每月一億通電話，這個數字放在2026年的語音代理市場，是一個分水嶺。Retell 在 OpenAI 的客戶案例文章裡披露，其平台每月處理 1 億通語音通話，客戶集中在美國中小企的客服與預約場景，而支撐這個量級的模型是 GPT-6 Astra。文章同時提到，Codex 幫助工程團隊壓縮開發周期，令公司可以較少人手維持產品迭代。
同一篇文章給出另一個更吸引眼球數字：Retell 的年化收入跑率換算為每名員工 160 萬美元。這個數字在 SaaS 行業屬於偏高水平，但文章沒有披露員工總數，也沒有交代計算方式是否包含外判與合約人員。所有數字由 OpenAI 單方面提供，未經第三方審計，讀者宜同時看用量結構與收入算法，才判斷這個樣本能否複製。
人均 160 萬美元收入的算法
160 萬美元是年化收入跑率除以員工數的結果。收入跑率本身是將單月或單季收入乘以十二，屬於前瞻估算，不是已審計收入。員工總數未披露，分母一旦包含外判與合約人員，人均數字會明顯下降。
同類語音 AI 公司多數按每分鐘通話收費，毛利率受推論成本直接壓縮。Retell 以 1 億通電話的規模運作，理論上有議價能力，但 GPT-6 Astra 的定價與用量折扣未公開，外界無法驗證其單位經濟。
香港市場的情況可以作為對照。金管局 2024 年發出的生成式 AI 指引，要求銀行對外判模型做風險評估與人手覆核，部署成本因此拉高。本地對話式 AI 公司多數做廣東話混合英語場景，缺乏本地標註語料與算力補貼，難以單靠跑分作賣點。政府 2025 年預留的 10 億元 AI 資助計劃，申請門檻對 20 人以下團隊仍偏高，這類小團隊要達到 Retell 的效率水平，條件並不一樣。
跑分第一不等於落地第一
Retell 用來奪冠的語音代理基準測試，由公司自行設計，測試語料以美式英語為主，與香港客戶服務常見的廣東話夾雜英語、背景雜音場景相差很遠。同一模型在實驗室環境延遲低，但接上企業電話系統後，排隊、轉接、錄音存證每個環節都會拖慢回應。跑分只量度模型在乾淨音頻上的辨識準確率，無量度斷線率同人手轉接比率。
金融與醫療客戶對語音代理出錯的容忍度極低。金管局 2024 年生成式 AI 指引明確要求銀行對外判模型做風險評估，並保留人手覆核機制，意味代理即使答對九成，剩下一成錯誤仍要由真人把關。錄音存證反過來增加儲存與檢索成本，每通電話的邊際成本不會隨模型變強而降到零。
OpenAI 該篇屬客戶案例文章，披露了每月 1 億通話、基準測試排名第一、人均 160 萬美元收入跑率三個數字，但未提供第三方審計的準確率、延遲中位數或客戶續約率。以單一供應商發佈的案例判斷技術成熟度，等於用宣傳稿當評估報告，投資者與企業採購部門都應要求原始測試數據。
對香港開發者的實際啟示
透過 API 接入前沿語音模型的門檻持續下降，本地團隊毋須自行訓練基礎模型，可將資源集中在行業流程整合與廣東話語料整理。銀行客服、保險理賠熱線、電訊查詢等場景有明確流程，開發者只要處理好廣東話混英語的斷詞與語氣，就能做出比通用模型更貼合本地需要的代理。問題是本地標註語料零散，收集與清洗成本不輕。
推論成本與數據出境是兩大現實限制。跨境客戶的錄音若經海外伺服器處理，受《個人資料私隱條例》約束，需事先取得客戶同意並確保傳輸安全，部分企業索性要求模型在本地部署。本地 GPU 算力供應有限，科技園與數碼港的算力補貼覆蓋面窄，20 人以下團隊申請政府 10 億元 AI 資助計劃時，文件與審計要求仍然偏高，未必能快速取得資源。
對投資者而言，評估語音代理公司時應要求披露通話完成率、人手轉接比率與客戶續約率，而非只看基準測試排名。Retell 的 1 億通話規模值得參考，但香港市場的合規審查會拉長銷售周期，人均收入數字難以直接複製。若供應商只展示跑分而不公開營運指標，估值時應打折處理。
Retell 的數字說明語音代理已由示範階段走入規模化收費，每月 1 億通話與人均 160 萬美元收入跑率是具體信號。但這組數字來自 OpenAI 客戶案例文章，未經第三方審計，分母員工總數亦未披露，與其當成行業標準，不如視為小團隊加 AI 工具的效率樣本。
香港開發者面對的並非模型能力不足，而是合規成本與本地語料缺口。金管局指引要求人手覆核，數據出境受私隱條例約束，10 億元資助計劃門檻對小型團隊偏高，這些因素都會拖慢落地速度。跑分第一可以作為市場推廣材料，但真正決定勝負的是通話完成率與客戶續約率，採購與投資決策應以營運數據為依據。
