對(duì)談DINQ高岱恒：不懂土木的達(dá)摩院研究員，不是好的Agent創(chuàng)業(yè)者

用Agent重新發(fā)現(xiàn)人才。

作者 /Oriana

跨界的人才Agent創(chuàng)業(yè)者

高岱恒的軌跡并非典型的技術(shù)天才敘事。

2010年至2018年，他在燕山大學(xué)和北京工業(yè)大學(xué)攻讀土木工程本碩學(xué)位。2017年，AI熱潮初涌，命運(yùn)發(fā)生轉(zhuǎn)向。他打開吳恩達(dá)的AI課程，滿打滿算自學(xué)一兩個(gè)月，驚訝地發(fā)現(xiàn)，自己竟能憑此在北京找到日薪上千的實(shí)習(xí)。在這個(gè)門檻與機(jī)遇并存的窗口期，他順勢(shì)躍入。

2018年碩士畢業(yè)，他加入北京靈汐科技，從事類腦智能相關(guān)研發(fā)。但公司正職并非他探索欲的全部出口。白天完成工作，夜晚則屬于開源世界。他持續(xù)為PyTorch、TensorFlow等主流框架貢獻(xiàn)代碼，累計(jì)提交超過10個(gè)PR（Pull Request）；在CSDN撰寫的技術(shù)博客瀏覽量突破百萬。除了奠定扎實(shí)的工程與理論功底外，這也讓他嗅到了開源協(xié)作的另一種可能。

真正的轉(zhuǎn)折點(diǎn)悄然而至。

2018年，Deepfake技術(shù)引發(fā)轟動(dòng)但也因粗糙飽受詬病。高岱恒與幾位朋友，包括一位俄羅斯人和一位烏克蘭人，在GitHub上相遇，共同啟動(dòng)了DeepFaceLab項(xiàng)目，目標(biāo)是打造影視級(jí)質(zhì)量的換臉工具。在這個(gè)階段，很多身邊的朋友叫他Sam，因?yàn)橹形拿麑?shí)在是很難發(fā)音。

Sam作為算法負(fù)責(zé)人，致力于在快速運(yùn)動(dòng)、復(fù)雜光照下提升模型的真實(shí)感。這個(gè)由中、俄、烏三國開發(fā)者組成的“神奇組合”，在開源社區(qū)迅速嶄露頭角。2020年，DeepFaceLab被GitHub官方評(píng)為年度十大AI開源項(xiàng)目第二名，力壓同年發(fā)布的GPT-2（排名第四）。

ICCV2019與英偉達(dá)全球研究VP劉洺堉合照

項(xiàng)目的成功，讓高岱恒第一次深刻體會(huì)到：“做開源項(xiàng)目，尤其是有影響力的項(xiàng)目，能直接轉(zhuǎn)化成職業(yè)發(fā)展的新臺(tái)階。”它像一張硬核的“技術(shù)名片”，為他贏得了Meta、字節(jié)跳動(dòng)和阿里巴巴的offer。

他最終選擇了阿里達(dá)摩院。“最本質(zhì)的原因是，這邊能繼續(xù)做一些前沿的研究。”在達(dá)摩院近四年，他先投身3D數(shù)字人領(lǐng)域，后轉(zhuǎn)向圖像與視頻生成的前沿。期間，他以第一作者身份在NeurIPS、ICML等頂級(jí)會(huì)議發(fā)表多篇論文，谷歌學(xué)術(shù)引用超過900次，度過了一段“邊掙錢邊讀博士”的歲月。

在阿里后期，他參與的虛擬試衣項(xiàng)目OutfitAnyone，在2024年初登上HuggingFace Spaces熱門榜前二十；另一個(gè)讓“熊貓?zhí)琛钡捻?xiàng)目AnimateAnyone，則為通義千問APP帶來了數(shù)十萬新增用戶。

從理論到應(yīng)用，高岱恒完成了閉環(huán)錘煉。更重要的是，他在這里觀察到一個(gè)深刻趨勢(shì)：2022至2023年間，從Stable Diffusion到各類大模型突破，關(guān)鍵技術(shù)的創(chuàng)造者幾乎都是年輕人。“超過30歲的嗎？沒有。”這個(gè)洞察，悄然改變了他對(duì)個(gè)人與行業(yè)價(jià)值的思考。

