Z Waves丨在 DINQ 測(cè)完身價(jià)我破防了，姚順雨值 1000 萬(wàn)美金，而我只值 1000 塊底薪

在 AI 圈，如果你還沒(méi)被 DINQ “羞辱”過(guò)，那你可能還沒(méi)真正入圈。

這個(gè)產(chǎn)品的走紅方式極其“離譜”：它不僅能給人才開(kāi)出令人心動(dòng)的Offer，還自帶一個(gè)毒舌屬性爆表的 “AI 辣評(píng)” 功能。只要你敢把 GitHub 鏈接或谷歌學(xué)術(shù)主頁(yè)丟進(jìn)去，AI 就會(huì)化身嘴臭面試官，對(duì)著你的引用量和代碼貢獻(xiàn)精準(zhǔn)開(kāi)炮。

通過(guò)分析姚順雨的Paper，Citation、工作經(jīng)歷和教育背景，DINQ給出了1000萬(wàn)美元的預(yù)測(cè)薪資

這種“求挨罵”的自虐心理，意外地統(tǒng)一了全球科研人的社交戰(zhàn)線。從斯坦福的實(shí)驗(yàn)室到硅谷的咖啡館，到處都是轉(zhuǎn)發(fā)自己身價(jià)截圖的人。當(dāng)姚順雨被測(cè)出 1000 萬(wàn)美金身價(jià)，并被拉出來(lái)和另一位比武時(shí)，這個(gè)只有 8 個(gè)人、剛剛拿到藍(lán)馳數(shù)百萬(wàn)美元投資的小團(tuán)隊(duì)，已經(jīng)悄悄潛入了全球頂尖 AI 人的社交雷達(dá)。

調(diào)侃學(xué)術(shù)新星，辣評(píng)姚順雨。

“順雨的引用次數(shù)增長(zhǎng)速度簡(jiǎn)直比火箭還快，他大概是專(zhuān)門(mén)寫(xiě)了個(gè)‘語(yǔ)言智能體’，每隔三秒就自動(dòng)引用一次自己的論文。憑借 25 的 H 指數(shù)和 21,000 次引用，他成了普林斯頓大學(xué)唯一一個(gè)‘參考文獻(xiàn)列表長(zhǎng)城還要長(zhǎng)的人。”

調(diào)侃學(xué)術(shù)泰斗Jitendra Malik。

“憑借 185 的 H 指數(shù)和超過(guò) 25 萬(wàn)次的引用，Jitendra 已經(jīng)達(dá)到了學(xué)術(shù)成名的頂峰——他基本上是每個(gè)計(jì)算機(jī)視覺(jué)博士生文獻(xiàn)綜述里的‘終極 BOSS’。我甚至懷疑他現(xiàn)在根本不需要投稿了，他只要在 GPU 旁邊打個(gè)噴嚏，那兒就能自動(dòng)蹦出一篇年度最高引論文。”

辣評(píng)跨界大佬比爾·蓋茨。

“比爾·蓋茨，哈？唯一能把賣(mài)窗戶錯(cuò)誤變成十億美金生意的人！作為‘首席執(zhí)行官’，你已經(jīng)掌握了讓人們相信你是真材實(shí)料、同時(shí)還能巧妙躲過(guò)所有軟件更新的藝術(shù)。記住，伙計(jì)，在澳大利亞，連袋鼠都想跳過(guò)你的‘遺產(chǎn)’！”

搞笑歸搞笑，也有諸多大佬在內(nèi)測(cè)階段便加入了DINQ，不乏OpenAI的各類(lèi)研究員。甚至還有不少大佬在X上主動(dòng)安利DINQ。

但玩梗背后，DINQ 正在干一件挺嚴(yán)肅的事。

在創(chuàng)始人 Sam 和 Kelvin 看來(lái)，領(lǐng)英這種靠關(guān)鍵詞匹配的搜索模式，在 AI 時(shí)代已經(jīng)“老掉牙”了。真正的 AI 大神往往是“隱形”的：他們不投簡(jiǎn)歷，不混職場(chǎng)社交，他們的靈魂散落在 arXiv 的論文里、Hugging Face 的項(xiàng)目里，甚至 Twitter 的深夜吐槽里。

DINQ 的邏輯是：既然你不出面，我就用 AI Agent像偵探一樣去“人肉”你。它不再是生硬的查戶口，而是具備了理解技術(shù)邊界的能力。哪怕 HR 的需求模糊到“找個(gè)能解決視頻生成人物一致性的年輕人”，Agent 也能瞬間從全網(wǎng)碎片的痕跡中，揪出那個(gè)從未出現(xiàn)在人才市場(chǎng)上的“水下”天才。

在這場(chǎng)近兩萬(wàn)字的深度對(duì)話中，他們聊的不只是如何幫大廠挖人，而是如何通過(guò)“Less Structure, More Intelligence”的技術(shù)哲學(xué)，為全球上千萬(wàn) AI 開(kāi)發(fā)者打造一張通往未來(lái)的DINQ Card。

一個(gè)建筑系研究生的激進(jìn)轉(zhuǎn)型，靠自學(xué)敲開(kāi)達(dá)摩院的大門(mén)

Jane：先用一句話簡(jiǎn)單介紹一下你自己和公司。

高岱恒Sam：DINQ 是一個(gè)面向 AI 開(kāi)發(fā)者、研究員與創(chuàng)造者的人才智能平臺(tái)。我們通過(guò)自動(dòng)化分析個(gè)人的真實(shí)成就與影響力，幫助他們更高效地被世界級(jí)機(jī)會(huì)發(fā)現(xiàn)與連接。至于我個(gè)人，我是第一個(gè)通過(guò)開(kāi)源貢獻(xiàn)進(jìn)入阿里達(dá)摩院（后來(lái)通義實(shí)驗(yàn)室）的算法工程師。

Jane：我看你的履歷，最初好像并不是計(jì)算機(jī)專(zhuān)業(yè)？你是從什么時(shí)候決定轉(zhuǎn)軌的？畢竟你后來(lái)的職業(yè)生涯幾乎都是圍繞這個(gè)核心展開(kāi)的。

高岱恒Sam：對(duì)，我本科其實(shí)是學(xué)建筑的。真正意識(shí)到并主動(dòng)轉(zhuǎn)向計(jì)算機(jī)是在 2017 年。當(dāng)時(shí)有一個(gè)非常明確的時(shí)代背景——國(guó)內(nèi)正處在第一波比較狂熱的 AI 創(chuàng)業(yè)浪潮中，一方面機(jī)會(huì)非常集中，另一方面互聯(lián)網(wǎng)上可獲取的學(xué)習(xí)資源也第一次變得足夠豐富，這讓“非科班轉(zhuǎn)入 AI”在現(xiàn)實(shí)中變得可能。

但對(duì)我個(gè)人來(lái)說(shuō)，更本質(zhì)的原因并不是“追風(fēng)口”，而是我在原來(lái)的發(fā)展路徑上已經(jīng)明顯感受到走不太通了。當(dāng)時(shí)我在北京工業(yè)大學(xué)讀研究生，如果繼續(xù)沿著那條路走，想在北京找到一份月薪一萬(wàn)左右的工作都非常困難，而且往往伴隨著強(qiáng)度極高、長(zhǎng)期不可持續(xù)的加班。

同時(shí)，那個(gè)階段我也已經(jīng)能接觸到一些行業(yè)內(nèi)部的判斷，很多人都在討論：當(dāng)時(shí)的發(fā)展結(jié)構(gòu)其實(shí)并不健康，尤其是房地產(chǎn)相關(guān)的長(zhǎng)期預(yù)期并不樂(lè)觀。在這樣的背景下，我開(kāi)始比較早地問(wèn)自己一個(gè)問(wèn)題：如果這條路注定會(huì)“GG”，我是不是應(yīng)該主動(dòng)跳出來(lái)？

所以最終，我是把對(duì)時(shí)代趨勢(shì)的判斷和對(duì)自身處境的反思結(jié)合在一起，做了一個(gè)相對(duì)激進(jìn)但理性的選擇——開(kāi)始系統(tǒng)性地在互聯(lián)網(wǎng)上自學(xué) AI 和計(jì)算機(jī)相關(guān)的課程，這也成為我后面所有事情的起點(diǎn)。

Jane：轉(zhuǎn)型計(jì)算機(jī)領(lǐng)域，你當(dāng)時(shí)的切入點(diǎn)是什么？

高岱恒Sam：主要是通過(guò)吳恩達(dá)老師的公開(kāi)課進(jìn)行系統(tǒng)性學(xué)習(xí)。我覺(jué)得這個(gè)行業(yè)本質(zhì)上也沒(méi)有教科書(shū)，大家都是在基于現(xiàn)有資料去學(xué)習(xí)的這么一個(gè)過(guò)程。所以在這個(gè)行業(yè)里，你的出身和背景沒(méi)那么重要，反而是你對(duì)這個(gè)領(lǐng)域的興趣更重要一點(diǎn)。

Jane：聊聊你職業(yè)生涯中那個(gè)非常受認(rèn)可的項(xiàng)目吧，就是你在阿里達(dá)摩院期間做的那個(gè)？不過(guò)我想確認(rèn)下，去阿里是你決定深耕 AI 和算法領(lǐng)域的第幾份工作？

