DeepSeek搶人大戰里，跑出了一家10人公司

出品｜虎嗅科技組

作者｜宋思杭

編輯｜苗正卿

頭圖｜視覺中國

這是虎嗅WAIC“追蹤Token商業新范式”系列文章第4期。

過去半年，一個原本只屬于開發者圈子的詞，突然開始在AI行業流行起來——Token-maxxing。

在海外，越來越多人開始在社交媒體上曬自己的Claude Code賬單。有開發者一個月消耗數萬美元Token，也有人為了獲得更多額度，同時開通多個賬號。在國內，從OpenClaw到各種Agent產品爆發之后，關于Token消耗、模型額度和API成本的討論也越來越頻繁。

甚至一些公司開始限制員工的Token額度。

過去，Token只是模型公司的計費單位；今天，它正在變成企業的一項經營成本。

對于模型公司而言，Token意味著收入；對于Agent公司而言，Token意味著成本；對于越來越多企業而言，Token則開始成為一種新的生產力指標。

DINQ就是其中一個典型樣本。

對此，DINQ創始人高岱恒告訴虎嗅：“目前公司每個月在DINQ上的Token調用成本達到數萬美元。”

對于一家不到10人的創業公司而言，這是一筆無法忽視的開支。

這是一家用 AI Agent 幫助企業找到合適人才的平臺。用戶只需要用自然語言描述想尋找的人才畫像，系統便會自動完成搜索、篩選和分析。目前，其客戶已經包括頭部AI大模型公司和科技企業。

就在上周，關于DeepSeek 500億融資的傳聞，終于靴子落地。

從外界看來，背靠幻方量化的DeepSeek似乎并不缺錢。實際上，真正讓梁文鋒改變對融資態度的是，核心人才流失，外部搶人大戰加速。據接近DeepSeek方面知情人士告訴虎嗅，字節以10倍的價格挖人，梁文鋒不得已才選擇通過融資，靠股權留人。

過去一年，中國AI行業的人才爭奪戰愈發激烈。大模型公司、AI Agent公司、具身智能公司都在爭搶同一批頂尖人才。為了吸引研究員、算法工程師和Agent研發人才，企業們不斷提高薪資、推出股權激勵，甚至提前將招聘戰場推進到校園。

其中，月之暗面（又稱“Kimi”）是最典型的代表之一。今年以來，Kimi持續啟動校園招聘計劃，并通過股權激勵等方式留住核心人才。對于頭部AI公司而言，人才已經成為比算力更稀缺的資源。

那么問題來了，人才究竟在哪？

一個越來越明顯的現象是，當越來越多AI公司開始尋找同一批人才時，傳統招聘平臺已經很難滿足需求。對于大模型公司而言，他們尋找的往往不是標準化崗位，而是做過強化學習、參與過TPU研發、發表過頂會論文，或在某個前沿方向上已經展現潛力的人。這些信息往往散落在GitHub、OpenReview、個人主頁、論文網站以及各種社交媒體上，而非傳統招聘平臺的簡歷庫中。

這也是DINQ出現的背景。

而有意思的是，在幫助客戶尋找人才的同時，DINQ自己也在經歷另一場關于Token的成本戰爭。

以下為虎嗅與DINQ創始人高岱恒的對話，經整理：

Token為什么突然變成了一種生意？

虎嗅：最近行業里突然開始討論Token-maxxing。Token其實一直存在，為什么今年突然變成了一個行業話題？

高岱恒：我覺得最核心的原因還是Agent。過去大家當然也會消耗Token，但那個時候大部分場景還是聊天。一次問答的Token消耗是有限的，所以沒有人特別在意。

真正的變化是從去年下半年開始的。隨著Claude Code、Cursor這類產品出現，很多人第一次發現，一個人一天可以消耗掉遠超以往的Token。到了今年，隨著各種Agent產品成熟，每個人都開始擁有一個能夠持續工作的“數字員工”，Token消耗量進一步被放大。

