从质疑到信任：近屿智能九年的AI面...

来源：市场资讯

（来源：非凡产研）

AI行业观察

从600万到千万：第七代Agent变了什么

AI时代，人才到底怎么评估、怎么培养、怎么供给？

一个HR出身的CEO，在被技术人主导的AI赛道上，凭什么？

两年后的今天，方小雷的AI得贤招聘官累计面试人次突破千万，基于"近屿超脑"大模型底座，持续迭代HR垂直场景模型能力，客户从11个行业扩展到20多个，AI培训业务服务了7000多名学员。公司从"养活自己"走到了HICOOL全球创业大赛二等奖和"Go Global AI 100"。

一个HR出身、在大厂和跨国公司干了11年人力资源的创业者，在被技术人主导的AI赛道上，凭什么？

我和方小雷聊了两个小时，从业务复盘聊到自研大模型，从"黑盒子"质疑聊到组织进化。聊完最大的感受是：近屿智能的护城河，不是模型参数，而是一个HR出身的CEO对"识人"这件事的偏执。

双轮驱动：培训不是"喧宾夺主"，是"识人+育人"

2024年7月，方小雷的两条腿走路——AI面试业务+AIGC培训业务。现在两条都在增长，结构变了。有人问他：培训业务占比变大了，你们还是"AI面试公司"吗？客户会不会质疑你们做产品的专注度？

"招聘端解决'识别人'的问题，培训端解决'培养人'的问题。AI面试让企业知道需要什么样的人，AI培训让这样的人被培养出来。"

7000多名学员里，有高校学生、在职转型者、企业员工、企业内训人群——四个完全不同的群体，但指向同一个问题：AI时代，人才到底怎么评估、怎么培养、怎么供给？说白了，这不是"面试公司顺带着做培训"，而是从一个单点工具走向一个"评估-培养-匹配-用人"的数据闭环。培训业务带来的现金流和一线数据，反过来在反哺AI面试的产品能力。

从600万到千万：第七代Agent变了什么

2025年4月非凡大赏的时候，方小雷说"接近600万人完成过我们的AI面试"。现在，千万量级。增长不是单点突破，是几个因素叠加：老客户从校招扩展到社招和更多业务线，新客户持续增加，单个客户的使用深度在提升。更重要的是PLG模式——让企业和HR先低门槛试用，从试用走向正式采购。

行业覆盖也在扩大。除制造、金融、互联网、保险、银行外，汽车、会计师事务所、供应链、新能源都在拓展。高端制造行业的增长较为明显。——这类企业招聘需求稳定、岗位体系清晰、对筛选效率和面试一致性要求高，AI面试的价值最容易被看见。

但最值得关注的产品升级是第七代AI得贤招聘官Agent，基于自研"近屿超脑"大模型。从L5到L6、L7版本，核心变化不是多了几个功能，而是产品从"能完成面试流程"，走向"更像一个专业面试官"。

L7技术面试里有两个新能力特别值得关注。第一个是 Code Review代码审查。L7级AI得贤招聘官AI面试Agent会结合候选人简历和项目经历，自动生成针对性的代码审查题，并提供一段由近屿智能自研大模型生成的完整代码，要求候选人在限定时间内完成阅读、问题定位和优化方案设计。

这一环节不只是考察候选人能否发现Bug、性能瓶颈和安全隐患，更重要的是判断其工程素养和项目治理能力，包括是否理解系统设计、能否识别结构性问题、能否提出可落地的优化方案。相比单纯考察写代码，Code Review更贴近真实工程场景，也更能识别企业真正需要的工程型人才。

第二个是 Vibe Coding AI协作编程。它重点考察候选人是否能够通过Prompt与大模型协作，完成需求理解、代码生成、调试修改和持续优化等真实开发任务，判断其AI时代的人机协作能力。

客户反馈的变化也很明显：过去，客户更关注"AI能不能完成一场面试"；现在，客户开始关注"AI能不能承担更复杂、更专业、更贴近真实业务的面试任务"。

客户反馈的变化很说明问题：以前关注"AI能不能完成一场面试"，现在关注"AI能不能承担更复杂、更专业的面试任务"。

自研"近屿超脑"大模型：不是为了"我们也有大模型"