2024年初，一個(gè)想法變得迫切：既然年輕人是推動(dòng)AI浪潮的決定性力量，為何不創(chuàng)建一個(gè)讓他們更早被看見的舞臺(tái)？他與朋友聯(lián)合創(chuàng)辦了“青稞AI”，一個(gè)AGI時(shí)代的青年科學(xué)家社區(qū)。

3月2日，第一期活動(dòng)邀請(qǐng)到當(dāng)時(shí)還在小紅書、后來加入Liblib的王浩帆等年輕研究者，純粹依靠朋友圈啟動(dòng)。青稞迅速成長為一個(gè)連接華人AI新星的活躍節(jié)點(diǎn)。

他的探索并未止步于社區(qū)。2024年下半年，AI Agent項(xiàng)目ElizaOS在GitHub開源，他為項(xiàng)目撰寫的白皮書引起了廣泛關(guān)注。這個(gè)探索“AI智能體如何用于交易”的項(xiàng)目意外地在加密世界激起巨大漣漪，Github Star一度達(dá)到1.7萬star。

然而，高岱恒的思緒始終縈繞著更根本的問題。2025年5月，當(dāng)Llama 4訓(xùn)練受挫、扎克伯格為Meta瘋狂挖角等事件接連發(fā)生時(shí)，他看到了一個(gè)日益尖銳的矛盾：在數(shù)據(jù)與算力密集的AI時(shí)代，頂尖的智力成果卻更難被準(zhǔn)確識(shí)別和定價(jià)，企業(yè)與人才之間的匹配摩擦巨大。

“今天在舊金山買一棟房子，40天可以搞定。但作為初創(chuàng)公司，想找到一個(gè)合適的人，可能花兩三個(gè)月，還不一定能成。”傳統(tǒng)招聘平臺(tái)依賴關(guān)鍵詞與靜態(tài)簡歷，在技術(shù)日新月異、人才多維立體的AI領(lǐng)域已然乏力。

一個(gè)全新的構(gòu)想逐漸清晰：能否用AI Agent的能力，去解決AI時(shí)代人才匹配的難題？2025年8月，高岱恒正式創(chuàng)立DINQ，并迅速完成了由藍(lán)馳創(chuàng)投領(lǐng)投的數(shù)百萬美元天使輪融資，兼任CEO與CTO。

就在本周，DINQ正式上線。

“DINQ是一個(gè)AI原生的智能人才引擎。”他如此定義，“核心是用Agent驅(qū)動(dòng)的匹配能力，把一句模糊的需求（比如‘我想找一個(gè)做世界模型、發(fā)過頂會(huì)的人’），直接鏈接到具體的人；反過來，也能將一個(gè)人才的完整數(shù)字足跡（論文、代碼、社交媒體動(dòng)態(tài)）與隱藏的機(jī)會(huì)精準(zhǔn)匹配。”

他認(rèn)為，在信息本身廉價(jià)的時(shí)代，產(chǎn)生信息的“渠道”以及整合、理解這些信息的“智能”更為珍貴。DINQ不試圖建立另一個(gè)巨型簡歷庫，而是打造一個(gè)能實(shí)時(shí)調(diào)動(dòng)谷歌學(xué)術(shù)、GitHub、推特等多維公開信息進(jìn)行深度推理的“活”的引擎。

以下是新物種與DINQ高岱恒的對(duì)談，歡迎進(jìn)入一段探索邊界與人才的故事。

01.從土木工程到AI

新物種：你本科和碩士都讀土木工程，看起來很“傳統(tǒng)”，是怎么轉(zhuǎn)向算法工程師的？是對(duì)寫代碼感興趣嗎？

高岱恒：底層講，我不是對(duì)寫代碼感興趣，是對(duì)創(chuàng)造特別的東西感興趣。17年接觸到AI，覺得它是個(gè)能實(shí)現(xiàn)想法的強(qiáng)大工具，就自學(xué)了吳恩達(dá)老師的課程。

以前學(xué)土木想蓋有特色的樓，但專業(yè)和目標(biāo)離得太遠(yuǎn)。我更想用AI創(chuàng)造世界上沒有的、好玩的東西。代碼只是手段，現(xiàn)在看各種AI編程工具，這個(gè)手段正變得越來越不重要。

