在 AI 圈，如果你还没被 DINQ “羞辱”过，那你可能还没真正入圈。这个产品的走红方式极其“离谱”：它不仅能给人才开出令人心动的 Offer，还自带一个毒舌属性爆表的 “AI 辣评” 功能。只要你敢把 GitHub 链接或谷歌学术主页丢进去，AI 就会化身嘴臭面试官，对着你的引用量和代码贡献精准开炮。调侃学术泰斗 Jitendra Malik。“凭借 185 的 H 指数和超过 25 万次的引用，Jitendra 已经达到了学术成名的顶峰——他基本上是每个计算机视觉博士生文献综述里的‘终极 BOSS’。我甚至怀疑他现在根本不需要投稿了，他只要在 GPU 旁边打个喷嚏，那儿就能自动蹦出一篇年度最高引论文。”搞笑归搞笑，也有诸多大佬在内测阶段便加入了 DINQ，不乏 OpenAI 的各类研究员。甚至还有不少大佬在 X 上主动安利 DINQ。但玩梗背后，DINQ 正在干一件挺严肃的事。在创始人 Sam 和 Kelvin 看来，领英这种靠关键词匹配的搜索模式，在 AI 时代已经“老掉牙”了。真正的 AI 大神往往是“隐形”的：他们不投简历，不混职场社交，他们的灵魂散落在 arXiv 的论文里、Hugging Face 的项目里，甚至 Twitter 的深夜吐槽里。DINQ 的逻辑是：既然你不出面，我就用 AI Agent 像侦探一样去“人肉”你。它不再是生硬的查户口，而是具备了理解技术边界的能力。哪怕 HR 的需求模糊到“找个能解决视频生成人物一致性的年轻人”，Agent 也能瞬间从全网碎片的痕迹中，揪出那个从未出现在人才市场上的“水下”天才。在这场近两万字的深度对话中，他们聊的不只是如何帮大厂挖人，而是如何通过“Less Structure, More Intelligence”的技术哲学，为全球上千万 AI 开发者打造一张通往未来的DINQ Card。一个建筑系研究生的激进转型，靠自学敲开达摩院的大门Jane：先用一句话简单介绍一下你自己和公司。高岱恒 Sam：DINQ 是一个面向 AI 开发者、研究员与创造者的人才智能平台。我们通过自动化分析个人的真实成就与影响力，帮助他们更高效地被世界级机会发现与连接。至于我个人，我是第一个通过开源贡献进入阿里达摩院（后来通义实验室）的算法工程师。Jane：我看你的履历，最初好像并不是计算机专业？你是从什么时候决定转轨的？毕竟你后来的职业生涯几乎都是围绕这个核心展开的。高岱恒 Sam：对，我本科其实是学建筑的。真正意识到并主动转向计算机是在 2017 年。当时有一个非常明确的时代背景——国内正处在第一波比较狂热的 AI 创业浪潮中，一方面机会非常集中，另一方面互联网上可获取的学习资源也第一次变得足够丰富，这让“非科班转入 AI”在现实中变得可能。但对我个人来说，更本质的原因并不是“追风口”，而是我在原来的发展路径上已经明显感受到走不太通了。当时我在北京工业大学读研究生，如果继续沿着那条路走，想在北京找到一份月薪一万左右的工作都非常困难，而且往往伴随着强度极高、长期不可持续的加班。同时，那个阶段我也已经能接触到一些行业内部的判断，很多人都在讨论：当时的发展结构其实并不健康，尤其是房地产相关的长期预期并不乐观。在这样的背景下，我开始比较早地问自己一个问题：如果这条路注定会“GG”，我是不是应该主动跳出来？所以最终，我是把对时代趋势的判断和对自身处境的反思结合在一起，做了一个相对激进但理性的选择——开始系统性地在互联网上自学 AI 和计算机相关的课程，这也成为我后面所有事情的起点。Jane：转型计算机领域，你当时的切入点是什么？高岱恒 Sam：主要是通过吴恩达老师的公开课进行系统性学习。