通过并购实现较好的退出。
目前的 Sales Agent Startup 大多专注于替代或优化销售流程中的某些环节。
销售流程第一步是 Lead Qualification，识别有购买意向或符合理想客户画像的潜在客户。第二步是 Needs Discovery，通过电话、邮件等方式与潜在客户沟通，了解痛点和需求。第三步是 Solution presentation，根据客户需求，面对面或线上会议展示服务价值。后续会保持与客户的沟通，不断增强客户对产品的兴趣，在成功实现客户转化后，便可进行报价与谈判（Quotation & Negotiation），最终成交（Closing the Deal）。为了使客户满意，推动长期合作，企业需要进行售后服务与客户维护（Post-Sale Service & Customer Maintenance）
在这一工作流程中，AI 最适合替代的环节是早期的 Lead Qualification 和 Needs Discovery（即 AI SDR），以及售后服务的 Customer Maintenance。这些阶段的任务较为流程化，易于自动化，而中间的步骤（例如客户沟通与信任建立）仍需要人际互动，AI 只能作为辅助工具（如 AI Copilot）。
基于这些流程，Sales AI 初创公司可以大致分为以下几类：
1. Intelligent Pipeline
2. Digital Workers
3. Sales Enablement + Insights
4. CRM + Automations
5. Customer Support
其中 Digital Workers 和 Customer Support 两个细分领域值得特别关注，原因有二：
1. 这些工作流程固定、清晰，较少涉及复杂的人际互动，但工作量巨大，是企业目前难以完全依赖人工覆盖的，适合现阶段 AI 的能力。
2. AI Agent 和 Voice Agent 在这些领域可以充分发挥其智能化和流程自动化的优势，显著提升效率。
下面是对各个细分赛道的场景和代表公司进行详细的分析：
智能销售管道（Intelligent Pipeline）
这一领域的核心功能是帮助销售团队自动化地寻找和筛选潜在客户，强调的概念是 Human + AI，而非 AI Replace Human。传统上，销售人员需要花大量时间去寻找目标客户，而 AI 通过数据分析和自动化处理，能够快速生成高质量的潜在客户名单，并自动撰写个性化的销售信息，让销售人员更高效地联系客户。
目前，这个领域以传统的 AI Sales SaaS 公司为主，它们积极结合 LLM，推出具备初步自动化功能的 Agent 和 Cold Email Writer。
Case Study
• Clay
2017 年由两位 McGill University 的加拿大籍毕业生 Nicolae Rusan 和 Kareem Amin 创立。Clay 是一款潜在客户挖掘工具，帮助各种类型的企业找到并接触目标客户，Clay 整合了超过 75 家数据提供商，结合 Agent 的研究能力，对网页的信息进行爬取、判断比对、总结处理，完成类似 SDR 员工的基本信息检索工作。Clay 可以为用户构建高度定向的潜在客户列表，还能自动生成个性化的电子邮件、博客文章等。
Clay 在今年 7 月初完成 4600 万美元的 B 轮融资，由 Meritech Capital 领投，现有投资者 Sequoia Capital 等也参与了本轮，估值达到 5 亿美元。
• Amplemarket
Amplemarket 成立于 2019 年，通过 AI 协助，缩小顶尖销售人员与普通销售人员在 leads 寻找上的表现差距，帮助企业提升整体销售能力。核心产品 Amplemarket Duo 帮助销售代表提供业务洞察、执行市场调研，并协助管理销售管道。使用 Duo 的销售团队在测试阶段，将表现差距缩小了 60%，并帮助新销售人员在第一周内就能预约到客户会议，而传统上这一过程通常需要三个月。
Amplemarket 由 CEO João Batalha、CPO Luis Batalha 和 CRO Micael Oliveira 创立。三位创始人均毕业于麻省理工学院，拥有工程和物理背景，并曾共同创办过 Fermat’s Library（一个学术论文注释平台）。他们在销售行业中发现了现有工具的碎片化问题，想开发一款整合性的销售解决方案。
