北京
出品 | 网易科技《态度AGI》栏目
作者 | 袁宁
编辑 | 丁广胜
八年，近屿智能CEO方小雷，已经习惯了回应质疑。
作为一家从2017年就开始做“AI面试”的企业，近屿智能开局很难。在经历了被69家VC拒绝后，金沙江创投给出了第一笔钱。而后，他们成为了被朱啸虎连投三轮的“现实主义AGI故事”。
“最初，很多人根本看不懂我们在做什么。”对于一家用AI能力做产品的企业来说，ChatGPT时刻之前的日子很难熬。
爬坡期，他见证了那些打着“招聘”名号，实际上在卖数据的同行，最后以进监狱收场。也看到了一些人靠投机取巧换来了短期繁荣，最终又走向崩塌。
大模型的出现，似乎让一切迎来转机。在“拿着锤子找钉子”的应用探索中，一个高确定性的场景，对AI应用层的企业无疑十分重要。而招聘，显然是一个绝佳的AI落地试验场：高客单、高专业度、市场成熟、需求确定。
“但等他们看懂了，开始觉得这个东西不错，又预测我们会被行业巨头抄袭，觉得只要这些公司一出手，我们这种创业公司就没戏了……确实有大厂前后两次都说要投资我们，结果回去就抄，还把从我们这听来的东西去申请专利。”
大模型不是救药，新的质疑仍然巨大。“有了大模型，你们就没壁垒了。”“只要巨头想抄，你们这种创业公司就会死。”“DeepSeek出来，你们没什么优势了。” 围绕这些话题，新阶段的必答题仍旧很多。
不过，先行者的优势同样显而易见。通过过去几年的积累，近屿智能积累了大量真实的面试数据，并在客户的不断使用和验证下，逐步形成飞轮。
现在，近屿智能已经用他们口中L5级别的“AI面试官”，合作了数千家企业。前不久，方小雷还带着自己的产品在节目中给艺人韩雪做了一场AI面试。
但成为一个优秀的AI应用产品，远比想象的复杂。
方小雷和他的团队需要做好产品定义：为什么做的是AI面试而不是AI简历筛选？还要确认产品边界：进行面试评价的核心标准是什么？微表情是不是衡量“面试表现”的关键？要不要做蓝领招聘……
“最难的从来不是技术本身，而是产品、市场、供应链、品牌等一系列因素的结合，要做的是一个能解决问题的产品。”方小雷总结道。
AI时代，一切发展得都太快，太突然。
3月6日，Manus作为首个通用Agent发布，首个演示场景就是简历筛选。可以想象，接下来方小雷又要开始回应各方：现在有Agent了，你们怎么办？
以下是《网易科技》和方小雷的对话，经不改变原意的编辑。
AI 简历筛选是“巨坑”，招聘很多灰产地带
网易科技：2017年你回国创业时，AI 的能力还不像现在这样被充分验证和相信，你当时讲 AI 面试的故事能讲通吗？
方小雷：这个问题确实我感触很深。2017年我回国创业时，虽然大模型时代还没有到来，但深度学习（Deep Learning）已经发展了一段时间。
2018年，谷歌发布了 BERT 这种篇章级别的语义识别算法，开启了大模型时代的浪潮。GPT-1以及我们当时发布的模型，其参数规模都在1亿到1.5亿之间，与 BERT 类似，能够理解完整的语义。
从1亿参数量开始，模型逐渐扩展到十几亿、几十亿，再到上百亿、几百亿。直到某一天，OpenAI 通过扩展参数量实现了“智能涌现”，最终催生了 GPT-3。可以说，大模型时代的起点是在2018年，而我回国创业的时间是2017年，正处在这个转折点上。
因此，那时候讲AI 面试，在国内可以说是一个不成立的东西。因为在我们之前，中国没有人做过 AI 面试这件事。而在美国，AI 面试的概念最早可以追溯到2004年的HireVue。但中国直到2017年，我回国后才开始推动 AI 面试的发展。
当时国内的 AI 招聘公司绝大多数都在做简历解析。那时创业热潮很高，大家的思路都是：先去问客户需求，然后根据需求来研发产品。
