李翔
这次请过来一起聊天的是脉脉公司的创始人兼 CEO 林凡。我一直觉得，脉脉是个非常神奇的应用，因为我认识很多大厂的人，包括老板本人，都会上脉脉做两件事。
第一件事是看自己公司的八卦，当然主要是看负面的八卦。第二件事是看一下自己要招聘的岗位现在大概是什么情况。我之前也听过林凡的一些采访，林凡自己也挺神奇的。他在清华时期获得过北京市高校武术比赛剑术和太极拳的前三名，据说每次都会被人讲成传说中的武林高手。
他本科是学计算机的，博士研究方向是数据挖掘和机器学习，也是上一轮人工智能大热时的核心技术领域。2011年，林凡离开搜狗创办了脉脉。这家公司可以说是穿越了移动互联网时代，一直走到今天，然后站到了AI时代的门前。
脉脉最近在AI招聘领域非常活跃，也会定期发布关于AI人才的数据和报告，都很有意思，大家感兴趣也可以去搜索一下。林总，要不你也跟大家打声招呼，包括我的介绍里面有没有不准确的，或者你要补充的地方？
林凡
高能量的听众们，大家好，我是脉脉创始人兼 CEO 林凡。刚才的介绍基本上还算准确，大面上大家对于脉脉的印象可能确实是这样的。
当然，从我们的角度讲，脉脉很重要的还有销售功能。很多市场、销售、商务人员，会在脉脉这个平台上接触他们的目标客户，跟这些同事聊合作的机会，或者一些共赢的可能性。
我觉得这是大部分对脉脉了解不深的人可能会忽略的价值，也是我们通常说的职场社交的价值。除此之外再补充一个，我博士只念了1个学期就退学回国了，所以我不是博士。
李翔
那你当时为什么要退学回国？那是哪一年？
林凡
2002年。我跟我老婆其实都申请了美国的 PhD，也都拿到了 offer。我签证成功，已经出去了。那年“9·11”以后，中国人的签证特别难办，我老婆没有签过去。
我当时就想，先去读1个学期，回来跟她结婚，然后用 F-2 的身份把她再带出去，但后来也没成功。我的签证也被检查了，因为我读的是人工智能相关的专业，军方也会对这类签证进行检查，所以当时我没有签证回美国。
后来我就去跟王小川一起干活，干着干着就觉得，算了，不要回去了，在中国也挺好的。
李翔
所以，跟人工智能相关的专业领域，在那个时候就已经比较敏感，大家已经非常注意这件事了。
林凡
对。我们当时在马里兰做的项目，有一部分跟军方的项目有关，所以那个时候特别敏感。我们可能只是军方项目外围的外围，做一些分析工作，但还是会受到这些影响。
李翔
我刚才的介绍里，其实包含了一些大家对脉脉的刻板印象。比如各种大厂茶水间的八卦和消息。这个刻板印象准确吗？
林凡
1. 脉脉不只是八卦
你描述的刻板印象，是大家正常的反应，但准确性其实有很多偏差。我们早期也没有想做一个社区，我们其实想做的是一家职场社交公司。
我们从开始融资的时候，就说要做一家类似中国 LinkedIn 的公司。投资人会问，你觉得多长时间能做出来？我们基本上跟每一轮的投资人都说，中国的职场社交可能要慢慢发展，可能要等10年才能够做出来。
投资人投资的时候，肯定都看到了一些快速发展的迹象，就会把这句话理解成：你是在谦虚，是在管理我的预期。所以他们会觉得可以接受。至少在投资之前，我都清晰地讲过，这是一个10年的事情，他们觉得能够接受。
但现在回过头来看，现实比当时想象的还要残酷一些。在中国，职场社交这个赛道其实比10年还要更长。
回到你刚才说的那个刻板印象，在这个过程中，我们看到用户有某些类型的需求。过去10年，也就是移动互联网时代，工作比较好找，大家找到工作以后，都要评估手上这3、4个公司的 offer，哪个公司更值得去。
给你发 offer 的公司你从来都没待过，你不知道这家公司是好是坏，不知道这个文化是不是适合你，也不知道它做的工作内容是不是你想要的方向。所以很多人会到脉脉上打听：字节的某个岗位薪水合理吗？做的工作内容有没有坑？老板是谁，会不会有什么问题？
有大量的人会在这里问这些问题，而这些公司的员工又天天蹲在平台上回答。他们会说，今天你别来，这个部门马上就要被裁掉了；或者说，这个部门今年年终奖发得特别多，有12个月、24个月。
你会看到，真实的需求场景是：大量的人因为不了解一家公司，所以想了解这家公司的详细情况；而在这家公司里的人，则会试图跟求职者讲真实的情况。讨论多了以后，就会有人主动讲某个公司的真实情况，很多人就觉得这是吐槽、爆料，是茶水间。
但实际上，在我们的求职用户里面，他们会用另外一个词来形容我们，叫职场的大众点评。他们会觉得，这是帮助他们找到一份好工作、不跳坑的一个非常好的平台。
只不过对于那些不来这个平台、不通过它做决定和选择的人来说，他们经常听到各种事情传播出来，就会有那种印象。
李翔
职场社交和职场社区的区别是什么？
林凡
2. 社交建立在关系之上
职场社交的核心其实在关系。今天我在这个平台上结识了很多不同的人，这些朋友会经常分享他们的所见所闻、所思所想。于是你看到了很多机会，这些机会可能是职业机会、合作机会，也可能是学习机会。
这就是职场社交。它通过人脉的建立，以及基于人脉的信息交流，满足了很多职场需求。
什么是职场社区？职场社区的核心不是关系，而是内容。在这个平台上会有大量创作者，尤其是 UGC，产生相关内容。这些内容有非常多不同的种类和类型，但社区会让其中一些优质内容、好的内容被更多人看到，也让更多人愿意去讨论。
在讨论过程中，大家会产生一种氛围感和归属感：这群人懂我，我也懂这群人。于是大家交流和讨论的愿望会变得比较强烈。它更多满足的是信息交换和精神归属的需求。
这两个还是很不一样的，一个核心在关系，一个核心在内容。
李翔
这就是互联网里面的老话题了，只要是社区，好像都很难赚钱。
林凡
对我们来讲会好一点。我们有很好的社交底子，也就是说，所有用户在这个平台上都填写了真实的公司和真实的身份。所以我们在做社区的过程中，同时也能够让招聘、会员这样的业务发展起来。
因此，变现对于脉脉来讲可能会稍微好一点，比其他一般社区好一点。
李翔
我之前检索材料的时候，看到百度百科里对你的介绍是“林凡在2012年创办了脉脉”，但脉脉官网上说是2013年10月创办的。这两个信息是矛盾的吗？
林凡
3. 脉脉从搜人开始
我是2012年创业的，但创业的第1个产品并不是脉脉。我们当时觉得，LinkedIn 这种模式在中国能不能起来，我也不是特别有把握，但我一直觉得关系一定是很重要的事情。
所以最早的时候，我们做了一个搜人的搜索引擎，把当时的微博、腾讯等各种信息都抓起来。我原来是做搜索出身的，我们就做了一个搜人的搜索引擎。