2022 年，Amplemarket 完成了由 Comcast Ventures 和 Armilar Venture Partners 领投的 1200 万美元 A 轮融资。
数字化销售助手 (Digital Workers)
Digital Workers 是指能够自动处理销售流程的 AI Agent，强调 AI Replace Human。相比 Intelligent Pipeline，还能够自动联系客户、安排会议，甚至有可能在未来直接完成交易。例如，11x 的 Agent 处理销售开发代表（SDR）的工作，这就相当于企业雇佣了一个 AI 销售员工，自己完成从筛选客户、联系客户到安排会议的工作，取代初级销售代表。
下文将详细分析这一赛道中的关键公司。
销售支持与洞察（Sales enablement + insights）
这一领域的公司可以被视作销售团队的 AI Copilot，在关键时刻提供给销售人员有用的信息。当销售人员在处理交易时，AI 可以快速定位相关的公司文件，自动浏览销售人员的邮件，找出适合的回复内容。另外，销售人员可以用自然语言提问， copilot 为销售人员提供内部客户信息的分析和总结。
Case Study:
• Seam AI
Seam 专注于解决企业内部客户数据的获取问题，Seam 提供一个通过自然语言直接访问数据的聊天界面。核心技术基于 LLM，将自然语言转换为 SQL 查询，使非技术用户也能轻松访问 CRM 系统中的复杂数据。
Seam 的创始团队曾在 Okta 工作，理解企业内部对“客户数据更易于访问”的需求。CEO Nicholas Scavone 提到，他们通过在 Okta 工作期间积累的经验，意识到现有的系统中存在的“摩擦”——用户通常无法直接获取所需的数据，必须依赖数据分析师生成 SQL 查询。通过生成式 AI 技术的成熟，Seam 打破了企业内部数据访问的壁垒，直接解决了非技术用户对数据的需求。
Seam 在 2024 年宣布完成了一笔 500 万美元的种子轮融资。这笔融资由 Bessemer Venture Partners 领投，其他参与的投资机构包括 Colle Capital、F7 Ventures、Ritual Capital 和 Umami Capital。
CRM + 自动化
这类公司是在传统的 CRM SaaS 软件框架中加入 AI 功能，优化了销售活动中重复性、繁琐的工作。例如，Day.ai 能自动记录客户会议，生成完整的会议纪要，创建客户档案，并帮助销售人员快速查找和分析客户信息。
Case Study:
• Day.ai
2023 年成立，由 HubSpot 前高管 Michael Pici 和软件开发专家 Christopher O’Donnell 创立，他们在营销软件领域拥有丰富的经验，目前已获得红杉资本领投的 400 万美元种子轮融资。
产品核心模块包括 AI 会议助手、AI Leads 管理、和以客户为中心的 AI 知识库。
1. AI 会议助手
销售在与客户视频通话后自动生成会议纪要。AI 能根据纪要智能搜索、快速定位详细信息，并自动生成跟进邮件。同时会与团队同步客户线索和跟进记录，自动提醒销售客户跟进。
2. AI Leads 管理
结合会议结论，系统自动更新销售 leads 状态，保持最新 leads 同步。
3. 以客户为中心的 AI 知识库
预测对话趋势，分析成交机会，提供销售的策略指导。在销售与客户沟通后，会自动保存报价和交互内容，作为营销资产，在一定量的数据积累后识别出客户的共性，转化为模板文档。
Customer Support
在客户支持领域，AI Agent 正逐步从回答客户问题转向执行复杂的操作任务，如处理退款请求、推迟发货等。随着 LLM 的普及，这类公司已经在众多消费品牌中找到应用场景。
这其中值得重点关注的公司包括 Sierra 和 Decagon。同时 voice agent 公司如 bland ai, retell 也主要在客服场景落地。
Case Study
• Sierra
Sierra 的目标是帮助消费者品牌创建自己的对话式 AI，使得所有企业都能拥有与客户自然对话的能力。创始人 Bret Taylor 认为未来对话式 AI 将成为人们与品牌互动的主要形式。Sierra 提供交钥匙解决方案和 SDK。基于 autonomous agents 的理念，不依赖单一模型，而是多个模型的组合，有时涉及超过七个模型，如“supervisor”的模型，负责监控答案质量。其 Agent OS 平台支持数据治理、个人信息加密，确保安全的部署环境，在大规模环境中部署 Agent，进行数百万次对话。Sierra 近期也发布了 voice agent，具备自然对话、品牌语言理解、多任务处理、情绪感知等功能。
