當(dāng)所有人都在問AI會不會取代你，這家拿了2275萬美元的公司在做一件完全相反的事

你有沒有想過，你職業(yè)生涯里那些真正改變方向的時刻，幾乎都不是靠簡歷找來的？是某個人主動押注在你身上，是一封意外收到的郵件，是朋友的一通電話引出了一個項目，然后那個項目變成了一家公司。我越來越相信，人與機(jī)會之間的匹配，是整個職業(yè)世界里效率最低的一件事。不是因為機(jī)會不夠多，而是因為大量真實的能力和經(jīng)驗，根本沒有辦法被有效地看見。

就在這個背景下，我注意到了 Ethos 這家公司。他們剛剛完成了 2275 萬美元的 A 輪融資，由 a16z 領(lǐng)投，General Catalyst、XTX Markets、Evantic Capital 和 Common Magic 參與其中。這家總部位于倫敦的創(chuàng)業(yè)公司，正在用 AI agent 和語音技術(shù)，重新解決一個古老而頑固的問題：如何讓真正的專業(yè)能力被看見、被匹配、被變現(xiàn)。乍聽之下，這好像只是一個專家網(wǎng)絡(luò)平臺的迭代升級。但當(dāng)我深入了解之后，我覺得他們在做的事情，遠(yuǎn)比這個要根本得多。

01 傳統(tǒng)專家網(wǎng)絡(luò)到底錯在哪里

先說說現(xiàn)在的市場長什么樣。企業(yè)在尋找外部專家意見的時候，通常有兩條路：一是上 LinkedIn 自己找，二是用 GLG、Third Bridge、AlphaSights 這類專業(yè)的專家網(wǎng)絡(luò)平臺。這個市場不算小，全球頂級的對沖基金、私募股權(quán)公司、咨詢機(jī)構(gòu)，每年在這上面花的錢是以億美元計的。但實際上，大多數(shù)使用這些平臺的人都會告訴你，匹配的質(zhì)量參差不齊，經(jīng)常花了不少錢，卻沒找到真正懂行的人。

這個問題的根源，在于這些平臺收集專家信息的方式太粗糙了。它們的核心邏輯是這樣的：讓專家填一個表，寫上自己的職位頭銜和工作描述，然后用這些標(biāo)簽來做匹配。這個邏輯本身就有根本性的缺陷，因為職位頭銜幾乎不能真正代表一個人的專業(yè)深度。

我見過很多這樣的情況。一個在大廠做了十年后端工程師的人，他真正的專長可能是某種特定的分布式系統(tǒng)架構(gòu)，或者他在之前的創(chuàng)業(yè)公司里深度參與過某個垂直行業(yè)的數(shù)據(jù)處理問題。但他的 LinkedIn 頭銜就是"Senior Software Engineer"，跟另外幾百萬個人寫的一模一樣。一個醫(yī)生的頭銜可能是"內(nèi)科主任醫(yī)師"，但他同時在某個罕見病領(lǐng)域發(fā)表過十幾篇論文，還參與過三期臨床試驗的設(shè)計——這些信息根本不會出現(xiàn)在他填的那個表格里。

Ethos 的聯(lián)合創(chuàng)始人兼 CEO James Lo 對這個問題的表述非常精準(zhǔn)。他說："傳統(tǒng)的專家平臺幾乎完全依賴職位頭銜和工作描述的組合。但我們觀察到，大多數(shù)客戶和雇主尋找的不是一個職位頭銜加公司名稱的組合，他們尋找的是一種具體的技能和具體的能力。"這句話聽起來簡單，但它指向的是一個系統(tǒng)性的結(jié)構(gòu)問題：我們一直在用錯誤的數(shù)據(jù)維度來描述人的專業(yè)價值。

a16z 的合伙人 Anish Acharya 也持有同樣的判斷。他認(rèn)為，LinkedIn 和 GLG 這類平臺只能提供淺層信號，也就是職位頭銜這種維度的信息。而真正的專業(yè)能力往往藏在更細(xì)的子專業(yè)方向里，藏在具體的項目經(jīng)驗里，藏在那些從來沒有被結(jié)構(gòu)化記錄過的知識積累里。

