近屿智能：AI招聘从面试工具到人才闭环平台

在技术主导的AI招聘赛道中，一位深耕人力资源领域十余年的创业者，如何打造出行业领先的AI招聘产品？近屿智能的发展路径给出了一份独特的答案。创始人方小雷从大厂人力资源岗位起步，带领团队打造的AI得贤招聘官产品，如今已服务超千万面试人次，覆盖20余个行业，同时AI培训业务累计服务7000余名学员，还斩获了HICOOL全球创业大赛二等奖与Go Global AI 100等荣誉。

我们与方小雷进行了深入对话，从业务复盘到自研大模型的底层逻辑，从早期的“黑盒”质疑到产品的迭代进化，全方位拆解这家企业的核心竞争力——并非依赖大模型参数，而是源于对“识人”场景的深度理解与偏执打磨。

双轮驱动：从单一工具到人才服务闭环

2024年起，近屿智能确立了AI面试与AIGC培训并行的双业务路线，如今两条线均实现稳健增长。不少人曾提出疑问：培训业务占比提升后，企业是否会偏离AI面试的核心赛道？客户是否会质疑产品专注度？

目前培训业务的学员覆盖高校学生、在职转型者、企业员工与企业内训人群四大群体，看似分散的用户群体，实则指向同一个行业痛点：AI时代下，人才该如何评估、培养与供给？这并非简单的“面试业务附带培训”，而是从单点工具升级为“评估-培养-匹配-用人”的完整数据闭环。培训业务带来的现金流与一线用户数据，反过来也反哺了AI面试产品的迭代优化。

从600万到千万：用户增长的底层逻辑

2025年4月，方小雷曾披露近屿智能的AI面试人次接近600万，而如今这一数字已突破千万。增长并非单点突破，而是多重因素共同作用的结果：老客户将AI面试从校招场景拓展至社招与更多业务线，新客户持续加入，单个客户的使用深度不断提升，同时PLG（产品驱动增长）模式的推进也让更多企业与HR能够低门槛试用产品，从体验转向正式采购。

行业覆盖范围也在持续扩大，除了制造、金融、互联网、保险、银行等传统领域，汽车、会计师事务所、供应链、新能源等行业的渗透率也在提升，其中高端制造行业的增长尤为显著。这类企业招聘需求稳定、岗位体系清晰，对筛选效率与面试一致性的要求较高，AI面试的价值能够得到充分体现。

第七代AI Agent：从“完成流程”到“专业面试官”

最值得关注的产品升级，当属基于自研“近屿超脑”大模型的第七代AI得贤招聘官Agent。从L5到L7版本的迭代，核心变化并非新增几个功能，而是产品从“能够完成面试流程”进化为“更贴近专业面试官的智能助手”。

L7版本的技术面试新增了两大核心能力：一是Code Review代码审查，AI会结合候选人简历与项目经历，自动生成针对性的代码审查题目，并提供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、问题定位与优化方案设计。这一环节不仅考察候选人发现Bug、性能瓶颈与安全隐患的能力，更重在判断其工程素养与项目治理能力，包括系统设计理解、结构性问题识别与可落地优化方案的提出，相比单纯考察代码编写能力，更贴近真实工程场景，能够更精准地识别企业所需的工程型人才。

二是Vibe Coding AI协作编程，该能力重点考察候选人通过Prompt与大模型协作，完成需求理解、代码生成、调试修改与持续优化的真实开发能力，以此判断其在AI时代的人机协作素养。

客户反馈的变化也清晰反映了产品的进化：过去客户更关注“AI能否完成一场面试”，而如今更在意“AI能否承担更复杂、更专业、更贴近真实业务的面试任务”。

自研“近屿超脑”：不为噱头，只为场景适配

2024至2025年，通用大模型技术突飞猛进，不少人认为直接调用外部API即可满足需求，但近屿智能依然坚持自研自有大模型。

通用模型存在天然的局限性：可能出现幻觉影响评分准确性，对特定行业的语境理解不足，追问逻辑也未必符合真实招聘流程。而不少企业客户对招聘数据的安全性要求极高，希望系统能够自主可控。因此，自研大模型的性价比依然成立，核心并非与通用大模型厂商比拼参数规模，而是深耕HR场景的核心能力：让评估逻辑更稳定、评分结果更可解释、数据安全更可控。

