Vapi5億ドルの含意——音声AIの堀はモデルでなく、電話線とモデルを繋ぐ実時間配管

音声AIのVapiがAmazon Ringでの採用を追い風に評価額5億ドルで調達した、というTechCrunchの報道を一件の資金調達として読むと核心を逃す。問うべきは、なぜAmazonがVapiを選んだのかだ。Amazonは自前のAlexaやNovaという音声・基盤モデルを持つ。それでもRingの顧客対応音声AIを内製せず、40社超を比較した末に外部のVapiを採用した。これは、価値が基盤モデルそのものに宿っていない何よりの証拠である。

では堀はどこにあるのか。音声AIの難所はモデルの賢さでなく、実時間の配管にある。数百ミリ秒の低遅延、発話の間の制御、相手の割り込みへの対応、電話網との接続、会話の監査とコンプライアンス——これらを破綻なく束ねる運用層こそが勝敗を分ける。Vapiが評価されたのはこの配管だ。これは、価値が基盤モデルでなく、モデルと業務・現実を繋ぐオーケストレーション層へ移るという、Anthropicが運用基盤へ降りてきた動きと同じ構図にある。ただし含意は両義的だ。配管は一等地ゆえに、基盤モデル勢やAmazon自身がいずれ垂直統合で取り込もうと狙う。Vapiは強い位置を借りているが、その位置こそ最も買収・内製化の圧力を浴びる。