新物種：那在靈汐科技這家做類腦智能的公司，是你第一份正式工作嗎？

高岱恒：是。之前我在愛奇藝、攜程、西門子和一家AI醫(yī)療公司實(shí)習(xí)過。畢業(yè)后去靈汐，主要做模型部署和訓(xùn)練，是計(jì)算機(jī)視覺的基礎(chǔ)工作，感覺挑戰(zhàn)不大，就是從開源庫拿東西來改、訓(xùn)模型、處理數(shù)據(jù)。所以開始想，怎么才能做點(diǎn)更不可替代的事。最早是自己寫博客，后來給TensorFlow、PyTorch這些框架貢獻(xiàn)代碼。

新物種：然后就邊工作邊參與到DeepFaceLab這個(gè)開源項(xiàng)目？

高岱恒：對(duì)。2018年Deepfake換臉很火，但效果很糙。我就想能不能做個(gè)質(zhì)量更好的版本？那時(shí)GAN也剛起來，我在GitHub上找到一些朋友一起做，主要負(fù)責(zé)人是個(gè)俄羅斯人Ivan Perov。

我主要負(fù)責(zé)算法，把新方法實(shí)現(xiàn)在模型里，讓換臉在運(yùn)動(dòng)、光照變化下更真實(shí)。DeepFaceLab成了影視級(jí)的產(chǎn)品，我也因?yàn)檫@個(gè)項(xiàng)目得到很多工作機(jī)會(huì)。

DeepFaceLab換臉效果（論文鏈接：https://arxiv.org/pdf/2005.05

新物種：做這個(gè)項(xiàng)目最大的收獲是什么？

高岱恒：收獲聽起來有點(diǎn)虛，但這是我第一次知道，做有影響力的開源項(xiàng)目，能直接轉(zhuǎn)化成職業(yè)臺(tái)階。以前我覺得路徑就是好學(xué)歷、進(jìn)好公司、跳槽升職，可能35歲就被優(yōu)化。但這個(gè)項(xiàng)目讓我知道，“原來這樣也可以”。

現(xiàn)在很多項(xiàng)目都走這種路徑，發(fā)起人有的進(jìn)大廠，有的創(chuàng)業(yè)融資。傳統(tǒng)路徑不太有這種機(jī)會(huì)。這個(gè)邏輯會(huì)持續(xù)成立，像Cursor、Claude，也都是從項(xiàng)目成長為主流工具的。

新物種：DeepFaceLab讓你接到了Meta等大廠的Offer，為什么選了阿里達(dá)摩院？

高岱恒：最根本的原因是，達(dá)摩院能繼續(xù)做前沿研究，不用為落地負(fù)責(zé)。Meta那個(gè)是AI Red Team，很多時(shí)候在審核不良內(nèi)容，我怕影響心態(tài)（笑）。

我先是進(jìn)了機(jī)器智能實(shí)驗(yàn)室，后來去過XR實(shí)驗(yàn)室，最后到通義實(shí)驗(yàn)室的通用與視覺組。前期主要是做研究，那段很像讀博，我沒那么系統(tǒng)的科研訓(xùn)練，在這里知道了頂尖研究者怎么工作，也通過合作快速成長。變化發(fā)生在2022年，Stable Diffusion、Midjourney出來，23年整體就轉(zhuǎn)向做應(yīng)用了。

新物種：所以你從研究轉(zhuǎn)向了應(yīng)用？習(xí)慣嗎？

高岱恒：對(duì)，因?yàn)橐C明價(jià)值。那時(shí)圖像領(lǐng)域的Scaling Law明確了，Stable Diffusion用一個(gè)LAION-5B數(shù)據(jù)集就實(shí)現(xiàn)泛化。以前用GAN、NeRF，只能做單一類別，成本高、泛化差。擴(kuò)散模型和Scaling Law驗(yàn)證后，我們就做更通用的東西。

我挺接受的。因?yàn)槲矣^察到一個(gè)現(xiàn)象：21、22年的關(guān)鍵技術(shù)，比如DDPM、DDIM、CLIP、各種VAE變種，幾乎都是30歲以下的年輕人做出來的。可能GPT的RLHF是個(gè)例外。現(xiàn)在各種Agent技術(shù)也是。所以我也想通了。做應(yīng)用有機(jī)會(huì)用大公司的算力和數(shù)據(jù)，做出有影響力的東西。