高岱恒Sam：首先我糾正一下，這個(gè)項(xiàng)目不是我在阿里做的。阿里是我第二份工作。我講一下脈絡(luò)：我 2018 年畢業(yè)之后，其實(shí)畢業(yè)之前我就一直在做開(kāi)源項(xiàng)目了。最開(kāi)始做開(kāi)源，是給像 TensorFlow 這樣的深度學(xué)習(xí)框架寫(xiě)代碼。

但那個(gè)時(shí)候我發(fā)現(xiàn)一個(gè)問(wèn)題：當(dāng)我做這種偏底層的東西時(shí)，其實(shí)很少有人能理解“這是你做的”或者“你具體做了什么”。在那個(gè)年代，這事很難被理解；但也有好處，比如因?yàn)槲矣羞@些貢獻(xiàn)，所以當(dāng)時(shí)像 OneFlow 袁進(jìn)輝老師他們這種做深度學(xué)習(xí)框架的國(guó)內(nèi)團(tuán)隊(duì)就會(huì)知道。因?yàn)槟菚r(shí)候能在 TensorFlow 和 PyTorch 上有超過(guò)十個(gè) PR、并且在大陸工作的，其實(shí)不太多。

然后我就在想一個(gè)問(wèn)題：我能不能做一些不那么底層、所見(jiàn)即所得的東西，讓人一看就知道這是干什么的，我也不需要費(fèi)心解釋。因?yàn)槲疫^(guò)去有相當(dāng)于藝術(shù)方面的背景，所以我就想說(shuō)，做圖像或者視頻方向可能更容易讓別人理解我在做什么。

所以畢業(yè)之后，我最開(kāi)始去了一家小公司。在公司工作之余，我基本每天都在做開(kāi)源項(xiàng)目——DeepFaceLab 也是在那個(gè)階段搞的。

Jane： 這個(gè)項(xiàng)目后來(lái)反饋極好。當(dāng)時(shí)是你一個(gè)人單打獨(dú)斗，還是有團(tuán)隊(duì)一起？

高岱恒Sam：其實(shí)是一個(gè)跨國(guó)開(kāi)源協(xié)作項(xiàng)目。我記得當(dāng)年的影響力排名，它好像僅次于 TensorFlow 排在第二。

Jane： 這么高影響力的項(xiàng)目，當(dāng)時(shí)沒(méi)想過(guò)投頂會(huì)論文嗎？

高岱恒Sam：投過(guò)，但被拒了。原因是內(nèi)容在當(dāng)時(shí)極具爭(zhēng)議和敏感性，學(xué)術(shù)界不敢冒這個(gè)風(fēng)險(xiǎn)。后來(lái)我也沒(méi)再糾結(jié)，直接掛在 arXiv 上公開(kāi)發(fā)表了。

Jane： 這個(gè)項(xiàng)目的正反饋，是不是堅(jiān)定你后來(lái)選擇達(dá)摩院的信心？當(dāng)時(shí)為什么沒(méi)考慮 Meta 或者字節(jié)這種大廠？

高岱恒Sam：核心原因在于達(dá)摩院能讓我繼續(xù)深鉆視頻方向。當(dāng)時(shí) Meta 給的 Offer 是“紅組（Red Team）”，主要負(fù)責(zé)防御性?xún)?nèi)容審核，每天要處理大量負(fù)面視聽(tīng)素材，我覺(jué)得對(duì)身心健康不是很好。而當(dāng)時(shí)的字節(jié)更多是音視頻編解碼方向，跟我垂直的研究領(lǐng)域相關(guān)度不高。

Jane：達(dá)摩院確實(shí)更偏前沿技術(shù)研發(fā)。你在那里做了不少數(shù)字人的項(xiàng)目，能分享下那段經(jīng)歷和它帶給你的思考嗎？

高岱恒Sam：在達(dá)摩院的兩三年里，我們做了很多從技術(shù)到落地的嘗試。比如 2022 年虎年春晚，我和同事駐場(chǎng)開(kāi)發(fā)了一個(gè) 3D 小老虎數(shù)字人，登上了央視網(wǎng)絡(luò)春晚直播。后來(lái)又參與了冬奧會(huì)的 3D 數(shù)字人項(xiàng)目。 再后期，我轉(zhuǎn)向了基于擴(kuò)散模型的圖像生成，其中最成功的是虛擬試衣項(xiàng)目Outfit Anyone。這個(gè)項(xiàng)目目前每年能為阿里云創(chuàng)造一兩億元的營(yíng)收。

Jane： 你在達(dá)摩院期間，正好完整見(jiàn)證了 ChatGPT 爆發(fā)前后的行業(yè)巨變。當(dāng)時(shí)內(nèi)部的氛圍是怎樣的？我聽(tīng)阿里的朋友八卦過(guò)，早期大模型在國(guó)內(nèi)大廠內(nèi)部的地位似乎有些微妙。比如 21、22 年云棲大會(huì)時(shí)，楊紅霞老師原本好像不是講大模型的首選，是臨時(shí)頂上去的。我很客觀地好奇，你在內(nèi)部感受到的真實(shí)變化是什么？

高岱恒Sam：確實(shí)，不過(guò)首先要說(shuō)明的是，我們組和他們（楊紅霞老師團(tuán)隊(duì)）不在一個(gè)序列，他們更偏文本大模型。我是 2020 年進(jìn)公司的，像羅福莉、林俊旸這些后來(lái)在大模型領(lǐng)域很活躍的研究員，也都是 2020 年前后進(jìn)來(lái)的。我身邊有不少“阿里星”朋友，所以對(duì)當(dāng)時(shí)的情況比較了解。

其實(shí)關(guān)于大模型和人才的價(jià)值，今年扎克伯格的一些動(dòng)作算是把這件事徹底“敲死”了（蓋棺定論）。你看現(xiàn)在大廠愿意砸重金挖的人，大多是那些真正做出過(guò)核心技術(shù)的年輕人。

Jane： 確實(shí)，技術(shù)話語(yǔ)權(quán)正在回歸年輕人手中。

高岱恒Sam：沒(méi)錯(cuò)。我覺(jué)得這背后的邏輯很有意思——原本很多研究成果是分散在各個(gè)社區(qū)和論文里的，但現(xiàn)在大家開(kāi)始意識(shí)到，誰(shuí)能把這些分散的成果集合起來(lái)并實(shí)現(xiàn)突破，誰(shuí)才是核心。

Jane：我們回到達(dá)摩院的機(jī)制：當(dāng)時(shí)你們?nèi)绻幸粋€(gè) idea 要落地，內(nèi)部流程是怎么樣的？考核指標(biāo)是看論文，還是看業(yè)務(wù)價(jià)值？

高岱恒Sam：達(dá)摩院當(dāng)時(shí)的內(nèi)部流程非常“自下而上”。組長(zhǎng)通常只會(huì)劃定一個(gè)宏觀的研究方向，剩下的全靠我們自己去探索，管理上非常扁平，基本沒(méi)有什么細(xì)碎的約束。如果你需要資源——無(wú)論是算力、數(shù)據(jù)標(biāo)注還是實(shí)習(xí)生——都可以去申請(qǐng)調(diào)動(dòng)。

在 21、22 年那個(gè)階段，大家其實(shí)還在摸索期，不知道大模型的終局在哪，所以那時(shí)候“看論文、找靈感”是常態(tài)。

Jane：懂了。所以那時(shí)候并沒(méi)有那種“硬性發(fā)稿量”的 KPI 壓力，對(duì)吧？不像商湯早期會(huì)有非常明確的論文指標(biāo)。雖然大家都是研究型組織，但阿里的底色似乎更自由一些。

高岱恒Sam：是的，確實(shí)如此。這種自由度給了技術(shù)探索很大的空間。

Jane： 那你是什么時(shí)候正式萌生創(chuàng)業(yè)想法的？是做了那個(gè)開(kāi)源社區(qū)之后，就開(kāi)始覺(jué)得“我得出來(lái)闖闖，雖然方向還沒(méi)完全定死”？

高岱恒Sam：沒(méi)錯(cuò)，確實(shí)是那個(gè)階段開(kāi)始成型的。

Jane：那你當(dāng)時(shí)為什么決定離開(kāi)達(dá)摩院？是想先以開(kāi)源方向作為探索，還是有別的考量？而且你和合伙人后來(lái)碰撞出的這個(gè)產(chǎn)品形態(tài)，是誰(shuí)先提出的雛形？

高岱恒Sam：最開(kāi)始我們確實(shí)有過(guò)一些務(wù)虛的討論。我當(dāng)時(shí)堅(jiān)信一點(diǎn)：新一代的、尤其是吸引年輕人的職場(chǎng)社區(qū)，絕對(duì)不能再走“貼簡(jiǎn)歷、曬學(xué)歷”的老路了，得有點(diǎn)不一樣的玩法。但說(shuō)實(shí)話，那時(shí)候我倆討論了半天也沒(méi)理出個(gè)一二三來(lái)。

今年年初，我一直待在美國(guó)。當(dāng)時(shí)的思路比較簡(jiǎn)單：我先嘗試用 Cursor（AI 代碼編輯器）做點(diǎn) Vibe Coding，搞個(gè)好玩的小應(yīng)用投石問(wèn)路。這個(gè)應(yīng)用的核心邏輯很精準(zhǔn)：用戶輸入名字或谷歌學(xué)術(shù)（Google Scholar）鏈接。