方小雷总结了企业的五重核心壁垒：长期积累的人力资源场景数据、岗位能力模型与人才评估方法、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，以及“评估-培养-匹配-用人”的数据闭环。即便大厂开放HR专用模型，也无法自动解决企业如何落地、如何与现有招聘流程结合的问题，近屿智能的价值在于将AI模型能力转化为HR场景中可落地、可解释、可交付的专业系统。

从“黑盒质疑”到“白盒评分”：客户驱动的产品进化

中欧商学院2023年的案例记录了早期的一段经历：2021年服务某集团子公司时，HR团队对AI的“黑盒”打分逻辑提出质疑，认为打分过程不透明，系统对接也存在困难。方小雷坦言，早期确实收到过大量类似的疑问：AI为何给出这样的评分？是否公平？候选人是否会被误判？业务部门能否信任评估结果？这些问题推动企业完成了关键转变：从黑盒打分转向白盒逻辑。

如今的第七代产品强调“可解释性评分”，让HR与业务部门能够清晰看到候选人的优势、风险点、评分依据以及后续关注重点。客户的认知也在逐步成熟，不再停留在“AI是否公平”的泛化质疑，转而关注评分稳定性、评估逻辑可解释性，以及结果与人工面试、复试表现、用人反馈的一致性。近屿智能通过背靠背人机对比实验、AI与人工面试官评估对照，结合后续复试表现验证评分的稳定性与有效性，方小雷始终强调：AI是辅助决策工具，而非绝对裁判，关键岗位的最终用人判断仍需结合HR与业务负责人的共同决策。

不靠宏观复苏：存量市场的四大增长信号

2024年方小雷曾认为，AI招聘的增长依赖宏观经济复苏，但如今他的判断已发生变化：AI招聘固然会受到宏观招聘需求的影响，但绝非只能依赖宏观复苏。在存量市场中，企业依然存在强烈的降本增效、提升判断一致性、减少无效面试的需求，更重要的是，企业需要的不再只是单一的AI面试系统，而是围绕人才识别与组织用人的整体解决方案。

方小雷观察到四大增长信号：一是越来越多企业不再仅试用AI面试，而是将其纳入正式招聘流程；二是客户需求从“帮我面试几位候选人”升级为“帮我优化整个招聘流程”；三是HR与业务部门开始关注AI面试结果的可解释性、复盘性与数据沉淀能力；四是客户从单一岗位试点扩展至更多岗位与业务线。因此，增长不再依赖“招聘总量变大”，而是通过深挖每个客户场景的价值实现提升。近屿智能也从单纯的系统交付，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，不再只是交付工具，而是围绕企业的招聘效率、人才质量与组织发展结果负责。如今AI招聘正在从“可选工具”升级为“效率基础设施”。

HR出身的创业者：优势清晰，盲区也明确

方小雷从不回避自己的非技术背景。HR背景带来的最大优势，是对人的理解、对组织逻辑与岗位需求的深度认知，能够精准捕捉企业招聘中的痛点：HR的忙碌根源、业务部门的不满之处、候选人的体验痛点，这正是打造AI面试产品最宝贵的出发点。但同时，他也坦言存在明显的盲区：早期曾低估技术产品化的复杂度，低估工程系统、数据系统与产品迭代的难度。管理一家AI公司，不仅需要懂人力资源，还要精通技术、产品、销售、交付、资本与组织进化等多个领域。

当公司规模突破100人后，他踩中了两个典型的成长陷阱：一是战略衰减——高层清晰的战略在传递至中层与一线时出现变形；二是跨职能协同障碍——技术、产品、销售、交付、培训、运营等部门各有自身的语言与目标，缺乏清晰的协同机制容易导致各自为战。当被问及更倾向于“被69家风投拒绝但产品简单”的2018年，还是“客户众多但组织复杂”的2026年时，他毫不犹豫选择了后者：“2018年虽然产品简单，但不确定性极强，我们不知道客户是否真的需要，也不确定公司能否存活。2026年的问题更复杂，但都是成长带来的问题。我们拥有真实客户、验证过的产品、稳定的团队与更大的市场机会。创业者不应怀念简单，而应学会驾驭复杂。”