02 聲音，是打開這扇門的鑰匙

Ethos 的解決思路，是用語音。他們給專家提供的入駐體驗，不是讓你填表，而是通過 AI 語音 agent 來進(jìn)行一場對話式的訪談。這個訪談會問一套經(jīng)過精心設(shè)計的問題，覆蓋你真正懂的那些領(lǐng)域，包括很多你的職位頭銜完全看不出來的部分。

我覺得這個選擇背后有很深的洞察。Anish Acharya 的原話是："我認(rèn)為聲音是人類溝通最原始的形式。大多數(shù)人不知道如何把自己的故事用簡潔、有說服力且準(zhǔn)確的方式寫下來。聲音是 Ethos 的一個重大解鎖。"這話說得很真實。讓一個專家用文字準(zhǔn)確描述自己懂什么，這件事比想象中難得多。人們往往不知道如何把隱性知識變成結(jié)構(gòu)化的文字表達(dá)。但如果你跟他們聊，問他們具體的問題，他們能說出來的東西會豐富得多。

舉個 Ethos 自己給的例子。一家藥企想找醫(yī)生，要求不僅要在某個特定領(lǐng)域有專業(yè)背景，還需要在這個領(lǐng)域發(fā)表過論文，同時對藥物研發(fā)流程有理解。這種查詢用傳統(tǒng)的關(guān)鍵詞搜索和頭銜匹配基本上做不到，但 Ethos 可以通過更豐富的數(shù)據(jù)來完成這種精細(xì)匹配。

另一個例子更有意思。一個機(jī)構(gòu)可能想找的是"曾在 A 級投資人投過的初創(chuàng)公司工作過、專注于財務(wù)自動化的人"。這個查詢條件本身就包含了多個維度的交叉：融資背景、公司階段、專業(yè)方向。這類復(fù)雜查詢，靠的是更豐富的數(shù)據(jù)，而不是幾個標(biāo)簽的組合。

除了語音訪談本身，Ethos 還會結(jié)合其他公開數(shù)據(jù)源來豐富專家畫像，包括博客文章、學(xué)術(shù)論文、社交媒體鏈接等等。這相當(dāng)于把一個人的公開知識足跡也納入了評估體系，而不只是依賴他主動填寫的信息。這樣的多維度數(shù)據(jù)，才能支撐真正精準(zhǔn)的匹配。

03 兩個創(chuàng)始人，一個罕見的組合

我在了解 Ethos 的時候，專門研究了一下這兩位創(chuàng)始人的背景，因為我覺得創(chuàng)始團(tuán)隊的構(gòu)成往往能解釋一家公司為什么能做對某件事。

James Lo 的職業(yè)軌跡相當(dāng)特殊。他在香港長大，早年親歷了劇烈的社會不平等，這讓他從青少年時期就對社會流動性問題有極深的感受。他拒絕了所有英國大學(xué)的錄取通知書，轉(zhuǎn)而參與了香港的反國民教育運(yùn)動。后來他在英國讀完大學(xué)，隨后加入麥肯錫，再到軟銀，參與了 WeWork 和 Arm 這類重量級案例的轉(zhuǎn)型工作。他在軟銀的核心收獲，是深刻理解了頂級資本和頂級人才是如何流動和匹配的。

他在一次采訪中分享過一段很有價值的反思。他說麥肯錫給了他極好的結(jié)構(gòu)化思維訓(xùn)練，讓他能以鳥瞰視角理解不同行業(yè)的運(yùn)作方式，也學(xué)會了如何在多元背景的人群中建立高度協(xié)作的文化。但他也意識到，作為創(chuàng)業(yè)者，他必須主動"卸載"掉很多麥肯錫留下的習(xí)慣——因為咨詢顧問有大量數(shù)據(jù)可以依賴，有大量時間可以分析，而創(chuàng)業(yè)者面對的恰恰相反：沒有數(shù)據(jù)、沒有時間，必須在極度不確定的環(huán)境下快速決策、快速迭代。這種自我認(rèn)知的清醒，我覺得是創(chuàng)始人很稀缺的素質(zhì)。