Sierra 基于结果定价，客户只需在问题解决时支付费用。目前已经为包括 Weight Watchers、Sonos、Olay 等在内的多个知名品牌开发专属的对话式 AI。比如体重健康管理平台 WeightWatchers 构建 AI 客服 agent 回答用户的体重管理问题，第一周解决了近 70% 的案例，客户满意度达到 4.6/5。无线音箱 Sonos 利用 AI agent 帮助客户处理新产品设置、路由器问题和订单管理等任务。
今年初，Sierra 完成 8500 万美元融资，估值 10 亿美元，由红杉美国领投，根据 information，目前估值可能已经超过 $4 billion，Greenoaks Capital 领投。
团队有 65 人左右，创始人包括前 Salesforce Co-CEO、OpenAI 董事会主席 Bret Taylor 和前 Google AR/VR 部门负责人、负责 Gmail、Google Drive、Google Docs 和 Google Apps for Enterprise（现 Workspace）的产品设计的 Clay Bavor。
• Decagon
Decagon 2023 年 7 月创立，专注于通过 GenAI 自动化客户支持任务，其 AI 能够个性化处理复杂客户需求，如处理退款、推迟发货等。Decagon 利用第三方及微调的大型语言模型，整合客户的工作流程、品牌指南和合规要求，提供个性化、类人的客户支持。客户包括Eventbrite、Bilt、Substack、ClassPass、Vanta 和 Rippling 等。
Decagon 还是传统的 SaaS 订阅模式，以对话量/年为单位收费，已经实现了七位数的 ARR（超过 1million)。
CEO Jesse Zhang 在 AI 和创业领域有丰富的经验，曾是多家初创企业的天使投资人，投资了 Pika、Cursor、Visual Electric、Moment 等公司。在创立 Decagon 之前，Jesse 创立了 Lowkey，2021 年被 Niantic 收购。
Decagon 共获得 3500 万美元投资，Accel 领投了 3000 万美元A轮，A16z 领投 500 万美元的种子轮。其他投资方包括 Elad Gil，以及天使投资人 Box 的 CEO Aaron Levie 和 Airtable 的 CEO Howie Liu。
11x 的愿景是用 AI Agent 去替代员工完成公司内部的简单、重复性业务场景，核心产品是 2023 年 8 月发布的 AI SDR（Sales Development Representative） Agent。
目前 11x ARR 接近 1000 万美金，服务客户数量超过 250 家，并且还在高速增长。其中约 70-80% 的客户来自美国，客户包括 Brex、DataStax 和 Otter 等。但 11x 目前其实还不能像人类员工一样可靠的完成整个工作流，更多是辅助工具。Hasan 表示 11x 产品之所以能引起共鸣，其一是客户试图更有效地增长，其二 AI Works 这个引人注目的价值主张。领投这轮 2400 万美元 A 轮融资的 Benchmark 合伙人 Sarah Tavel 对 11x.ai 也非常看好：当 AI agent 能够可靠地取代人工处理手工流程时，“这将带来几乎与互联网或云计算同等规模的变革。”
11x 和传统 AI Sales 工具的区别
如上文所说，LLM 出现之前的 AI 软件公司以协助 SDR 的工作为主，针对 SDR 的工作中的一个或某几个核心步骤，而不是整个工作流。
SDR 是 SaaS 出现后新出现的岗位。早期称为“Sales Associate”或“Junior Sales Rep”，SaaS 行业的兴起后，Salesforce 的前销售副总裁 Aaron Ross 将这个初级销售角色变得更加操作化和标准化，主要职责是为 AE（Account Executive）预定会议。SDR 通常被视为销售职业的起点，被用作晋升到更高级别销售职位（如 AE）的跳板。
SDR 的工作对应整体销售流程的 Lead Qualification、Needs Discovery、以及 Solution presentation 前的会议预约，具体来说，SDR 的职责包括以下板块，而每个板块也有 niche 的创业公司：