资本是加速器，而非发动机

当被问及对融资的态度时，方小雷直言：“开放，但不焦虑。”2024年初完成千万级A轮融资后，近屿智能暂无新的融资计划，但他表示公司并非完全依赖融资维持运转：AI面试业务拥有稳定的企业客户基础，AI培训业务则带来了直接的现金流与市场验证。

他表示，如果有合适的资本能够帮助加速技术研发、市场拓展、海外布局与组织建设，自然欢迎，但绝不会为了融资而融资。创业公司最终应回归客户价值与商业基本面，在当前环境下，企业能否自主造血、服务真实客户、持续交付成果，远比讲一个宏大故事更为重要。资本只是加速器，真正的发动机永远是客户价值。

AI招聘赛道的分化与未来

当前AI招聘赛道正在出现明显分化：一边是仅具备Demo概念的产品，看起来炫酷却无法进入企业真实工作流；另一边则是真正扎根于企业流程的产品，具备可解释性、可复盘性、数据闭环与客户复购能力。方小雷判断，仅靠概念、缺乏真实工作流与客户复购的产品终将被淘汰，而能够进入企业工作流、提升效率、解释结果、持续复盘的产品将留存下来。

近屿智能选择了一条看似“笨拙”的路径：自研大模型、坚持白盒评分、从面试延伸至人才培养与供给、深挖每个客户场景的价值。没有追逐风口，也没有讲宏大叙事，但两年间千万级面试人次、7000余名培训学员、覆盖20余个行业的成绩，足以证明：在AI时代，最懂“人”的公司，最清楚技术该如何落地应用。

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，我们正在从单一AI面试产品公司，升级为AI时代的人才评估、培养与供给平台。AI面试业务始终是我们的技术根基与企业客户入口，解决的是企业招聘中最核心的高效、稳定、科学识别人才的问题。而AI培训业务的快速增长，则源于我们看到的另一个刚需：企业与个人都需要真正掌握AI应用能力的人才。因此，这两项业务并非“喧宾夺主”的补充，而是双轮驱动：招聘端解决“识人”，培训端解决“育人”。

Q2：从接近600万AI面试人次到千万量级，增长主要来自哪里？

方小雷：增长并非单点驱动，而是多重因素叠加的结果。第一，老客户持续复购，将AI面试从校招、部分岗位拓展至社招、批量筛选与更多业务线；第二，新客户不断增加，越来越多企业将AI面试纳入正式招聘流程；第三，单个客户的使用深度提升，AI面试不再仅作为初筛工具，而是与人才评估、招聘报告、ATS流程、人才寻访等环节深度结合；第四，我们推进的PLG模式，让更多企业与HR低门槛试用产品，真正体验到AI面试在提升效率、改善体验、降低筛选成本方面的价值。

Q3：AI面试在哪些行业渗透最快？

方小雷：目前我们的产品已覆盖20余个行业，除传统的制造、金融、互联网、保险、银行外，汽车、会计师事务所、供应链、新能源等领域的拓展也在推进。从渗透率来看，高端制造行业增长最为显著，这类企业招聘需求稳定、岗位体系清晰，对人才筛选效率、面试标准化与用人决策一致性要求高，AI面试的价值能够快速体现。未来随着PLG模式的推进，产品将从大中型企业的校招、社招场景，逐步扩展至更多行业、岗位与中小企业客户。

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：两者兼具，本质是客户真实场景牵引与主动技术升级共同推动的结果。客户倒逼我们解决的并非实验室问题，而是招聘一线的日常痛点：比如AI能否追问、能否理解候选人真实经历、能否识别空泛回答、能否生成HR与业务部门易懂的评估报告、能否与企业现有招聘系统更好衔接等。尤其是技术招聘场景，客户的要求越来越具体，例如每年校招岗位多、招聘量大的企业，技术岗位筛选压力极大，传统简历筛选与人工初面难以平衡效率与精准度。因此，L7版本重点强化了两大能力：Code Review代码审查，考察候选人的工程判断力与项目治理能力；Vibe Coding AI协作编程，考察候选人的AI时代人机协作能力。第七代的核心变化，是从“能完成面试流程”升级为“更像专业面试官、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：最大的变化是客户关注点的转移：过去更关注“AI能否完成一场面试”，如今则在意“AI能否承担更复杂、专业的面试任务”。具体来看，第七代产品有四个明显的升级反馈：第一，交互更自然，候选人不会感觉在回答固定问题，而是能感受到系统根据回答进行的动态追问，更贴近真实结构化面试；第二，报告更实用，HR与业务部门不再仅看到分数，而是能清晰了解候选人的优势、风险点、能力表现、评分依据与后续建议；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进一步识别候选人的真实工程能力；第四，面试官体验感更强，不少客户反馈第七代的体验更接近受过训练的结构化面试官，而非简单的问答机器人。当然，AI并非完全等同于真人面试官，而是正在承担更多标准化、结构化、高频的面试任务，将人类面试官从重复筛选工作中解放出来。