这里有一个反直觉的选择。2024-2025年，GPT-4、Claude 3、Gemini的能力突飞猛进。所有人都觉得"直接调用API不香吗"，但近屿智能却一路坚持自研自有模型。

"HR招聘场景比较特殊，不能只靠通用API解决所有问题。AI面试不是让模型问几个问题、写一段总结就完事了。"

背后涉及岗位胜任力怎么理解、候选人回答怎么判断、怎么动态追问、怎么评分、怎么解释结果、怎么保证不同候选人的评价标准一致——还有企业简历、面试记录、测评数据这些敏感信息的安全问题。通用模型的风险是真实的：幻觉影响评分准确性，对某些行业语境理解不够深，追问逻辑不符合真实招聘流程。很多企业客户对招聘数据的安全性要求很高，希望系统自主可控。

所以自研的性价比依然成立。核心不是去跟大模型厂商拼通用能力，而是把HR场景里的核心能力做深：评估逻辑更稳定，评分结果更可解释，数据安全更可控。方小雷列出了五件事构成的壁垒：长期积累的人力资源场景数据、岗位能力模型和人才评估方法、AI面试/追问/测评/报告的产品体系、大量真实企业客户的交付经验、评估-培养-匹配-用人的数据闭环。就算大厂明天开放HR专用模型，它提升了行业底层能力，但不会自动解决企业怎么用、怎么落地、怎么和招聘流程结合的问题。说白了，近屿智能不是在卖模型，是在卖"懂HR"的能力。

从"黑盒质疑"到"白盒评分"：被客户教育出来的进化

中欧商学院2023年的案例记录了一个真实故事：2021年服务A集团时，子公司HR对AI评分逻辑提出质疑。黑盒子打分不被信任，系统对接困难。方小雷坦承，早期确实遇到过很多质疑：AI为什么这么打分？公平吗？候选人会被误判吗？业务部门能相信这个结果吗？这些问题逼着他们做了一个关键转变：从黑盒打分，走向白盒逻辑。

现在的第七代产品强调"可解释性评分"——让HR和业务部门看到候选人哪里表现好、哪里存在风险、评分依据是什么、后续需要人工重点关注什么。客户认知也在成熟。现在很少停留在"AI公不公平"的泛化质疑上，更多关心的是：评分是否稳定，评估逻辑是否可解释，结果能否和人工面试、复试表现、用人反馈形成一致性。近屿智能的回应方式是可验证的数据：背靠背的人机对比实验，AI面试结果与人工面试官评估对照，再结合后续复试表现验证评分的稳定性和有效性。方小雷始终强调一个定位：AI是辅助决策工具，不是绝对裁判。关键岗位上，AI用来提升初筛效率和评估标准化，最终用人判断仍然要结合HR和业务负责人共同完成。

存量市场怎么增长？不依赖宏观复苏的四个信号

2024年方小雷说"经济如果不大规模复苏，AI招聘不可能高速增长，我们还在等一个机会"。一年后，他的判断变了：AI招聘当然受宏观招聘需求影响，但它不能只依赖宏观复苏。存量市场里，企业依然有很强的需求：降本、增效、提高判断一致性、减少无效面试。更重要的是，企业需要的已经不只是一个AI面试系统，而是一套围绕人才识别和组织用人的整体解决方案。

方小雷看到了四个信号，判断"机会已经在来"：第一，越来越多企业不再只是试用AI面试，而是把它放进正式招聘流程。第二，客户需求从"帮我面几个候选人"变成"帮我优化整个招聘流程"。第三，HR部门和业务部门都开始关心AI面试结果能否解释、能否复盘、能否沉淀数据。第四，客户从单一岗位试点扩展到更多岗位和业务线。所以增长方式不是等"招聘量变大"，而是把每个客户场景做深。近屿智能已经从系统交付，衍生出组织架构盘点、人才盘点、岗位胜任力建模、面试标准设计等服务型能力。不是只交付一个工具，而是围绕企业的招聘效率、人才质量和组织发展结果负责。AI招聘正在从"可选工具"进入"效率基础设施"。