新物種：你當(dāng)時(shí)具體負(fù)責(zé)什么？

高岱恒：我主要做虛擬試衣，在GitHub有五六千Star，在Hugging Face 2023年排名前十。還參與了Animate Anyone（讓人物跳舞），我負(fù)責(zé)加速。這兩個(gè)項(xiàng)目在23年底都比較有名。Animate Anyone給通義APP帶來幾十萬注冊(cè)，很多人用它生成視頻，去水印再發(fā)抖音。

新物種：你在達(dá)摩院又發(fā)論文又做功能，怎么看待研究與落地的關(guān)系？

高岱恒：我強(qiáng)烈建議多做研究。最近重看Ashby創(chuàng)始人Benjamin Encz在2017年寫的《The Art of Stealing》，他當(dāng)時(shí)就預(yù)測(cè)編程能力會(huì)越來越不稀缺，但做研究的時(shí)間很少。今天這已被驗(yàn)證：研究做得少，你連怎么跟AI交互、發(fā)掘它的智能都困難。

所以研究越來越重要。沒完整做過研究、交付過結(jié)果，就不懂從問題提出到收尾的全過程。平時(shí)寫代碼都在細(xì)節(jié)里，缺少全局思考。研究是個(gè)很好的最小閉環(huán)，能鍛煉全部能力。它不一定要發(fā)論文，但能教你如何收斂問題、如何交付。

工業(yè)落地是研究的延伸，只是有很多枯燥工作，比如數(shù)據(jù)處理、調(diào)參。但有研究背景，你就清楚哪里可以優(yōu)化。這也是為什么OpenAI、Anthropic給研究員的投入遠(yuǎn)大于工程師。

在達(dá)摩院期間參與學(xué)術(shù)會(huì)議

02.用Agent重新發(fā)現(xiàn)人才

新物種：你是在達(dá)摩院時(shí)期就開始做青稞AI社區(qū)的嗎？

高岱恒：對(duì)，青稞的第一期活動(dòng)在2024年3月2號(hào)。這個(gè)想法很直接：我注意到頂尖技術(shù)的創(chuàng)造者越來越年輕，像GPT的Alec Radford、LLaMA的Hugo Touvron，都是29歲左右做出的突破，且越來越多年輕的華人AI人才嶄露頭角。但聚光燈總打在商業(yè)領(lǐng)袖身上，我覺得該有個(gè)地方，讓這些真正的構(gòu)建者早點(diǎn)被看見。

新物種：第一期是怎么啟動(dòng)的？你認(rèn)為青稞成功搭建起來的原因是什么？

高岱恒：從朋友圈開始。請(qǐng)了當(dāng)時(shí)還在小紅書的Lovart王浩帆、劍橋的Andy Zhang、南洋理工的黃子琪。浩帆是因?yàn)槎荚贖ugging Face上活躍而結(jié)識(shí)。大家聊擴(kuò)散模型和AI的未來，反響很好。

青稞成功的核心在于，這群年輕的創(chuàng)造者也需要被認(rèn)可、被連接，這是社區(qū)能起來的根本。

新物種：后來做的Eliza OS，和區(qū)塊鏈有關(guān)？你在里面負(fù)責(zé)什么？

高岱恒：它本質(zhì)上是個(gè)AI Agent項(xiàng)目。當(dāng)時(shí)在探索Agent能做什么，有人提議試試交易場(chǎng)景，我們就參與了。結(jié)果衍生出了代幣，幣價(jià)漲得有點(diǎn)出乎意料。

我主要負(fù)責(zé)算法和技術(shù)白皮書，確保項(xiàng)目有扎實(shí)的說明和評(píng)估基準(zhǔn)，不能只扔個(gè)代碼庫就指望它成功。算是給它建立“學(xué)術(shù)血統(tǒng)”。

新物種：這應(yīng)該是你第一次接觸Agent？當(dāng)時(shí)為什么決定深入Agent這個(gè)方向？

高岱恒：算是第一次。契機(jī)是我給OpenAI的初創(chuàng)成員Durk Kingma發(fā)郵件請(qǐng)教，他回復(fù)說AI Agent是未來幾年最具商業(yè)價(jià)值的落地方向。這引起了我的興趣。