以前一個人可能同時只能做一件事情，但現在你可以讓不同Agent同時工作。一個Agent幫你寫代碼，一個Agent幫你搜集行業信息，一個Agent幫你做研究，還有一個Agent幫你處理文檔。

當越來越多任務被Agent接管以后，Token第一次從后臺走到了前臺。大家開始發現，這東西真的要花錢。

虎嗅：所以Token-maxxing本質上是在追求更高的生產力？

高岱恒：我覺得是。如果一個人本來想法很多，但過去受限于自己的時間和精力，他一次只能推進一件事情。現在有了Agent以后，他可以同時推進很多件事情。

所以Token-maxxing并不是為了消耗Token，而是在放大一個人的生產力。但這里有一個現實問題，就是賬能不能算得過來。你會發現很多公司一邊鼓勵員工使用AI，一邊又在限制Token額度。原因很簡單，因為成本是真實存在的。尤其是當你開始用最強模型做復雜任務的時候，Token消耗會迅速增加。最終企業還是要回到一個問題：這些Token究竟創造了多少價值。

虎嗅：DINQ自己每個月也會消耗大量Token，你們怎么看待這個成本？

高岱恒：對于我們來說，Token已經是一項重要成本。目前公司每個月的Token支出大概在1萬美元以上、10萬美元以下。

但我們其實一直在想辦法降低這部分成本。很多人會覺得，模型越強越好。但實際上并不是所有任務都需要最聰明的模型。比如做評測、做Benchmark、做一些標準化測試，完全可以使用成本更低的模型。包括很多搜索環節，通過系統設計和工程優化，也能夠減少對于高性能模型的依賴。

所以對于Agent公司來說，一個重要能力就是學會用更低的成本完成同樣的事情。這也是為什么我們會越來越關注Token。

虎嗅：除了Agent公司之外，還有哪些人在因為Token賺錢？

高岱恒：目前整個產業鏈里，真正賺到錢的主要還是模型公司。另外還有一類比較特殊的角色，就是Token中轉服務。很多公司會通過各種方式采購模型額度，再以更低價格提供給下游用戶。過去幾個月，這類業務增長非常快。因為當Agent開始大規模消耗Token以后，市場上自然會出現降低成本的需求。但從本質上講，無論是中轉服務還是Agent公司，他們最終買的還是模型公司的Token。所以整個產業鏈的中心依然是模型。Agent負責消耗Token，模型公司負責提供Token。

虎嗅：很多人覺得Agent會成為最大的商業機會，但目前賺錢最多的似乎還是模型公司。

高岱恒：至少從現在來看是這樣。因為Agent最大的價值是提升效率。但效率提升有一個天然問題，就是它很難完全拿走創造出來的價值。比如一個企業原來需要一個人完成某項工作，現在Agent幫他提升了效率。但企業未必愿意把節省下來的全部價值都支付給Agent公司。

所以你會發現，很多Agent公司其實都在努力尋找更明確的價值閉環。而模型公司不一樣，只要有人使用Agent，背后就一定會消耗Token。從這個角度來看，模型公司天然處于產業鏈更靠上的位置。

AI人才為什么越來越難找？

虎嗅：為什么傳統招聘平臺越來越難滿足AI公司的需求？

高岱恒：AI行業找人的邏輯變了。

過去大家找的是職位，今天很多公司找的是能力。比如有客戶會直接告訴我們：“幫我找在Google做TPU的華人工程師。”或者“幫我找一些做Coding Agent的年輕研究者。”甚至有人會說：“幫我找一個年輕版的某某科學家。”

這種需求本質上不是關鍵詞搜索能夠解決的。因為這些人的信息并不一定存在于招聘網站，而是分散在GitHub、OpenReview、論文、個人主頁、技術社區等地方。所以今天真正有價值的數據，其實是這些公開的技術數據。

虎嗅：現在AI公司最想找什么樣的人？

高岱恒：大概有兩類。第一類是已經做出成果的人，比如做過模型訓練、強化學習、Agent或者具身智能的人。第二類是年輕的潛力人才。很多公司其實并不一定只盯著最有名的人，因為最頂尖的人往往已經創業了，或者在大廠擔任核心崗位，所以越來越多公司開始關注年輕研究者，比如做Coding Agent方向的人，現在市場價格非常高。