一个HR出身CEO的坦诚：优势很明显，盲区也很痛

方小雷从不回避自己的非技术背景。HR背景最大的帮助是更理解人、组织和岗位。他知道企业招聘里哪些环节最痛，HR为什么忙，业务部门为什么不满意，候选人为什么体验差。这是做AI面试产品最宝贵的出发点。但盲区也很明显。早期低估技术产品化的复杂度，低估工程系统、数据系统和产品迭代的难度。管理一家AI公司，不只是懂人力资源，还要懂技术、产品、销售、交付、资本和组织进化。

公司到100多人之后，他踩了两个典型的坑。第一个是战略衰减：战略在高层很清楚，但传递到中层和一线时发生变形。第二个是跨职能协同：技术、产品、销售、交付、培训、运营，每个部门都有自己的语言和目标，没有清晰机制就容易各自努力但方向不同。我问他：如果让你选，宁愿回到"被69家VC拒绝但产品简单"的2018年，还是留在"客户多但组织复杂"的2026年？他毫不犹豫地选了2026年。"2018年虽然产品简单，但不确定性太大。你不知道客户是否真的需要，不知道公司能不能活下来。2026年的问题更复杂，但它是成长之后的问题。我们有真实客户，有产品验证，有团队基础，也有更大的市场机会。创业者不能怀念简单，必须学会驾驭复杂。"

资本是加速器，不是发动机

聊到最后，我问了那个很多创业者关心的问题：对融资的态度。方小雷说得很直接："开放，但不焦虑。"2024年初完成千万级A轮融资之后，近屿智能没有新的融资消息。但方小雷说，公司不是完全依靠融资维持运转。AI面试业务有稳定的企业客户基础，AI培训业务带来了更直接的现金流。"如果有合适的资本，能够帮助我们加速技术研发、市场拓展、海外布局和组织建设，我们当然欢迎。但我们不会为了融资而融资。创业公司最终要回到客户价值和商业基本面。"

"真正决定公司命运的，不是某一次偶然机会，而是长期有没有客户价值、有没有技术积累、有没有持续交付能力。"

最后说一个判断

AI招聘赛道正在分化。一边是Demo型产品——看起来很酷，但进不了企业流程。另一边是真能在企业工作流里扎根的产品——可解释、可复盘、有数据闭环、有客户复购。方小雷的判断是：会消失的是那些只有概念、没有真实工作流、没有客户复购的产品。真正留下来的，是那些能进入企业工作流、能提升效率、能解释结果、能持续复盘的产品。近屿智能选择了最"笨"的一条路：自研大模型、白盒评分、从面试延伸到培养和供给、把每个客户场景做深。没有追风口，没有讲大故事。但两年时间里，千万级面试人次、7000多名培训学员、20多个行业覆盖——这些数字说明了一件事。在AI时代，最懂"人"的公司，最懂技术该怎么用。

更多对话细节

Q1：近屿智能现在还是一家"AI 面试公司"吗？

方小雷：更准确地说，近屿智能正在从单一 AI 面试产品公司，走向 AI 时代的人才评估、人才培养和人才供给平台。AI 面试业务一直是我们的技术根基和企业客户入口，它解决的是企业在招聘里最核心的问题：如何更高效、更稳定、更科学地识别人才。但这两年 AI 培训业务也增长很快。它不是简单的补充收入，而是我们在 AI 时代看到的第二个刚需：企业和个人都需要真正具备 AI 应用能力的人才。所以我不会把培训业务定义成"雪中送炭"，也不会说它"喧宾夺主"。更准确地说，它和 AI 面试共同组成了我们的双轮驱动：招聘端解决"识别人"的问题，培训端解决"培养人"的问题。

Q2：从接近 600 万人完成 AI 面试，到现在千万量级，增长主要来自哪里？

方小雷：截至目前，我们累计完成的 AI 面试人次已经从当时接近 600 万，增长到了千万量级。这个增长不是某一个单点带来的，而是几个因素叠加的结果。第一，老客户在持续复购，并且把 AI 面试从校招、部分岗位，逐步扩展到社招、批量筛选和更多业务线。第二，新客户在持续增加，越来越多企业开始把 AI 面试放进正式招聘流程。第三，单个客户的使用深度在提升，AI 面试不再只是初筛工具，而是开始和人才评估、招聘报告、ATS 流程、人才寻访等环节结合起来。另外一个很重要的原因，是我们在推进 PLG 模式。我们给更多企业和 HR 用户开放试用和免费体验，让他们先低门槛使用起来，真正看到 AI 面试能不能提升效率、改善体验、降低筛选成本。