我觉得这个行业本质上也没有教科书，大家都是在基于现有资料去学习的这么一个过程。所以在这个行业里，你的出身和背景没那么重要，反而是你对这个领域的兴趣更重要一点。Jane：聊聊你职业生涯中那个非常受认可的项目吧，就是你在阿里达摩院期间做的那个？不过我想确认下，去阿里是你决定深耕 AI 和算法领域的第几份工作？高岱恒 Sam：首先我纠正一下，这个项目不是我在阿里做的。阿里是我第二份工作。我讲一下脉络：我 2018 年毕业之后，其实毕业之前我就一直在做开源项目了。最开始做开源，是给像 TensorFlow 这样的深度学习框架写代码。但那个时候我发现一个问题：当我做这种偏底层的东西时，其实很少有人能理解“这是你做的”或者“你具体做了什么”。在那个年代，这事很难被理解；但也有好处，比如因为我有这些贡献，所以当时像 OneFlow 袁进辉老师他们这种做深度学习框架的国内团队就会知道。因为那时候能在 TensorFlow 和 PyTorch 上有超过十个 PR、并且在大陆工作的，其实不太多。然后我就在想一个问题：我能不能做一些不那么底层、所见即所得的东西，让人一看就知道这是干什么的，我也不需要费心解释。因为我过去有相当于艺术方面的背景，所以我就想说，做图像或者视频方向可能更容易让别人理解我在做什么。所以毕业之后，我最开始去了一家小公司。在公司工作之余，我基本每天都在做开源项目——DeepFaceLab 也是在那个阶段搞的。Jane： 这个项目后来反馈极好。当时是你一个人单打独斗，还是有团队一起？高岱恒 Sam：其实是一个跨国开源协作项目。我记得当年的影响力排名，它好像仅次于 TensorFlow 排在第二。Jane： 这么高影响力的项目，当时没想过投顶会论文吗？高岱恒 Sam：投过，但被拒了。原因是内容在当时极具争议和敏感性，学术界不敢冒这个风险。后来我也没再纠结，直接挂在 arXiv 上公开发表了。Jane： 这个项目的正反馈，是不是坚定你后来选择达摩院的信心？当时为什么没考虑 Meta 或者字节这种大厂？高岱恒 Sam：核心原因在于达摩院能让我继续深钻视频方向。当时 Meta 给的 Offer 是“红组（Red Team）”，主要负责防御性内容审核，每天要处理大量负面视听素材，我觉得对身心健康不是很好。而当时的字节更多是音视频编解码方向，跟我垂直的研究领域相关度不高。Jane：达摩院确实更偏前沿技术研发。你在那里做了不少数字人的项目，能分享下那段经历和它带给你的思考吗？高岱恒 Sam：在达摩院的两三年里，我们做了很多从技术到落地的尝试。比如 2022 年虎年春晚，我和同事驻场开发了一个 3D 小老虎数字人，登上了央视网络春晚直播。后来又参与了冬奥会的 3D 数字人项目。 再后期，我转向了基于扩散模型的图像生成，其中最成功的是虚拟试衣项目Outfit Anyone。这个项目目前每年能为阿里云创造一两亿元的营收。Jane： 你在达摩院期间，正好完整见证了 ChatGPT 爆发前后的行业巨变。当时内部的氛围是怎样的？我听阿里的朋友八卦过，早期大模型在国内大厂内部的地位似乎有些微妙。比如 21、22 年云栖大会时，杨红霞老师原本好像不是讲大模型的首选，是临时顶上去的。我很客观地好奇，你在内部感受到的真实变化是什么？高岱恒 Sam：确实，不过首先要说明的是，我们组和他们（杨红霞老师团队）不在一个序列，他们更偏文本大模型。我是 2020 年进公司的，像罗福莉、林俊旸这些后来在大模型领域很活跃的研究员，也都是 2020 年前后进来的。我身边有不少“阿里星”朋友，所以对当时的情况比较了解。其实关于大模型和人才的价值，今年扎克伯格的一些动作算是把这件事彻底“敲死”了（盖棺定论）。