这个产品持续了一段时间，后面又通过人脉网络做了一个相亲交友平台，当时叫“秘密”，也做了一段时间。后来还做了一些其他的小测评，直到2013年，我们才推出了脉脉。
其中一部分原因，是我有一段短暂的时间在一家叫大街网的公司。那家公司也是做 LinkedIn 相关的事情。我觉得出于敬业和尊重吧，我跟原来的创始人关系还挺好，所以就先不做这个方向，探索其他事情。
李翔
你一说搜人的搜索引擎，我想起来，现在好像还有人想基于AI重新做搜人，包括匹配人。这一直是一个用户需求，对吧？
林凡
它一直是个用户需求。但我当时做完以后，觉得这个事情不成立。原因是你真正去做的时候会发现，找到那个人其实只是开始。你一定要跟这个人建立连接，然后有后续的沟通和交流，才能达成你的目的。
这跟搜索引擎直接让你看到信息、需求就已经得到满足，是不一样的。我们当时做了半年搜索引擎以后，就把用户引导到微博和其他平台，跟那个人建立连接。
但那部分用户会觉得有点莫名其妙。比如你问他，你从哪里看到我的？他说从某个网站看到的。你说，我没去过那个网站。所以在建立信任和沟通的过程中，就已经出现了非常大的隔阂。
后来我们很清楚地意识到，你一定要拥有自己的社交网络，一定要让用户知道，我在这个平台上留下了自己的资料和信息。这样，他才能接受后面来自陌生人的连接。
李翔
脉脉创业的时候，移动互联网已经开始并且非常繁荣了。比如2011年前后，一堆公司成立，包括今天我们看到的小米、微信、字节、美团，其实都差不多是那个时候。到现在已经12年了，今天公司和你自己的状态，跟你刚开始创业、拿着 BP 要做职场社交时的状态，差别大吗？
林凡
4. 中国职场社交更难
差别还是挺大的。刚才也提到过，我们带着想做好职场社交的美好愿景进入这个赛道，所以会跟投资人讲，这是一个10年的持久战。
现在你会发现，怎么比10年还长？已经12年了，还在持久战。
过去10年工作太好找了，所以像 BOSS 直聘这种快速匹配的公司，发展速度特别快，匹配效率也更高。你会发现，职场社交这个模式在中国之外所有国家都能成立，但在中国不太成立。背后本质上是需求有一些差异。
不过从另外一个角度看，虽然熬了十几年，但成就感还是很强。因为我们真真切切地改变了一群职场人的职业生涯和职业路径，成就了他们的职业。
你想，我们帮助了非常多不同行业、不同工种的人。他们在职业路径上，通过人脉关系、信息交流和讨论，让自己的职业变得不再迷茫。
哪怕这群人可能没有像我们当时想象的那样，像 LinkedIn 一样覆盖基本上所有白领，我们今天可能只覆盖了其中一部分白领，但给他们带来的改变是非常真切的。
这部分跟我初始的想象是一样的，但时间这一部分，跟想象的差距就很大了。
李翔
我听下来，你认为过去十几年中国没有长出一家像 LinkedIn 这样的公司，核心原因是我们的移动互联网非常繁荣，有10年左右的时间，工作岗位的供给小于工作岗位的需求。
林凡
对，这是一个比较核心的原因。
如果完整展开来讲，其实有两个方面。一个方面是供求关系。工作好找的时候，投简历就行了，聊天就行了，这个效率最高。
你想一件事，BOSS 直聘为什么能做起来？因为找工作的人不好招，所以老板才愿意花时间跟求职者聊。现在我们经常碰到一个岗位有1000个人投递，那老板哪有时间跟这么多人聊？
供需关系是最本质的。当供需关系在那里时，匹配模式就不一样。为什么 LinkedIn 这种模式在国外能成立？因为工作不好找。工作不好找，就得让对方觉得你这个人值得聊。
我跟你认识，或者我跟你中间有一个共同的朋友，就会让我跟你聊的机会大很多。面对1000个人，你怎么判断这些人的好坏和优劣？很难判断。最后还是找一些朋友问问，有没有推荐的人，然后推荐几个人，聊一聊觉得这个不错。
你会发现，在工作机会比较难找的时代，人脉背书是非常重要的。为什么 LinkedIn 这个模式在大部分国家都能成立？总体来讲，工作都是不好找的，除非经济处于高速增长期。
大部分人都有一个认知：我要从学生时代开始建立人脉关系，我现在的同学，未来某一天可能会帮到我；我进入第1家公司以后，所有同事关系未来也可能会帮到我。所以他们会加同学、加同事、加校友，也会加各种合作伙伴，把人脉网络建立起来。
这整个事情，是由供需关系决定的。
另外一个原因，是中国的生态跟海外不太一样。你绕不过的核心壁垒就是微信。你要抢用户的时间，抢用户的关系链，让大家习惯打开你而不是打开微信，这件事非常难。
我们当时在快速增长的过程中看到，用户来脉脉的头几个月还挺活跃。他在脉脉上看到了很多高中同学，跟高中同学在脉脉上拉了一个群，十几、二十个高中同学在那里聚会、聊天。聊着聊着，大家说，要不去加个微信吧。然后整个群就加到了微信上，大家来脉脉的频率就降低了。
这也是另外一个问题。哪怕这里有需求，需求完成以后，用户就走了。只有长期、被动找工作的需求，才值得用户反复回来。如果只是建立一个连接，然后后续去沟通交流，就很快会转移到微信上。
海外没有这个问题，因为大家比较重视隐私。你在工作中结交的朋友，一般不会去加 Facebook，大家就在 LinkedIn 上聊天。
在中国，我觉得现在还没有形成这样的习惯，但趋势也很明显。很多00后非常讨厌老板加自己的微信。未来如果我们真的变得更高频，00后可能会说，你不要加我微信了，你加我脉脉不行吗？我们还是很希望有这样一天的。
李翔
所以这个模式主要是供求关系决定的，生态是辅助因素？
林凡
我觉得供求是主因，生态是辅因。
李翔
但你们今天做AI人才招聘，又碰到了供求关系的问题。AI人才的供给远小于AI人才的需求，可以这么说吗？
林凡
是的。
李翔
你们很爱干这种事。当供需不对称的时候，大家就得去抢这个人。在这种情况下，他不太需要关系背书，只要有真才实学，大家就会直接来抢他。
林凡
如果供大于求，很多时候就变成还需要关系背书，别人才会看到你。
李翔
你们现在还是没有放弃做一家像 LinkedIn 这样的公司吗？
林凡
5. 职场社交迎来新机会
没有放弃。其实这两年看起来，我觉得这是一个很好的机会。
应届生更早感受到这个变化，非应届生从2023年以后也开始有比较明显的感受。所以很多帖子开始讨论：我在 BOSS 直聘上投了100个简历都没人看。类似这样的抱怨越来越多。
我们自己说实话，有一段时间把重点从社交切换成了社区，但社交产品的形态其实也不够理想。最近我们又在打磨社交产品的形态，大家也能看到，我们在首页上开始重新出现“人脉圈”这样的产品。