但问题是，当时 AI 招聘领域的创业者，大多是 IT 背景出身，对 HR 业务并不熟悉。所以他们去问客户：“你希望 AI 帮你解决什么问题？” 客户的回答通常是：“能不能帮我筛简历？” 于是，大多数创业公司都陷入了 AI 简历筛选这个“巨坑”。
网易科技：为什么说 AI 简历筛选是“巨坑”？
方小雷：首先我认为，用AI 解决问题的基本原则就是：不能仅仅在原有流程上“打补丁”，而是要解决根本。
想一下，如果回归本质，为什么企业需要筛简历？很简单，因为简历数量太多，人力无法面试所有候选人，所以要先筛选一轮，减少候选人数量，然后再安排测评考试，进一步缩小范围，最后才是多轮面试，逐步精细化招聘流程。
换句话说，筛简历并不是刚需，而是当时生产力水平有限下的无奈之举。因此，即便采用再先进的招聘管理系统，整个招聘流程仍然是“手工业者”的模式——依赖人力去完成大量的脑力和体力劳动。它甚至没有达到第一次工业革命的自动化水平。
那么，如果我有一个非人类的智能体，能够帮助 HR 面试所有候选人，并给出科学的评估，那这个时候筛简历就不是一个必需的事情了。
网易科技：但是，在当时的技术条件下，大家能接受 AI 面试的概念吗？
这正是问题的关键。2017年，绝大多数人无法想象 AI 可以面试人，因为他们从未见过这样的产品。我们做出 AI 面试的产品后，尝试融资，谈了69家 VC，结果没有一家认可这个方向。
首先技术层面，投资人调研时，通常会先去问当时 AI 领域的“四小龙”（依图、商汤、旷视、云从）里的技术专家。但这些人主要研究计算机视觉（CV），而 AI 面试涉及自然语言处理（NLP）。他们虽然可能声称懂 NLP，但实际上并非如此。于是，得到的反馈往往都是否定的：“篇章级别的语义识别？这是什么？骗人的吧？”我们技术被diss太多了。
第二就是需求。“AI 能否替代人来面试？” 大部分 HR 的直觉反应是：“不可能。” 在那个阶段，市场对 AI 面试的接受度极低。
直到2019年，我们遇到了朱啸虎。他对我们的技术进行了深入研究，并找来卡耐基梅隆大学的一位 NLP 博士进行技术评估。博士确认：“这家公司确实实现了篇章级别的语义识别，能完整理解人的意思。” 技术这一关，终于通过了。
其次，他们又找到 PwC（四大会计师事务所之一），询问他们的 HR 负责人：“如果我们投资这样一家 AI 面试公司，你们会使用吗？” HR 负责人回答：“不会。因为我们已经用了 AI 面试很多年了，很好用，没必要换供应商。”
但是，这说明了什么？这不正说明了AI面试已经用了很多年了，也恰好就验证了市场上确实存在这样的需求。
网易科技：所以金沙江创投是你们拿到的第一笔钱？
方小雷：是的，那是2019年，已经是我们创业两年后的事情了。2018年是最艰难的一年，产品已经出来了，但市场和资本都不认可我们。
当时火的是 AI 简历解析的概念，不仅符合大众认知，而且技术上也只是关键词匹配，相对简单。所以市面上几乎所有 AI 招聘公司都在做这个方向，最多时大概有200多家。
当然，大多数 AI 简历解析公司最终都倒闭了，只有一两家转型做了招聘管理系统。或者说成了“大数据”公司。
网易科技：“大数据”公司是什么？
方小雷：比如，北京有一家叫“巧达科技”的公司，他们拿到了多家一线投资机构的融资。
他们声称是做招聘，但其实核心业务是简历数据交换。企业可以通过把自己废弃的简历上传到系统上的方式，换取类似于积分的东西，然后用积分下载其他公司的简历。这样，所有企业都愿意把候选人的简历上传上去，然后再下载更多候选人的简历。
这对企业而言，是免费的服务，而他们赚钱的业务在别处。