你看现在大厂愿意砸重金挖的人，大多是那些真正做出过核心技术的年轻人。Jane： 确实，技术话语权正在回归年轻人手中。高岱恒 Sam：没错。我觉得这背后的逻辑很有意思——原本很多研究成果是分散在各个社区和论文里的，但现在大家开始意识到，谁能把这些分散的成果集合起来并实现突破，谁才是核心。Jane：我们回到达摩院的机制：当时你们如果有一个 idea 要落地，内部流程是怎么样的？考核指标是看论文，还是看业务价值？高岱恒 Sam：达摩院当时的内部流程非常“自下而上”。组长通常只会划定一个宏观的研究方向，剩下的全靠我们自己去探索，管理上非常扁平，基本没有什么细碎的约束。如果你需要资源——无论是算力、数据标注还是实习生——都可以去申请调动。在 21、22 年那个阶段，大家其实还在摸索期，不知道大模型的终局在哪，所以那时候“看论文、找灵感”是常态。Jane：懂了。所以那时候并没有那种“硬性发稿量”的 KPI 压力，对吧？不像商汤早期会有非常明确的论文指标。虽然大家都是研究型组织，但阿里的底色似乎更自由一些。高岱恒 Sam：是的，确实如此。这种自由度给了技术探索很大的空间。Jane： 那你是什么时候正式萌生创业想法的？是做了那个开源社区之后，就开始觉得“我得出来闯闯，虽然方向还没完全定死”？高岱恒 Sam：没错，确实是那个阶段开始成型的。Jane：那你当时为什么决定离开达摩院？是想先以开源方向作为探索，还是有别的考量？而且你和合伙人后来碰撞出的这个产品形态，是谁先提出的雏形？高岱恒 Sam：最开始我们确实有过一些务虚的讨论。我当时坚信一点：新一代的、尤其是吸引年轻人的职场社区，绝对不能再走“贴简历、晒学历”的老路了，得有点不一样的玩法。但说实话，那时候我俩讨论了半天也没理出个一二三来。今年年初，我一直待在美国。当时的思路比较简单：我先尝试用 Cursor（AI 代码编辑器）做点 Vibe Coding，搞个好玩的小应用投石问路。这个应用的核心逻辑很精准：用户输入名字或谷歌学术（Google Scholar）链接。我太了解这群搞研究的年轻人了——进实验室的第一件事往往就是打开谷歌学术，看自己的引用量涨没涨。Jane： 抓住了科研人的痛点。高岱恒 Sam：没错。我做的功能就是：你把链接粘过来，AI 给你来个“辣评”。比如调侃你“一作数量不够，还得努努力”，或者“怎么总是不发顶会”之类的，主打一个幽默好玩。这个开发成本极低，但上线后我们有两个意想不到的发现：第一，模型具备推理能力后，它能根据一个人的成就给出非常精准且抽象的评价，甚至能把人“喷”得很到位。我发现大家竟然非常喜欢听 AI 喷自己，那种“求挨骂”的心理很有趣，反而夸奖大家觉得没劲。第二，这个小东西跑通后，我发现它能延展的空间异常广阔。正是基于这个“辣评”工具的反馈，我们才开始深度碰撞，最终打磨出了现在的产品形态。Jane：明白，是从一个极小的正反馈里长出来的。很有意思。红杉的人才招聘困境，让 Kelvin 看到 AI 时代招聘的结构性缺口Aaron：Kelvin 先简单介绍一下自己。孙辰昕 Kelvin：我的经历比较纯粹，职业生涯一直深耕在 HR 和招聘领域。比较特别的转折点是机缘巧合加入了红杉资本，负责内部投资人的招募，包括科技和消费赛道的年轻人才。 从红杉出来后，我尝试过几次创业。第一段创业其实和我们现在的业务逻辑很像：当时正值小程序爆发，我敏锐地感觉到微信生态（朋友圈、群聊）的招聘效率正在超越猎聘、Boss 等传统平台，于是做了一个招聘小程序。Aaron： 那次尝试的结果如何？孙辰昕 Kelvin：比较戏剧性。产品上线一周，疫情就爆发了。虽然线上增长非常惊人——B 端有上百家公司在群里自发扩散，两周内就涌入了 10 万份简历，但融资环境跌入冰点。