出品|虎嗅科技組
作者| 王欣
編輯|王一鵬
頭圖| 視覺中國
OpenAI每發(fā)布一個功能，就消滅了一家初創(chuàng)公司。
比如，ChatGPT 內(nèi)置了PDF 處理功能后，提供 PDF 交互功能的初創(chuàng)公司受到劇烈沖擊：發(fā)布 ChatOCR的數(shù)據(jù)科學家 Alex Reibman調(diào)查發(fā)現(xiàn)，在ChatGPT降維打擊之后，72.4% 的人對該PDF插件的使用量將會減少。
4月25日，Sam Altman在斯坦福大學的演講中，再次給即將面對GPT5沖擊的初創(chuàng)公司敲響警鐘：
“GPT4是‘差生’，GPT5將會有顯著提高。許多創(chuàng)業(yè)和研究項目聚焦于完善現(xiàn)有AI的不足，這實際上是基于AI技術停滯不前的假設。然而，隨著GPT-5、GPT-6等更先進模型的涌現(xiàn)，這將失去價值。”
AI創(chuàng)業(yè)者們，如何在遮天蔽日的OpenAI狂野浪潮中幸存？
AI面試這個賽道，或許可以帶來一些啟示：
2014年伊始的AI面試，歷經(jīng)十年，大浪淘沙，曾經(jīng)30多家存在過的公司，如今在國內(nèi)只剩下6家左右。
穿越AI1.0時代和AI2.0時代的幸存者發(fā)現(xiàn)：
第一，真正有價值的產(chǎn)品在大模型時代來臨之前就已經(jīng)得到驗證，這個價值是不依賴于大模型的，大模型只是在原有基礎上提升了價值。
第二，務必做特定垂直領域的專門人工智能。
這也是這些公司能夠存活至今的根本原因。
沒被OpenAI殺死？差點
某AI面試公司CEO回憶起GPT發(fā)布的恐怖故事：“GPT發(fā)布后，VC們集體錯過國內(nèi)AI初創(chuàng)，融不到錢的我們差點死了。”
GPT發(fā)布前，這個公司就自研了億級參數(shù)量的第一代AI面試大模型，他認為“當時我們的技術跟美國是并駕齊驅的”，但GPT發(fā)布后，一切都改變了。
GPT就是這場AI競賽新的規(guī)則。最恐怖的是，他們當時所用的NLP技術，在CV算法大行其道的創(chuàng)投圈找不到“接盤俠”。
打不過就加入。于是一些公司選擇接入OpenAI的API，但也因此引發(fā)了一場小風波。
該公司負責人告訴虎嗅：“在調(diào)用了OpenAI API的大模型涉及數(shù)據(jù)安全問題被下架后，我只花了一秒鐘就找到了inner peace。”
原因在于：他們發(fā)現(xiàn)，最終還是要走自研這條道路，于是很多公司選擇了基于開源模型Llama 2去做自研大模型。
現(xiàn)在看來，無法調(diào)用OpenAI的API對這些公司并非壞事。
在去年11月的大會之后，越來越多的開發(fā)者開始陷入焦慮：如果繼續(xù)使用OpenAI的API進行應用層開發(fā)，OpenAI最終可能發(fā)布和他們競爭的產(chǎn)品。這種情況下，應用層離API這種工具越近越危險。找到能商業(yè)化落地的場景才能笑到最后。
而這個賽道幸運之處在于：而這個賽道的價值點，并不在于底層模型的技術有多高超，而是在用上大模型之前，就已經(jīng)搞定了PMF（Product-Market Fit）。
這是典型的先有釘子，后有錘子。那么招聘場景的釘子在哪？先來看兩組數(shù)據(jù)，
1、比亞迪2023年校招應屆畢業(yè)生3.18萬，公告發(fā)出24小時內(nèi)他們收到了12萬份簡歷。
2、某勞動密集型集團分公司一年的招聘藍領的預算是上億級別。
這導致了兩個問題：
1、hr無法短時間快速面試并篩選大量候選人，這導致很多公司的校招為了從成千上萬的簡歷篩選候選人甚至會用抽簽的方式，很多簡歷甚至都不會被HR打開。
2、在藍領招聘市場，例如工廠流水線工人、快遞小哥，這種大量借助勞動中介招聘的工種，存在極大的利潤尋租空間，并且難以用一個集團的統(tǒng)一標準招聘。
而AI面試在某種程度敲下了這兩顆釘子：它給了每個候選人被AI面試官面試一次的機會，一天之內(nèi)面試上萬人次；也讓順豐這些連鎖型集團，在招聘快遞員時，能夠統(tǒng)一標準并且更加公開透明，斷絕了勞動中介的利潤空間。
藍領AI面試公司CEO梁公軍告訴虎嗅，截至2023年底，他們的系統(tǒng)已經(jīng)面試了800萬人次，預計2024年將新增1000萬人。目前你所看到的順豐快遞小哥，都經(jīng)過海納AI面試系統(tǒng)的篩選，而這發(fā)生在他們的大模型上線之前。