他们会将大量简历数据拆分成不同的数据包，卖给那些打骚扰电话的公司。这就是所谓的“大数据”生意。这在当时非常赚钱，以至于也有投资人劝我：“你看你不懂做生意，人家这做的多好。一般人我还不告诉他。” 但我不敢做，这显然是灰色地带。
果然，过了一年，这家公司所有高管都被抓了。（网易科技了解到，巧达科技自2014年成立，并在当年11月获得百万美元A轮融资，2017年1月获得千万人民币B轮融资。2017年全年收入4.11亿元，净利润1.86亿元，净利润率超过45%。2019年，巧达科技被查封，全体员工被警方带走。）
这也是 AI 简历解析模式逐渐失败的原因之一——很多公司并不是真正想做 AI 技术，而是利用数据牟利。到了2019年，国家开始严格监管数据安全，这种模式彻底终结。
最终，行业又回到了“面试”这一招聘核心环节，我们的 AI 面试技术也逐渐被市场接受。
网易科技：所以你们从一开始在招聘场景的思考，就不是为简历筛选提效，而是想要重塑整个招聘逻辑？
方小雷：对，确实是这样。你可以想象一下：如果我手上只有十份简历，而且时间充裕，那我是不是可以直接把这十个人都叫过来面试？当然，如果有些简历明显不符合要求，那就直接排除，不需要浪费时间。
其实，简历筛选本质上只需要做一个最基础的排除，把那些明显不合适的人剔除掉。而对于剩下的候选人，只要生产力足够，最优的方案其实就是让每个人都参加面试。
基于这个思路，我们后来也进行了迭代优化。简历筛选确实有它的价值，但它应该是一个初步的过滤手段，而不是决定性的关卡。我们的目标是让所有符合基本要求的候选人都能进入 AI 面试环节，而不是过度依赖简历筛选来做决定。
网易科技：但当时针对AI面试可靠性的质疑应该也很多吧，在大模型的能力还没有被证明的时候，如何让客户相信你们能力的呢？
方小雷：是的，那个阶段的最大挑战就是要向客户证明，我们通过AI打出的分数能够替代人类的判断。因此，我们采用了一种叫“双盲人机对比实验”的方法，也就是让AI与人类面试官同时进行评分，并对比两者的结果。这是一个标准的验证方法，在人工智能的研究论文中很常见，能够通过数据对比验证AI的表现。
我们将这一实验纳入客户试用阶段，客户完成实验后可以获得数据，用于内部沟通并说服决策层。在那个时候，很多业务领导和团队成员对AI的准确性有质疑，单凭口头说服很难推动项目。但一旦完成了这个对比实验，项目的推动就变得容易多了。
但那时候我们的竞品通常选的是另一条路，即通过“权威认证”来证明AI的有效性。他们会声称自己与人类面试官的打分一致性已经达到95%甚至更高，但我们则通过具体的实验数据来向客户展示。
我们还会做人类面试官的对比，后来发现，人类面试官之间的评分一致性并不高，很多时候会有错误，而AI反而展现出了更高的一致性。
网易科技：那时候，你们的底层AI能力是自己研发的吗？
方小雷：是的，当时完全是自己研发的。但技术的研发对于算力的要求让我也曾一度非常担忧。还好LLaMA的开源改变了这个局面，后面我们利用LLaMA进行增量预训练，度过了艰难期。
网易科技：这个艰难期指的是什么？
方小雷：那是23年初，当时尽管我们已经通过大约40个超大型企业客户进行了一些验证，但我们的产品也暴露出了一些硬伤。
第一个问题是，很多候选人认为AI面试官并不具备智能，它更像是一个录制的视频工具。部分竞品甚至没有虚拟人，只是简单地录制视频，导致候选人对面试过程不够认真。
第二个问题是，候选人无法得到追问，而追问实际上非常重要。追问能够深入挖掘候选人的潜力，避免一些初次答错而错失机会的浪费。我们最初的版本并不具备这一能力，但随着技术的进步，我们的AI面试官能够进行智能追问，甚至能在同一问题上进行多轮追问，从而让候选人更加认真，并帮助我们深入了解他们。