Q3：AI 面试在哪些行业渗透最快？

方小雷：目前，AI 得贤招聘官已经覆盖 20 多个行业。除原有的制造、金融、互联网、保险、银行等行业外，也在汽车、会计师事务所、供应链、新能源等领域持续拓展。从渗透率来看，高端制造行业的增长比较明显。这类企业通常有几个特点：招聘需求相对稳定，岗位体系和能力要求比较清晰，同时对人才筛选效率、面试标准化和用人决策一致性的要求较高。所以 AI 面试更容易先进入高频招聘、标准化程度较高的岗位场景。未来随着 PLG 模式推进，它也会从传统的大中型企业校招、社招场景，逐步扩展到更多行业、更多岗位和更多中小企业客户中。

Q4：第七代 AI 得贤招聘官 Agent 的升级，是客户倒逼，还是主动技术跃迁？

方小雷：两者都有，但更准确地说，是客户真实场景牵引和我们主动技术升级共同推动的结果。客户倒逼我们解决的，不是实验室里的问题，而是招聘一线每天都会遇到的问题。比如：AI 能不能追问？能不能理解候选人的真实经历？能不能识别空泛回答？能不能给出 HR 和业务负责人都看得懂的评估报告？能不能和企业原有招聘系统、在线考试系统、ATS 流程更好地衔接？特别是在技术招聘场景里，客户的要求越来越具体。像携程这类客户，每年校招岗位多、招聘量大，技术岗位筛选压力很高，单靠传统简历筛选和人工初面，很难在效率和精准度之间取得平衡。所以在 L7 技术面试里，我们重点强化了两个能力：一个是 Code Review 代码审查，考察候选人是否具备工程判断力和项目治理能力；另一个是 Vibe Coding AI 协作编程，考察候选人是否能通过 Prompt 与大模型协作，完成真实开发任务。第七代最大的变化，不是多了几个功能，而是产品从"能完成面试流程"，逐步走向"更像一个专业面试官"和"更懂真实岗位场景的 AI 招聘 Agent"。

Q5：第七代产品发布后，客户反馈最大的变化是什么？

方小雷：客户反馈最大的变化是：以前大家更关注"AI 能不能完成一场面试"，现在开始关注"AI 能不能承担更复杂、更专业的面试任务"。第七代发布后，几个变化比较明显。第一，交互更自然。候选人不会感觉只是被机器问固定题，而是能感受到系统会根据回答内容继续追问，面试过程更接近真实结构化面试。第二，报告更可用。HR 和业务部门不只是看到一个分数，而是能看到候选人的优势、风险点、能力表现、判断依据和后续建议。第三，技术考核能力更强。尤其在技术岗位场景中，客户不再满足于简单问答或基础编程题，而是希望 AI 能进一步识别候选人的真实工程能力。第四，面试官感更强。确实有客户反馈，第七代的体验更接近一个受过训练的结构化面试官，而不是简单问答机器人。当然，我们不会说 AI 已经完全等同于真人面试官。更准确地说，AI 正在承担越来越多标准化、结构化和高频的面试任务，把人类面试官从重复筛选中解放出来。

Q6：AI 招聘的机会，已经不依赖宏观招聘复苏了吗？

方小雷：AI 招聘当然会受宏观招聘需求影响，但它不能只依赖宏观复苏。过去大家会认为，只有招聘市场恢复了，AI 招聘才会增长。但我们现在看到，即使在存量市场里，企业依然有非常强的需求：降本、增效、提高判断一致性、减少无效面试、提升候选人体验。更重要的是，企业需要的已经不只是一个 AI 面试系统，而是一套围绕人才识别和组织用人的整体解决方案。所以机会已经不只是来自"招聘量变大"，而是来自企业对招聘流程、人才评估和组织用人方式的整体重构需求。AI 招聘正在从"可选工具"进入"效率基础设施"，也正在从单点系统，走向"产品 + 服务 + 结果交付"的综合解决方案。这是我们看到的真正机会。