有些企業發現自己搜出來的人全是行業明星，于是會繼續追問：能不能幫我找一些更年輕的人？然后系統就會進一步篩選出那些已經做出項目、但還沒有完全進入市場視野的人。很多時候企業真正想找的，反而是這種人。

虎嗅：今年以來，你們最大的變化是什么？

高岱恒：我們最大的變化還是商業化。

半年前我們其實還處于產品驗證階段，當時更多是在打磨產品和能力。但過去幾個月，我們陸續開始服務一些真正有招聘需求的客戶。現在我們的客戶主要集中在AI行業，包括騰訊、Kimi，以及一些AI實驗室和具身智能公司。這些客戶都面臨同一個問題：找不到人。

今天很多企業想出海，或者想做新的AI方向，他們需要招聘懂商業化、懂技術、懂供應鏈、懂海外市場的人。但傳統招聘平臺很難覆蓋這類需求。尤其是在AI行業，企業尋找的往往不是一個標準崗位，而是某個具體方向的人才。比如最近很火的Post-training、Coding Agent、強化學習等方向，企業希望找到真正做出成果的人。又或者具身智能公司希望找到做過規控、靈巧手、運動控制的人。

這些人很多并不活躍在傳統招聘平臺上。

虎嗅：DINQ現在看起來只有一個功能，就是幫企業找人。為什么會把產品做得這么簡單？

高岱恒：我一直覺得，AI時代做產品最重要的問題不是提升一點效率，而是解決過去解決不了的問題。如果只是把原來10分鐘的事情縮短到5分鐘，用戶大概率還是會留在原來的平臺里。但如果你能夠幫他找到過去根本找不到的人，那價值就完全不一樣了。

所以DINQ從一開始其實只做一件事，就是找人。用戶只需要用自然語言描述自己的需求，我們就會把對應的人找出來，包括他做過什么項目、有哪些成果、什么背景、聯系方式在哪里等等。

比如今天很多AI公司并不是簡單地招一個算法工程師，而是希望找到做過強化學習的人、做過Post-training的人、做過Coding Agent的人，甚至是某個非常細分方向里已經做出成果但還沒有被市場充分發現的人。這種需求已經不是傳統招聘平臺能夠解決的了。

虎嗅：如果用戶自己都不知道想找什么樣的人怎么辦？

高岱恒：其實大部分人都不知道自己到底想找什么樣的人。

很多企業找到我們的時候，能說出來的只有幾個關鍵詞。比如他說想找做Coding Agent的人，或者想找強化學習的人。但這些描述其實非常模糊。

所以我們會在Agent層面做需求補全。系統會根據用戶的輸入不斷追問，比如這些人是偏研究還是偏工程？希望找資深一點的還是年輕一點的？有沒有行業背景要求？用戶不需要重新寫一大段描述，只需要選擇系統給出的選項就可以。

這個過程其實很像人與人之間的溝通。很多時候你看到一個候選人之后，才會意識到這個人太資深了，或者這個人不符合你的需求。然后你再進一步調整自己的要求。所以找人本身并不是一次搜索，而是一個不斷交互、不斷縮小范圍的過程。

虎嗅：有沒有一些比較典型的案例？

高岱恒：比如之前有客戶直接提出一個需求，希望找到Google里所有做TPU的華人工程師。對于這種非常明確的需求，傳統招聘平臺基本上沒有辦法完成，因為這些人的信息并不在招聘網站里。

還有一些公司會來找做Coding Agent的人。最開始系統搜出來的都是行業里最知名的人，但客戶馬上就會反饋說，這些人已經在核心崗位上了，或者已經創業了，不太可能出來。于是系統會繼續往下篩，尋找一些更年輕的人。

后來我們發現，很多企業真正感興趣的其實不是行業明星，而是那些已經開始做出成果、但還沒有完全進入市場視野的年輕研究者。尤其是現在很多00后研究員成長速度非常快，這類人的需求其實越來越高。