第三个问题是，早期的AI系统无法清晰解释评分标准。比如，我们给候选人打了一个分，但为什么是这个分数？这是许多HR和业务领导关心的核心问题，但当时的系统无法提供合理的解释。
从2023年开始，我们基于LLaMA进行了增量预训练，当时也差不多用了700多张H100的卡，尤其是针对中文的能力进行强化。这项训练的成本非常高，但它解决了中文理解的瓶颈，也使得AI面试官的智能得到了大幅提升。
目前，我们的产品已经能够进行三轮追问，能够全面评估候选人的能力。但我们的竞争对手大多数仍然在依赖人类在AI面试后打分，而且追问也有很多幻觉。而我们的评分完全是自动化的，不需要依赖人工干预。
单日面试1.4万人，
网易科技：目前，产品的表现如何呢？
方小雷：目前可以说，已经把产品做到了一个相对来说比较好的状态，当然我们是仍在不断迭代优化。我们的评分系统、追问能力和候选人报告的解释功能，都有了显著的突破，已经从和美国相当，到了现在远超美国对应产品的水平。
网易科技：我比较好奇，我们的报告会涉及哪些指标？因为显然，面试不仅仅考察的是应聘者对问题的回答能力，还包括整个面试过程中展现出的状态等各种因素。那么，我们是如何确认岗位匹配度的呢？
方小雷：这是个很好的问题，也是我们与竞品的核心区别之一。最近，我们恰好正与某个竞品同时在争取一家实力较强的客户。
客户本身是有自己的面试标准的，但是我们会告诉客户，我们跟竞品不一样，我们并不需要您去告诉我们您的面试标准，因为我们的咨询团队会帮助客户来建立这一标准。
当然，有些客户会说，他们已经有自己的标准，不需要我们来制定。然而，现实情况是，大家的标准和 AI 可以理解的标准之间的差异是非常大的。我们擅长的正是帮助客户在前期构建可实际应用的面试模型。
事实上，往往客户在真正看到我们的产品，并理解其逻辑后，就会意识到是需要我们来做这件事的。我们的这项工作，通常由心理学家或具备十年以上甲方HR经验的资深顾问来完成，因为它至关重要。仅仅依赖客户自行描述是不够的。
大多数时候企业自身是“只缘身在此山中”，虽然列有12345678的详细考察点。但现实情况是，他们是否是真的严格按照这些标准在面试？也未必。我们一直在遇到这样的问题。
网易科技：具体来说是怎么执行的？
方小雷：简单来说，我们会通过访谈的方式，帮助客户重新构建面试标准。完成重构后，AI就能基于这一标准执行相应的面试流程。这是一个涉及用户心理学和科学建模的咨询过程，主要由我们的团队来完成。
网易科技：之前提到的模型幻觉问题，你们是如何解决的？
方小雷：这个问题我们不能对外详细解释，我们毕竟是一家商业化公司。但是，幻觉问题确实是一个严重的挑战。我们测试过多种市面上最先进的大模型，包括OpenAI 在内，即便是最新的、最先进的 API，仍然有5%-10% 的候选人在面试过程中会遇到幻觉问题。即便是 DeepSeek，我们测试后也发现类似情况。
网易科技：但可以确定，幻觉问题是可以被解决的？
方小雷：是的，而且我们已经验证了。例如，前年我们在中原银行一天之内完成了1万人的 AI 面试，去年单日面试量更是达到了1.4万人，每位候选人都经历了6-10轮追问，但没有出现任何幻觉问题。
也就是说，我们不只是宣称自己有这个技术，而是用实际案例证明，我们的 AI 在大规模应用中是可靠的。这也是为什么我们拥有如此庞大的客户群，因为他们发现，我们的产品不会出现幻觉问题。
网易科技：目前，你们的客户大概是怎么样的一个画像？
方小雷：这个问题也是投资人问我们比较多的一个。我们可以很明确地说，在美国，AI 面试的应用范围非常广泛，涵盖各个行业。但在中国，市场情况并不完全相同。