Daniel Mankowitz 的背景則完全不同，他在 Google DeepMind 做了將近十年的 AI 研究員，參與過 YouTube 視頻壓縮算法、Gemini 以及 AlphaDev 排序算法的研發(fā)工作。這意味著他不是那種只會寫 PPT 講 AI 的人，他是真正在技術(shù)前沿工作過的人，對 AI 系統(tǒng)如何理解和處理復(fù)雜信息有深度的第一手經(jīng)驗。

James 對兩人共同創(chuàng)業(yè)的切入點有一個很有意思的描述。他說："我一直想為人們提供正確的經(jīng)濟(jì)和就業(yè)機(jī)會。Daniel 認(rèn)為經(jīng)濟(jì)本質(zhì)上是一個由人、公司和產(chǎn)品構(gòu)成的知識圖譜，用正確的算法，可以把這些實體相互匹配。"一個有運(yùn)營視角和資本理解，一個有深度技術(shù)能力，這種組合在早期創(chuàng)業(yè)公司里其實相當(dāng)罕見。

值得一提的是，James 在 Ethos 之前還創(chuàng)辦過一家教育 AI 公司 Mana，最終以失敗告終。他后來在采訪中非常坦誠地復(fù)盤了這段經(jīng)歷：他犯的核心錯誤，是把社會使命和商業(yè)邏輯混淆了，過度相信"教育應(yīng)該惠及所有人"這個宏大敘事，卻沒有真正理解市場的底層結(jié)構(gòu)——?dú)W洲家庭在非正式教育上的消費(fèi)意愿遠(yuǎn)低于中國，而且用戶（學(xué)生）和付款方（家長）之間的利益嚴(yán)重錯位。他還犯了一個典型的麥肯錫式錯誤：花太多時間做戰(zhàn)略規(guī)劃，而不是快速扔出產(chǎn)品、收集真實反饋。這些失敗的經(jīng)歷，加上后來為了支撐家庭財務(wù)不得不離開創(chuàng)業(yè)的那段時間，構(gòu)成了他再次出發(fā)時的底層認(rèn)知。這種經(jīng)過真實代價換來的認(rèn)知，往往比任何商學(xué)院課程都更扎實。

04 Ethos 正在做的，比"專家網(wǎng)絡(luò)"大得多

表面上看，Ethos 是一個專家網(wǎng)絡(luò)平臺，幫公司找到需要的專業(yè)人才，專家在上面接咨詢項目賺錢。但我覺得這個描述遠(yuǎn)遠(yuǎn)低估了他們真正的野心。

James 在談到公司愿景的時候說了這樣一段話："我們最終的愿景是，不只是把你匹配到專家咨詢電話，而是匹配到你人生每個階段的機(jī)會。我們會把你匹配到電話、調(diào)研、顧問工作、演講、兼職、全職職位——所有這些都由一個核心邏輯驅(qū)動：你所有公開貢獻(xiàn)的內(nèi)容，加上你愿意提供給我們的私人信息，幫助我們在規(guī)模上把你匹配到正確的機(jī)會。"

這句話的含義，我反復(fù)咀嚼了一下。他們實際上想做的是：把每一個人的專業(yè)能力變成機(jī)器可讀的，然后建立一套基礎(chǔ)設(shè)施，讓這些能力可以在經(jīng)濟(jì)體里自由流通和被匹配。從咨詢電話到全職工作，從市場調(diào)研到投資顧問，從演講機(jī)會到分析項目，本質(zhì)上是在構(gòu)建一套"人才操作系統(tǒng)"。