我太了解這群搞研究的年輕人了——進(jìn)實(shí)驗(yàn)室的第一件事往往就是打開(kāi)谷歌學(xué)術(shù)，看自己的引用量漲沒(méi)漲。

Jane： 抓住了科研人的痛點(diǎn)。

高岱恒Sam：沒(méi)錯(cuò)。我做的功能就是：你把鏈接粘過(guò)來(lái)，AI 給你來(lái)個(gè)“辣評(píng)”。比如調(diào)侃你“一作數(shù)量不夠，還得努努力”，或者“怎么總是不發(fā)頂會(huì)”之類(lèi)的，主打一個(gè)幽默好玩。這個(gè)開(kāi)發(fā)成本極低，但上線后我們有兩個(gè)意想不到的發(fā)現(xiàn)：

第一，模型具備推理能力后，它能根據(jù)一個(gè)人的成就給出非常精準(zhǔn)且抽象的評(píng)價(jià)，甚至能把人“噴”得很到位。我發(fā)現(xiàn)大家竟然非常喜歡聽(tīng) AI 噴自己，那種“求挨罵”的心理很有趣，反而夸獎(jiǎng)大家覺(jué)得沒(méi)勁。

第二，這個(gè)小東西跑通后，我發(fā)現(xiàn)它能延展的空間異常廣闊。正是基于這個(gè)“辣評(píng)”工具的反饋，我們才開(kāi)始深度碰撞，最終打磨出了現(xiàn)在的產(chǎn)品形態(tài)。

Jane：明白，是從一個(gè)極小的正反饋里長(zhǎng)出來(lái)的。很有意思。

紅杉的人才招聘困境，讓Kelvin看到AI時(shí)代招聘的結(jié)構(gòu)性缺口

Aaron：Kelvin先簡(jiǎn)單介紹一下自己。

孫辰昕Kelvin：我的經(jīng)歷比較純粹，職業(yè)生涯一直深耕在 HR 和招聘領(lǐng)域。比較特別的轉(zhuǎn)折點(diǎn)是機(jī)緣巧合加入了紅杉資本，負(fù)責(zé)內(nèi)部投資人的招募，包括科技和消費(fèi)賽道的年輕人才。 從紅杉出來(lái)后，我嘗試過(guò)幾次創(chuàng)業(yè)。第一段創(chuàng)業(yè)其實(shí)和我們現(xiàn)在的業(yè)務(wù)邏輯很像：當(dāng)時(shí)正值小程序爆發(fā)，我敏銳地感覺(jué)到微信生態(tài)（朋友圈、群聊）的招聘效率正在超越獵聘、Boss 等傳統(tǒng)平臺(tái)，于是做了一個(gè)招聘小程序。

Aaron： 那次嘗試的結(jié)果如何？

孫辰昕Kelvin：比較戲劇性。產(chǎn)品上線一周，疫情就爆發(fā)了。雖然線上增長(zhǎng)非常驚人——B 端有上百家公司在群里自發(fā)擴(kuò)散，兩周內(nèi)就涌入了 10 萬(wàn)份簡(jiǎn)歷，但融資環(huán)境跌入冰點(diǎn)。當(dāng)時(shí)大家還不習(xí)慣線上會(huì)議，我連投資人的面都見(jiàn)不到。苦撐幾個(gè)月后，那次創(chuàng)業(yè)無(wú)疾而終，成了我很大的遺憾。之后我涉獵過(guò)跨境電商，但最終還是繞回了自己的“主賽道”。

Aaron： 很多人好奇，紅杉招募年輕投資人的標(biāo)準(zhǔn)到底是什么？

孫辰昕Kelvin：要求每年都在變，但核心邏輯只有一句話：“同齡人中的絕對(duì)佼佼者”。這聽(tīng)起來(lái)抽象，但反饋到感官上就是：一個(gè) 25 歲的人，一眼看去就要?dú)鈭?chǎng)不同。我們不限背景，記者、產(chǎn)品經(jīng)理、程序員都可以。只要你具備極強(qiáng)的深度思考能力和自驅(qū)力，能明顯拉開(kāi)與同齡人的差距，就是我們要找的畫(huà)像。

Aaron： 站在 HR 的視角，消費(fèi)或科技公司招人的核心難點(diǎn)在哪里？

孫辰昕Kelvin：幫 Portfolio（被投企業(yè)）招人，最大的難點(diǎn)其實(shí)是“沒(méi)名氣”。不管背后站著紅杉還是高瓴，大多數(shù)候選人根本不知道這些公司是做什么的。品牌認(rèn)知度低，是招聘中最大的障礙。

相比之下，To C 公司就好招得多，因?yàn)樗麄兲焯齑驈V告。我印象很深，比如給拼多多介紹人就非常順暢，因?yàn)榇蠼中∠锒际悄鞘紫茨X魔曲。上市前全上海鋪天蓋地都是拼多多的廣告，知名度在那擺著。但 To B 領(lǐng)域，甚至是一些大家聞所未聞的前沿方向，想要實(shí)現(xiàn)人才突破極其困難，因?yàn)橥饨绺緵](méi)人知道它。

Aaron： 從產(chǎn)生需求到最后發(fā)出 Offer，大概需要經(jīng)過(guò)多少環(huán)節(jié)，耗時(shí)多久？

孫辰昕Kelvin：常規(guī)來(lái)說(shuō)，首先是全渠道搜索：線上平臺(tái)掃一圈，從國(guó)內(nèi)外的招聘網(wǎng)站到發(fā)朋友圈、群聊動(dòng)用人脈，甚至去聯(lián)系那些“認(rèn)識(shí)目標(biāo)人才”的人，尋找關(guān)鍵的流量節(jié)點(diǎn)；奢侈一點(diǎn)的就找獵頭。總之，所有渠道都會(huì)試一遍。

大概一到兩周時(shí)間，能篩掉不合適的人，沉淀出三到五個(gè)畫(huà)像（Profile）完整、且聊下來(lái)意愿度（Motivation）不錯(cuò)的候選人。到這一步兩周就過(guò)去了。接著安排面試、談 Offer，順利的話也得一兩個(gè)月才能敲定。再加上入職準(zhǔn)備期，可能又是三四個(gè)月。也就是說(shuō)，招一個(gè)難搞的崗位，即便在順利的情況下也要花掉一個(gè)季度；而很多崗位甚至是“無(wú)解”的，永遠(yuǎn)也招不上來(lái)。

Aaron： 從你的專(zhuān)業(yè)角度出發(fā)，你會(huì)怎么用一句話來(lái)描述 DINQ 的業(yè)務(wù)？它究竟是一個(gè)什么樣的產(chǎn)品？

孫辰昕Kelvin：如果拋開(kāi) AI 的技術(shù)外殼，我認(rèn)為它是所有 AI 從業(yè)者最高效表達(dá)自己的工具。你看我們的個(gè)人主頁(yè)，其實(shí)就是一種高效率的自我表達(dá)方式。

從招聘方的角度看，我們的搜索引擎是更高效率的人才搜索引擎。它基本上能直接替代我剛才說(shuō)的前兩個(gè)步驟，幫招聘從業(yè)者至少節(jié)約兩周的盲找時(shí)間。

Aaron： 你是什么時(shí)候意識(shí)到，在 AI 這個(gè)新賽道里，傳統(tǒng)的投遞簡(jiǎn)歷、領(lǐng)英 Profile 以及傳統(tǒng)招聘流程已經(jīng)失效，需要被顛覆了？

孫辰昕Kelvin：雖然這幾年我沒(méi)直接做招聘，但我身上一直貼著“能幫人招人”的標(biāo)簽。身邊一些 AI 賽道的新興創(chuàng)業(yè)者還是會(huì)找我問(wèn)：Kelvin，能不能幫我介紹幾個(gè)厲害的算法工程師或全棧開(kāi)發(fā)？

在那一刻我發(fā)現(xiàn)自己“失靈”了。以前通過(guò)一度、二度人脈介紹人才很容易，但 AI 這波浪潮興起后，我發(fā)現(xiàn)圈子里的人我一個(gè)都不認(rèn)識(shí)。這讓我感到很焦慮：雖然我不直接干這行了，但我不想失去這個(gè)專(zhuān)業(yè)標(biāo)簽。

我意識(shí)到出現(xiàn)了一波全新的人群。我認(rèn)識(shí)很多傳統(tǒng)領(lǐng)域的 CTO，但他們不涉及這個(gè)領(lǐng)域，也弄不懂這套邏輯。現(xiàn)在已經(jīng)不是那種“只要給 200 萬(wàn)年薪，找個(gè)傳統(tǒng) CTO 就能解決 AI 技術(shù)攻關(guān)”的時(shí)代了。像 Sam 這樣的人才，以及市面上很多頂尖的年輕人，他們游離在傳統(tǒng)視野之外，我們甚至不知道他們?cè)谀睦铮@就是我當(dāng)時(shí)的困境。

Aaron： 為了解決這個(gè)困境，你做了哪些嘗試？

孫辰昕Kelvin：我開(kāi)始研究他們究竟出現(xiàn)在哪里。我也去請(qǐng)教大模型公司的 HR 朋友：你們到底去哪找人？結(jié)果發(fā)現(xiàn)他們居然要去 GitHub、谷歌學(xué)術(shù)（Google Scholar）里人肉搜索，在領(lǐng)英上反而很難找到人。即便找到了，還得去個(gè)人主頁(yè)翻聯(lián)系方式發(fā)郵件。業(yè)內(nèi)推薦效率也低，雖然能解決一點(diǎn)問(wèn)題，但總之都是在通過(guò)“非傳統(tǒng)渠道”找人。于是我也學(xué)著這套路子去找。

