7 月 2 日，xAI 上线了一个叫 Voice Agent Builder 的产品。名字不起眼，但功能很直接：你用自然语言描述需求，两分钟后就得到一个能接打电话的 AI。
不是「AI 帮你写邮件」「AI 帮你做 PPT」那种间接辅助——是直接拿起电话打出去、接进来、跟对方对话、查数据库、创建工单、更新 CRM，全程自动。每个账户还附送一个专属免费号码。
当 AI 有了自己的电话号码，「AI Agent」这个词就不再只是隐喻了。
核心能力
| 维度 | Voice Agent Builder |
|---|---|
| 发布日期 | 2026 年 7 月 2 日（Beta） |
| 底层模型 | Grok Voice Think Fast 1.0 |
| 语音架构 | 端到端原生语音（非 STT→LLM→TTS 流水线） |
| 创建方式 | 无代码，自然语言描述 |
| 通话能力 | 接打电话、理解上下文、捕捉情绪 |
| 业务集成 | 查询数据库、创建工单、发送邮件、更新 CRM |
| 音色选项 | 80+ 预设音色 + 声音克隆 |
| 通信协议 | SIP |
| 免费号码 | 每账户一个 |
最关键的设计是端到端原生语音架构。传统语音 AI 的链路是：语音识别（STT）→ 大语言模型（LLM）→ 语音合成（TST），每一步都有延迟和信息损耗。xAI 的 Grok Voice Think Fast 1.0 直接从音频输入到音频输出，跳过文字中间层，实现极低延迟和更自然的对话节奏。
这意味着 AI 打电话时不会出现「等你三秒才回答」的尴尬沉默——它像人一样即时响应，甚至能在对方还没说完时适时打断或追问。
定价：每分钟 6 美分
| 计费项 | 价格 |
|---|---|
| 音频处理 | $0.05 / 分钟 |
| 电话费 | $0.01 / 分钟 |
| 合计 | $0.06 / 分钟 |
一小时通话成本约 $3.6（~26 元）。对于替代人工客服、电话营销、预约确认等高频通话场景，这个价格远低于人力成本。
对比：美国客服外包均价 $15-25/小时，Voice Agent Builder 把这个数字压到了 $3.6/小时。
使用场景
| 场景 | AI 做什么 | 人工替代 |
|---|---|---|
| 客户回访 | 自动拨打、收集反馈、记录 CRM | 客服团队 |
| 预约确认 | 打电话确认/取消预约 | 前台 |
| 销售外呼 | 批量拨打、初筛意向客户 | SDR 团队 |
| 技术支持 | 接听问题电话、查询知识库、创建工单 | L1 支持 |
| 个人助理 | 代你打电话订餐厅、问价格、确认行程 | 私人助理 |
最后一个场景（个人助理）目前受限于合规要求——AI 代你打电话时需要明确告知对方「这是 AI 通话」。但技术上已经完全可行。
与腾讯 Agently Mail 的对照
腾讯 Agently Mail 给 AI 一个邮箱身份，xAI 给 AI 一个电话号码。两个产品解决的是同一个问题：AI Agent 需要与人类世界通信的标准身份。
| 维度 | Agently Mail（腾讯） | Voice Agent Builder（xAI） |
|---|---|---|
| 通信方式 | 邮件 | 电话 |
| AI 身份 | 独立邮箱地址 | 独立电话号码 |
| 操作追溯 | 邮件日志 | 通话记录 |
| 发布时间 | 2026 年 6 月 23 日 | 2026 年 7 月 2 日 |
| 定价 | 未公布 | $0.06/分钟 |
| 无代码创建 | 否（API 接入） | 是（自然语言描述） |
当 AI 既有邮箱又有电话，它能做的事就覆盖了人类商务通信的两大核心渠道。下一步自然是视频会议——AI 以虚拟形象出现在 Zoom 会议上。
竞品格局：语音 Agent 赛道
| 产品 | 公司 | 定价 | 差异化 |
|---|---|---|---|
| Voice Agent Builder | xAI | $0.06/min | 端到端语音、无代码、Grok 模型 |
| Vapi | Vapi | $0.05/min | 多模型支持、API 优先 |
| Bland AI | Bland | $0.09/min | 高并发外呼 |
| Retell AI | Retell | $0.07/min | 低延迟 |
| Air AI | Air | 未公开 | 企业级安全 |
xAI 的定价处于中间偏低位置，但端到端语音架构（跳过文字中间层）是技术差异点。80+ 音色和声音克隆则降低了「听起来像机器人」的感知门槛。
风险与争议
AI 打电话带来的风险比 AI 发邮件更大：
- 诈骗滥用：Voice Agent Builder 的声音克隆功能理论上可以被用于模拟特定人的声音进行诈骗。xAI 的 Guardrails 能拦截多少此类请求，尚未验证。
- 知情同意：接到 AI 电话的人是否有权知道对方是 AI？目前各司法管辖区的规定不一致。
- 电话骚扰：低成本外呼意味着 AI 骚扰电话可能泛滥。
xAI 在产品页面强调了 Guardrails（安全护栏）和可观测性（通话监控），但具体拦截规则和滥用处理机制尚未公开。
写在最后
Voice Agent Builder 把 AI Agent 的能力边界从「读写」扩展到了「通话」。当 AI 可以接电话、打电话、在对话中实时查询数据库和执行业务逻辑，「Agent」就不再只是软件里的一个功能，而是一个有通信能力的数字员工。
AI 有了邮箱是第一步，有了电话是第二步。下一步是什么？可能是 AI 有了银行账户——那时候它就不是你的工具了，它是你的合伙人。