Q7：近屿智能出海，现在走到哪一步了？

方小雷：目前公司业务仍以国内市场为主，海外业务处于筹备和试点推进阶段。HICOOL 全球创业大赛二等奖和"Go Global AI 100"的入选，对我们后续出海会有比较大的帮助。一方面提升了公司在国际创新创业生态中的认知度，另一方面也有助于我们对接海外资源、合作伙伴和本地化服务网络。我们的出海不会是单一模式，而是"两条线并行"。我们不会简单把国内产品复制到海外，而是会在保留核心技术能力和产品优势的基础上，结合当地市场的法律合规、文化习惯、招聘流程和候选人体验要求，重新做本地化设计和交付。整体来看，我们相信 AI 面试和 AI 招聘产品在海外市场有长期机会，但会采取稳步试点、逐步复制、逐步规模化的方式推进。

Q8：大模型能力进步这么快，近屿智能为什么还要坚持自研模型？

方小雷：对近屿智能来说，自研模型不是为了讲一个"我们也有大模型"的技术故事，而是因为 HR 招聘这个场景本身比较特殊，不能只靠一个通用 API 来解决所有问题。AI 面试不是简单让模型问几个问题、最后写一段总结。它背后涉及岗位胜任力怎么理解、候选人回答怎么判断、怎么动态追问、怎么评分、怎么解释结果、怎么保证不同候选人的评价标准一致，还涉及企业简历、面试记录、测评数据这些敏感信息的安全问题。所以我们并不是把"自研模型"和"外部模型"对立起来。我们当然会关注 OpenAI、Claude、通义、DeepSeek 等模型的能力，也会在合适的场景里使用外部模型能力。但我们的核心判断是：HR 场景里最关键的不是谁的通用模型参数更大，而是谁更懂招聘流程、岗位能力模型、面试评价逻辑和企业实际使用场景。我们的自研重点，不是去跟大模型厂商拼通用能力，而是把 HR 场景里的核心能力做深。比如评估逻辑更稳定，评分结果更可解释，数据安全更可控，交付给企业时更稳定、更可信。

Q9：如果大厂明天开放 HR 行业专用模型，近屿智能的壁垒在哪里？

方小雷：我们的壁垒不只是模型本身，而是五件事。第一，长期积累的人力资源场景数据。第二，岗位能力模型和人才评估方法。第三，AI 面试、AI 追问、心理测评和报告生成的产品体系。第四，大量真实企业客户场景里的交付经验。第五，评估—培养—匹配—用人的数据闭环。如果大厂明天开放 HR 专用模型，它会提升整个行业的底层能力，但不会自动解决企业怎么用、怎么落地、怎么解释、怎么和招聘流程结合的问题。近屿智能的价值，是把 AI 模型能力转化成 HR 场景里真正能落地、能解释、能交付、能持续优化的系统。

Q10：从"黑盒打分"到"白盒逻辑"，这个转变是怎么来的？

方小雷：这是客户教育和技术演进共同推动的。早期做 AI 面试时，我们确实遇到过很多质疑。客户会问：AI 为什么这么打分？这个分数公平吗？候选人是否会被误判？业务部门能不能相信这个结果？这些问题非常有价值。它们让我们更早意识到，AI 面试不能只追求"自动化"，还必须追求"可解释、可验证、可复盘"。所以我们从黑盒打分，逐步走向白盒逻辑。今天我们更强调让 HR 和业务部门看到：候选人哪里表现好，哪里存在风险，评分依据是什么，后续还需要人工重点关注什么。这不是为了迎合客户，而是 AI 真正进入企业关键流程必须完成的进化。

Q11：AI 得贤人才寻访智能体，是从面试延伸到猎头了吗？

方小雷：AI 得贤人才寻访智能体并不是对 AI 得贤招聘官的替代或改名，而是 AI 得贤招聘官产品体系下的一个子产品，是我们围绕企业招聘流程进一步延伸出来的 Agent 能力。企业招聘中的痛点并不只发生在面试环节。在真实招聘流程里，简历筛选、候选人沟通、面试邀约、简历回收、状态跟进、ATS 同步等工作，都需要 HR 投入大量时间和精力。AI 得贤人才寻访智能体主要解决的就是这些面试前端和招聘流程中的高频、重复性工作。它可以帮助企业完成候选人初步筛选、自动化沟通、简历收集、流程跟进和系统同步，让 HR 从大量事务性工作中释放出来。所以，这不是一次简单的品牌重新定位，而是在 AI 得贤招聘官原有能力基础上的功能扩展和产品深化。它和传统猎头也不是简单替代关系，更准确地说是赋能和合作关系。传统猎头的价值在于行业理解、客户关系、高端人才判断和复杂沟通；AI 更适合处理高频、重复、流程化的部分。