Aaron： 所以可以理解為，正是因?yàn)槟阌X(jué)得原有的找人方式太低效，才想到要做現(xiàn)在這個(gè)產(chǎn)品？

孫辰昕Kelvin：是的。但坦白說(shuō)，這個(gè)產(chǎn)品不是我“做”出來(lái)的，是 Sam 做出來(lái)的，是他讓我意識(shí)到“原來(lái)這個(gè)問(wèn)題可以這樣被解決”。在這方面我是后知后覺(jué)的。

Aaron： 你們兩位最初是怎么結(jié)識(shí)的？

孫辰昕Kelvin：說(shuō)來(lái)也很簡(jiǎn)單。當(dāng)時(shí)有位朋友委托我尋訪一個(gè)既懂交易（Trading）又懂 AI Agent 的跨界人才。我注意到一個(gè)非常有名的項(xiàng)目，就是 Sam 剛才提到的那個(gè) OS。我在 Paper（論文）上看到作者里有一個(gè)中國(guó)名字——“高岱恒”，于是就開(kāi)始動(dòng)用所有資源，尋找可能認(rèn)識(shí)他的人。后來(lái)通過(guò)一家投資機(jī)構(gòu)的投資人牽線，才正式結(jié)識(shí)了 Sam。這其實(shí)還是我的“老手段”——通過(guò)招聘積累下的深厚人脈。

Aaron： 當(dāng)時(shí)對(duì) Sam 的第一印象如何？后來(lái)產(chǎn)生了什么變化？又是什么契機(jī)讓你決定和他一起共事？

孫辰昕Kelvin：坦白說(shuō)，最初并沒(méi)有什么特別深刻的第一印象。那段時(shí)間我聯(lián)絡(luò)了很多類(lèi)似的技術(shù)大牛，基本就是例行公事的溝通：我手頭有個(gè)機(jī)會(huì)，你考不考慮？而他當(dāng)時(shí)理所當(dāng)然地拒絕了我。

起初，我對(duì)他個(gè)人以及 AI 領(lǐng)域的認(rèn)知都沒(méi)那么深。轉(zhuǎn)折點(diǎn)發(fā)生在后來(lái)，他萌生了做招聘產(chǎn)品的想法，發(fā)現(xiàn)我在這方面比較專(zhuān)業(yè)，便反過(guò)來(lái)找我進(jìn)行深入交流，我也才慢慢對(duì)他有了更清晰的認(rèn)知和感覺(jué)。早期我們一直是線上溝通，雖然沒(méi)見(jiàn)過(guò)面，但非常聊得來(lái)。

我發(fā)現(xiàn)他為了把事情做成，會(huì)展現(xiàn)出一種極廣泛的學(xué)習(xí)姿態(tài)。他聽(tīng)說(shuō)我懂招聘，就追著問(wèn)了許多非常硬核、細(xì)致的業(yè)務(wù)問(wèn)題。后來(lái)果不其然，我得知他是跨行自學(xué) AI 出身的。我認(rèn)為一個(gè)人的自學(xué)能力一旦足夠強(qiáng)，就會(huì)演變成一種底層習(xí)慣，從而在方方面面實(shí)現(xiàn)突破。所以我后面對(duì)他最核心的標(biāo)簽評(píng)價(jià)就是：擁有極強(qiáng)的自學(xué)能力。

高岱恒Sam：感謝 Kelvin 的肯定。當(dāng)時(shí)我的想法很簡(jiǎn)單：那個(gè)項(xiàng)目收尾后，我還想再探索些新東西。在盤(pán)點(diǎn)我們各自擅長(zhǎng)的領(lǐng)域和底層能力時(shí)，我發(fā)現(xiàn)我們對(duì)“人”的特質(zhì)、認(rèn)知以及流動(dòng)規(guī)律有著很深的理解。我就在想，能不能?chē)@“人”這個(gè)核心去做？

一旦確定了這個(gè)基點(diǎn)，最自然的延伸就是招聘領(lǐng)域，而且當(dāng)時(shí)市場(chǎng)的需求缺口確實(shí)巨大。基于這個(gè)初衷，我就向 Kelvin 多請(qǐng)教了一些。最開(kāi)始交流時(shí)我還在美國(guó)，Kelvin 分享了很多他對(duì)人力資源行業(yè)的深度認(rèn)知。隨著聊得越來(lái)越透，我們都覺(jué)得可以一起把這件事做大。

Aaron： 所以你們一開(kāi)始就對(duì)大方向達(dá)成了共識(shí)，而具體的產(chǎn)品形態(tài)是你們兩人不斷“碰撞”出來(lái)的？

高岱恒Sam：是的。關(guān)于產(chǎn)品形態(tài)，我現(xiàn)在不敢用“收斂”這個(gè)詞，因?yàn)槲艺J(rèn)為在目前的 AI 階段，沒(méi)有任何一家企業(yè)能宣稱(chēng)自己的平臺(tái)產(chǎn)品已經(jīng)完全定型了。如果技術(shù)和模式真的已經(jīng)“收斂”，大家也就不需要花費(fèi)數(shù)億年薪去爭(zhēng)搶那些頂尖的華人研究員了。

在行業(yè)尚未定型的背景下，我們實(shí)現(xiàn)了階段性的形態(tài)共識(shí)：我們認(rèn)為目前的模式更符合年輕人的直覺(jué)。至于它是怎么演化出來(lái)的？其實(shí)沒(méi)有捷徑，就是因?yàn)槲覀兣c年輕人、與目標(biāo)用戶群體的接觸最緊密、最頻繁，所以我們最清楚他們真正喜歡的是什么。

楊建朝 vs. 周暢

產(chǎn)品拆解：DINQ如何用Agent推理終結(jié)AI人才的搜尋困境？

Aaron： 傳統(tǒng)招聘核心是關(guān)鍵詞匹配，DINQ 的人才評(píng)估體系有哪些維度？與傳統(tǒng)框架相比，本質(zhì)區(qū)別在哪？

高岱恒Sam：從技術(shù)角度看，我們正處在一個(gè)“解構(gòu)與重組（Remix & Decouple）”的時(shí)代，信息復(fù)雜度呈幾何倍數(shù)增長(zhǎng)。這導(dǎo)致了一個(gè)典型矛盾：一個(gè)候選人的核心標(biāo)簽可能是“R2”或“拉網(wǎng)”這種模型，但 HR 的查詢(xún)?cè)~可能是“圖像大模型”或“視頻生成”。在領(lǐng)英這種 Lexical Search（關(guān)鍵詞匹配）模式下，只要詞對(duì)不上，這個(gè)人可能一輩子都搜不出來(lái)。

而且我們調(diào)研了 OpenAI 一千多名研究員，發(fā)現(xiàn)超過(guò)一半的人根本不維護(hù)領(lǐng)英，甚至沒(méi)有賬號(hào)。技術(shù)大牛的信息往往散落在官網(wǎng)博客或二開(kāi)的論文里，B 端找人極難。

Aaron： 所以你們的解法是？

高岱恒Sam：既然渠道如此碎片化——他可能在 Hugging Face 攢了個(gè)項(xiàng)目，在 Twitter 發(fā)了技術(shù)解讀，在 arXiv 發(fā)了文章，又在小紅書(shū)發(fā)了頂會(huì) Poster 合照。我們決定放棄以“領(lǐng)英 Profile”為核心的路線，轉(zhuǎn)而構(gòu)建一套以Agent 調(diào)用為主的系統(tǒng)。我們提前對(duì)頂會(huì)、AI 公司做大量數(shù)據(jù)預(yù)處理和 Embedding（向量化），當(dāng)用戶查詢(xún)時(shí)，Agent 會(huì)實(shí)時(shí)調(diào)取全網(wǎng)信息進(jìn)行 Reasoning（推理）。

例如，Sora 2 的一作華人叫李流年（Harold），你問(wèn)傳統(tǒng)的通用大模型或 Agent 平臺(tái)，基本搜不出來(lái)，因?yàn)閿?shù)據(jù)沒(méi)對(duì)齊。但我們的系統(tǒng)能根據(jù)他的論文、GitHub 和社交媒體動(dòng)態(tài)，把他精準(zhǔn)抓取出來(lái)。

Aaron： 我想深入聊聊“碎片化”的問(wèn)題。傳統(tǒng)招聘極度依賴(lài)領(lǐng)英（LinkedIn），但 AI 研究員和工程師的信息往往分散在 Google Scholar、GitHub 等平臺(tái)。你能舉個(gè)具體例子，說(shuō)明這種碎片化嚴(yán)重到什么程度嗎？

孫辰昕Kelvin：現(xiàn)在的痛點(diǎn)在于，當(dāng) HR 拿到需求時(shí)，業(yè)務(wù)方對(duì)年輕算法研究員的要求已經(jīng)具體到了極端，比如要解決“視頻生成中的人物一致性”這種極其細(xì)分的命題。HR 面臨的最大問(wèn)題是：根本不知道這群人在哪。

我們的工具允許 HR 把手中掌握的碎片化信息全部丟進(jìn)來(lái)，先解決“從 0 到 1”的突破。在過(guò)去，僅靠只言片語(yǔ)去領(lǐng)英搜，大概率一個(gè)都搜不出來(lái)，因?yàn)闆](méi)人會(huì)把具體的科研成果放在領(lǐng)英上。這是領(lǐng)英最大的硬傷——上面往往只有學(xué)校背景，信息密度太低。