我觉得，当产品本身变得符合这个时代的需求以后，大家就会开始使用职场社交，来解决现实中找工作难的问题。
李翔
如果今天让你定义，脉脉官方应该是什么样的公司？职场社交网络、职场社区，还是招聘求职平台？尤其是大厂的人，大家对它的认知其实有一些不同，不同的人使用它的目的也不同。
林凡
这是一个无奈之举。理论上，我们最想让大家认识到的，还是职场社交。但职场社交这件事，在过去很长时间里确实立不住。
当下我们首先想说的还是职场社区。我们从2020年开始定义自己是中国最大的职场社区。因为有了这个最大的职场社区，大家讨论着讨论着，发现这个人可以招、这家公司可以去，于是就有了招聘板块；觉得这个人值得交朋友，就有了社交功能。
所以很长时间里，我们的核心是职场社区。
但我自己觉得，未来再过1到2年，甚至可能比我想象的更快，因为最近我们看到了一些新的信号，我们还是希望大家那时看脉脉，会把它看作一个职场社交平台。
李翔
这12年，在你看来可以分成几段？按照里程碑来讲呢？
林凡
现在看起来是两段：社交和社区。
2013年我们刚开始，到2020年上半年，我们把自己定位成社交平台，要构建人脉网络，对标 LinkedIn 的职场社交模式，帮助用户拓展人脉、维系人脉。只不过当时顺手做了社区和招聘板块，因为那是社交的衍生服务。
第2阶段基本上是从2020年下半年到现在。我们发现用户的需求跟我们想的不完全一致，于是去做 offer 比较，或者围绕公司本身进行信息交流和讨论，也就是职场大众点评。
后来行业又经历了一些震荡，包括裁员、降薪，大家还需要一个讨论安全感的空间。这些东西可能在朋友圈里没法聊，在微博上说了别人也不懂。
比如我在微博上说一个年薪3万的人被裁了，大家可能会觉得你在凡尔赛。但在互联网圈子里，有一群懂你的人，能够聚在一起讲真实的感受，这就变成了大家的需求。
所以这几年我们确实是社区定位，重点是社区氛围，以及看到真实的职场信息。过去就是两个阶段：社交阶段和社区阶段。未来可能又会重新回到社交阶段。
中国职场人总有一天会开始重视长期的职业口碑和长期的职场人脉。那个时候我们可能就会回到社交方向。我觉得这是一个很有意思的过程，但每个过程都很长，都有5、6年的时间。
李翔
为什么到2020年下半年，你们才发现职场社交可能不是用户那么强的需求？
林凡
这个怎么讲呢？你知道，创始人总是有一种愿力。我经常被投资人批评，说这是 wishful thinking。我觉得这不就是愿力吗？因为你相信一个东西会发生，所以会觉得这件事一定会发生。
而且说实话，虽然碰到了很多困难，但我们的用户规模一直在增长。到2018、2019年的时候，我们还融了很大一笔钱，用户规模整体还在涨。你的 wishful thinking 造成了实际的结果：投资人持续加码，用户也持续增长，看起来好像满足了很多需求。
所以你就会觉得，这应该就是职场社交。哪怕有一些信号出现，比如很多人来了脉脉以后都转到微信，或者很多人抱怨，只要我在脉脉上写个帖子，领导就会问我是不是想跳槽，你也不会立刻把这些信号当回事。
直到2019、2020年，有一段时间整个社交的活跃度都在往下走。但社区板块当时只有2、3个研发，再配上2个运营，一共5个人，那个板块却一直很活跃。
你就开始反思，是不是无视了用户需求，实际上社区才是真正的用户需求。我们大概反思了半年，然后决定放弃原来社交的方向，走社区这条路。
李翔
这一反思就要反思半年。
林凡
对，因为愿力太强了。
李翔
今天你好不容易又看到了一些机会，愿力是不是又来了？又可以开始做职场社交了。
林凡
是的。因为我跟很多同学讲，我们要把社交再捡起来，好好把它做大。很多人就拉着我说，老板你要清醒一点，你现在主要的大盘子是社区，千万不要上来就搞社交，又把社区搞没了，底盘就没了。
现在我们也觉得有道理，所以会慢慢从一个小种子开始做，先上一个产品。什么时候社交这个产品开始不需要我们特别努力，自己就开始疯狂增长，那可能就说明它真的对了。
我会跟别人讲未来1、2年，或者更长时间，但很多时候还是要真实地看用户需求什么时候会推动这件事，而不是靠 wishful thinking，觉得这件事凭愿力就能成功。
李翔
我后来想，英伟达就是典型的靠愿力驱动的公司，对吗？它一开始产品根本找不到用户。
林凡
英伟达和比亚迪，这两个公司都是熬了十几、二十年，靠愿力驱动的。
我觉得愿力驱动本身没毛病，但你也要活着，得活在牌桌上。我相信做游戏玩家的显卡肯定不是老黄的初衷，但为了活下去，他肯定也要先把这件事做好。
我们也类似，通过社区先让自己活下来，再继续愿力驱动。
李翔
按照雷军的话说，他从阿里巴巴身上学到的是：要有一个打不散的团队、永远花不完的钱，再加上一个足够大的赛道，然后总有一天你能爬出来。
林凡
但这些都很难。雷军不管是之前做手机，还是后面的汽车，整个赛道看得越来越清楚了。他当然也有 tough time，但金山，包括后来做卓越，也经历过一些挑战。
李翔
脉脉在2018年以后就没有继续融资了，是吗？
林凡
也不是。我们每隔1、2年还是有一些小的融资，只是规模不大，没有对外宣传。
更重要的是，公司自己发生了一个本质变化：我们可以靠业务养活自己了。这两年我们都是盈利状态。在这种情况下，能够养活自己，就不需要找投资人的钱。
当然，还有一个重要原因是，前几年没有看到特别大的机会。没有特别大的机会，就不需要太多投入。只要把自己的经营做好，还是可以活下去。
但如果真的出现一个大的机会，就需要大的投入才能抓住。
李翔
你看到 LinkedIn 退出中国的时候，心里怎么想？
林凡
那是哪一年的事情？已经是很古早的事情了。
LinkedIn 所谓退出中国，其实有3个阶段。第1个阶段是把赤兔关掉，我印象中2019年就发生了；第2次说退出中国，是把另一项产品关掉，但它的招聘业务还在中国；第3次是连招聘业务也关掉。
从我的角度讲，其实有点悲伤。任何一个行业和赛道，如果只有一家玩家在那里玩，说明这个赛道不够大。包括电商和其他很多赛道，理论上第2名、第3名都应该有存活空间。
我们经常说自己是最大的职场社区和社交平台，也很容易说自己是唯一的。在这种情况下，总体来讲我觉得这不是一件好事。
但我的感觉是，第1，LinkedIn 不完全是因为市场原因退出的。它确实受到两个国家地缘政治冲突的影响，觉得在这里的投入产出比有点低。否则，领英中国其实是一家赚钱的公司。他们不是因为市场因素退出，而是因为地缘政治因素退出，这让我悲伤的感觉稍微好一点。