当时大家还不习惯线上会议，我连投资人的面都见不到。苦撑几个月后，那次创业无疾而终，成了我很大的遗憾。之后我涉猎过跨境电商，但最终还是绕回了自己的“主赛道”。Aaron： 很多人好奇，红杉招募年轻投资人的标准到底是什么？孙辰昕 Kelvin：要求每年都在变，但核心逻辑只有一句话：“同龄人中的绝对佼佼者”。这听起来抽象，但反馈到感官上就是：一个 25 岁的人，一眼看去就要气场不同。我们不限背景，记者、产品经理、程序员都可以。只要你具备极强的深度思考能力和自驱力，能明显拉开与同龄人的差距，就是我们要找的画像。Aaron： 站在 HR 的视角，消费或科技公司招人的核心难点在哪里？孙辰昕 Kelvin：帮 Portfolio（被投企业）招人，最大的难点其实是“没名气”。不管背后站着红杉还是高瓴，大多数候选人根本不知道这些公司是做什么的。品牌认知度低，是招聘中最大的障碍。相比之下，To C 公司就好招得多，因为他们天天打广告。我印象很深，比如给拼多多介绍人就非常顺畅，因为大街小巷都是那首洗脑魔曲。上市前全上海铺天盖地都是拼多多的广告，知名度在那摆着。但 To B 领域，甚至是一些大家闻所未闻的前沿方向，想要实现人才突破极其困难，因为外界根本没人知道它。Aaron： 从产生需求到最后发出 Offer，大概需要经过多少环节，耗时多久？孙辰昕 Kelvin：常规来说，首先是全渠道搜索：线上平台扫一圈，从国内外的招聘网站到发朋友圈、群聊动用人脉，甚至去联系那些“认识目标人才”的人，寻找关键的流量节点；奢侈一点的就找猎头。总之，所有渠道都会试一遍。大概一到两周时间，能筛掉不合适的人，沉淀出三到五个画像（Profile）完整、且聊下来意愿度（Motivation）不错的候选人。到这一步两周就过去了。接着安排面试、谈 Offer，顺利的话也得一两个月才能敲定。再加上入职准备期，可能又是三四个月。也就是说，招一个难搞的岗位，即便在顺利的情况下也要花掉一个季度；而很多岗位甚至是“无解”的，永远也招不上来。Aaron： 从你的专业角度出发，你会怎么用一句话来描述 DINQ 的业务？它究竟是一个什么样的产品？孙辰昕 Kelvin：如果抛开 AI 的技术外壳，我认为它是所有 AI 从业者最高效表达自己的工具。你看我们的个人主页，其实就是一种高效率的自我表达方式。从招聘方的角度看，我们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刚才说的前两个步骤，帮招聘从业者至少节约两周的盲找时间。Aaron： 你是什么时候意识到，在 AI 这个新赛道里，传统的投递简历、领英 Profile 以及传统招聘流程已经失效，需要被颠覆了？孙辰昕 Kelvin：虽然这几年我没直接做招聘，但我身上一直贴着“能帮人招人”的标签。身边一些 AI 赛道的新兴创业者还是会找我问：Kelvin，能不能帮我介绍几个厉害的算法工程师或全栈开发？在那一刻我发现自己“失灵”了。以前通过一度、二度人脉介绍人才很容易，但 AI 这波浪潮兴起后，我发现圈子里的人我一个都不认识。这让我感到很焦虑：虽然我不直接干这行了，但我不想失去这个专业标签。我意识到出现了一波全新的人群。我认识很多传统领域的 CTO，但他们不涉及这个领域，也弄不懂这套逻辑。现在已经不是那种“只要给 200 万年薪，找个传统 CTO 就能解决 AI 技术攻关”的时代了。像 Sam 这样的人才，以及市面上很多顶尖的年轻人，他们游离在传统视野之外，我们甚至不知道他们在哪里，这就是我当时的困境。Aaron： 为了解决这个困境，你做了哪些尝试？