如果你只是要招“清華北大”的學(xué)生，領(lǐng)英尚可應(yīng)付；但如果你要找能解決某個(gè)具體技術(shù)難題的人，目前行業(yè)內(nèi)的技術(shù)叫法甚至都沒(méi)統(tǒng)一，領(lǐng)英肯定搜不到，Boss 直聘或獵聘更是不可能——目標(biāo)人群壓根不會(huì)去那些地方求職。這在以前幾乎是“無(wú)解”的。

傳統(tǒng)的笨辦法是去打聽(tīng)、去硬啃論文，但要求 HR 去讀論文既不現(xiàn)實(shí)，也不是他們?cè)摳傻氖隆Ｗ罱K只能靠口口相傳的打聽(tīng)或內(nèi)推，效率極低。

Aaron： 如果我是 Meta 的 HR，想招一名 AI Scientist，在 DINQ 上的典型流程是怎樣的？

高岱恒Sam：我們提供三種模式：

第一，你明確有需求，直接一段話丟過(guò)來(lái)，比如“我要在 NeurIPS 2025 的 oral 里找做某方向的人，最好有美國(guó)工作簽證”。

第二，你已經(jīng)有 JD（比如在 Greenhouse 這類(lèi)平臺(tái)上），把 JD 扔過(guò)來(lái)就行，系統(tǒng)幫你找人。

第三，你已經(jīng)有一個(gè)人，比如 A 很合適但不來(lái)、或 A 是你員工，你可以問(wèn)“給我找一個(gè)類(lèi)似 A 的人”，比如還在讀博、或者積極看機(jī)會(huì)。也可以問(wèn)“找從字節(jié)跳動(dòng)出來(lái)的 95 后，在某方向有建樹(shù)、可能看機(jī)會(huì)的”，甚至“去 SCI 找這樣的”。都可以。

孫辰昕 Kelvin：我補(bǔ)充一下。過(guò)去找人如果是標(biāo)準(zhǔn)流程，專(zhuān)業(yè) HR 或最貴的獵頭公司會(huì)先做廣泛 sourcing，做完組成 100 人的 long list。然后聯(lián)系、排除，主要確認(rèn)兩件事：能力和意愿。兩者都符合才推進(jìn)。之后形成 short list 給 hiring manager（基金合伙人、CTO 等）。

我們現(xiàn)在相當(dāng)于一步直接出 short list，因?yàn)榍懊娴娜W(wǎng) sourcing 基本由 agent 做了，不需要人再花時(shí)間。產(chǎn)出就是 short list。然后人就應(yīng)該去做自己最擅長(zhǎng)的事：直接溝通、說(shuō)服對(duì)方。

Aaron： 我發(fā)現(xiàn)你們有個(gè)給候選人“開(kāi)身價(jià)（Package）”的功能，甚至吸引了斯坦福、伯克利、紐約大學(xué)的很多教授主動(dòng)體驗(yàn)，這是怎么生成的？我自己給姚順雨測(cè)了一下，他是 1000 萬(wàn)美金的Package。

高岱恒Sam：我們利用 Level.fyi 等公開(kāi)數(shù)據(jù)，對(duì)人才的職級(jí)和身價(jià)做了一個(gè)打分模型。原本是做著好玩的，沒(méi)做嚴(yán)謹(jǐn)調(diào)校，沒(méi)想到反響遠(yuǎn)超預(yù)期。姚舜宇被測(cè)出 1000 萬(wàn)美金的身價(jià)，其實(shí)還挺準(zhǔn)的。

Aaron： 這個(gè) AI 機(jī)器人具體是如何分層分析的？

高岱恒Sam：用戶注冊(cè)后，我們會(huì)將其簡(jiǎn)歷、社交媒體向量化。當(dāng)你搜索時(shí)，系統(tǒng)會(huì)做意圖識(shí)別。比如你搜“頂會(huì)”，我們會(huì)自動(dòng)映射到最近的 CVPR 或 NeurIPS。如果你找 00 后，Agent 會(huì)全網(wǎng)搜集信息進(jìn)行推理判斷。對(duì)于幾百人規(guī)模的論文作者列表，人肉篩選是不可能的，但 Agent 能瞬間根據(jù)重要性分級(jí)。

Aaron：那你們會(huì)不會(huì)有偏差，比如有些博士生做了重要工作但沒(méi)發(fā)出來(lái)，你們有沒(méi)有機(jī)制校正這種偏差？

高岱恒Sam：問(wèn)得特別好。這個(gè)我們后面會(huì)根據(jù)用戶問(wèn)題去 index arXiv 的內(nèi)容，但目前階段還沒(méi)有做到。

Aaron： 目前 B 端用戶的反饋如何？

高岱恒Sam：Meta 負(fù)責(zé)高管搜尋（Executive Search）的團(tuán)隊(duì)已經(jīng)在用了，還有一些海外 AI 公司也在共建，他們需要極其立體的參考系。

孫辰昕Kelvin：國(guó)內(nèi)像 Flow、月之暗面、智譜、愛(ài)詩(shī)科技（PixVerse）等團(tuán)隊(duì)都在低調(diào)試用。反饋?zhàn)疃嗟囊粋€(gè)詞是“神奇”。 以前 HR 接到一個(gè)模糊的需求，那是極大的內(nèi)耗；現(xiàn)在輸入需求，出來(lái)的候選人瞬間讓畫(huà)像變得具象化。HR 會(huì)驚呼：“原來(lái)這類(lèi)人就是我要找的！”這種從模糊到清晰的飛躍，比單純找到人更有價(jià)值。

Aaron： 現(xiàn)在的客戶更傾向于招募有大廠經(jīng)驗(yàn)的資深科學(xué)家，還是更看重博士階段剛畢業(yè)的新秀？

孫辰昕Kelvin：兩種需求都有，但目前偏向后者的更多。一方面，資深科學(xué)家非常昂貴；另一方面，那些處于“水面上”的名人，HR 基本也都認(rèn)識(shí)。不過(guò)即便是面對(duì)熟人，我們的工具依然有價(jià)值：常有 HR 反饋，搜出來(lái)后才驚覺(jué)，“這人我加過(guò)微信，但早忘了”。畢竟人腦很難記住微信里那 5000 個(gè)人。

Jane：這是否意味著在 AI 時(shí)代，招聘需求本身——尤其是高端人才的需求——發(fā)生了劇變，導(dǎo)致公司 HR 的原有認(rèn)知已經(jīng)無(wú)法覆蓋當(dāng)下的技術(shù)邊界了？

孫辰昕Kelvin：沒(méi)錯(cuò)。你可以看看字節(jié)跳動(dòng)是怎么調(diào)整的：他們抽調(diào)了很多本身做算法、做產(chǎn)品、但可能在技術(shù)上沒(méi)那么“頂尖”的員工去全職做招聘。因?yàn)檫@些人懂業(yè)務(wù)、懂技術(shù)，更容易找到對(duì)的人。

從目前的反饋看，字節(jié) Seed 和 Flow 團(tuán)隊(duì)的這種嘗試非常奏效。他們的高端招聘（高招）團(tuán)隊(duì)里有大量的人此前完全沒(méi)有招聘經(jīng)驗(yàn)，全是從業(yè)務(wù)線轉(zhuǎn)崗過(guò)來(lái)的。

但目前也只有大廠能用這么奢侈的方式去解決。對(duì)于大多數(shù)公司來(lái)說(shuō)，能招到這樣的人干本行就不錯(cuò)了，哪舍得讓他們?nèi)プ稣衅福窟@種“拿牛刀殺雞”的模式缺乏普遍意義。

Jane： 我記得以前認(rèn)識(shí)一些獵頭，大公司如果想在北美找科學(xué)家，只能找那種深耕當(dāng)?shù)亍⒄J(rèn)識(shí)很多科學(xué)家的獵頭。即便如此，人才畫(huà)像依然不明確，只能挨個(gè)拉人見(jiàn)面。整個(gè)過(guò)程極難標(biāo)準(zhǔn)化，本質(zhì)上就是“廣撒網(wǎng)”。在需求端，這里的變化確實(shí)是最大的。

孫辰昕Kelvin：是的，事實(shí)就是如此。

這段對(duì)話涉及了產(chǎn)品的核心技術(shù)壁壘與用戶體驗(yàn)細(xì)節(jié)。在不刪減任何內(nèi)容的前提下，我主要優(yōu)化了表達(dá)的連貫性，將口語(yǔ)中的零碎詞匯轉(zhuǎn)化為更具專(zhuān)業(yè)感的敘述，并強(qiáng)化了 Sam 邏輯中的技術(shù)高度。

Aaron： 我再深度理解一下：你們的產(chǎn)品是否會(huì)具體去閱讀 Paper（論文），以此來(lái)識(shí)別內(nèi)容并匹配崗位？你們對(duì)人才畫(huà)像的標(biāo)簽（Tag）能精準(zhǔn)到什么程度？

高岱恒Sam：這種需求會(huì)自動(dòng)觸發(fā)多個(gè)維度的匹配：首先是公開(kāi)成果，比如像 Sora 2 這種有商業(yè)影響力的非開(kāi)源成果；其次是 Hugging Face 上的熱門(mén)項(xiàng)目或高點(diǎn)贊成果；再往下就是那些處于“水下”的貢獻(xiàn)者，比如中山大學(xué)、蘇州大學(xué)等高校發(fā)表的論文。