最早，我们打的是高端制造业这个市场，但其实也不是我们主动选择的这个行业，而是因为这个行业，就是有着巨大的面试量和迫切的需求。
随着产品逐步推广，目前我们已经覆盖了11个行业，其中一些行业的需求从2018、2019年起就已经非常旺盛。当然，也有些行业，比如互联网教育、房地产等，曾经有过大量面试需求，但后来行业形势变化，需求减少了。同时，也有新兴的行业不断涌入。
总体来看，我们的客户从超大型企业逐步扩展到中大型企业，再到中小型企业。
对于中小型企业来说，头部客户的示范效应非常重要，他们往往会先观察行业内的龙头企业是否已经采用 AI 面试，并评估它的实际应用效果。随着市场的成熟，我们的客户群体也在不断扩展。
从2018年推出第一代产品，到2019年拥有第一批种子用户，再到2020年用户量开始增长，2021年是一个重要的突破年，大规模拓展市场后，我们的行业覆盖率显著提升。整个过程历经了7年，我们才达到了现在的市场规模。
网易科技：哪些是没有涉及的呢？
方小雷：有两类招聘场景我们涉足较少，甚至几乎没有涉足：
一类是高端招聘，如总经理、副总裁、总监级别岗位。这类职位的候选人本身就很少，企业通常愿意花更多时间进行深入沟通。但其实，我们也有世界500强企业使用我们的 AI 面试来招聘事业部总经理，并取得了不错的效果。但并非所有企业都具备类似的需求或资源。此外，高端岗位的痛点更多在于“如何找到合适的候选人”，而不是“如何筛选候选人”。
另一类是蓝领招聘。在美国，蓝领 AI 面试已经有较多应用案例，但在中国，情况完全不同。虽然市场上有一些企业声称在做蓝领 AI 面试，但我们的调研发现，这类项目的面试量普遍很小，而且持续性较差，很多时候一年后就不复存在。
网易科技：为什么不做蓝领面试？
方小雷：我们也曾认真研究过蓝领 AI 面试的可行性。但后面发现，蓝领招聘的痛点并不在面试环节，而是在“候选人数量不足”。这个问题的终极解决方案是提高求职者的供给量，而这依赖于更先进的劳动力匹配机制，而不是增加一轮AI 面试环节。
网易科技：那更细节一些来看，AI 面试主要替代的是客户招聘中的哪些环节呢？
方小雷：目前，大多数企业已经将 AI 面试作为招聘流程的核心组成部分，只保留最后一轮由业务领导进行的面对面面试。
但其实最后这轮面试也是很必须的。因为，面试毕竟是一个双向选择的过程。求职者其实也在挑选自己的领导。因此，业务领导在最终面试时，通常会先通过 AI 面试的报告筛选候选人，再进行面对面地沟通。
网易科技：你们的团队构成是怎么样的？除了HR相关人才和大模型技术团队外，还有哪些成员？各个部分的比例大概是怎样的？
方小雷：我们的第二大个人股东是哈尔滨工业大学深圳AI实验室负责人陈清才教授，因此，我们一直以来都得到了陈老师和哈工大的大量支持。
目前，我们公司约三分之一的员工与AI技术相关，其他员工则主要负责售前解决方案、交付和客户成功等业务。这就是我们团队的大致构成。
网易科技：你们的面试服务是怎么收费的？
方小雷：我们是按面试量来收费的，大概就是一个面试几十块钱。
有大厂前后两次都说要投资我们，结果回去就抄
网易科技：大模型与行业的结合，行业数据无疑是其中非常关键的要素。你们的训练数据来源是什么？
方小雷：我们的数据来源很简单，都是我们过去那么多年，大家辛辛苦苦一个客户一个客户去打下来的。因为我们过去一直合作的都是超大型企业客户，这些客户有着大量的真实面试场景，我们就是在那时候积累的大量真实AI面试数据。
这其实也说明了，并不是简单地临时训练一个大模型就能达到我们的效果。因为，这些真实的面试数据才是核心。这不是你花钱，做几个模拟面试，就能积累起来的。就比如说，是否真的想得到这个工作呈现出来的状态，其实在心理学上其实区别是非常大的。