Q6：AI招聘的机会，已经不依赖宏观招聘复苏了吗？

方小雷：AI招聘固然会受宏观招聘需求影响，但绝非只能依赖宏观复苏。过去我们认为只有招聘市场恢复，AI招聘才能增长，但如今我们看到，即便在存量市场中，企业依然有强烈的降本增效、提升判断一致性、减少无效面试、优化候选人体验的需求。更重要的是，企业需要的不再只是单一的AI面试系统，而是围绕人才识别与组织用人的整体解决方案。因此，增长机会不再仅来自“招聘总量变大”，而是来自企业对招聘流程、人才评估与组织用人方式的整体重构需求。AI招聘正在从“可选工具”升级为“效率基础设施”，从单点系统转向“产品+服务+结果交付”的综合解决方案，这才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：目前我们的业务仍以国内市场为主，海外业务处于筹备与试点阶段。入选HICOOL全球创业大赛二等奖与Go Global AI 100，对我们后续的出海计划有很大帮助：一方面提升了公司在国际创新创业生态中的认知度，另一方面也有助于对接海外资源、合作伙伴与本地化服务网络。我们的出海不会简单复制国内模式，而是会在保留核心技术与产品优势的基础上，结合当地的法律合规、文化习惯、招聘流程与候选人体验要求，进行本地化设计与交付。我们相信AI面试与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、规模化推进的策略。

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：我们自研模型绝非为了打造“我们也有大模型”的技术噱头，而是因为HR招聘场景的特殊性，无法仅靠通用API解决所有问题。AI面试绝非简单的提问与总结，背后涉及岗位胜任力理解、候选人回答判断、动态追问、评分标准、结果解释、评价一致性保障，以及敏感信息安全等多个环节。我们并非将自研与外部模型对立，也会关注OpenAI、Claude、通义、DeepSeek等模型的能力，并在合适的场景中使用外部模型。但我们的核心判断是：HR场景的关键不在于通用模型的参数规模，而在于对招聘流程、岗位能力模型、面试评价逻辑与企业实际使用场景的深度理解。我们的自研重点，并非与通用大模型厂商比拼通用能力，而是深耕HR场景的核心能力，让评估逻辑更稳定、评分结果更可解释、数据安全更可控，最终交付给企业更稳定、可信的系统。

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：我们的壁垒并非仅来自模型本身，而是五重核心能力：一是长期积累的人力资源场景数据；二是岗位能力模型与人才评估方法；三是AI面试、追问、心理测评与报告生成的产品体系；四是大量真实企业客户的交付经验；五是“评估-培养-匹配-用人”的数据闭环。即便大厂开放HR专用模型，也只会提升整个行业的底层能力，无法自动解决企业如何落地、如何与现有招聘流程结合的问题。近屿智能的价值，在于将AI模型能力转化为HR场景中真正可落地、可解释、可交付、可持续优化的专业系统。