根据以上工作步骤可以看出，一个好的 SDR 的核心能力包括以下几点：
1. 要能够精准、高效的挖掘 leads。需要广泛、优质的客户数据库支持，对用户画像有深刻的理解，能通过用户行为分析其需求和购买意图。
2. 要能写出足够针对性、打动人的 cold message。LLM 出现之前，AI 做到比较困难，但是 LLM 有机会实现更高程度的定制化。
3. 收到客户 message 后要及时的协调客户和销售团队的时间及需求，安排好 demo会议。这需要 AI agent 集成日程安排系统、以及 Zoom、Teams 等日程平台。
AI 相比人在这项工作上是有优势的。AI 能够 cover 更广泛的数据，在经过充分研究后，撰写个性化的销售信息，但这个水平是时间紧迫的 SDR 无法达到的，也无法 cover 的像 AI 一样多且全。对于企业来说，采用 AI 是一件边际效益递增的事情。
11x 与较传统 AI sales software 的核心区别就是将 SDR 的各个环节串联了起来，进一步提升了自动化程度。11x 声称可以完成从Lead Generation到最终安排好 meetings/demos 的全过程。Outreach and Contacting 阶段可以兼顾 email，linkedin 多平台，也可以根据客户背景信息生成个性化的邮件。11X 创建了数字形象 Alice，让用户觉得自己更像是在和一名同事合作，而非在使用一个工具。
11x 目前的产品线还 cover 了其他 sales 环节：
•Inbound SDR James，负责联系已有的潜在客户（如客户在官网上填了表单）。
•RevOps Serana，协调销售、市场和客户成功部门，使得流程统一、数据共享。
•Phone agent Jordan，负责电话沟通，让潜在客户转化为具体商机。Jordan 能够进行长达 30 分钟的对话，会 25 种语言。
• 11x 目前还在开发用于人才招聘的 James 和 HR 工作的 Bob 两个 agent。
比较 tricky 的是 11x 为每一个具体的功能模块赋予了一个人物形象，更契合“数字员工”的概念。
向左滑动查看更多“数字员工”
11x 还有一个无代码平台 Platform X，用户可以自行调用 11x 提供的功能模块，形成一个整体的销售自动化流程。同时，用户也能够创建自己想要的数字人形象，作为人机交互界面的一部分。
Alice 产品分析
Alice 的 User Interface 的设计逻辑与传统 Sales SaaS 软件类似，目的都是清晰的呈现每个 leads 的情况和进度，区别是如果打开自动化功能，可以免去人为点按的步骤。但实际用起来，目前仍离不开人工的核审和修改。
11x.ai 自己能否使用 Alice 实现有效的客户获取，是衡量产品是否有效的重要指标。11x 运用 Alice 自动化识别正在招聘 SDR（销售开发代表）的公司，然后通过邮件毛遂自荐，为 Ta 自己谋取工作。11x.ai 的 CEO Hasan 验证了这一策略的有效性。在公司初创阶段，Hasan 使用 Alice 每周能生成 70-80 个合格的销售会议，他亲自参与这些会议，直到公司 ARR 突破 70 万美元后，才开始组建专职的销售团队。
主页
在主页中，用户可以看到 Alice 抓取了多少潜在客户，查看邮件的打开率、点击率和回复率。客户打开邮件后状态转为“hot”，系统通知企业及时跟进。
营销活动
用户可以创建四种类型的工作流：
• Classic: 用户创建理想客户画像（职位、部门、公司规模、行业），Alice 自动寻找客户，启动 sdr 业务流。
• CRM: 从 CRM 系统（如 HubSpot）中获取潜在客户数据。
• Website Traffic: 分析访问者数据、撰写个性化消息（目前只能识别美国用户）。
• CSV：用户上传潜在客户的 CSV 文件，Alice 自动进行外联。
Cold email 撰写
• 用户设置产品信息，Alice 抓取相关网站数据学习，通过 A/B test 优化 cold message 的效果。用户可以选择语调、外联语言等去适应品牌的需求。
• 用户可编辑营销步骤，默认包含一个初始邮件和三封后续跟进邮件，用户也可以增加 LinkedIn、InMail 等渠道。
• Alice 根据潜在客户的具体信息个性化撰写邮件，用户可以设置Alice需要关注的维度，例如公司、名字、所在地、兴趣等。
自动化设置