此外，即使你花钱让企业使用你的 AI 面试系统，企业也未必愿意配合。因为这可能会影响它们的雇主品牌形象以及招聘流程的稳定性。对于企业来说，招聘是至关重要的环节，一旦系统不稳定或者数据利用不当，都会影响人才获取。
因此，在这个领域，先行者拥有天然的飞轮效应——数据积累越多，模型优化越好，竞争壁垒也就越高。
网易科技：你认为AI面试的真正壁垒是什么？
方小雷：这个问题其实和你刚才提到的内容是息息相关的。回顾过去这些年，我们经历了几个很有趣的阶段。
最初，很多人根本看不懂我们在做什么。等他们看懂了，开始觉得这个东西不错，便预测我们会被行业巨头取代，觉得只要这些公司一抄，我们这种创业公司肯定就没生意了。那些公司也确实尝试去抄袭，但最终很多要么失败了，要么推出的产品质量很差，无法形成真正的竞争力。
后来，大模型的出现让投资人又有了新的论调，他们开始说：“有了大模型，你们就没壁垒了。”但事实是，时间过去几年，我们的竞品依然没能追赶上来，甚至很多公司陆续倒闭了。现在，又有人开始说 DeepSeek 这样的新技术会让我们失去优势。
网易科技：那你通常会怎么回应？
方小雷：说实话，我已经懒得去解释了。但简单来说，做产品或者做一门生意，绝不仅仅是“有技术”就够了。
举个例子，电器行业里，大家都是在用相同的电，相同的生产设备，但为什么有的企业能成为美的、格力，而有的只是小作坊？这背后的逻辑并不是单纯的“技术壁垒”，而是产品、市场、供应链、品牌等一系列因素的结合。
投资圈里经常有个误解，就是认为“只要巨头想抄，你们这种创业公司就会死”。但事实真的如此吗？回顾一下历史，巨头抄袭的项目多了，最后真正做成的又有几个呢？
对我们来说，在 AI 面试这个领域，我们的创新力和资源是高度聚焦的。我们的核心团队能把全部精力投入在这件事上，而在大厂里，CEO 和 CTO 真的会亲自主导 AI 面试产品的研发吗？很可能只是分配了一个小团队，甚至可能只有四五个员工在做这件事。
这个小团队的人才水平真的比我们创业公司的核心团队更强吗？恐怕未必吧。
网易科技：DeepSeek之后，面对可能失去优势的质疑，你们又怎么回应呢？
方小雷：其实这个逻辑很简单。简单来说，DeepSeek 并不是超越 GPT 的存在。如果在 GPT-1时代，我们的竞品接入了 ChatGPT 的 API，而这是业内公认的事实，那么如果他们能做到和我们一样的效果，那是不是意味着他们早就可以超越我们了？
但事实是，在那个时代，他们即使用了 GPT 的 API 再加上各种技术，依然达不到我们的效果。那么现在换成 DeepSeek，为什么就能做到呢？
所以说，DeepSeek 并没有真正改变什么，只是让大家在逻辑上更清晰了一点。
网易科技：但 DeepSeek 便宜呀。
方小雷：可问题是，达不到效果，光便宜有什么用？客户购买我们竞品的产品，不是因为我们的价格贵，而是因为竞品的效果不好。所以，价格并不是决定性因素，核心还是最终的产品体验和价值。
网易科技: 你们跟智联招聘、前程无忧这些公司是竞争关系嘛？
方小雷：他们一直把我们当作竞争对手，但其实我们一直是希望能合作的。
但现实是，有大厂反复抄袭我们。更讽刺的是，其中有一家在他们抄第三遍之前，投资人还曾撮合我们和他们高层直接沟通，结果他们的结论是：“再抄一遍。” 还有一家也是，前后两次都说要投资我们，结果回去就抄。
甚至，他们还用从我们这里听来的信息去申请专利，幸好我们提前申请了。
网易科技：你觉得对他们来说，更高效的方式应该是直接接入你们的技术吗？