于是我去研究當(dāng)時(shí)最火的Agent框架，像LlamaIndex和LangChain。發(fā)現(xiàn)一個(gè)有趣現(xiàn)象：它們的創(chuàng)始人都在差不多時(shí)間從同一家公司離職，分別創(chuàng)業(yè)做AI Agent。這讓我感覺，Agent不是一個(gè)虛的概念，而是一個(gè)正在爆發(fā)的、有清晰路徑的領(lǐng)域。它的本質(zhì)是流程編排和調(diào)度，我覺得可以搞明白，就投入進(jìn)去了。

新物種：那是什么促使你將Agent與招聘結(jié)合，創(chuàng)立DINQ？

高岱恒：源于兩個(gè)觀察。一是在AI時(shí)代，什么最值錢？我認(rèn)為是解決復(fù)雜問題的高端智力。但這些人分散各處，很難被精準(zhǔn)發(fā)現(xiàn)。

二是傳統(tǒng)招聘模式在AI領(lǐng)域失效了——頂尖人才的信息不在領(lǐng)英簡歷上，而在論文、代碼庫和推特里。企業(yè)找他們，他們找機(jī)會(huì)，都像大海撈針。我想做一個(gè)能解決這個(gè)根本摩擦的平臺(tái)。

新物種：你們的團(tuán)隊(duì)是怎么組建的？目前規(guī)模是？

高岱恒：目前不到十人。聯(lián)合創(chuàng)始人有紅杉資本的HR和獵頭背景，幫很多公司招過人。我先跟他聊洞察，他沒概念；但看到Demo后，他立刻覺得這事能成。

新物種：能否用一句話讓人理解這是什么產(chǎn)品？

高岱恒：DINQ是最好用的找AI人才平臺(tái)，用一句話就能找到你想找的任何人。

新物種：所以DINQ究竟解決什么本質(zhì)問題？

高岱恒：用智能引擎，把一句模糊的需求（比如“我想找做世界模型的人”）直接匹配到具體的人；反過來，也能把一個(gè)人的完整數(shù)字足跡匹配到隱藏的機(jī)會(huì)。這不是簡單搜索，是深度理解與連接。

新物種：這和領(lǐng)英或新的AI招聘工具有何不同？

高岱恒：傳統(tǒng)平臺(tái)依賴關(guān)鍵詞和靜態(tài)簡歷，但AI人才不用領(lǐng)英。我們調(diào)研過，很多OpenAI的技術(shù)人員領(lǐng)英都不活躍。比如Sora 2的核心作者，你從他領(lǐng)英只能知道他是UCLA博士，其他什么也沒有。他的信息都在學(xué)術(shù)主頁和推特上。

新式的平臺(tái)做了語義搜索，但本質(zhì)還是在一個(gè)固定的數(shù)據(jù)庫（比如領(lǐng)英數(shù)據(jù)）里做向量化查詢。而AI領(lǐng)域技術(shù)、人、需求的變化太快，一個(gè)靜態(tài)數(shù)據(jù)庫永遠(yuǎn)追不上。

我們的做法不同。我們把決策權(quán)交給Agent。比如你要找“在NeurIPS發(fā)過文的視頻生成專家”，Agent可以直接去最新的會(huì)議論文列表里實(shí)時(shí)找，并結(jié)合GitHub、推特等多渠道信息來刻畫這個(gè)人。我們是動(dòng)態(tài)、實(shí)時(shí)、跨平臺(tái)的“活”搜索，不是維護(hù)一個(gè)龐大的死數(shù)據(jù)庫。

新物種：能舉個(gè)例子說明這種能力的差異嗎？

高岱恒：我問過如Gemini、ChatGPT這類通用AI，“Sora 2的華人核心貢獻(xiàn)者是誰？”它們給的答案很表面。但我們的系統(tǒng)能找出這些人，并關(guān)聯(lián)到他們的論文、代碼、最新動(dòng)態(tài)甚至聯(lián)系方式。對(duì)于求職者也一樣，Agent可以主動(dòng)識(shí)別匹配的機(jī)會(huì)并協(xié)助投遞。這才是下一代人才平臺(tái)該有的樣子。

03.構(gòu)建智能人才羅盤

新物種：你覺得投資人看重你們什么？

高岱恒：最大的點(diǎn)是我比較了解這群人——AI人才的獨(dú)特畫像和習(xí)慣。如果你也認(rèn)同這群人是稀缺的高價(jià)值資源，且傳統(tǒng)方式難以精準(zhǔn)觸達(dá)，那就有新平臺(tái)的機(jī)會(huì)。有新的人群，就有新平臺(tái)出現(xiàn)的空間。