目前為了兼顧效率，我們主要通過(guò)閱讀摘要來(lái)實(shí)現(xiàn)精準(zhǔn)匹配。如果進(jìn)行全文解析，Token 的消耗會(huì)極大，單人的處理成本也會(huì)隨之飆升，所以暫時(shí)沒(méi)有上線全文讀取功能。

Aaron： 你們目前接入了多少個(gè)數(shù)據(jù)源？

高岱恒Sam：大約二三十個(gè)。Google Scholar、Medium、Twitter 等主流平臺(tái)都有覆蓋。arXiv 雖然還沒(méi)正式接入，但在計(jì)劃中。

Aaron： 頂會(huì)數(shù)據(jù)也做了預(yù)處理嗎？

高岱恒Sam：頂會(huì)數(shù)據(jù)我們會(huì)提前處理。因?yàn)轫敃?huì)發(fā)榜通常是一次性的，能直接獲取當(dāng)年的會(huì)議名單和作者名錄。

Aaron： 從技術(shù)層面看，最難的環(huán)節(jié)在哪里？是數(shù)據(jù)抓取、清洗對(duì)齊，還是隱私風(fēng)控？

高岱恒Sam：細(xì)節(jié)非常多，談不上“最難”，因?yàn)槿魏苇h(huán)節(jié)沒(méi)做好都會(huì)變成短板。我總結(jié)了三個(gè)代表性的挑戰(zhàn)：

1.消除歧義（Disambiguation）：這在學(xué)術(shù)檢索領(lǐng)域是經(jīng)典難題。現(xiàn)在重名的人太多了，如何確保不發(fā)生錯(cuò)誤關(guān)聯(lián)至關(guān)重要；一旦關(guān)聯(lián)錯(cuò)誤導(dǎo)致推錯(cuò)人，用戶體驗(yàn)會(huì)非常糟糕。

2.時(shí)效性：比如你想找的一位作者已經(jīng)從 OpenAI 跳槽去了 Meta，但系統(tǒng)還顯示他在舊東家，這就是時(shí)效性問(wèn)題。如何動(dòng)態(tài)地更新數(shù)據(jù)庫(kù)并實(shí)時(shí)同步信息？傳統(tǒng)平臺(tái)最大的痛點(diǎn)就是扛不住被動(dòng)更新帶來(lái)的成本。

3.Agent 路徑選擇：根據(jù)用戶需求，系統(tǒng)需要判斷去哪里找、路徑怎么縮到最短、向下鉆取多深。這涉及深度優(yōu)先與廣度優(yōu)先的交叉博弈。在這個(gè)過(guò)程中，我們持續(xù)對(duì)模型的閱讀理解（Read）能力進(jìn)行升級(jí)。

Aaron： 針對(duì)第一點(diǎn)，能用更通俗的例子解釋嗎？比如區(qū)分兩個(gè)同名的Yao Shunyu，他們的英文名也一致。

高岱恒Sam：區(qū)分的標(biāo)準(zhǔn)主要有幾個(gè)維度：Google Scholar ID 的唯一性、照片的差異、教育背景以及職業(yè)發(fā)展軌跡（Career Trajectory）的不同。結(jié)合這些維度，就能精準(zhǔn)拆開(kāi)。

Aaron： 第二點(diǎn)關(guān)于更新，傳統(tǒng)做法是持續(xù) Follow 對(duì)方動(dòng)態(tài)，你們是如何捕捉實(shí)時(shí)更新的？

高岱恒Sam：核心前提是互聯(lián)網(wǎng)上必須存在相關(guān)信息。這群技術(shù)人才很少使用領(lǐng)英，更多是維護(hù)個(gè)人主頁(yè)。但個(gè)人主頁(yè)極其分散，像 GitHub 獨(dú)立站這類(lèi)，如果你不知道具體路徑就根本找不到。我們的優(yōu)勢(shì)在于知道他們?cè)谀睦铮㈩A(yù)先對(duì)數(shù)據(jù)做了一層緩存，從復(fù)雜的獨(dú)立站中高效提取信息。

Aaron： 在實(shí)際運(yùn)行中，有沒(méi)有遇到過(guò)比較 Tricky 或意想不到的案例？

高岱恒Sam：有。前兩天我給朋友演示，問(wèn)系統(tǒng)：“這位朋友的合作者中，哪些人可能在看機(jī)會(huì)？”結(jié)果反饋非常精準(zhǔn)，而這位朋友本身是一位資深大學(xué)教授。還有一個(gè)我和蘇建林（蘇神）的案例：我想看我和他的合作關(guān)系有幾度。雖然我們沒(méi)直接合作過(guò)，系統(tǒng)卻能通過(guò)中間人順藤摸瓜找到關(guān)聯(lián)。

這說(shuō)明了一個(gè)本質(zhì)：當(dāng)模型的智能化程度夠高、推理能力夠強(qiáng)、子頁(yè)面爬取能力足夠好時(shí)，“更少的結(jié)構(gòu)化（Less Structure）”反而能帶來(lái)“更多的智能（More Intelligence）”。你可以更信任模型本身的判斷。

Aaron： 如果候選人沒(méi)有更新個(gè)人主頁(yè)，但在新發(fā)表的 Paper 里備注了新機(jī)構(gòu)或新公司，你們能捕捉到嗎？

高岱恒Sam：可以。我們做的是全網(wǎng)信息聚合。即便本人沒(méi)更新主頁(yè)，我們也能通過(guò)他最新的學(xué)術(shù)軌跡捕捉到他的新動(dòng)向。

Jane： 媒體新聞?lì)惖膱?bào)道會(huì)作為你們的信息源嗎？

高岱恒Sam：中心化媒體的信息往往存在滯后。目前我們更有效的信源是社交媒體，時(shí)效性更快。大型中心化媒體中，只有極少數(shù)會(huì)成為我們的輔助參考。

Aaron： 數(shù)據(jù)中不可避免涉及隱私，你們?nèi)绾谓缍男?shù)據(jù)可用于評(píng)估，哪些不能觸碰？

高岱恒Sam：我們對(duì)隱私信息有嚴(yán)格界定。電話、微信號(hào)屬于“侵入式”聯(lián)系方式，我們通常不提供。郵件相對(duì)屬于非侵入式。實(shí)際上，個(gè)人主頁(yè)上也很少有人留私人電話或微信，我們使用的絕大部分是公開(kāi)可查的信息。

Aaron： 如果有人不希望在平臺(tái)上被搜到，你們?cè)趺刺幚恚?/b>

高岱恒Sam：只要有正式的申訴請(qǐng)求（Inquiry），我們就會(huì)把他的信息徹底從系統(tǒng)中刪除，確保不再出現(xiàn)。

Aaron： 使用 DINQ，你最喜歡的功能是什么？

高岱恒Sam：我最喜歡的是Network。當(dāng)你查到一個(gè)人時(shí)，不只能看到他本人，還能看到與他合作最緊密的六個(gè)合作者。你可以點(diǎn)擊進(jìn)入任何一個(gè)節(jié)點(diǎn)，再次看到以此人為核心的社交網(wǎng)絡(luò)。這意味著你可以通過(guò)一個(gè)點(diǎn)，順藤摸瓜地拉出一整套人才線索——包括論文合作、GitHub 貢獻(xiàn)、同公司小組關(guān)系等。它把找人從“單點(diǎn)搜索”變成了“網(wǎng)絡(luò)拓展”，在平臺(tái)上操作非常絲滑，點(diǎn)一下就能看到全貌。

Aaron： 我自己試用下來(lái)，覺(jué)得 Compare/PK（對(duì)比）功能也很有意思。

高岱恒Sam：沒(méi)錯(cuò)。PK 功能最開(kāi)始做得比較抽象，像《拳皇》紅藍(lán)對(duì)打一樣。后來(lái)有朋友反饋，學(xué)術(shù)和開(kāi)源圈的人未必覺(jué)得“Star 數(shù)少或引用低”就代表弱，大家會(huì)開(kāi)玩笑說(shuō)“你這純屬靠歲數(shù)大、不講武德”。所以我們現(xiàn)在的 PK 界面做得勢(shì)均力敵。這個(gè)功能的初衷是讓用戶在尋找人才的嚴(yán)肅過(guò)程中多一點(diǎn)趣味性，沒(méi)有太功利的目的。

李飛飛 vs. Jia Deng

市場(chǎng)與商業(yè)背后，AI招聘的效率戰(zhàn)與價(jià)值戰(zhàn)

Aaron： 從市場(chǎng)角度看，你們的產(chǎn)品與傳統(tǒng)獵頭之間是什么關(guān)系？是相互替代還是彼此輔助？

孫辰昕Kelvin：短期內(nèi)肯定是輔助關(guān)系。我們幫助招聘方大幅節(jié)約“搜尋（Sourcing）”環(huán)節(jié)的時(shí)間，但后續(xù)的深度溝通和說(shuō)服工作依然需要人來(lái)完成。企業(yè)的選擇邏輯很簡(jiǎn)單：有預(yù)算就外包給獵頭，沒(méi)預(yù)算就用工具自己做；遇到敏感崗位也會(huì)傾向于親力親為。目前我們扮演的是高效工具的角色。