第2，有一段时间我跟领英的同事聊天，我说你们没有熬到黎明。之前需求确实不太行，但我觉得之后会起来。他们2014年正式进入中国，应该是2023年全面退出，等于熬了10年，还没等到黄金时光。
我说，我还在牌桌上，我争取活到它大红大紫的时间点。那时候他们可能会有点后悔。当然这是开玩笑的说法，大概就是这两个感觉。
李翔
但后来 LinkedIn 也没有作为一家独立公司存在于市场上，而是被微软收购了，对吧？
林凡
我单纯觉得，LinkedIn 被微软收购这件事，是双方愿力的差异。
你看，Reid Hoffman 把 LinkedIn 卖掉的时候，卖了230亿美元。所有人都觉得，怎么会卖这么贵？我印象中那时候它的收入才30亿美元，但市值大概有150亿美元左右。卖的时候市值一度没到150亿美元，应该是100亿美元左右，但差不多有将近一倍的溢价。
前段时间我跟微软的人聊，LinkedIn 现在一年的收入大概在200亿美元以上，纯利润大概有50亿美元左右。大家就觉得，LinkedIn 现在至少值1000亿美元。
但我跟 Reid Hoffman 聊的时候问过他，为什么要卖？他说，他觉得还有更多有意思的事情可以做，还可以探索其他东西，所以觉得没关系，交给新的公司去做就好了。
李翔
这个回答特别 PR。
林凡
特别 PR。卖完之后只能这么说了。
李翔
我也见过他一次，印象非常深刻。他们那时候在做游戏，我问他：你看，你们 LinkedIn 当时好像是亏钱的，一个亏损的公司凭什么值100亿美元？我们游戏公司一上来就赚钱，赚这么多钱，为什么给我们的估值这么低？
林凡
这说明那个时候，他明显还没有理解资本市场到底是怎么运作的。
李翔
从2022年底开始，新一轮人工智能热潮出现了。我不知道这对你们这样的移动互联网公司意味着什么。
林凡
6. AI重写招聘生产力
我觉得意味着非常大。先讲底层的东西。
互联网时代本质上改变的是生产关系，包括人与人之间的连接、信息交流、在线服务等。那个时代崛起的，其实是商业模式和 To C 产品、应用的爆发。字节、微博、美团、滴滴，都是非常典型的商业模式加 To C 产品的变化。
但 AI 时代本质上是生产力革命。技术会成为最重要的杠杆，去推动生产力提升。我觉得它对很多方面，特别是 To B，是一个很大的机会。
美国在 AI 方面的投入和发展速度比我们快。你会看到，To C 领域基本上就是大模型公司活得比较好，其他公司都比较难。像 Perplexity 这种最早靠 AI 做搜索的公司，现在过得也不太好。
你会发现，To C 现在好像都是基座大模型的事情，其他东西还很难长出来。但在 To B 领域特别火。Coding 从最早的 GitHub Copilot，到后面的 Cursor，包括现在 OpenAI 也下场做这些事情；广告、律师、专利、医疗等领域，也都有很多公司很火。
这其实是非常匹配的。我一直认为，生产力革命首先服务的是 To B。工业革命时代，机器不是直接造福消费者，而是先造福 B 端的生产者，然后再传导到 C 端。
AI 这场革命对服务业会产生巨大影响和变化。它会通过人力资源的优化和替代服务 B 端，再从 B 端反向传导到 C 端。所以我认为，To B 是一个非常重要的应用场景。
对脉脉来讲，我觉得这是一个非常大的机会。第1个机会是，AI 时代对技术团队友好。我们的创始人是技术出身，核心管理层也是技术出身，整体公司的技术人员占比也比较高。
让我们特别兴奋的是，AI 能让一个更小的团队做更大的事情，比如重构招聘流程。过去你需要很多猎头和 HR，才能把招聘流程做起来。要在白领人力资源领域重构整个生产关系，其实非常难。只有贝壳在这方面做得比较好。
当时很多人都打着“猎头界的贝壳”“招聘界的贝壳”这样的旗号，但实际上都没成功。平台在猎头领域不太成立，跟双方长期连接有关。
贝壳为什么能做成？因为卖房和买房基本可以认为是一次性交易。今天比如你要卖房，我要买房，中介来了以后，跟你和我分别接触，把这单撮合完成。我们下一次再合作的概率基本为零，不太可能出现“你最近还有新房子吗，我再买一套”这样的情况。
但求职和招聘完全不一样。公司会持续招人，所以猎头跟公司建立信任关系以后，公司下一次招人可能还会找他。候选人被推荐成功一次以后，对猎头建立了信任，第二次找工作时也可能继续找他。
猎头天然对双方都有长期持续性。这种持续性会让平台的价值变小，而个人的价值变大。因为两边都建立了长期联系，最差的情况下，猎头自己也能活，不需要平台来解决问题。
你会发现，房产中介很少是房产中介自己单干，因为这件事太难了。但猎头要通过生产关系重构行业，基本上不现实，只能等待生产力革命的机会。
如果猎头70%的工作，甚至90%的工作都能由 AI 完成，只需要做好最擅长的10%，比如帮候选人谈一个好薪水，这件事 AI 可能还不太擅长，那就有可能重构这个行业。
所以我们认为，这是对脉脉的第1个大机会。
第2个机会是，整个人才服务也是很大的机会，甚至不只是招聘服务。我们一直在讲，未来可能会有一段时间出现“人力上云”的机会，也就是人力资源变成云端服务资源。
现在机器是云端的，未来搞不好你要雇佣一个销售或程序员，不一定要真实地雇佣这个人，只要找一家外包公司提供服务就可以了。人力成本也会变成可变成本。
这两个事情，以前对我们这样的团队来讲是想都不敢想的，但今天变成了板上钉钉、一定有机会做成的事情，所以我自己觉得很开心。
李翔
上一个想把公司特别大的固定成本变成可变成本的公司，叫 WeWork。
林凡
对，这里面有它自己的问题，就不展开了。
李翔
但这样的机会，为什么不是 PC 互联网时代的猎聘，或者移动互联网时代的 BOSS 直聘去抓住？照理说，字节的生意应该是当年的百度或者腾讯做的事情，不就是推荐算法吗？当年的百度、腾讯难道雇不起推荐工程师？字节的推荐工程师不都是从百度挖过去的吗？
林凡
我觉得每一轮技术革命都有一个特别大的差别，差别在于创始人的理念，是不是坚信这件事会改变一切。
我2010年还跟张一鸣聊过推荐的事情。那时候我在搜狗，搜索引擎也是一家技术很好的公司。他当时跟我讲，个性化推荐会是一件革命性的事情。
我说我做过，我做了两年个性化推荐，也就优化了20%到30%的点击率。你不懂。我说，我不太相信这会是一件革命性的事情。他也没有要说服我，就自己去做了。
今天招聘领域成功的创始人，通常不会觉得技术是唯一变量。他们会觉得还要靠客情、市场宣传和很多其他事情，这些才是招聘业务做成所必需的。这个我觉得就是最核心的差异。
