AI應(yīng)用風(fēng)向標(biāo)（公眾號：ZhidxcomAI）
編譯｜畢偉豪
編輯｜漠影

智東西5月7日消息，5月6日，主營AI招聘的初創(chuàng)公司Ethos宣布完成2275萬美元（約合人民幣1.55億元）的A輪融資，由a16z領(lǐng)投，General Catalyst、XTX Markets、Evantic Capital和Common Magic跟投。

很多企業(yè)在找專家提供專業(yè)建議以及招聘員工的時候，都經(jīng)歷過同一種挫敗：在LinkedIn或GLG中輸入一個復(fù)雜需求，得到的是一堆“頭銜匹配、聊完發(fā)現(xiàn)完全不對口”的專家名單。

而專家及求職者也會遇到“簡歷匹配上了，實際要求卻對不上。”的情況，且常常因為職位、需求與簡歷的淺層匹配限制而錯過合適的機會。

以GLG、Third Bridge、AlphaSights為代表的傳統(tǒng)專家網(wǎng)絡(luò)，其底層邏輯20年未變：專家提供簡歷、平臺靠職位頭銜進行匹配、客戶在粗糙的搜索結(jié)果中大海撈針。

Ethos重構(gòu)了這條鏈路。它用AI語音智能體進行面試，通過一系列有針對性的動態(tài)追問，捕捉專家在職位頭銜之外的知識顆粒度：包括亞專業(yè)方向、項目級實操經(jīng)驗、跨領(lǐng)域遷移能力等，這些都是傳統(tǒng)簡歷無法承載的信息。

同時，Ethos會抓取專家的公開博客、學(xué)術(shù)論文和社交圖譜作為補充，從而構(gòu)建每個人的詳細(xì)技能檔案。然后，該平臺將專家與付費機會聯(lián)系起來，例如專家咨詢、市場調(diào)研、人工智能數(shù)據(jù)標(biāo)注、咨詢和全職工作。但這一模式能否在更大規(guī)模上持續(xù)跑通，仍待觀察。

值得注意的是，Ethos 的定位不是幫人優(yōu)化求職簡歷，而是幫專家發(fā)現(xiàn)他們“從未考慮過的機會”。

此外，平臺上不僅聚集了會計、銀行、咨詢、法律、科技、醫(yī)療等白領(lǐng)專業(yè)人士，還包括電工、管道工等技術(shù)工種，這些人群的能力在傳統(tǒng)簡歷中同樣被嚴(yán)重低估。

Ethos透露，每周有超過35000名專業(yè)人士加入平臺，頂尖收入者月入可達10,000美元。

目前，Ethos已按項目向企業(yè)收取30%或以上的服務(wù)費，公司年化收入有望突破千萬美元。雖未公布具體客戶名單，但Ethos透露其客戶群已覆蓋頂級對沖基金、私募股權(quán)機構(gòu)、領(lǐng)先的基礎(chǔ)AI實驗室以及企業(yè)咨詢公司等。不過，Ethos并未披露平臺實際的匹配成功率數(shù)據(jù)。

專家匹配賽道并非無人區(qū)，競爭正在升溫。直接的競爭來自Listen Labs和Outset等同樣提供AI語音面試功能的公司。

Ethos最關(guān)鍵的差異在于匹配邏輯：傳統(tǒng)平臺是“被動搜索”，即客戶輸入關(guān)鍵詞，系統(tǒng)返回列表；Ethos則是“主動推送”，即AI識別專家的隱性能力后，主動將機會呈現(xiàn)給最匹配的企業(yè)。不過，主動推送的匹配精度目前尚無第三方驗證。

支撐這套差異化邏輯的，是一個背景互補的創(chuàng)始團隊：

CEO James Lo的職業(yè)生涯橫跨咨詢、投資與創(chuàng)業(yè)這些領(lǐng)域。在麥肯錫擔(dān)任兩年戰(zhàn)略顧問后，他加入軟銀愿景基金，深度參與了WeWork 2019年IPO崩盤后的危機處置、Arm與NVIDIA的并購拆分，以及千億美元級投資組合的運營管理。此后他獨立創(chuàng)辦創(chuàng)作者經(jīng)濟平臺Mana，完成從零到一的產(chǎn)品搭建并成功退出。

CTO Daniel J. Mankowitz則在Google DeepMind深耕超過六年，從實習(xí)生一路晉升至Staff Research Scientist。他主導(dǎo)的AlphaDev項目使用強化學(xué)習(xí)發(fā)現(xiàn)更快的排序算法，發(fā)表于Nature并已集成到C++標(biāo)準(zhǔn)庫；同時負(fù)責(zé)了Gemini大模型的RLHF工作，以及MuZero在YouTube視頻壓縮中的上線應(yīng)用。

一個懂商業(yè)運作與危機處置，一個在強化學(xué)習(xí)領(lǐng)域有頂級論文和產(chǎn)品落地經(jīng)驗。兩人于2023至2024年間聯(lián)合創(chuàng)立Ethos，目前團隊僅8人。

本輪融資資金將用于擴展AI智能體能力、擴大全球?qū)＜揖W(wǎng)絡(luò)，并深化與AI實驗室及企業(yè)客戶的合作。

不過挑戰(zhàn)同樣存在：如何用AI準(zhǔn)確識別“AI生成的假專家”以守住平臺口碑，是一個技術(shù)與運營的雙重考驗。此外，能否在競爭中持續(xù)留住最頂尖的專家，也是一項嚴(yán)峻的挑戰(zhàn)。