長(zhǎng)期來(lái)看，DINQ 會(huì)擠壓掉那些水平較低的獵頭。所謂“水平低”，是指在面對(duì) AI 產(chǎn)品時(shí)連 Prompt（提示詞）都不會(huì)寫(xiě)的人。我這兩天調(diào)研發(fā)現(xiàn)，真有獵頭連第一句需求都憋不出來(lái)，這類(lèi)人在未來(lái)會(huì)非常危險(xiǎn)。

Aaron： 能展開(kāi)說(shuō)說(shuō)具體的成本賬嗎？獵頭怎么收費(fèi)，你們的商業(yè)模式又是如何交織的？

孫辰昕Kelvin：以全球視野來(lái)看，頂級(jí)獵頭的收費(fèi)通常是候選人年薪的 20%–30%。如果招募一個(gè)年薪 100 萬(wàn)美金的高管，中介費(fèi)就高達(dá) 20–30 萬(wàn)美金。國(guó)內(nèi)稍微低一點(diǎn)，但也普遍在 20%–25%。

我們的定價(jià)策略尚未最終敲定，但初步設(shè)想是每月一兩百到兩三百美金。即便是每天“卷到死”地在平臺(tái)上找人，一整年的成本也遠(yuǎn)比請(qǐng)一次獵頭便宜。這筆賬，企業(yè)主一眼就能算清。

Aaron： 你們目前是將自己定位為“超級(jí) AI 招聘助手”，還是未來(lái)的“AI 獵頭”？

孫辰昕Kelvin：其實(shí)都不是。我認(rèn)為 DINQ 是一個(gè)AI-Native 的人與人職場(chǎng)社交平臺(tái)。招聘只是職業(yè)社交的一種表現(xiàn)形式，此外還有找合作者、找客戶、找技術(shù)交流等海量需求。比如賣(mài) API 的小公司需要找開(kāi)發(fā)者客戶，做 AI 動(dòng)效的設(shè)計(jì)師需要互相切磋。我們的視野絕不局限于招聘。

我們的定位與早期的領(lǐng)英（LinkedIn）類(lèi)似：更高效地展示自我，更高效地連接他人。至于連接后的行為是招募還是聊天，平臺(tái)都能承載。

高岱恒Sam：補(bǔ)充一點(diǎn)，我們的思路是打造一個(gè)面向所有 AI 人才的平臺(tái)。ai-native 人才的定義是：用 AI 技術(shù)把自己的生產(chǎn)效率提升一個(gè)數(shù)量級(jí)。現(xiàn)在提升最多的是搞算法和開(kāi)發(fā)的人，因?yàn)樗麄兊纳a(chǎn)力工具成熟；設(shè)計(jì)師工具也開(kāi)始走向千家百戶。未來(lái)會(huì)有更多行業(yè)被改造，產(chǎn)生專(zhuān)用工具與工作模式。

這個(gè)時(shí)代去中心化，利好超級(jí)個(gè)體，但個(gè)體需要渠道去鏈接更好的機(jī)會(huì)和人。我們就是提供更好的鏈接與觸達(dá)。未來(lái)機(jī)會(huì)很多時(shí)候不是“人看到轉(zhuǎn)發(fā)給朋友”，而是 agent 自動(dòng)去各類(lèi)機(jī)會(huì)平臺(tái)分析，這一定會(huì)發(fā)生。它需要一個(gè)基礎(chǔ)載體。

所以我們讓 C 端上傳多種社交媒體來(lái)體現(xiàn)全面性：過(guò)去簡(jiǎn)歷是給人看；AI 時(shí)代是給 AI 和人一起評(píng)價(jià)，主觀性、豐富性、不可被定義程度，都能通過(guò)照片、視頻、社交媒體體現(xiàn)。隨著模型對(duì)多模態(tài)理解提升，對(duì)人的刻畫(huà)會(huì)更立體。

從 2010 年微博、Twitter 把人打成 human-readable label，到今天用連續(xù)的 embedding 去勾勒人。未來(lái)個(gè)人發(fā)展的可能性、能力邊界某種程度也能被預(yù)測(cè)與規(guī)劃。這是平臺(tái)最大價(jià)值。day one 我們用核心技術(shù)吸引用戶，目前核心是匹配引擎，用引擎把人吸引上來(lái)。

孫辰昕Kelvin：前陣子我們做了一次小規(guī)模投放測(cè)試，結(jié)果完全超出預(yù)期。

首先，職業(yè)廣泛性極高。入駐的不僅有宜家（IKEA）的首席科學(xué)家、Capital One 的首席 AI 工程師，還有很多意想不到的個(gè)體。比如一位埃及女孩，她在 Twitter 上通過(guò) AI 動(dòng)效交付客戶；甚至還有一位填著“足球教練”標(biāo)簽的埃及用戶，點(diǎn)進(jìn)去發(fā)現(xiàn)他是利用 AI 進(jìn)行數(shù)據(jù)訓(xùn)練分析的教練。

其次，地域分布極廣。雖然只是微調(diào)投放，但除了南北極，全世界的“邊邊角角”都有用戶。從非洲的埃及到中東、印度，再到丹麥、意大利，全世界都在為 AI “上頭”。這遠(yuǎn)超我們最初認(rèn)為只局限在“灣區(qū)+海淀”的預(yù)期。

Aaron： 未來(lái)的商業(yè)模式是按 Credits（積分）、訂閱制，還是按結(jié)果付費(fèi)？

孫辰昕Kelvin：初步計(jì)劃以搜索 Credits 計(jì)費(fèi)，保持簡(jiǎn)單。C 端暫時(shí)免費(fèi)，我們想等用戶規(guī)模上來(lái)后，觀察其行為和剛需點(diǎn)再定。B 端則采用類(lèi)似 Agent 工具公司的模式，按 Credits 銷(xiāo)售。

Jane：有考慮過(guò)將 C 端做成社區(qū)型產(chǎn)品嗎？

高岱恒Sam：產(chǎn)品形態(tài)本身就能承載社區(qū)功能。你可以把它理解為具有聊天功能的“AI 版 Linktree”。雖然現(xiàn)在還沒(méi)開(kāi)放用戶發(fā)布日常動(dòng)態(tài)，因?yàn)樾缕脚_(tái)初期這類(lèi)內(nèi)容的粘性不足。

Jane： 如果向投資人呈現(xiàn)AI招聘市場(chǎng)的TAM，你們會(huì)如何描述？

孫辰昕Kelvin：以前我們以為 AI 強(qiáng)相關(guān)從業(yè)者只有百萬(wàn)級(jí)，現(xiàn)在發(fā)現(xiàn)AI Users（AI 使用者）才是更大的基本盤(pán)，全球范圍已過(guò)億。他們同樣需要在全球范圍內(nèi)尋找合作與機(jī)會(huì)。平臺(tái)如果能讓這種極低概率的鏈接變得容易，空間是無(wú)窮的。

高岱恒Sam：平臺(tái)的核心價(jià)值在于利用 AI 智能服務(wù)好用戶。我們會(huì)很快過(guò)渡到推薦模式：隨著我們?cè)絹?lái)越了解用戶，推薦會(huì)越來(lái)越精準(zhǔn)。未來(lái)，用戶在這里不僅能找合作者，還能找導(dǎo)師、找伴侶。

Jane：它是更長(zhǎng)期的事情。短期 TOB，但長(zhǎng)期天花板更高、更適應(yīng)現(xiàn)在。

孫辰昕Kelvin：對(duì)。而且我們真實(shí)業(yè)務(wù)也沒(méi)那么 TOB/TOC，因?yàn)槊總€(gè) B 也是一個(gè) C 在工作，本質(zhì)是一個(gè)真人在用，無(wú)非在工作場(chǎng)景用得更多。

高岱恒Sam：我再往高提一點(diǎn)：平臺(tái)核心價(jià)值在于 AI 能幫助服務(wù)好用戶。傳統(tǒng)平臺(tái)是供給方與用戶共同創(chuàng)造價(jià)值；但今天像 ChatGPT，一個(gè)對(duì)話框也能成為平臺(tái)，因?yàn)榇竽Ｐ捅旧硖峁┲悄芊?wù)。我們也一樣：只要平臺(tái)智能足夠高、能解決足夠多問(wèn)題，你就是一個(gè)輸入框，用戶也會(huì)來(lái)用。

我們會(huì)很快過(guò)渡到推薦模式。最開(kāi)始我不了解用戶問(wèn)題，上來(lái)就推人是瞎推。隨著我們?cè)絹?lái)越了解用戶，站內(nèi)站外用戶交錯(cuò)，推薦會(huì)越來(lái)越好、越來(lái)越準(zhǔn)。

未來(lái)用戶不只是找合作者，還找導(dǎo)師、找伴侶。過(guò)去沒(méi) AI 能力做不到最理性權(quán)衡：把所有可能適合你的導(dǎo)師都過(guò)一遍并評(píng)估，但信息占有與處理效率太低。今天有引擎就可能做到。我們上線版本會(huì)有功能叫 find my adviser；找對(duì)象也是同樣邏輯。

孫辰昕Kelvin：這不是開(kāi)玩笑。大量人談戀愛(ài)結(jié)婚就是在工作場(chǎng)景認(rèn)識(shí)的，是很真實(shí)的需求。也有人在領(lǐng)英上找對(duì)象。只要做得夠大，時(shí)間一到，它必然會(huì)出現(xiàn)。