李翔
不过这一轮，我觉得所有公司应该都会特别警觉吧。
林凡
我觉得他们的警觉性可能比你认为的还要大。他们一开始就买了一堆卡。
大家经历过几个快速变更的时代，对技术的警惕性都很高。这其实也是我们的幸运。
我有一段时间研究所谓的“盖特勒曲线”为什么会先起来、再掉下去，然后再起来。背后的原因是，新技术出现时，大家都会围观和使用，包括我。
2023年的时候，我跟戴科彬讲，你一定要用 AI，不用 AI 肯定解决不了招聘中的很多问题。他就很努力地去用 AI。
这时候所有人都开始用 AI，但用完以后发现，不行，水平还差得很远。大家就觉得，AI 还没达到这个能力，所以曲线就下来了。大家先不关注它，偶尔再用一下，发现还是那样，就不用了。
但它再次起来，是因为少数对这件事有极度信仰的人，依然在高频探索、尝试和使用。某一天，技术突然可以了，再加上口碑传播，周围的人开始重新认知和理解它。这就是 Gartner 曲线的核心原因。
招聘领域可能也是一样。很多人跟我讲，招聘里有很多环节，技术还是解决不了。比如面试，大家基本上都有一个结论：技术还搞不定。
但我们可能属于技术偏执主义者，觉得一定能搞定。这个方法搞不定，就换一种；那个方法搞不定，再换一种。这个过程最后可能就会变成我们的核心竞争力。一旦跑通，就可能产生强烈的规模效应和马太效应，体验可能会出现量级上的差异。
李翔
现在招聘整个流程里，技术渗透率最高的是哪一部分？看简历、筛选简历，还是别的环节？
林凡
现在各家都在探索，并且已经部分实现的，一个是筛简历，一个是沟通，也就是第1轮沟通。这些是大家做得比较多、效果也相对比较好的环节。
AI 面试目前对蓝领比较有效。它不需要做复杂的知识判断，只需要快速做一些肢体和行为上的诊断与判断，这个是成立的。
所以现在 AI 面试大量用在蓝领筛选，以及应届毕业生的初级筛选。除了这些环节，其他部分都面临比较大的技术挑战和困难。
李翔
技术挑战具体是指什么？
林凡
简单讲，因为 AI 有幻觉和各种不确定性。在某一次对话或沟通过程中，它正常情况下大概有85%的准确性。
如果只是跟它聊聊天，从它那里获得一些资讯和讨论，85%的准确性可能没问题。但如果你要跟它做一件正事，一轮对话有85%的准确性，差不多10轮对话下来，准确性可能就降到20%到30%，那基本上就不可用了。
所以核心问题和挑战在于，如何让 AI 在10轮对话之后仍然保持90%甚至99%的准确性。这可能就是所谓的技术挑战。
李翔
我的理解是，人也有幻觉，也有高度不稳定性。
林凡
今天很多人还没有真正抽象出一个核心问题：人在职场里的能力有上限，也有下限。
能力上限是你能做出多好的方案，能力下限是你会犯多大的错误。在人类社会里，通常能力上限越高的人，能力下限也越高。你很难指望一个国际数学奥林匹克竞赛的金牌得主，算不清楚 2.2 加 2.3 等于多少。
所以大家喜欢招北大、清华的学生，就是因为在人类社会中，能力上限和下限通常是一致的。
但 AI 不一样。今天 AI 参加国际信息学奥林匹克竞赛，也能拿到全球第7名的金牌成绩；有时候你让它改一个小 bug，它却怎么都改不对。
这时它的能力上限非常高，能力下限也非常低。在这种情况下，通常的职场工作它就做不了。
所以我觉得，所谓 AI To B 的本质，就是你有没有办法让 AI 的下限变得足够高。高到一定程度以后，你就可以直接雇佣 AI 员工。
李翔
在你的视野里，招聘领域以及社区、社交领域，最近几年有什么创新吗？我自己的感觉是，招聘领域很久没有发生特别有意思的事情了。
比如 BOSS 直聘是直接跟老板谈，猎聘是打电话谈，感觉都是一些小的迭代点，大家在局部做文章。
林凡
7. AI开始筛选候选人
大的、颠覆性的创新确实很少，但有一些小的创新。
拿招聘领域来说，就说脉脉的例子。我们有一个 AI 招聘产品，打磨了半年多，最近两个月才上线，主要想解决两个折磨 HR 的问题。
第1个问题是筛人比较慢，筛选过程很痛苦。HR 打开系统，看到几千份投递简历，要一个个点进去看、筛选条件、找到合适的人，看完已经头晕了。后面还有几百条“这个岗位还在招吗”的消息要回复，沟通也很累。
我们就是用 AI 的能力，把最机械、最耗时的部分从 HR 这里省下来，让机器去做。
比如针对人才筛选效率低的问题，HR 可以直接用口语提要求。你可以说：我今天看到几千份简历，不要那种3年跳2次槽的，除非每次跳槽都是升职；最好在某家公司或者它的竞品有相关经历；不要 To C 经验，只要 To B 经验。
你把日常沟通中会用到的这些条件告诉机器，AI 就可以帮你从几千份简历里找人。
它甚至还能拓展 HR 的认知边界。我们有一个真实客户，要找1年左右经验的社区运营。传统思路肯定会想到小红书、知乎、B站、微博这些社区的运营人员。
但 AI 会推荐网易游戏的社区运营、华为新生内部论坛的社区运营，这些候选人原来可能根本想不到。汽车公司的汽车社区运营，也可能是合适的人选。
效率也会有很大差别，3分钟就可以读完5000份简历，并给出初步排序结果。我觉得这是一个小的创新点。
另外就是沟通。HR 要跟大量候选人沟通，我们相当于给 HR 配备了一个7×24小时在线的小助手。
它发现候选人符合条件，就先发起一轮沟通，回答一些基础的岗位问题；确认对方有意向以后，再告诉 HR 这个候选人有意向。
有一个真实案例，一家公司招聘后端研发，AI 帮它筛选了1600个候选人，发起了1200次沟通，最终确认有意向的有120个人。
在这个过程中，HR 的感受特别明显。他觉得提效太明显了，用习惯以后就很难再手动筛简历、手动聊天。
我们觉得，这就是一种小的创新。当然我们还有一些更大的创新，暂时不方便说，可能会改变整个行业。
李翔
社区和社交方面，我看到两个还不错的例子。
一个是 Soul。它在陌陌、探探这类靠外貌交友的体系里，探索出一套通过陌生人的兴趣和情绪价值完成社交的方式。这条路很多人都想过，但真正走通的，感觉只有 Soul。
另一个是小红书。我觉得小红书其实挺不容易的，只是大部分人没有这种感觉。小红书的崛起是在抖音、快手非常强势的情况下完成的，对算法的要求极高。
视频比较容易让人上瘾，直接刺激人的感官。抖音、快手这样的平台，每天可能只需要几千条、1万条好内容，就基本能满足所有人的需求，也能很好地推到用户面前。
