2024年AI招聘新趋势：a16z领投的“无简历”招聘平台深度测评

5月6日，AI招聘领域的初创公司Ethos宣布完成了一笔引人注目的融资。这家公司成功筹集了2275万美元（约合软妹币1.55亿元）的A轮资金，由知名风投a16z领投，General Catalyst、XTX Markets、Evantic Capital和Common Magic等机构跟投。

无论是企业寻找专业顾问，还是招聘核心员工，很多人都经历过类似的困境：在LinkedIn或GLG这类平台上输入复杂需求，返回的搜索结果看似头衔匹配，但深入沟通后却发现完全不是那么回事。另一边，专家和求职者也常常感到无奈，简历明明通过了筛选，实际的工作要求却与自身能力南辕北辙。这种“浅层匹配”的局限，让不少真正合适的机会白白溜走。

问题的根源，或许在于传统专家网络（如GLG、Third Bridge、AlphaSights）的底层逻辑。这套依赖简历和职位头衔进行关键词匹配的模式，二十年来变化不大。其结果往往是，客户需要在粗糙的搜索结果里大海捞针。

Ethos试图从根本上重构这条链路。它的核心武器是一个AI语音智能体。这个智能体通过模拟面试，对专家进行一系列动态追问，目的不再是核对简历上的条目，而是深入挖掘那些简历无法承载的“隐性知识”：比如具体的亚专业方向、项目级的实操细节、以及跨领域的技能迁移能力。这些才是决定专家真正价值的颗粒度信息。

不仅如此，平台还会抓取专家的公开博客、学术论文乃至社交图谱作为补充，最终为每个人构建一份立体的、详细的技能档案。基于这份深度档案，Ethos再将专家与各类付费机会进行连接，包括专家咨询、市场调研、AI数据标注、咨询项目乃至全职工作。当然，这一模式能否大规模跑通并持续盈利，仍有待市场检验。

需要明确的是，Ethos的定位并非简单的简历优化。它更宏大的愿景，是帮助专家发现那些他们自己“从未考虑过的机会”。

平台的专家库也颇具特色，不仅涵盖了会计、金融、咨询、法律、科技、医疗等传统白领领域，还纳入了电工、管道工等技术工种。这些“手艺人”的实操技能和经验，在传统的简历体系里往往被严重低估。

据透露，目前每周有超过35000名专业人士加入Ethos平台，其中顶尖的专家通过平台项目，月收入可达10000美元。商业模式上，Ethos主要向企业端收取服务费，费率在项目金额的30%或以上，公司年化收入有望突破千万美元。虽然未公布具体客户名单，但其客户群已覆盖顶级对冲基金、私募股权机构、领先的基础AI实验室以及大型咨询公司。不过，平台具体的匹配成功率数据尚未公开。

赛道升温与核心差异

专家匹配并非一片蓝海，竞争正在加剧。Listen Labs和Outset等公司同样提供了AI语音面试功能，是Ethos的直接竞争者。

那么，Ethos的关键差异在哪里？传统平台的逻辑本质上是“被动搜索”：客户输入关键词，系统返回一个列表。而Ethos则试图实现“主动推送”：由AI深度理解专家的隐性能力后，主动将最合适的机会推送给最匹配的企业。这个从“人找机会”到“机会找人”的转变，构想很吸引人，但其推送的精准度目前还缺乏第三方数据的验证。

互补的创始团队

支撑这套差异化逻辑的，是一个背景高度互补的创始团队。

联合创始人兼CEO James Lo的职业生涯横跨了咨询、投资与创业。在麦肯锡担任战略顾问后，他加入软银愿景基金，亲身经历了WeWork上市风波后的危机处置、Arm与NVIDIA的并购拆分等重大事件，并参与了千亿美元级投资组合的运营管理。此后，他独立创业，完成了创作者经济平台Mana从零到一的搭建并成功退出。

联合创始人兼CTO Daniel J. Mankowitz则是技术领域的顶尖人物。他在Google DeepMind深耕超过六年，从实习生一路晋升至资深研究科学家。他主导的AlphaDev项目，利用强化学习发现了更快的排序算法，成果发表于《自然》杂志并已被集成到C++标准库中。同时，他也负责了Gemini大模型的RLHF（人类反馈强化学习）工作，以及MuZero算法在YouTube视频压缩中的实际应用。

一位深谙商业运作与危机处置，另一位则在强化学习的科研与产品化上有深厚积淀。两人于2023至2024年间联合创立Ethos，目前公司核心团队仅有8人。本轮融资将主要用于扩展AI智能体的能力、扩大全球专家网络，并深化与AI实验室及企业客户的合作。

前路的挑战

当然，前景光明，挑战也同样清晰。首要问题是如何确保平台专家的真实性。利用AI技术精准识别并防范“AI生成的假专家”，是守住平台口碑和技术信誉的双重考验。其次，在一个竞争日益激烈的市场中，如何持续吸引并留住最顶尖的那批专家，构建起坚固的护城河，将是Ethos面临的长期课题。