孙辰昕 Kelvin：我开始研究他们究竟出现在哪里。我也去请教大模型公司的 HR 朋友：你们到底去哪找人？结果发现他们居然要去 GitHub、谷歌学术（Google Scholar）里人肉搜索，在领英上反而很难找到人。即便找到了，还得去个人主页翻联系方式发邮件。业内推荐效率也低，虽然能解决一点问题，但总之都是在通过“非传统渠道”找人。于是我也学着这套路子去找。Aaron： 所以可以理解为，正是因为你觉得原有的找人方式太低效，才想到要做现在这个产品？孙辰昕 Kelvin：是的。但坦白说，这个产品不是我“做”出来的，是 Sam 做出来的，是他让我意识到“原来这个问题可以这样被解决”。在这方面我是后知后觉的。Aaron： 你们两位最初是怎么结识的？孙辰昕 Kelvin：说来也很简单。当时有位朋友委托我寻访一个既懂交易（Trading）又懂 AI Agent 的跨界人才。我注意到一个非常有名的项目，就是 Sam 刚才提到的那个 OS。我在 Paper（论文）上看到作者里有一个中国名字——“高岱恒”，于是就开始动用所有资源，寻找可能认识他的人。后来通过一家投资机构的投资人牵线，才正式结识了 Sam。这其实还是我的“老手段”——通过招聘积累下的深厚人脉。Aaron： 当时对 Sam 的第一印象如何？后来产生了什么变化？又是什么契机让你决定和他一起共事？孙辰昕 Kelvin：坦白说，最初并没有什么特别深刻的第一印象。那段时间我联络了很多类似的技术大牛，基本就是例行公事的沟通：我手头有个机会，你考不考虑？而他当时理所当然地拒绝了我。起初，我对他个人以及 AI 领域的认知都没那么深。转折点发生在后来，他萌生了做招聘产品的想法，发现我在这方面比较专业，便反过来找我进行深入交流，我也才慢慢对他有了更清晰的认知和感觉。早期我们一直是线上沟通，虽然没见过面，但非常聊得来。我发现他为了把事情做成，会展现出一种极广泛的学习姿态。他听说我懂招聘，就追着问了许多非常硬核、细致的业务问题。后来果不其然，我得知他是跨行自学 AI 出身的。我认为一个人的自学能力一旦足够强，就会演变成一种底层习惯，从而在方方面面实现突破。所以我后面对他最核心的标签评价就是：拥有极强的自学能力。高岱恒 Sam：感谢 Kelvin 的肯定。当时我的想法很简单：那个项目收尾后，我还想再探索些新东西。在盘点我们各自擅长的领域和底层能力时，我发现我们对“人”的特质、认知以及流动规律有着很深的理解。我就在想，能不能围绕“人”这个核心去做？一旦确定了这个基点，最自然的延伸就是招聘领域，而且当时市场的需求缺口确实巨大。基于这个初衷，我就向 Kelvin 多请教了一些。最开始交流时我还在美国，Kelvin 分享了很多他对人力资源行业的深度认知。随着聊得越来越透，我们都觉得可以一起把这件事做大。Aaron： 所以你们一开始就对大方向达成了共识，而具体的产品形态是你们两人不断“碰撞”出来的？高岱恒 Sam：是的。关于产品形态，我现在不敢用“收敛”这个词，因为我认为在目前的 AI 阶段，没有任何一家企业能宣称自己的平台产品已经完全定型了。如果技术和模式真的已经“收敛”，大家也就不需要花费数亿年薪去争抢那些顶尖的华人研究员了。在行业尚未定型的背景下，我们实现了阶段性的形态共识：我们认为目前的模式更符合年轻人的直觉。至于它是怎么演化出来的？其实没有捷径，就是因为我们与年轻人、与目标用户群体的接触最紧密、最频繁，所以我们最清楚他们真正喜欢的是什么。李飞飞 vs. Jia Deng市场与商业背后，AI 招聘的效率战与价值战Aaron： 从市场角度看，你们的产品与传统猎头之间是什么关系？是相互替代还是彼此辅助？孙辰昕 Kelvin：短期内肯定是辅助关系。