用户可以选择开启或关闭自动模式，决定是让 Alice 自动发送邮件，还是手动审核后再发送。根据客户访谈，若想获得较好的效果还是需要进行手动核审、修改，帮助 AI 掌控节奏。
Performance
Performance 界面展示分析数据，包括潜在客户抓取量、活跃潜在客户数量、邮件打开率和回复率。
回复
潜在客户回复后，Alice 会停止该客户的后续联系，递交给销售员工接管。
11x.ai 并没有公开具体的技术栈，但提到了一些关键亮点。首先，AI Agent 能有效找到潜在客户的关键在于优质的数据支持。11x.ai 通过构建 agent 浏览网页并收集第一方数据，这种灵活的方式可以更精准地识别客户的购买意图。对于面向大众市场的公司，这种方法具有很大价值。然而，这种数据采集模式在面向专业市场时并不具备优势——公开数据有限，获取高质量潜在客户需要私有的数据集。
其次，将潜在客户转化为实际的销售会议，需要具有针对性、足以打动客户的 cold email。在这一过程中，11x.ai 依赖 LLM + RAG 生成，在上下文理解和个性化上更具说服力。
商业模式
11x 计划切企业的招聘预算，而非传统的软件支出。战略目标不仅仅是自动化小任务，而是优化整个销售开发流程。这种全面的解决方案比单纯的工具或部分任务自动化更具价值，客户也更愿意为此支付高昂的费用。
11x.ai 采用了基于任务的定价模型，而非传统的按 seats 计费。客户根据完成的任务支付费用。任务细分为如下类型：
(1) 识别账户；
(2) 研究这些账户；
(3) 通过电子邮件和 LinkedIn 进行推广；
(4) 在潜在客户回复后安排会议。
这种模式提供了灵活性，允许客户根据业务需求动态调整任务量和 Alice 的具体任务安排。目前，11x.ai 的 90% 客户已采用这种基于任务的定价模式。Hasan 还在部分客户中测试基于结果的定价，明确以合格机会（SQL）作为关键指标。
11x.ai 的商业模式体现了其从“任务完成”向“结果导向”逐渐过渡的趋势。传统软件以席位计费，容易限制规模化，但 11x.ai 的任务定价则为客户提供了灵活性和可扩展性，尤其适合动态调整业务规模的企业。测试中的基于结果的定价模式，通过直接关联业务成果（如 SQL ），11x.ai 能够把自身服务与客户成功捆绑起来，提升客户粘性并扩大长期收入潜力。但这也对产品的效果提出了更高的要求。
客户
目前，11x 的 ARR 接近 1000 万美金，客户数量超过 250 家，并且还在高速增长，约 70-80% 的客户来自美国，包括 Brex、DataStax 和 Otter 等。
根据客户访谈，大部分客户认为 11x 仍是作为辅助工具，还做不到以一个 agent 的方式来工作，客户通常需要将 11x.ai 与其他工具（如 Salesloft）结合使用，更像一个 copilot。即便如此，客户仍选择采用 11x.ai，有以下几个主要原因：
其一，AI SDR 的能力虽然无法与高级人类 BDR 相比，但是能超过平均 BDR 的水平。具体来说，客户给 11x 打 7.5 分，该领域的专业 BPO （业务流程外包）团队如 Clarify 打 9-10 分，内部人力 SDR 团队打 5 分。
具体到能力上，用户对 11x 的潜在客户挖掘能力比较满意，但 cold email 撰写能力不及预期。其一是内容缺乏深度和个性化，无法很好地表现出品牌个性，或不够真诚，有可能会让目标客户不信任或反感。其二是可能带来“过度承诺、交付不足”的问题。
其二，11x 比公司自身的 SDR 团队、专业 BPO （业务流程外包）团队或使用其他工具如 Salesloft 和 Cognism 更有性价比。Salesloft 大概是 20,000 美元一个月，11x 大概是每月 1,000 美元+。11x 大概每月能成功转化 3-5 个潜在客户，虽然相比公司期待的数量差距较大，但 B2B 公司客单价高，只要有转化边际收益就是递增的。
不过也有用户提到，目前 AI SDR 工具在最初几周可能有效，但随后效果会降至零，因为它们只擅长获取容易得到的机会。人类 SDR 可能在个性化、深入挖掘上更具优势。
长期来看，很多客户相信，AI 将在未来 2-3 年内取代大部分 SDR/BDR 在 SaaS 行业中的作用。人类 SDR 会面临角色转变，转向更注重建立维护关系、 need discovery 上，不是日常的、重复性高的潜在客户寻找和资格筛选工作，可能会产生新型的全周期 AE（Account Executive）。