這件事和現(xiàn)有平臺的根本區(qū)別在于起點不同。LinkedIn 的邏輯是"展示你是誰"，是一個展示平臺，被動等待機(jī)會找上門。Ethos 的邏輯是"發(fā)現(xiàn)你能做什么"，是一個主動匹配系統(tǒng)，基于你真實的能力去尋找最適合你的機(jī)會。這兩者之間的差距，不是功能層面的迭代，而是整套范式的不同。

a16z 在宣布投資時寫道："每個人在經(jīng)濟(jì)中的某個地方都有比較優(yōu)勢。問題從來不是人類能力的稀缺，而是大部分能力是非結(jié)構(gòu)化的、不可見的，我們一直沒有基礎(chǔ)設(shè)施來把它們呈現(xiàn)出來。"我非常認(rèn)同這個判斷。我們現(xiàn)在生活在一個信息極度豐富的時代，但關(guān)于"人的能力"的信息，依然是高度不透明的。這是一個巨大的效率缺口，也是一個巨大的市場機(jī)會。

05 為什么 AI labs 正在成為 Ethos 的助推器

有一個細(xì)節(jié)讓我覺得 Ethos 的時機(jī)選得非常好，值得單獨(dú)說一下。

James 在談到專家資源的增長來源時，說了一段很有洞察力的話。他說："AI labs 正在把一把巨大的資本槍對準(zhǔn)世界上每一個有經(jīng)濟(jì)價值的職業(yè)，試圖把每一個行業(yè)都映射出來。這對我們來說是一個驚人的順風(fēng)。"

這句話背后的邏輯是這樣的：OpenAI、Anthropic、Google DeepMind 等頂級 AI 實驗室，正在構(gòu)建覆蓋法律、醫(yī)療、金融、管理咨詢等各個專業(yè)服務(wù)領(lǐng)域的 AI 系統(tǒng)。要訓(xùn)練這些系統(tǒng)，要驗證這些系統(tǒng)的質(zhì)量，要獲取專業(yè)反饋，他們需要大量的真實專家。這些 AI labs 愿意為此付費(fèi)，而且付得不少。

這意味著什么？意味著 AI 的崛起，不只是在取代專業(yè)人才，同時也在大規(guī)模激活對專業(yè)人才的需求。Ethos 正好站在這個需求的中間。AI labs 成了 Ethos 專家網(wǎng)絡(luò)里某類機(jī)會的重要來源，而專家們則因此有了更多樣的變現(xiàn)渠道。這是一個相當(dāng)有意思的共生關(guān)系。

從目前披露的數(shù)據(jù)來看，Ethos 每周有約 35,000 名專家加入平臺，涵蓋律師、醫(yī)生、金融顧問、工程師、管理顧問等各類專業(yè)人士。平臺上排名靠前的專家，每個月的收入已經(jīng)超過一萬美元。現(xiàn)有客戶包括頂級對沖基金、私募股權(quán)公司、領(lǐng)先的 AI 基礎(chǔ)模型實驗室和大型企業(yè)咨詢機(jī)構(gòu)。收費(fèi)模式是按項目收取 30% 或以上的傭金，視項目性質(zhì)而定。公司表示年化收入正朝著八位數(shù)邁進(jìn)。

考慮到他們 2024 年才成立，團(tuán)隊目前只有八個人，這個增速相當(dāng)驚人。而他們的目標(biāo)也非常明確：保持團(tuán)隊精簡，持續(xù)規(guī)模化。這種用小團(tuán)隊撬動大網(wǎng)絡(luò)的模式，依賴的正是他們在 AI agent 和匹配算法上的核心能力。

06 這件事對"人的價值"意味著什么

我想在這里分享一個更深的思考。

AI 帶來的最大焦慮之一，是關(guān)于人的可替代性。很多人擔(dān)心自己的工作會被 AI 做掉，擔(dān)心自己的專業(yè)價值會被系統(tǒng)性稀釋。這種擔(dān)憂并非沒有道理，某些類型的任務(wù)確實在快速被自動化。

但 Ethos 代表了一種完全不同的敘事邏輯。a16z 在投資聲明里寫道："AI 不應(yīng)該讓你變得可替代，而應(yīng)該讓你變得不可替代。"這句話我反復(fù)想了很久。他們的意思是，AI 的角色可以不是替代人的專業(yè)能力，而是讓這種能力變得更可見、更可匹配、更可流通。換句話說，AI 可以成為一個放大器，而不是一個替代者。