我们帮助招聘方大幅节约“搜寻（Sourcing）”环节的时间，但后续的深度沟通和说服工作依然需要人来完成。企业的选择逻辑很简单：有预算就外包给猎头，没预算就用工具自己做；遇到敏感岗位也会倾向于亲力亲为。目前我们扮演的是高效工具的角色。长期来看，DINQ 会挤压掉那些水平较低的猎头。所谓“水平低”，是指在面对 AI 产品时连 Prompt（提示词）都不会写的人。我这两天调研发现，真有猎头连第一句需求都憋不出来，这类人在未来会非常危险。Aaron： 能展开说说具体的成本账吗？猎头怎么收费，你们的商业模式又是如何交织的？孙辰昕 Kelvin：以全球视野来看，顶级猎头的收费通常是候选人年薪的 20%–30%。如果招募一个年薪 100 万美金的高管，中介费就高达 20–30 万美金。国内稍微低一点，但也普遍在 20%–25%。我们的定价策略尚未最终敲定，但初步设想是每月一两百到两三百美金。即便是每天“卷到死”地在平台上找人，一整年的成本也远比请一次猎头便宜。这笔账，企业主一眼就能算清。Aaron： 你们目前是将自己定位为“超级 AI 招聘助手”，还是未来的“AI 猎头”？孙辰昕 Kelvin：其实都不是。我认为 DINQ 是一个AI-Native 的人与人职场社交平台。招聘只是职业社交的一种表现形式，此外还有找合作者、找客户、找技术交流等海量需求。比如卖 API 的小公司需要找开发者客户，做 AI 动效的设计师需要互相切磋。我们的视野绝不局限于招聘。我们的定位与早期的领英（LinkedIn）类似：更高效地展示自我，更高效地连接他人。至于连接后的行为是招募还是聊天，平台都能承载。高岱恒 Sam：补充一点，我们的思路是打造一个面向所有 AI 人才的平台。ai-native 人才的定义是：用 AI 技术把自己的生产效率提升一个数量级。现在提升最多的是搞算法和开发的人，因为他们的生产力工具成熟；设计师工具也开始走向千家百户。未来会有更多行业被改造，产生专用工具与工作模式。这个时代去中心化，利好超级个体，但个体需要渠道去链接更好的机会和人。我们就是提供更好的链接与触达。未来机会很多时候不是“人看到转发给朋友”，而是 agent 自动去各类机会平台分析，这一定会发生。它需要一个基础载体。所以我们让 C 端上传多种社交媒体来体现全面性：过去简历是给人看；AI 时代是给 AI 和人一起评价，主观性、丰富性、不可被定义程度，都能通过照片、视频、社交媒体体现。随着模型对多模态理解提升，对人的刻画会更立体。从 2010 年微博、Twitter 把人打成 human-readable label，到今天用连续的 embedding 去勾勒人。未来个人发展的可能性、能力边界某种程度也能被预测与规划。这是平台最大价值。day one 我们用核心技术吸引用户，目前核心是匹配引擎，用引擎把人吸引上来。孙辰昕 Kelvin：前阵子我们做了一次小规模投放测试，结果完全超出预期。首先，职业广泛性极高。入驻的不仅有宜家（IKEA）的首席科学家、Capital One 的首席 AI 工程师，还有很多意想不到的个体。比如一位埃及女孩，她在 Twitter 上通过 AI 动效交付客户；甚至还有一位填着“足球教练”标签的埃及用户，点进去发现他是利用 AI 进行数据训练分析的教练。其次，地域分布极广。虽然只是微调投放，但除了南北极，全世界的“边边角角”都有用户。从非洲的埃及到中东、印度，再到丹麦、意大利，全世界都在为 AI “上头”。这远超我们最初认为只局限在“湾区+海淀”的预期。Aaron： 未来的商业模式是按 Credits（积分）、订阅制，还是按结果付费？