方小雷：其实他们很清楚自己商业模式的局限性。传统招聘平台的生命周期短，几乎是“江山代有才人出，各领风骚数几年。”
从前程无忧，到智联招聘，再到58同城、猎聘，现在是 BOSS 直聘，每隔几年就换一个主角。他们知道自己需要寻找下一代产品，也认可 AI 面试的价值，但没有能力做出来，又不愿意真正投资。所以他们的做法就是反复尝试抄袭，但始终无法成功。
现在，即使这些所谓大厂再来投资我们，我也不敢接受他们的钱，因为他们可能只是想再来看一遍我们的技术。
网易科技：那你会怎么定义未来你们的产品呢？跟他们是替代关系吗？
方小雷：这个我们现在也不讨论。因为现在大家都已经到了这样一个状态，再去公开场合讨论也意义不大。
我们不寻找PMF，只是构建满足客户群需求的产品
网易科技：你们入场很早，相信不仅积累了大量数据，更是收获了很多Know-How。能不能分享一些你觉得在这个过程中做对的事情？
方小雷：你要说做对了什么，我觉得我做错的才是多了去的，但还是有几个最重要的。
首先，所有的，未来可能成功的 AI 应用，公司主创团队里面一定要有真正的行业专家。我自己是 HR 出身，所以对招聘场景有深刻理解。但市场上的大部分竞品，创始人都是 IT 背景，他们需要外部力量来补足行业理解，这导致他们产品的核心逻辑容易出现偏差。
我们其实每一年都会有性能提升，并推出大量的新功能。这些的起点大部分都是来自于我的原创。也就是说，在我没有把想法公开前，全球范围内的 AI 面试产品里，都不会有这个功能。
这也导致，他们总是在等我们发布新功能后，再去模仿。但当他们终于抄出来时，我们的版本已经迭代了半年甚至一年，而且效果可能还差很多。
与此同时，我们会不断去理解客户在使用产品过程中遇到的问题。对于这些问题，我们的解决方案并不是简单地从外部听来的或者借鉴的，而是我们自己创造出来的。当然，方案需要经过客户验证，但正因为是自己创造的，验证和改进的节奏会非常快。
网易科技：我们也看到了一些数据，比如你们的业务量过去几轮增长迅猛，甚至翻倍。从商业模式的角度来看。我想了解一下，你们是如何找到 PMF（Product-Market Fit，产品市场契合点）的？想听听你的经验。
方小雷：我们并不是按照某种所谓的创业方法论去寻找 PMF 的，甚至在创业初期，我根本不知道 PMF 这个概念。
我最开始是做 HR 出身的，对业务拓展也不懂，所有的一切都是一点点摸索出来的。最初，我们的客户是因为认可我的 HR 经验才选择我们的产品，而不是因为我们有明确的 PMF 逻辑。
所以，如果你问我怎么找到 PMF，我真的不知道，因为我们的路径并不是“先有产品，然后再去寻找它的市场契合点”。我觉得这种逻辑本身就是错误的。真正的路径应该是，我们有一批客户，他们的需求非常广泛，我们的任务是打造一款产品来满足这些需求。
因此，我的理解是，我们不是在“寻找” PMF，而是在“构建”满足特定客户群需求的产品。我从来不认可“找 PMF”这个概念，这件事对我来说一直是个谜。如果一个创业项目不是从客户需求出发，去解决真实的痛点，那它为什么会有 PMF 呢？也许是我不懂，但至少我的经验是这样。
网易科技：你们做的是 AI + 面试。但如果扩展到其他领域，比如 AI + 法律、AI + 金融，你会觉得模型能力和场景的理解哪个更重要？
方小雷：其实这个逻辑也是反过来的。你刚才提到了一点是对的，理解场景、理解客户的真实需求确实非常重要，这是任何 AI 应用的起点。但同时，对于大模型来说，它能实现什么、不能实现什么，这件事需要不断去学习、理解和试探，并不是说某个能力暂时不够，就意味着这个方向不能做。