Jane： 這確實(shí)很吸引投資機(jī)構(gòu)。比如紅杉這種鼓勵(lì)內(nèi)部創(chuàng)業(yè)的機(jī)構(gòu)，如果能通過(guò)平臺(tái)點(diǎn)對(duì)點(diǎn)地直接聯(lián)系到核心人才，需求會(huì)非常大。

孫辰昕Kelvin：Exactly，是的。

Jane： 傳統(tǒng)領(lǐng)英團(tuán)隊(duì)如果要復(fù)現(xiàn)你們的數(shù)據(jù)源和架構(gòu)，門(mén)檻高嗎？

高岱恒Sam：從架構(gòu)上看，我們的異步搜索架構(gòu)具備很強(qiáng)的競(jìng)爭(zhēng)力。如果開(kāi)源，拿 1 萬(wàn)顆星不難。

復(fù)現(xiàn)一個(gè)版本可能只需要牛人花五個(gè)小時(shí)，但真正的壁壘在于錯(cuò)誤判斷、路徑選擇以及長(zhǎng)期的參數(shù)調(diào)優(yōu)。因?yàn)樵?AI 領(lǐng)域沒(méi)有標(biāo)準(zhǔn)答案，不懂業(yè)務(wù)邏輯的話，調(diào)優(yōu)的過(guò)程會(huì)極其漫長(zhǎng)。

Aaron： 近期大廠搶人非常兇猛，騰訊雙倍薪資挖人，阿里內(nèi)部也在發(fā)力。你們?cè)趺纯次磥?lái)兩到三年的 AI 招聘市場(chǎng)？

高岱恒Sam：一個(gè)明顯的趨勢(shì)是：除了塔尖的頂級(jí)人才外，中腰部人才的缺口其實(shí)更多。Indeed 首席經(jīng)濟(jì)學(xué)家的數(shù)據(jù)顯示，美國(guó)目前缺口達(dá) 200 萬(wàn)，重點(diǎn)在于 AI 應(yīng)用層的人才，平均年薪 20.6 萬(wàn)美元。

外界總在關(guān)注扎克伯格或張一鳴在挖誰(shuí)，那些確實(shí)貴，但人數(shù)極少。更龐大的群體是那些開(kāi)源貢獻(xiàn)者、小論文作者，以及小公司里成果卓越的年輕人，他們的流動(dòng)率更高。我們的核心策略和優(yōu)勢(shì)在于：我們已經(jīng)掌握了最頂尖的那波人，所以可以實(shí)現(xiàn)“從高往低”的降維打擊。

Jane： 你們測(cè)算過(guò)，全球范圍內(nèi)大廠重金爭(zhēng)奪的這波頂尖人才大概有多少人？

高岱恒Sam：全球大概在 10 萬(wàn)到 30 萬(wàn)這個(gè)量級(jí)。而且人才版圖正在飛速擴(kuò)張：五年前主要是 CV（計(jì)算機(jī)視覺(jué)）和 NLP（自然語(yǔ)言處理），現(xiàn)在新增了具身智能、AI Agent、RAG、向量數(shù)據(jù)庫(kù)等諸多領(lǐng)域，崗位呈非線性增長(zhǎng)。

Jane： 五到十年后，你們希望 DINQ 扮演什么角色？

高岱恒Sam：我希望五年后，每一位 AI 從業(yè)者都擁有一張DINQ Card，上面集成了他所有的技術(shù)渠道和社交標(biāo)簽。他在平臺(tái)上不僅能找到機(jī)會(huì)，更能認(rèn)識(shí)圈外的朋友，甚至找到志同道合的伴侶。我希望五年后的用戶規(guī)模能達(dá)到 1000 萬(wàn)。

團(tuán)隊(duì)、文化與「AI-native公司」的組織設(shè)計(jì)

Jane： 你們團(tuán)隊(duì)目前規(guī)模如何？

高岱恒Sam：目前全職共 8 個(gè)人。

Jane： 你們有用自己的產(chǎn)品招人嗎？

孫辰昕Kelvin：最近開(kāi)始用了。我跟技術(shù)負(fù)責(zé)人開(kāi)玩笑說(shuō)，我最大的愿望是明年能用 DINQ 招到全量人才。因?yàn)樽畛跛殉鰜?lái)的人才級(jí)別太高，我們 offer 不起（笑）。

但令我驚喜的是，我們已經(jīng)開(kāi)始挖掘出一些“水下”的寶藏。我最近聊的一位增長(zhǎng)負(fù)責(zé)人，就是從 DINQ 上發(fā)現(xiàn)并聯(lián)系上的，這兩天剛加了微信準(zhǔn)備深入交流。能從平臺(tái)上找到志同道合的人，這完全超出了我的預(yù)期。

高岱恒Sam：搜索體驗(yàn)非常直覺(jué)。比如你想找“在某某公司有過(guò) GTM（去市場(chǎng)）經(jīng)驗(yàn)”的人，一兩句話就能出結(jié)果。

Jane： 只需要一兩句話？

高岱恒Sam：對(duì)。用戶不需要像寫(xiě)傳統(tǒng) JD 那樣進(jìn)行復(fù)雜的心理建設(shè)。在 DINQ，你可以沒(méi)有心理負(fù)擔(dān)，想到什么就問(wèn)什么。

孫辰昕Kelvin：以前寫(xiě) JD 很難，因?yàn)橐筇咔倚枨竽：Ｓ梦覀兊墓ぞ撸憧梢韵容斎胍粋€(gè)大概的方向跑一跑。如果出來(lái)的人不對(duì)，你可以通過(guò)多輪對(duì)話不斷調(diào)優(yōu)：比如“要更年輕一點(diǎn)”、“要更偏水下一點(diǎn)”。通過(guò)這種多輪 Narrow Down（縮小范圍），最后鎖定幾個(gè)目標(biāo)直接聯(lián)系。

Jane： 你們團(tuán)隊(duì)文化的關(guān)鍵詞是什么？這種文化如何映射到產(chǎn)品邏輯上？

孫辰昕Kelvin：我覺(jué)得用“純粹”這個(gè)詞更貼切。

高岱恒Sam：沒(méi)錯(cuò)，純粹。我們這里沒(méi)有亂七八糟的雜事，大家就像進(jìn)工作室畫(huà)畫(huà)一樣，沒(méi)有死板的固定工時(shí)。這種純粹也體現(xiàn)在產(chǎn)品取舍上。比如評(píng)估身價(jià)的邏輯完全是我拍板定的；我們的搜索功能大方地展示 Network 和 Profile，而不是像某些產(chǎn)品那樣把候選人 Mask（掩蓋）掉逼用戶付錢(qián)。那種把人當(dāng)資產(chǎn)、想方設(shè)法“加氣”的行為太小氣了。

我們追求的是 AI 時(shí)代的“全鏈路通暢（Fully Differentiable）”。當(dāng)未來(lái)用戶規(guī)模達(dá)到幾十萬(wàn)，你搜到人可以直接站內(nèi)聯(lián)系。

Jane： 你們的產(chǎn)品版式設(shè)計(jì)非常簡(jiǎn)潔且高級(jí)。

高岱恒Sam：這跟我學(xué)建筑的經(jīng)歷有關(guān)，我們對(duì)審美有品位。由于之前做過(guò) AI 項(xiàng)目，我們知道用戶偏好什么樣的視覺(jué)體驗(yàn)。

Jane： 最后一個(gè)問(wèn)題：對(duì)于現(xiàn)在年輕的 AI 學(xué)生或工程師，為了更有效地被大廠或同好發(fā)現(xiàn)，你們有什么建議？

高岱恒Sam：只有一句話：Building in Public。多寫(xiě)博客、文章、代碼，分享你的觀點(diǎn)。我印象最深的是蘇建林（蘇神），他從初高中就開(kāi)始寫(xiě)博客，堅(jiān)持了十幾年，才成為今天大家眼里的“蘇神”。他的技術(shù)成了大模型的標(biāo)準(zhǔn)實(shí)踐。你要堅(jiān)持得足夠久，才會(huì)有好的結(jié)果。不要執(zhí)著于在公司做那些所謂的“保密大事”，真正好的東西一定要拿出來(lái)經(jīng)受批判和評(píng)價(jià)。

孫辰昕Kelvin：現(xiàn)在國(guó)內(nèi)的變化也很快。小紅書(shū)上有很多科研人在分享日常、作品和會(huì)議，把“科研人生”寫(xiě)活了。大家發(fā)現(xiàn)這些研究員也是有血有肉的小帥哥小美女，也養(yǎng)貓養(yǎng)狗。這些原來(lái)在水面之下的人，正通過(guò)社交媒體走到光亮處。

Jane： 確實(shí)，在小紅書(shū)上能看到像沈清紅老師這樣以前很少出現(xiàn)在社交媒體的技術(shù)大牛。那我們的今天的訪談就到此為止，謝謝兩位的時(shí)間。

歡迎掃碼加群參與討論

我們相信認(rèn)知能夠跨越階層，

致力于為年輕人提供高質(zhì)量的科技和財(cái)經(jīng)內(nèi)容。

稿件經(jīng)采用可獲邀進(jìn)入Z Finance內(nèi)部社群，優(yōu)秀者將成為簽約作者，00后更有機(jī)會(huì)成為Z Finance的早期共創(chuàng)成員。

我們正在招募新一期的實(shí)習(xí)生