新物種：作為新平臺(tái)，DINQ怎么解決冷啟動(dòng)？

高岱恒：主要靠產(chǎn)品功能和精準(zhǔn)運(yùn)營。冷啟動(dòng)的核心是功能本身要有粘性，能讓人留下來。比如我們提供的GitHub源碼分析、個(gè)人技術(shù)畫像對(duì)比、找導(dǎo)師交流和Agent自動(dòng)推薦機(jī)會(huì)等功能，都是為了解決實(shí)際痛點(diǎn)，而不僅僅是流量導(dǎo)入。

新物種：對(duì)構(gòu)建數(shù)據(jù)飛輪，你們有什么策略嗎？

高岱恒：說實(shí)在的，我目前沒有特別花哨的策略。我認(rèn)為最核心的還是先驗(yàn)證我們的匹配引擎是不是足夠好、足夠準(zhǔn)。如果引擎不成立，沒有解決根本問題，純靠運(yùn)營拉來的增長也會(huì)很快流失。

新物種：那如何確保你們的引擎是第一梯隊(duì)？

高岱恒：我們自己建立了內(nèi)部評(píng)估體系（Benchmark），橫向?qū)Ρ攘巳惙桨福阂皇侵苯佑猛ㄓ么竽Ｐ停ㄈ鏕emini、Claude）搜索；二是用通用AI Agent（如Manus）；三是現(xiàn)有的專業(yè)競(jìng)品平臺(tái)（如PeopleGPT）。在同樣的查詢條件下，我們的效果是最好且領(lǐng)先明顯的。我們不僅能找到人，還能關(guān)聯(lián)出他的合作網(wǎng)絡(luò)、最新研究成果、社交媒體動(dòng)態(tài)乃至聯(lián)系方式。

新物種：你們會(huì)根據(jù)需求改變調(diào)用的基座模型嗎？怎么看和底層模型廠商的關(guān)系？擔(dān)心他們吞噬Agent公司嗎？

高岱恒：首先，用好模型的關(guān)鍵不在于頻繁更換，而在于如何將其能力與你的業(yè)務(wù)流程深度結(jié)合。比如，我們?nèi)绾斡脧?qiáng)化學(xué)習(xí)讓Agent在特定任務(wù)上減少犯錯(cuò)、形成記憶，這是我們的技術(shù)壁壘。

至于模型廠商，他們本質(zhì)是“發(fā)電廠”，提供通用能力；我們是“電器廠”，把電轉(zhuǎn)化成解決特定問題的產(chǎn)品。定位不同，暫時(shí)沒有直接競(jìng)爭。人的數(shù)據(jù)是非標(biāo)準(zhǔn)的、實(shí)時(shí)變化的，大模型訓(xùn)練數(shù)據(jù)總有滯后性，而這正是我們處理信息的優(yōu)勢(shì)。關(guān)于吞噬，最終是產(chǎn)品定位問題：用戶是來找“人”的，不是來調(diào)用“AI”的，這決定了我們的生存空間。

新物種：你們?cè)趺纯础捌ヅ涑晒Α边@個(gè)指標(biāo)？是更快的速度，還是更高的契合度？

高岱恒：我更看重基于渠道的深度理解，而不僅是簡歷數(shù)據(jù)的匹配。AI時(shí)代，公開信息本身越來越廉價(jià)，但一個(gè)人在哪里活躍（谷歌學(xué)術(shù)、GitHub、推特），在這些渠道做了什么，這些“渠道價(jià)值”更重要。我們通過“個(gè)人主頁”聚合用戶的全渠道信息，比靜態(tài)簡歷更及時(shí)、立體。例如，一個(gè)研究員可能不常更新領(lǐng)英，但他的最新想法都在推文和論文預(yù)印本里。我們能捕捉這些動(dòng)態(tài)，從而實(shí)現(xiàn)更精準(zhǔn)的推薦和匹配。