在这个过程中，最大的挑战是，你是否能在技术上实现突破，做到比别人更好。如果大家都能理解这个场景，而这个场景本身也并不复杂，同时大模型能力已经比较成熟，那为什么这个机会会轮到你？
所以，很多时候技术是需要去“够一够”、去“逼一逼”的。如果你看到技术已经完全成熟，那全球可能有100万人都在做同样的事情，到那时候，这个机会就不一定轮得到我们了。
网易科技：所以从这个角度来看，模型能力的迭代提升对我们来说其实是一个利好因素，并不会因为模型能力的不断提升而被颠覆吗？
方小雷：对，不会的。其实，应用需求会倒逼技术进步。当某个应用真正需要技术达到某个水平时，技术就会随之演进。
就像现在的大模型应用一样，它更像是一个“发电厂”，提供算力，但具体的需求是由用户决定的。比如，研究人员上传大量文献后发现，大模型“读不懂”或处理不了，很多人希望模型支持更长的上下文，这就催生了像 Kimi 这样的产品。
所以，真正推动 AI 进步的是市场需求，而不是技术已经成熟了再去找应用场景。要是技术先完全成熟，再来找应用，那就毫无意义了。
网易科技：最近有没有和朱啸虎有一些交流？有哪些新的认知可以分享？
方小雷：朱总是我们的投资人，我们经常交流。最近有一件事挺有意思，可以分享一下。
有一家叫 Mercor的美国 AI 招聘公司，融资金额很高，一度受到广泛关注。但我们对这家公司深入研究后，结果让我大跌眼镜。我们发现，这家公司虽然打着“AI 面试”的旗号，但实际上他们的核心业务本质上是数据标注。
但是它的创始人在对外宣传时，会特别强调那些高端职位，比如顾问类。于是，很多投资人跑来问我们：“你们能不能做一个 Mercor？” 但深入研究后，我发现它的本质就是一个数据标注外包平台，只是披上了 AI 的外衣。
后来，每当 Mercor 又完成一轮融资，投资人就会来问我们它的业绩如何。朱总也会把这类信息转给我，但我已经不再更新对它的研究了，因为它的本质没有改变。
直到有一天，朱总给我发了一个短视频，内容和我的研究结论完全一致。这说明，他自己也会做大量研究，并且往往比其他投资人看得更透彻、更快。
这件事给我们的启发是，不能只看公司如何包装自己，真正重要的是它的业务本质。投资人需要具备独立判断的能力，而不能被市场上的“讲故事”风潮带偏。
网易科技：今年公司发展的重点是什么？投资人有没有对你们的一些期待？未来的阶段性目标呢？
方小雷：目前，我们的核心目标是保持盈利，让公司实现自我造血。现在市场上的资金非常有限的，大量投资都流向了少数几家 AI 大模型公司，尤其是那些有“清华博士”背景的团队。
但现实情况是，很多钱其实都被浪费掉了。我们不能指望市场资金，必须依靠自身的业务赚钱，靠自己养活自己。说实话，这里面有很多东西不方便讲，讲了可能文章都发不出来（笑）。
网易科技：你怎么评价公司当前的发展状态？
方小雷：我觉得我们目前是比较健康的状态。这种健康的状态呢，会让大家相对来说比较安全，给同事们提供一个“避风港”。
虽然我们现在还无法大富大贵，但至少大家能吃上三餐，有米有粥，能够稳稳当当地度过当前的局面。我相信，市场很快就会发生变化，而当这种变化到来的时候，我们就是那个最稳的团队。
我始终认为，不能过度依赖外部资金或市场环境，否则风险太大。真正健康的企业，应该是能够在风暴中活下来，并迎接下一个增长周期。
网易科技：你说市场很快发生变化，变化指的具体是什么？
方小雷：最大的变化是，市场正在逐渐看懂 AI 应用的价值。
网易科技：所以，大家开始愿意在 AI 应用上投钱了？
方小雷：这件事现在还不敢下定论，但至少已经有趋势了。要让市场真正建立起对 AI 应用的理解，可能还需要一到三年的时间。但三年后，我是能够肯定的。
本文来源：态℃
责任编辑：
王文华_NBJS27248