但图文的成瘾性比较弱，一般很难刷图文刷得很爽。这样的情况下，它对个性化内容的要求就很高。只有持续看到自己感兴趣的东西，用户才能坚持下去。
它对内容的要求可能要有10万条甚至更多，才有可能留住用户。中间可能有1、2个数量级的差异。
所以我觉得，小红书依靠算法，在10万级内容供给的情况下做得比较精准，迈过了这个门槛。但不是说小红书的算法就比抖音、快手强，我只是说，要把图文这件事做成，它本身的门槛就很高。
这两个平台，一个是从场景和策略出发，一个是从算法和个性化出发，去解决用户需求。我觉得这两个都做得不错。
能做成职场小红书吗？
林凡
我们当时讨论过这个问题，甚至尝试过这个方向。但你会发现一个非常重要的事情：生活中还有大量美好的东西，而且这些美好是可以学习和复制的。
比如今天你去某个地方玩，明天我也可以去那里玩。你做了一道好菜，我也可以学着做，或者去吃这道菜。
但工作中，首先美好的东西就少。工作大部分是在解决各种痛苦的事情，而不是享受各种美好的时刻。
第二，就算工作里有一些美好的东西，也无法复制。比如字节发了12个月年终奖，拿到年终奖的人都很开心。你能在脉脉上分享吗？下面可能一堆人骂你，因为他们没办法获得这个美好的东西。
我们评估以后觉得，职场真的比较难做成小红书。除了一些知识性的内容，可能还有机会通过分享来传播，比如分享一个工作小窍门。大部分场景都比较难。
李翔
所以它还没有变成产品，就已经被扼杀在摇篮里了。
林凡
它的本质是，供给和需求很难通过互联网的生产关系来解决。但它有可能通过生产力的改变来解决。
很多事情让你很烦，如果我提供一个很厉害的 Agent，你就会发现不用这么烦了。刚才 HR 筛简历、聊天很烦，我提供一个生产力工具帮你解决，这就是有可能的。
所以它不是生产关系能够解决的问题，而是生产力才能解决的问题。
李翔
所以小红书是文科生做出来的公司。
林凡
跟文科生、理科生没有关系。
李翔
说到生产力，我觉得你前面分享的一个观点可能会很扎心：To C 是基座大模型的事情。这应该会让很多公司听完之后很生气。
我上次去美国跟别人聊天，发现中国很郁闷的一点是，过去只有 To C 的公司才能活下来。过去10年，很多 To B 的公司都过得不是很好。这里说的是软件公司，不包括硬件，单纯的 To B 软件公司很难。
很多投资人都很心灰意冷，觉得 To B 在中国是伪需求。但这一轮 AI 革命恰好对 To B 比较有帮助，可中国所有人还是削尖脑袋想在 To C 上创业，因为大家的思维定势还停留在移动互联网时代。
我在国内跟很多创业者沟通时，会觉得他们的方向可能不太对。在 AI 时代，你去做一个星座应用之类的事情，感觉不太对。AI 跟以前的星座应用相比，能提供多不一样的东西？这种差异化体现不出来。
但很多人自动把 To B 这条路堵住了。现在我在各种场合，不管跟投资人还是创业者沟通，都会鼓励他们：往后看10年，可能是中国 To B 最大的希望。
林凡
我们要先看，过去中国 To B 为什么不成功。
过去 To B 不成功，一个很重要的原因是只能提供过程价值，不能提供结果交付。比如今天给企业提供一个数据分析 SaaS 平台，你不能告诉它，数据分析做完以后，公司业绩能涨30%还是20%，没有人能够承诺。
你卖的是中间过程，这个过程定价就很麻烦。对企业来讲，这个东西值10万、100万还是1万，说不清楚，买方和卖方都很尴尬。
但如果变成结果交付，AI 来了以后，我就跟做数据分析的同学说，你干脆就卖“我帮你提升某个指标”。所有过程都由我们提供服务，大部分工作由 AI 完成，最后按结果付费。
比如你提升了10%的业绩，企业给我其中5%或者10%的分成，这个就很好谈。老板肯定会觉得可以：你要是能帮我提升10%的业绩，我就付你这个钱；没达到，我就不付。
以前没法这么做，因为 SaaS 公司本来是轻公司。如果我还要提供很多人帮你完成服务，那公司就会变得很重。但未来可以让 AI 完成分析，拿到结果以后再收钱。
买方愿意付钱，结果到了以后就付；对提供服务的人来说，通过 AI 节省了成本，也能解决这个问题。
所以我觉得，未来10年，AI 时代是中国 To B 的一个大机会。当然，大部分创业者和投资人还没有走出过去的阴影。10年前就有人这么说，10年后还在这么说。
他们还没有体会到生产力革命对这件事本质上的影响。但我觉得，只要有1、2家公司在中国成功，大家很可能就会意识到这个事情。我们很希望自己是最先成功的那1、2家公司。
李翔
刚才你讲到，AI 已经在招聘领域有一些应用，有些环节的渗透率还挺高。我想知道，社区和社交领域里，AI 会带来什么大的变化吗？
林凡
8. AI重塑职场社交
这两个领域都会，尤其是社交，变化会非常大。我只能透露一点信息，但从本质角度讲，其实很容易理解。
拿职场社交举例，LinkedIn 的模式是把自己的 profile 全部公开，把每天的所思所想都公开，这样别人可以通过好友网络等方式发现你，然后创造职业机会。
但 LinkedIn 的数据也表明，只有30%多、40%的人有完整 profile，大部分人写得特别简单。脉脉差不多也是20%多、30%，比 LinkedIn 还低10个百分点。
大部分人不愿意把自己的全部情况告诉别人，这很容易理解。但如果不把全部情况都写出来，对匹配来说就是一个很大的问题，因为我不知道什么东西适合你。
今天你会发现，把这些东西讲给 AI 听，心理顾虑没有那么大。我们现在说，要在脉脉上经营自己的公开 profile；真正到了 AI 时代，可能只需要把自己的 profile 跟 AI 讲清楚，剩下怎么匹配，由 AI 来完成。
它不需要把这些信息暴露在社区里。匹配完成以后，你再跟对方聊就行了。这个过程中，很多问题就被 AI 取代了。
李翔
BOSS 直聘可能是移动互联网时代成长出来的招聘公司，也是百亿美元级别的公司。脉脉也是移动互联网里成长起来的。
如果在 AI 时代，招聘公司比较终极的形态大概会是什么样？
林凡
所有在 AI 时代长出来的公司，第1个特点肯定是技术型公司，很难有纯业务型公司长出来。移动互联网时代，很多时候因为商业模式的原因，业务型公司也能成长起来。
第2个特点是，交互界面一定非常简单，但背后的运行技术非常复杂。互联网时代的搜索引擎就是这样，交互界面极其简单，后面的技术极其复杂。今天的 ChatGPT 也是界面极简单，背后技术极复杂。
以招聘领域为例，求职者可能只要跟系统说：我想找一个钱多、活少、离家近的公司，有没有？他不用去各种招聘网站搜索，只要跟电脑聊几句。