11x 团队目前有 27 人左右，很年轻，很多员工有创业的经历。创始人兼 CEO Hasan Sukkar 1997 年出生，17 岁时因叙利亚难民危机移民到英国，后在英国 University of Exeter 拿到工程学学位。在创立 11x.ai 之前在麦肯锡工作。CTO、VP of sales 都是 Brex 前员工。整个团队 AI 能力并不突出，没有很强的 researcher，是一个产品、sales 导向的团队。
CEO Hasan 很擅长讲好故事，build vision。种子轮融资人 Project A 评价 CEO 有极高的执行速度、吸引人才及构建公司文化的能力。
Hasan 2022 年秋天有了创立 11x.ai 的想法，2023 年初开始聚焦于 SDR 垂直领域。他和团队花了 7-8 个月深入了解早期的合作伙伴和客户。他们会坐在 SDR 旁边亲身观察一天的工作情况，分析前 5% 的 SDR 和中游 SDR 之间的差异，然后应用到产品中。当时 11x.ai 团队仅有 6 名员工，全是产品方向的人才，以“高风险”和“技术无畏”的方式持续迭代产品。
他在品牌和定位方面投入了大量资源，Hasan 希望让客户适应虚拟工作者的概念；所以他给它产品定义了一个名字（Alice）、一个形象和一个具体的工作。
11x.ai 的种子轮投资方背景一般。2023 年 8 月 11 日 Project A Ventures 领投 200 万美元种子轮，No Label Ventures、Tiny Ventures 和天使投资人 Felipe Navio 和 Mandeep Singh 参与。但 2400 万美金 A 轮 fund 背景显著提升。2024 年 9 月，Benchmark 领投，其他投资者还包括 Quiet Capital、SV Angel、Abstract Ventures、Lux Capital、Operator Partners、Visionaries Club、Activant、HubSpot Ventures、Project A、20VC、20Growth 和 20Sales 等。2024 年 10 月又完成了 5000 万美元的 B 轮融资，a16z 领投，估值约为 3.5 亿美元。
Sales AI 领域非常 crowded，主要竞争对手可分为三大类：大型公司的销售自动化产品、同类 Gen AI 初创公司、以及上一代 AI 销售软件。
1. 大型公司的 sales agent 产品
相关领域的大公司包括 Salesforce、ServiceNow、hubspot 等。
大公司依托其已有的广泛客户关系管理（CRM）平台，拥有大量的客户数据和集成能力。以 Salesforce 近期推出的 Einstein Sales Development Rep (SDR) Agent 为例，Einstein SDR Agent 可以自动处理线索，回答客户问题，解决异议并安排会议。基于 RAG 技术，SDR Agent 能够从公司已有的业务数据（如产品 FAQ、销售策略、案例研究）中获取信息，提供个性化、智能的对话。这些大公司产品能够直接集成到现有工作流中，方便企业的使用。而 11x 在平台数据积累和客户基础上处于劣势。
在客户粘性上，大型企业已在这些平台中投入了大量资源，选择新供应商的动机较低，这使得这些产品的替代成本较高。
创业公司的优势在于其创新和速度。它们可以在更短的时间内推出新的功能，Salesforce 等由于庞大的产品生态，更新和调整速度较慢。
所以在市场定位中，Salesforce 的 agent 产品面向的是中大型企业，这些企业已经使用Salesforce 的 CRM 系统，因此 agent 能够无缝集成到现有工作流中。11x 这样的初创公司更适合中小型企业或初创公司，这些公司可能对灵活性和创新性需求较高，但不适合 Salesforce 这样大规模、深度集成的产品。
2. Gen AI 创业公司
GenAI Sales Agent 初创公司专注于销售进一步的自动化，提供与 11x 类似的解决方案，核心功能趋于同质化。11x 之所以在众多初创企业中脱颖而出，并成为 benchmark 的押注对象，关键在于市场对销售自动化的巨大潜力的认知，以及 11x 创始人 Hasan 被视为具备成功领导的能力，类似于 benchmark 当初选择 Uber 的 Travis Kalanick。
11x 的成功融资带动了整个赛道的热度，同领域内有几家值得关注的竞争对手，包括 Artisan 和 Regie.ai。