虎嗅：你覺得DINQ最核心的壁壘是什么？

高岱恒：是數據。很多人會覺得Agent或者模型能力是最重要的，但對于我們來說，數據才是真正的核心。因為人才搜索本質上是一個數據問題。你能不能找到人，很大程度上取決于你掌握了多少公開信息。

今天很多AI人才的信息并不在簡歷里，而是在GitHub、OpenReview、論文數據庫、個人主頁以及各種技術社區里。我們做的事情，本質上就是把這些分散的數據不斷聚合、索引和關聯起來。比如GitHub的數據，我們已經索引了接近兩億條。用戶最終關心的問題其實很簡單：人夠不夠多、信息夠不夠全、搜索夠不夠快。而這些問題最終都指向數據。

所以雖然我們團隊不到10個人，但真正投入精力最多的并不是模型研發，而是數據建設。因為用戶的需求是無限擴張的。今天大家找AI人才，明天可能找機器人專家，后天可能找火箭材料或者新能源方向的人。每多一個新領域，背后其實都意味著新的數據體系需要被建立起來。

Token會成為新的商業范式嗎？

虎嗅：從企業的角度來看，今年大家對Token的態度發生了什么變化？

高岱恒：我覺得最大的變化是，大家開始知道Token應該怎么用了。過去很多企業其實并不理解Token是什么。因為這種計費模式本身就比較新。大家看到的是一個抽象數字，很難直接對應到業務價值。但過去一年，隨著各種Agent進入實際工作場景，企業開始慢慢建立起自己的認知。他們知道哪些環節值得消耗Token，哪些環節不值得；知道什么地方必須用最好的模型，什么地方可以用更便宜的模型。

所以今天很多企業討論的已經不是要不要用Token，而是如何降低Token成本。

虎嗅：為什么成本突然變得這么重要？

高岱恒：大家看到了真實賬單。以前很多人覺得AI特別便宜，或者覺得模型公司給出的套餐價格已經足夠了。但隨著Agent開始處理復雜任務，情況發生了變化。比如寫代碼、處理長文檔、分析大型知識庫，這些任務往往會產生非常長的上下文。很多企業最開始根本沒有意識到Token會消耗這么快。直到某一天看到賬單的時候，才發現原來一次復雜任務可能就會消耗掉幾十美元。對于個人用戶來說，這可能只是一次嘗試。但對于企業來說，如果每天都有大量Agent運行，這就是一筆必須認真計算的成本。

虎嗅：所以未來企業會專門管理Token嗎？

高岱恒：一定會。過去企業管理的是服務器成本、帶寬成本、人力成本。未來一定會出現專門的Token預算。因為Token已經越來越接近一種基礎生產資料。今天很多Agent公司、AI應用公司，內部都會統計自己的Token消耗情況，也會持續優化成本結構。本質上和企業管理云計算資源是一樣的。當一個資源足夠重要、足夠昂貴的時候，它就一定會被管理。

虎嗅：你怎么看未來Token市場的發展？

高岱恒：我覺得有一個趨勢會越來越明顯。便宜Token會越來越多，貴Token會越來越少。因為絕大多數用戶其實并不需要最聰明的模型。很多場景下，一個六七十分的模型就已經足夠解決問題。今天大家之所以愿意為最強模型買單，是因為它們確實領先很多。但隨著模型能力逐漸收斂，大量場景會轉向更便宜的模型。最終形成一種分層市場。最貴的Token服務于少數高價值場景，比如金融、安全、科研等領域；而更多普通場景，則會由成本更低的模型承擔。

Token本質上還是生產力。過去大家討論AI的時候，更關注模型能力，但隨著Agent進入真實業務場景，企業開始關注另外一個問題：這些能力到底能不能轉化成價值。而Token恰好成為了衡量這個過程的一個單位。它連接了模型、Agent、數據和企業。

所以我覺得未來大家討論的不一定是用了多少Token，而是每一個Token究竟創造了多少價值。這可能才是Token商業范式真正有意思的地方。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4869555.html?f=wyxwapp