HR 可能会说：我想在北京招5个高级前端工程师，要求有几年经验，做过大模型应用。
两边的 AI 就开始匹配。它知道你是一个前端工程师，又想找一个钱多、活少、离家近的公司。它会判断 HR 提供的工资够不够高，比你现在的工资高不高；公司办公地点离你近不近。
至于“活少”，我可能会回复你：钱多、活少、离家近不可能同时存在，你愿不愿意考虑一下？
另一边，AI 会告诉 HR：这个候选人有意向跳槽，经验和背景符合你的要求，你有没有兴趣面试？
靠简单的自然语言沟通，AI 就会把合适的机会推到双方的面前。我觉得这件事一定会发生。AI 甚至会管理到最后入职，入职以后才收费，不入职就不收费。
未来大概5年，在一些标准化程度比较高的岗位上，“提出需求，一键到岗”应该会实现。那个时候可能就没有传统招聘网站什么事了，招聘和求职会像打车一样简单。
你的重点会变成提升胜任力和能力；另一边则提升薪资和竞争力。双方会非常快速地匹配。
到那个时候，AI 还能够记录你的职业成长路径。比如你去了某家公司，3个月就离职了，AI 会问你哪里不开心、哪里不符合想法。下一次找工作时，它会避免把你推荐到类似的公司。
对候选人来讲，他会更真实地跟 AI 表达：我对这件事不开心，对那件事不满意，这里有问题，那里有问题。但有些时候 AI 也会告诉你：这其实是你的问题，你需要解决。
它会变成一个职场顾问。我觉得这是一种很美好的状态。
李翔
也就是说，人才供需双方都通过同一个 AI 界面来进行匹配。
林凡
是的。
李翔
但这里有个很明显的问题：过去大量的简历和公司岗位需求，都沉淀在各种 App 和网站上。这个问题怎么解决？你有没有看《豆包手机助手》？它需要调用其他已经建设了大量生态的 App 里的数据和服务。
林凡
我觉得数据没有那么关键，因为我刚才讲的很多需求，其实从来没有真正公开过。
比如你过去找工作时的体验和感受，没有发布在任何平台上。到时候你只要口述，跟 AI 聊几句，就可以告诉它。
豆包手机的问题，本质上不在数据，而在于它要调用其他平台提供的服务。那些服务本身没有 API 化，但平台会想，我凭什么要把服务开放给你？所以它们把服务拦住了。
我觉得它们的本质冲突，首先不是信息，而是服务。
其次，今天很多猎头为什么能比较准确地把握职位？因为 HR 会告诉猎头很多没有写在 JD 里的要求。写在 JD 里，可能会被认为是歧视；但不写在 JD 里，这些信息可以跟具体的人讲。
未来也可以跟 AI 讲。AI 听完以后，就能把这些信息逐渐匹配起来。猎头一般还有职业道德，因为客户是他们的衣食父母；但把这些信息告诉 AI，是很正常的。
李翔
你们自己的工作流里，使用 AI 多吗？
林凡
9. AI进入日常工作流
还挺多。我们给全员做了一个 AI 工具集合，叫“AI岛”。它把各种大模型集成到一个平台里，包括 ChatGPT、Gemini，也包括国内的 DeepSeek。你想跟谁聊都可以跟谁聊。
很多公司要解决翻墙等问题，会比较难。我们做了这个工具以后，所有员工都可以用它写文案、生成图片、写代码、做分析、头脑风暴，使用起来效率很高。
这不是某个云服务提供商的服务，是我们自己做的。因为2023年 AI 刚出来的时候，我们就做了这样的能力。
不同工种的工作流也不一样。比如程序员，我们当时强制要求使用 GitHub Copilot。我们会统计每个人一个月使用多少次，如果使用次数不够，就会把这个员工开掉。我觉得你不拥抱 AI 时代，就会被时代淘汰。
李翔
什么时候提出这个要求的？
林凡
2023年。当时大家也抱怨，说怎么连这个都管得这么细。用完一个月以后，大家都说真香。
每个账号每个月要20美元，我们当时相当于直接付费帮大家配置好。市场团队主要用来做文案创意，也用得很好。他们经常说，原来要2、3个人才能写一个 PPT，现在1个人就能写1、2个 PPT。
工作效率提高了，但压力也变大了。设计团队也逐渐从海报到更精细的设计，开始使用 AI。销售团队的客户分析和潜在需求分析，也已经开始使用 AI。
我们公司大概有20%到30%的工作量，已经慢慢交给 AI 去做了。
另外，我们最近在推动一件事：全员写代码。
李翔
全员写代码，文科生也要写？
林凡
对。因为现在 AI Coding 工具越来越成熟，我们在做一些赋能。我们组织了游戏大赛，让大家发现，自己随便跟 AI 讲几句，就能生成一个程序去跟别人竞赛。
还有 AI Hackathon，也就是用 AI 帮助解决业务问题。但我觉得这还处于很早期的阶段，不是所有人都完全认可这个理念。
我一直在推动“人人都是程序员”。未来大家能做的事情会多很多，大家也在慢慢学习和接受。
李翔
20%到30%的工作量由 AI 完成，这个比例在你接触的公司里算高吗？
林凡
要分情况。如果是创业公司，这个比例不算高。我看到很多 AI Native 公司，可能60%到70%的工作量都由 AI 完成。
但如果是跟我们一样，已经成立10年的公司，我可以很得意地说，这肯定是 Top 级别。很多老公司拥抱 AI 还比较慢，甚至不一定每个工种都普遍使用大模型。
李翔
你自己的工作量里，有多少是 AI 可以做的？
林凡
我最近特别多事情都还在做。
准备 PPT 的时候，我会跟 AI 说，我大概有这几个点，你帮我搭一个框架。它很快就列出来，然后我会说，这里写得不对，我想表达的是另一个意思。一般这样来3轮，我就把结果交给团队，让他们继续完善。
另一类是管理问题。我是技术出身，其实不太擅长管理，经常碰到各种头疼的管理问题。不管是冲突还是别的事情，我现在都会把问题写下来，问 AI 我该怎么办。它会给我很多建议。
包括产品脑暴，有时候跟普通人或者高管脑暴，对方需要十几、二十分钟才能同步信息、理解你的意思。但跟 AI 聊，通常两、3个问题以后，它就懂你的意思了，会给你很多可能性。
其中可能有一、两种确实有点意思，你就可以让它对这些可能性做更深入的讨论，也可以让它做行业调研。以前需要战略同学帮你做行业调研，现在交给 AI，20分钟左右就能把调研做得很清楚。
大概50%到60%的工作，我基本上都是在跟 AI 探讨和讨论。
你会看到它在很努力地干活，而我可以在它干活的时候去做一些休闲娱乐的事情，然后再回来检查结果。那一瞬间会有一种不安感：我这个 CEO 当得是不是不够称职？但我的工作吞吐量确实比原来大了很多。
李翔
AI 压力很大。如果以后慢慢发展下去，搞不好 AI 还要背锅。