尽管功能上它们与 11x 非常相似，但在具体实施细节和市场切入策略上，各家公司仍有不同。例如，Regie.ai 强调通过 AI 优化内容生成，试图通过提升文案质量和相关性来区分自己，而 Artisan 更多的是强化数字员工的概念以及在社交销售方面的能力，与 11x 更为类似。
• Artisan
Artisan 由年轻的 Jaspar Carmichael-Jack、牛津博士 Dr. Rupert Dodkins，以及前 IBM 产品经理 Samantha Stallings 共同创立。公司已经在种子轮融资中筹集了 1150 万美元。该公司在成立仅三个月内便达到了 100 万美元的 ARR，并拥有超过 120 名客户，包括 Treatwell、Fondo 和 Rho。
• Regie
Regie.ai founder Srinath Sridhar 是一名连续创业者，之前创立了 BloomReach 和 Onera，在多家公司担任过高级销售和管理职位。Regie.ai 完成了1000万美元的 A 轮融资，由 Scale Venture Partners 领投，Foundation Capital、South Park Commons 和天使投资者参与。Regie.ai 2022 年的目标是取代缓慢且效果不佳的外部文案撰写者和代理商，现在将重心转移到做自动化的 AI SDR。Regie 的产品设计中没有强调数字员工的概念，但能力栈与 11x 是类似的。
3. 上一代 AI Sales 软件
相比于新兴的 Gen AI 销售工具，我们在客户访谈中发现，11x 的客户有时也会选择上一代 AI 销售软件结合使用，如 Salesloft、Cognism 和 6sense 等。更侧重于为销售团队提供自动化和数据驱动的销售工具。尽管这些工具在提高销售效率上有一定的效果，但它们缺乏像 11x 这样针对 SDR 流程全自动化的能力，仍依赖大量的手动操作和团队配合。这些软件很可能逐步被如 11x、Artisan 等新一代解决方案取代。
从目前看，Sales Agent 的发展有两大趋势：
1. Sales Agent 正逐步整合多个细分销售场景，呈现出覆盖整个销售生命周期的潜力。过去，这些环节往往由不同的工具或团队分工完成，但随着 GenAI 技术的成熟，产品设计正趋向于将所有环节纳入统一平台。让 Agent 自动化执行。这会减少企业对于人力的依赖，也将改变销售的角色定位。
2. 结果导向的定价模式：从“按座收费”到“按结果付费。这种模式、更符合企业的利益，也将 AI 公司与客户的成功直接挂钩，成为企业销售业绩的直接推动者。
最终 sales Agent，乃至整个 Agent 领域的行业价值是被大企业还是初创企业捕获是一个值得长期观察的问题。尽管目前 Startup 的融资和收入增速都很快，但长远来看，大部分价值可能还是会被 Salesforce 这样的大企业所捕获。因为这些公司拥有搭建 Sales Agent 的核心资源：客户数据积累、成熟的 workflow、以及和客户已有系统的集成。
但初创公司的优势在于 momentum：Momentum = Product iteration + GTM effectivity + early team。 像 11x 这样的公司依靠早期快速的产品迭代、有效的市场拓展策略（GTM）、早期团队的执行力，已经成功积累了初期的势能。一旦势能形成，它便成为推动持续增长的核心动力——加快产品改进、扩展团队、提升客户获取效率，这些要素帮助初创公司在竞争中迅速壮大，甚至有机会通过并购等方式与大企业抗衡。
所以在 Sales Agent 领域，大企业和初创公司的竞争并非“二选一”，Startup 仍有机会利用势能快速迭代，并通过持续创新来保持市场的领先地位。
围绕 Sales Agent，以下问题还值得深入思考：
1. OpenAI 的 o1、new Claude 3.5 如何推动 sales agent 进一步的能力提升？
2. 从 SaaS 订阅转向“基于结果定价”，这种模式对企业的收入和成本结构的长期影响是什么？这可能会改变企业的财务结构，加快市场对 AI 工具的淘汰速度，效果更好的公司能实现更快的数据积累和产品迭代，这是否会引向赢家通吃？那么投资第二名，第三名还有没有意义？
VAST Data：从 LLM 时代的高性能存储到下一代数据平台
NotebookLM 是 Google 的 ChatGPT 时刻吗？
Chelsea Finn: RL 是如何在 Robot Learning 领域创造价值的？
Andrej Karpathy: Tesla 能实现自动驾驶领域的 AGI | AGIX 投什么