我相信這個方向是成立的，但它有一個前提：你的專業(yè)能力必須真實存在，而且足夠有深度。這正是 Ethos 在解決的那個結(jié)構(gòu)性問題——讓那些真正有深度的專業(yè)能力，不再因為表達(dá)方式的局限而被埋沒。

這讓我想起了 James 創(chuàng)業(yè)的原始驅(qū)動力。他在成長過程中深刻感受到了社會不平等，他一直在思考一個問題：如何用技術(shù)和商業(yè)的力量，推動真正意義上的社會流動性。Ethos 在某種程度上是這個問題的一個商業(yè)化答案——通過更好的匹配基礎(chǔ)設(shè)施，讓更多人的能力被看見，讓機(jī)會的分配更公平、更高效。他在采訪里說，他終于感受到使命和商業(yè)之間找到了某種對齊，雖然還不完美，但方向是對的。這種創(chuàng)始人和產(chǎn)品之間的深度共鳴，往往是一家公司能走遠(yuǎn)的重要信號。

當(dāng)然，Ethos 目前的服務(wù)對象主要還是白領(lǐng)專業(yè)人士，從對沖基金分析師到咨詢顧問。但 a16z 的投資聲明里特別提到，平臺的專家不僅包括律師、醫(yī)生，還包括電工、水管工這類技術(shù)工人。如果 Ethos 真的能把這個邏輯延伸到更廣泛的職業(yè)群體，那才是他們一直說的"讓機(jī)會真正豐盛"的那個世界。

07 我對這件事的判斷

我認(rèn)為 Ethos 是一家值得認(rèn)真關(guān)注的公司，理由不是因為他們拿到了頂級的投資機(jī)構(gòu)，而是因為他們在解決一個真實的、長期被忽視的結(jié)構(gòu)性問題。

專家網(wǎng)絡(luò)這個市場并不新，GLG 已經(jīng)存在了二十多年。但我一直覺得這個市場存在一個根本性的缺陷：匹配質(zhì)量的天花板被數(shù)據(jù)質(zhì)量鎖死了。當(dāng)你用來描述一個人的唯一維度是職位頭銜的時候，你能做到的最好結(jié)果也只是一個粗略的分類匹配，而不是真正的專業(yè)能力匹配。Ethos 用語音 AI agent 來采集更豐富的專家數(shù)據(jù)，這是一個在技術(shù)上可行、在邏輯上正確的突破方向。

我也注意到，他們并沒有試圖去重建一個全新的平臺，而是聚焦在最核心的那一層：如何更好地理解人，以及如何更精準(zhǔn)地匹配需求。這種聚焦本身就是一種清醒。

接下來他們面臨的核心挑戰(zhàn)，我覺得有兩個。一是如何在快速擴(kuò)張專家網(wǎng)絡(luò)的同時，維持匹配質(zhì)量。35,000 人每周加入，數(shù)量很可觀，但如果質(zhì)量參差不齊，客戶端的體驗就會下降，這是一個雞和蛋的問題，也是任何網(wǎng)絡(luò)效應(yīng)平臺都會遭遇的核心張力。二是如何從專家咨詢網(wǎng)絡(luò)這個相對垂直的起點，逐步延伸到他們描述的那個更宏大的"人才操作系統(tǒng)"愿景。這兩者之間的跨度不小，需要在產(chǎn)品和市場上都做出精準(zhǔn)的判斷。

但總體來說，我對他們的方向是認(rèn)可的。在 AI 高速發(fā)展的今天，很多創(chuàng)業(yè)公司在做的事是用 AI 自動化某類工作流程，提升某個環(huán)節(jié)的效率。Ethos 在做的事不一樣，他們是在用 AI 重新構(gòu)建人與機(jī)會之間的基礎(chǔ)設(shè)施。如果這件事做成了，受益的不只是那些頂級投資機(jī)構(gòu)，而是每一個有真實能力卻沒有被正確看見的人。

這是一個我認(rèn)為非常值得被做成的事情。

來源 | 深思圈（ID：Deep_Think_Circle）

作者 | Leo ; 編輯 | 蝦餃

內(nèi)容僅代表作者獨(dú)立觀點，不代表早讀課立場