新物種：LinkedIn不會(huì)做這個(gè)事嗎？他們有海量數(shù)據(jù)，做類似Agent似乎很自然。

高岱恒：第一，他們會(huì)不會(huì)全力做，我不確定。第二，LinkedIn的根基是上一代職業(yè)社交網(wǎng)絡(luò)，服務(wù)于“公司-雇員”范式下的職場(chǎng)人脈積累。而今天頂尖的AI人才，他們的主要舞臺(tái)和社交貨幣已經(jīng)變了——更多在開源社區(qū)、學(xué)術(shù)論壇和推特上，追求的是項(xiàng)目影響力和遠(yuǎn)程協(xié)作機(jī)會(huì)。這是兩代人的區(qū)別。

新物種：那你們的商業(yè)模式是什么？怎么收費(fèi)？

高岱恒：目前主要是按搜索收費(fèi)（Credit模式），用戶為智能查詢付費(fèi)。這類似傳統(tǒng)搜索平臺(tái)，但內(nèi)核不同：我們不是關(guān)鍵詞匹配，而是用引擎將一句模糊的自然語言需求，轉(zhuǎn)化為一個(gè)精準(zhǔn)的人才圖譜或機(jī)會(huì)列表。

新物種：后續(xù)會(huì)考慮別的收費(fèi)模式嗎？只靠搜索收費(fèi)會(huì)不會(huì)太單一？

高岱恒：目前階段不太考慮分散精力。首要任務(wù)是驗(yàn)證核心引擎的不可替代性。如果產(chǎn)品本身不夠硬，附加再多商業(yè)模式也留不住用戶。我認(rèn)同一個(gè)觀點(diǎn)：這行業(yè)最終會(huì)像制造業(yè)一樣，回歸到產(chǎn)品本身是否足夠扎實(shí)。

新物種：你們?cè)趺刺幚黼[私和數(shù)據(jù)安全問題？

高岱恒：我們只處理和分析個(gè)人自愿公開或已在互聯(lián)網(wǎng)上公開的信息，比如郵箱、學(xué)術(shù)主頁、技術(shù)博客。不涉及敏感的個(gè)人隱私數(shù)據(jù)。

新物種：你覺得短期內(nèi)（一年）DINQ最需要驗(yàn)證什么？3到5年內(nèi)希望它成為什么平臺(tái)？

高岱恒：一年內(nèi)，我們需要驗(yàn)證用戶活躍度和匹配質(zhì)量。目標(biāo)是聚集起第一批數(shù)十萬的高質(zhì)量的、活躍的AI從業(yè)者和愛好者。3到5年，我希望DINQ能成為AI領(lǐng)域人才的首選“個(gè)人品牌樞紐”——一個(gè)人在這里展示他的成果和動(dòng)態(tài)，就能高效地連接到他該連接的所有機(jī)會(huì)和人，無論是求職、合作還是創(chuàng)業(yè)。

新物種：你從土木到算法，做開源、待大廠、再創(chuàng)業(yè)，這種跨界經(jīng)歷給你帶來哪些獨(dú)特視角？

高岱恒：這種經(jīng)歷讓我習(xí)慣站在“系統(tǒng)之外”看問題。比如，現(xiàn)在招一個(gè)頂尖AI人才的摩擦成本高得驚人，甚至可能超過在舊金山買一棟房的時(shí)間。所有公司都在為此付出巨額成本。我們的價(jià)值不在于用AI優(yōu)化面試流程，而在于解決一個(gè)更根本的問題：“你如何發(fā)現(xiàn)那些你根本不知道其存在、但卻最適合你的人？”——也就是“人不知道自己不知道”的困境。這是當(dāng)前市場(chǎng)一個(gè)巨大的結(jié)構(gòu)性痛點(diǎn)。

新物種：展望2026年，最值得關(guān)注的趨勢(shì)是什么？

高岱恒：我認(rèn)為2026年將是“垂直領(lǐng)域AI Agent”的落地之年。未來的AI產(chǎn)品大致有兩個(gè)方向：一是利用AI大規(guī)模處理信息流（如Cursor）；二是利用AI解決高度復(fù)雜的專業(yè)問題（如科研、醫(yī)療）。我們將看到更多深入具體行業(yè)的Agent涌現(xiàn)。而無論哪個(gè)方向，找到對(duì)的人，始終是這一切的起點(diǎn)和核心。人的創(chuàng)造力，依然是技術(shù)浪潮中最關(guān)鍵的變量。

排版運(yùn)營/Teagan

- End -