Q12：候选人用 ChatGPT、DeepSeek 辅助面试，怎么防止"AI 面试 AI"？

方小雷：候选人使用 AI 准备面试已经是不可逆趋势。我们的反作弊策略不是依赖单一检测，而是从题目设计、动态追问、多模态识别和监考机制几个层面共同解决。第一，题目设计上，我们通过千人千问减少标准答案复用，避免候选人提前背模板、套答案。第二，面试过程中，AI 会根据候选人的回答进行深度追问，重点考察项目细节、行为细节、决策过程和复盘能力。真正做过的人通常能讲出具体细节，而临时生成或包装出来的答案，很容易在连续追问中暴露出逻辑不一致、细节缺失或表达空泛的问题。第三，在技术手段上，我们会结合多模态识别，关注候选人的作答状态、表达节奏、上下文一致性和异常行为，提升对作弊行为的识别能力。第四，在必要场景下，我们也会增加物理层面的防作弊手段，比如第二机位监考。所以 AI 面试未来不是简单地"防作弊"，而是要通过题目机制、追问机制、技术识别和物理监考相结合，更强地识别候选人的真实能力。

Q13：AI 培训业务和 AI 面试业务之间，真的有协同吗？

方小雷：AI 培训业务目前已经在国内服务七千多名个人学习者。学员画像比较多元，主要包括四类：高校学生、在职转型者、企业员工，以及企业客户的内训人群。我们做培训不是只讲概念，而是围绕 AI 工具、AI Agent、AI 应用开发、项目实战和企业级场景训练，帮助学员形成可应用、可实践、可迁移到岗位场景中的AI能力。它和 AI 面试业务有很强协同。AI 面试让我们知道企业需要什么样的人，AI 培训让我们知道这样的人如何被培养出来。两个业务连接起来，就是从人才评估到人才培养，再到人才供给的闭环。

Q14：现在对融资的态度是什么？

方小雷：具体账上现金周期我们不方便在公开场合披露，但可以明确的是，近屿智能不是一家完全依靠融资维持运转的公司。过去几年，我们一直非常重视经营质量和现金流。AI 面试业务已经有稳定的企业客户基础，AI 培训业务也带来了更直接的现金流和市场验证。这让我们对融资的心态更从容。融资当然重要，但它不是企业生存的唯一前提。我现在对融资的态度是：开放，但不焦虑。如果有合适的资本，能够帮助我们加速技术研发、市场拓展、海外布局和组织建设，我们当然欢迎。但我们不会为了融资而融资。创业公司最终要回到客户价值和商业基本面。尤其在今天的环境下，企业能不能自己造血，能不能服务真实客户，能不能持续交付，比讲一个很大的故事更重要。资本是加速器，不是发动机。发动机一定是客户价值。

Q15：如果给企业 HR、AI 创业者和投资人一条建议，AI 怎么才能真正进入 HR 工作流？

方小雷：不要从"AI 能替代谁"开始，而要从"哪个 HR 工作流最值得被 AI 重构"开始。AI 进入 HR，不是先做一个很大的系统，而是从具体、高频、重复、可衡量的场景切入。比如校招初筛、销售岗位初面、批量候选人沟通、简历筛选、人才寻访、企业 AI 能力培训，这些都是很适合开始的场景。企业一开始不要追求一步到位，而是先选一个痛点明确、指标清晰、业务愿意配合的场景，把它跑通。具体判断一家公司是否适合先引入 AI 面试，可以看三个信号。第一，这个岗位是否高频招聘、候选人数量多、HR 初筛压力大？第二，这个岗位是否有相对清晰的能力标准？第三，企业是否愿意把 AI 面试结果和后续招聘结果做复盘？如果这三个答案都是"是"，这个企业就很适合先从 AI 面试开始。不要一上来全公司铺开，而是先选一个岗位、一个业务线、一个招聘周期，跑出数据，再逐步扩大。