Q10：从“黑盒打分”到“白盒逻辑”，这个转变是怎么来的？

方小雷：这是客户教育与技术演进共同推动的结果。早期做AI面试时，我们收到了大量客户质疑：AI为什么给出这样的评分？分数是否公平？候选人是否会被误判？业务部门能否信任结果？这些问题让我们意识到，AI面试不能仅追求自动化，还必须追求可解释、可验证、可复盘。因此我们从黑盒打分逐步转向白盒逻辑，如今的产品会让HR与业务部门清晰看到候选人的优势、风险点、评分依据与后续关注重点。这并非为了迎合客户，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非AI得贤招聘官的替代或改名，而是其产品体系下的子产品，是围绕企业招聘流程延伸的Agent能力。企业招聘的痛点并非仅出现在面试环节，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投入大量时间精力。该智能体正是为了解决这些面试前端与招聘流程中的高频重复工作，帮助企业完成候选人初步筛选、自动化沟通、简历收集、流程跟进与系统同步，让HR从大量事务性工作中解放出来。这并非简单的品牌重新定位，而是在原有产品基础上的功能扩展与产品深化。它与传统猎头并非替代关系，而是赋能与合作的关系：传统猎头的价值在于行业理解、客户关系、高端人才判断与复杂沟通，而AI更适合处理高频、重复、流程化的工作。

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准备面试已是不可逆趋势，我们的反作弊策略并非依赖单一手段，而是从题目设计、动态追问、多模态识别与监考机制多个层面共同解决。第一，题目设计上采用千人千问，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、决策过程与复盘能力，真正参与过项目的候选人能够讲述具体细节，而临时包装的答案很容易在连续追问中暴露逻辑不一致、细节缺失或表达空泛的问题；第三，技术手段上结合多模态识别，关注候选人的作答状态、表达节奏、上下文一致性与异常行为，提升作弊识别能力；第四，必要场景下增加物理防作弊手段，例如第二机位监考。未来AI面试的反作弊，将是题目机制、追问机制、技术识别与物理监考相结合的综合方案，更精准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培训业务目前已服务7000余名国内个人学习者，学员涵盖高校学生、在职转型者、企业员工与企业内训人群四大群体。我们的培训并非仅讲授概念，而是围绕AI工具、AI Agent、AI应用开发、项目实战与企业级场景训练，帮助学员形成可应用、可实践、可迁移至岗位场景的AI能力。这两项业务具有极强的协同性：AI面试让我们明确企业需要的人才画像，而AI培训则让我们知道如何培养这类人才，两者结合形成了从人才评估到培养，再到供给的完整闭环。

Q14：现在对融资的态度是什么？

方小雷：我们不便公开披露具体的现金周期，但可以明确的是，近屿智能并非完全依赖融资维持运转。过去几年我们始终重视经营质量与现金流，AI面试业务拥有稳定的企业客户基础，AI培训业务也带来了直接的现金流与市场验证，这让我们对融资的心态更加从容。融资固然重要，但绝非企业生存的唯一前提。我们的态度是：开放，但不焦虑。如果有合适的资本能够帮助加速技术研发、市场拓展、海外布局与组织建设，我们自然欢迎，但绝不会为了融资而融资。创业公司最终应回归客户价值与商业基本面，在当前环境下，企业能否自主造血、服务真实客户、持续交付成果，远比讲一个宏大故事更为重要。资本是加速器，而非发动机，真正的发动机永远是客户价值。

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”的角度出发，而应从“哪个HR工作流最值得被AI重构”开始。AI进入HR领域，并非先搭建一个庞大的系统，而是从具体、高频、重复、可衡量的场景切入，例如校招初筛、销售岗位初面、批量候选人沟通、简历筛选、人才寻访、企业AI能力培训等。企业不要追求一步到位，而是先选择一个痛点明确、指标清晰、业务愿意配合的场景跑通。判断一家企业是否适合引入AI面试，可以看三个信号：第一，该岗位是否高频招聘、候选人数量多、HR初筛压力大；第二，该岗位是否有相对清晰的能力标准；第三，企业是否愿意将AI面试结果与后续招聘结果进行复盘。如果三个答案都是“是”，那么该企业就适合先从AI面试开始，不要一上来全公司铺开，而是先选择一个岗位、一条业务线、一个招聘周期跑出数据，再逐步扩大。

塔猴是一个专注于为用户提供系统学习、内容创作与商业连接的AIGC综合服务平台，致力于为每一位AI探索者打造理想的创作、成长家园。在塔猴，你不仅可以学习众多AIGC类实战课程，获得与时俱进的AIGC技能和视野，还有机会获得长期商业合作和接单机会！点击进入：https://www.tahou.com/

AI生成内容提示：本文由人工智能辅助创作，内容仅供参考，不代表平台观点。请注意核实信息的准确性，并理性判断。