孙辰昕 Kelvin：初步计划以搜索 Credits 计费，保持简单。C 端暂时免费，我们想等用户规模上来后，观察其行为和刚需点再定。B 端则采用类似 Agent 工具公司的模式，按 Credits 销售。Jane：有考虑过将 C 端做成社区型产品吗？高岱恒 Sam：产品形态本身就能承载社区功能。你可以把它理解为具有聊天功能的“AI 版 Linktree”。虽然现在还没开放用户发布日常动态，因为新平台初期这类内容的粘性不足。Jane： 如果向投资人呈现 AI 招聘市场的 TAM，你们会如何描述？孙辰昕 Kelvin：以前我们以为 AI 强相关从业者只有百万级，现在发现AI Users（AI 使用者）才是更大的基本盘，全球范围已过亿。他们同样需要在全球范围内寻找合作与机会。平台如果能让这种极低概率的链接变得容易，空间是无穷的。高岱恒 Sam：平台的核心价值在于利用 AI 智能服务好用户。我们会很快过渡到推荐模式：随着我们越来越了解用户，推荐会越来越精准。未来，用户在这里不仅能找合作者，还能找导师、找伴侣。Jane：它是更长期的事情。短期 TOB，但长期天花板更高、更适应现在。孙辰昕 Kelvin：对。而且我们真实业务也没那么 TOB/TOC，因为每个 B 也是一个 C 在工作，本质是一个真人在用，无非在工作场景用得更多。高岱恒 Sam：我再往高提一点：平台核心价值在于 AI 能帮助服务好用户。传统平台是供给方与用户共同创造价值；但今天像 ChatGPT，一个对话框也能成为平台，因为大模型本身提供智能服务。我们也一样：只要平台智能足够高、能解决足够多问题，你就是一个输入框，用户也会来用。我们会很快过渡到推荐模式。最开始我不了解用户问题，上来就推人是瞎推。随着我们越来越了解用户，站内站外用户交错，推荐会越来越好、越来越准。未来用户不只是找合作者，还找导师、找伴侣。过去没 AI 能力做不到最理性权衡：把所有可能适合你的导师都过一遍并评估，但信息占有与处理效率太低。今天有引擎就可能做到。我们上线版本会有功能叫 find my adviser；找对象也是同样逻辑。孙辰昕 Kelvin：这不是开玩笑。大量人谈恋爱结婚就是在工作场景认识的，是很真实的需求。也有人在领英上找对象。只要做得够大，时间一到，它必然会出现。Jane： 这确实很吸引投资机构。比如红杉这种鼓励内部创业的机构，如果能通过平台点对点地直接联系到核心人才，需求会非常大。孙辰昕 Kelvin：Exactly，是的。Jane： 传统领英团队如果要复现你们的数据源和架构，门槛高吗？高岱恒 Sam：从架构上看，我们的异步搜索架构具备很强的竞争力。如果开源，拿 1 万颗星不难。复现一个版本可能只需要牛人花五个小时，但真正的壁垒在于错误判断、路径选择以及长期的参数调优。因为在 AI 领域没有标准答案，不懂业务逻辑的话，调优的过程会极其漫长。Aaron： 近期大厂抢人非常凶猛，腾讯双倍薪资挖人，阿里内部也在发力。你们怎么看未来两到三年的 AI 招聘市场？高岱恒 Sam：一个明显的趋势是：除了塔尖的顶级人才外，中腰部人才的缺口其实更多。Indeed 首席经济学家的数据显示，美国目前缺口达 200 万，重点在于 AI 应用层的人才，平均年薪 20.6 万美元。外界总在关注扎克伯格或张一鸣在挖谁，那些确实贵，但人数极少。更庞大的群体是那些开源贡献者、小论文作者，以及小公司里成果卓越的年轻人，他们的流动率更高。我们的核心策略和优势在于：我们已经掌握了最顶尖的那波人，所以可以实现“从高往低”的降维打击。Jane： 你们测算过，全球范围内大厂重金争夺的这波顶尖人才大概有多少人？高岱恒 Sam：全球大概在 10 万到 30 万这个量级。