因此，AI面試基于招聘場景解決了部分真問題，但這并不單純依托于大模型的能力。
用上大模型之后，能解決的問題更多了。梁公軍發(fā)現(xiàn)，之前他們采用的技術是AI1.0時代的 NLP 和規(guī)則引擎，那時AI面試問題大多是固定問題，而判斷候選人的打分標準也是基于關鍵詞識別。只能打穿要求較低的藍領工人面試。
大模型上線后，在面試要求較高的白領和校招招聘場景，他們也能卷一卷了。面試題目會根據(jù)候選人的勝任力生成不同的特定題目，并且在候選人回答的基礎上立刻形成第二輪追問。大模型會根據(jù)候選人的表現(xiàn)打分并輸出一整套報告。
另外，大模型浪潮席卷后，客戶對AI面試的接受度更高了，這對于本質(zhì)是SaaS的AI面試，無疑是一個利好。
更深更垂更快
AI投資人Ben Parr認為，AI初創(chuàng)為避免淪為OpenAI等一眾大廠的炮灰，一定要更加專注服務于你所服務的客戶，擁有更加垂直的數(shù)據(jù)。
AI面試賽道是一個多么細分的垂直領域呢？
梁公軍告訴虎嗅，AI面試是整個AI招聘場景下一個環(huán)節(jié)，而AI面試又分為白領校招和藍灰領招聘兩種不同路線場景。以藍灰領為例，快遞員、工廠工人等不同行業(yè)的藍灰領招聘又有各不相同的招聘模型。
而他認為，這個賽道的壁壘并不在于技術，而是在于行業(yè)專家和海量數(shù)據(jù)疊加下的復雜工程優(yōu)勢。
想要獲得工程優(yōu)勢，就要持續(xù)專注某個特定垂直場景。這種情況下，主打路線的選擇尤為重要。
海納 AI 選擇了主打藍灰領路線，依據(jù)的是以下三個判斷：
第一，中國有8.5億藍灰領和3.5億白領，而藍灰領流動性較強，其中大約有3億藍領一年要找三次工作，假設每次跳槽面試三家公司，就意味著整個藍領的這種一年的面試總人數(shù)是 27 億人次。這些集中四五線城市下沉市場的就業(yè)人數(shù)才是真正沉默的大多數(shù)。
第二，目前的技術限制，導致AI面試無法切入高端人才招聘場景。但對于快遞員、咖啡店員、超市員工等考核標準較為簡單的藍灰領招聘，AI1.0時代的技術就足以打穿這些賽道，甚至比人類面試官做得又快又好。
第三，這個龐大市場正逐漸浮現(xiàn)一個巨大的趨勢連鎖化、頭部集中化。
以瑞幸咖啡為例，2023年8月份他們只有 1.3 萬家門店，但通過加盟的方式快速擴建后，目前瑞幸咖啡已經(jīng)將近 1.7 萬家門店了。
這些快速擴招的巨頭集團都需要一套統(tǒng)一的標準來招聘員工。而AI面試天然就帶有將人才標準化的屬性。
這使得AI 面試公司積累了藍灰領招聘場景下專用的、小眾的數(shù)據(jù)集訓練模型。這些大廠們無法訪問的招聘數(shù)據(jù)庫，是隔開OpenAI和初創(chuàng)公司的“籬笆”。
雖然生成式AI如火如荼，但對于初創(chuàng)公司來說：不試圖為所有人構建生成式AI工具，而是為有特殊需求的垂直領域構建，是這個賽道沒在AI時代長河中消失的重要原因。
在AI競爭進入白熱化后，一個明顯的趨勢是：國內(nèi)的AI大廠也開始對這個賽道蠢蠢欲動。但一些創(chuàng)業(yè)者仍對此充滿信心：他們認為，大廠獨有的用戶平臺優(yōu)勢，應該去切入面向候選人的AI招聘模擬賽道。
一個創(chuàng)業(yè)者發(fā)了這樣一個朋友圈：如果國家隊下場，一統(tǒng)江湖，那么AGI指日可待。
我問他：那你會有危機感嗎？
他回答：最頂尖的基座大模型也不可能覆蓋所有應用。
90年代，微軟也想徹底壟斷個人電腦及軟件市場，愿景是“讓每一臺電腦都裝上Windows系統(tǒng)”，為此不惜下血本拍死網(wǎng)景（市場占有率第一的瀏覽器）等后起之輩。
但后來，百家爭鳴的時代還是來臨了。
而眼下這個賽道最大的問題并不是這些潛在的競爭對手，而是就業(yè)市場的整體萎縮，所帶來的潛在客戶需求下降。
一個大型科技企業(yè)員工透露：“去年我們部門在官網(wǎng)開放了幾十個崗位，但實際上我們并不打算招一個人。”
在這種情況下，恐怕就算是OpenAI也難有回天之力。
這個賽道在OpenAI浪潮傾軋下，靠著PMF和足夠垂直跑贏了大廠，但還能存活多久，依舊是個未知數(shù)。