而且人才版图正在飞速扩张：五年前主要是 CV（计算机视觉）和 NLP（自然语言处理），现在新增了具身智能、AI Agent、RAG、向量数据库等诸多领域，岗位呈非线性增长。Jane： 五到十年后，你们希望 DINQ 扮演什么角色？高岱恒 Sam：我希望五年后，每一位 AI 从业者都拥有一张DINQ Card，上面集成了他所有的技术渠道和社交标签。他在平台上不仅能找到机会，更能认识圈外的朋友，甚至找到志同道合的伴侣。我希望五年后的用户规模能达到 1000 万。团队、文化与「AI-native 公司」的组织设计Jane： 你们团队目前规模如何？高岱恒 Sam：目前全职共 8 个人。Jane： 你们有用自己的产品招人吗？孙辰昕 Kelvin：最近开始用了。我跟技术负责人开玩笑说，我最大的愿望是明年能用 DINQ 招到全量人才。因为最初搜出来的人才级别太高，我们 offer 不起（笑）。但令我惊喜的是，我们已经开始挖掘出一些“水下”的宝藏。我最近聊的一位增长负责人，就是从 DINQ 上发现并联系上的，这两天刚加了微信准备深入交流。能从平台上找到志同道合的人，这完全超出了我的预期。高岱恒 Sam：搜索体验非常直觉。比如你想找“在某某公司有过 GTM（去市场）经验”的人，一两句话就能出结果。Jane： 只需要一两句话？高岱恒 Sam：对。用户不需要像写传统 JD 那样进行复杂的心理建设。在 DINQ，你可以没有心理负担，想到什么就问什么。孙辰昕 Kelvin：以前写 JD 很难，因为要求太高且需求模糊。用我们的工具，你可以先输入一个大概的方向跑一跑。如果出来的人不对，你可以通过多轮对话不断调优：比如“要更年轻一点”、“要更偏水下一点”。通过这种多轮 Narrow Down（缩小范围），最后锁定几个目标直接联系。Jane： 你们团队文化的关键词是什么？这种文化如何映射到产品逻辑上？孙辰昕 Kelvin：我觉得用“纯粹”这个词更贴切。高岱恒 Sam：没错，纯粹。我们这里没有乱七八糟的杂事，大家就像进工作室画画一样，没有死板的固定工时。这种纯粹也体现在产品取舍上。比如评估身价的逻辑完全是我拍板定的；我们的搜索功能大方地展示 Network 和 Profile，而不是像某些产品那样把候选人 Mask（掩盖）掉逼用户付钱。那种把人当资产、想方设法“加气”的行为太小气了。我们追求的是 AI 时代的“全链路通畅（Fully Differentiable）”。当未来用户规模达到几十万，你搜到人可以直接站内联系。Jane： 你们的产品版式设计非常简洁且高级。高岱恒 Sam：这跟我学建筑的经历有关，我们对审美有品位。由于之前做过 AI 项目，我们知道用户偏好什么样的视觉体验。Jane： 最后一个问题：对于现在年轻的 AI 学生或工程师，为了更有效地被大厂或同好发现，你们有什么建议？高岱恒 Sam：只有一句话：Building in Public。多写博客、文章、代码，分享你的观点。我印象最深的是苏建林（苏神），他从初高中就开始写博客，坚持了十几年，才成为今天大家眼里的“苏神”。他的技术成了大模型的标准实践。你要坚持得足够久，才会有好的结果。不要执着于在公司做那些所谓的“保密大事”，真正好的东西一定要拿出来经受批判和评价。孙辰昕 Kelvin：现在国内的变化也很快。小红书上有很多科研人在分享日常、作品和会议，把“科研人生”写活了。大家发现这些研究员也是有血有肉的小帅哥小美女，也养猫养狗。这些原来在水面之下的人，正通过社交媒体走到光亮处。Jane： 确实，在小红书上能看到像沈清红老师这样以前很少出现在社交媒体的技术大牛。那我们的今天的访谈就到此为止，谢谢两位的时间。