林凡
不会。我们内部讨论过，为什么我可以让 AI 这样工作，但很多员工还很难这么做？因为我知道这件事是不是正确的，我有判断力。
今天它给我做了一份调研报告，我可以很快判断这份报告肯定不对，因为它不符合我对这件事的逻辑理解和直觉。它可能会再去研究，但很多人看完调研报告，就直接接受了报告的结果。
产品脑暴也是一样，因为我对产品有很强的判断力和感觉。我知道它给出的12条建议里，有8条肯定不靠谱，4条里可能有1条很有价值，剩下3条再挖掘一下，搞不好还能挖出东西。
这种判断力，是 AI 在强化学习过程中非常典型的问题：你要知道什么是对的。
所以 AI 不需要背锅，对不对由我来判断。但它的好处是，能想出很多可能性，偶尔还会给出上限特别高的答案，让你觉得非常厉害。
我记得有一次，我们几个人围绕一个 PPT 吵成一团。我是一个观点，他是另一个观点，谁也说服不了谁。后来我去问 GPT：我们因为这件事发生了严重争论，我觉得我是对的，但他们的观点也有道理。
AI 给了我一个情商特别高的回答。我把回答贴到群里，说咱们就这么干吧。
李翔
最后是 ChatGPT 出来解决的。
林凡
对，挺好玩的。
李翔
你跟 AI 讨论管理问题，AI 给你的建议靠谱吗？
林凡
我觉得非常靠谱，至少在我的认知范围内，已经到了艺术的层面。
大部分时候，我把管理问题拿去跟 HR 聊，HR 会说，AI 说的基本都靠谱，可能有10%需要校正，但90%都靠谱。
如果我作为一个人，只能想出30%靠谱的方案，那剩下60%就是 AI 带来的增值。所以我现在特别享受遇到管理问题以后跟 AI 聊。
尤其是 GPT 最近增加了一个能力，可以上传一段录音，让它帮你分析，这就更强大了。
最近我还让 AI 做了一件很有意思、也特别有用的事情。我跟 GPT 聊了很长时间，就问它：你能不能告诉我一些在你看来正确，但我自己可能没有意识到的、接近残酷的真相？这些真相可能会给我的人生带来变化。
它给我讲了7条。我看完以后觉得，至少有5条非常对，另外两条还有改进空间，于是继续跟它讨论。
因为它对你非常了解，所以能指出很多问题。它说我对人的要求很高，但对不合格的人又不会很快换掉，于是会给大家造成双重错觉：要求很高的时候，大家会觉得很沮丧；但你又不换掉那个人，他就会觉得，自己做不到也没什么问题，动力和动机会下降。
它说这是我今天组织里的一个很大问题。因为这些都是我曾经问过它的管理问题，所以我觉得它说得很有道理。
我越来越觉得，用好 AI，会给每个人带来巨大的能力提升。
李翔
跟 AI 讨论更靠谱，还是跟王兴、王慧文、王小川讨论更靠谱？
林凡
首先，如果是在王兴、王慧文的专业领域里，当然跟他们讨论更靠谱，因为他们的能力上限已经是 AI 的上限的上限。
但如果要跟他们讨论管理问题，我还真不一定。管理有很多风格和流派，他们熟悉的管理方式未必适合我，也未必是我能够学习的。
但 AI 跟我聊了很长时间，知道我纠结在哪里、痛苦在哪里，会根据我的特质给我一个合适的答案。
我现在还会要求它给我逐字稿：碰到这个管理问题，我应该怎么说？它就会生成一段话。我会说，这段话我说不出口，它就再生成一段。下一次它生成的时候，就会越来越准确。
李翔
这家公司如果要搞黄了，绝对赖 AI。
你们在 AI 人才招聘领域非常活跃，也会定期发布 AI 人才流动报告和调研报告。为什么决定把 AI 人才流动作为一个重要项目来做？
林凡
10. 所有人终将成为AI人才
我们最核心的理念是，未来某一天，所有人都是 AI 人才。
这个说法可能有点抽象。20年前，我们还有电脑培训班。那时候大家说，如果你会用电脑，就可能是高级白领。2000年、2002年前后，会用电脑就是高级白领。
但今天招聘 JD 里已经不会写“要求会使用电脑，熟练使用 Word、Excel”了。这件事过去10年已经很少看到了。
我觉得 AI 也是一样。现在大家可能还觉得使用 AI 需要学习，需要掌握一些方法，但20年以后，AI 可能就是标配。
我们已经看到了一些趋势。2024年，写着 AI 大模型、人工智能等关键词的新发岗位，占比大概是12%。2025年1月到10月，这个比例已经接近19%，仅仅一年时间，权重就提升了大概7个百分点。
等它占到50%到60%的时候，大家可能就不会再特别写出来了。今年又叠加了 DeepSeek 时刻，2025年2月开始，AI 岗位数量逐月暴涨。
招聘 AI 人才的岗位，下面有关键词，真正需要 AI 人才的岗位，9月份同比去年增长了11倍。你会发现，整个2025年开始，整个新经济和科技行业都在抢 AI 人才。这是今年人才市场最重要的事情。
我们做 AI 人才流动报告，核心有两个目的。
第1个目的是给企业看，告诉大家哪些岗位在快速升温，哪些技能开始变得稀缺，帮助企业更早地进行组织和人才布局，而不是等到抢不过别人时才反应。
另一方面是给职场人看。你要规划接下来3到5年的职业路径，应该在哪些方面补课，应该怎么转型，哪些方向值得投入更多时间，这些都可以从人才流动数据中看到信号。
所以，无论对企业还是职场人，这些数据都有价值，我们一直重点在做这件事。
李翔
你们也参与了招聘和争夺 AI 人才的竞争吗？
林凡
是的。我们自己也有 AI 团队，也在招聘 AI 人才。
有一段时间特别惨，发出去的每一个 offer 都被拒。大家都说好了要来，但到了真正入职那天，会说对不起，我去了某个大厂。我们基本上都抢不过大厂。
后来我们就在招聘流程里硬性加了一条要求：所有 AI 人才招聘，最后一面一定要我参加。
我不是去面试，而是去吸引他，告诉他我们这里有多么有意思、前景多么好，以及招聘领域有哪些革命性的变化。自从这个流程开始以后，我们发出的 offer 到岗率大概能到70%到80%，基本都能到岗。
因为我是技术人员，所以我比较清楚技术人员是怎么想的。你跟他讲这些事情，他比较容易 buy in。技术人员很多时候也想做一些改变世界的事情。
李翔
所以吸引 AI 人才的关键点是什么？技术人才的需求是什么？
林凡
这个不能讲。讲完以后所有人都会学会。
等我们成为中国 AI To B 领域第1家、第2家真正比较赚钱的公司时，到时候可以跟大家分享，当年我是怎么吸引技术人员的。
李翔
在 AI 人才招聘里，大厂的竞争力和冉冉升起的创业公司相比，哪个更有吸引力？
林凡
要看什么类型的人才。如果是执行型人才，我觉得大厂还是比刚刚成长起来的创业公司更有吸引力。
比如今天的 AI“六小龙”，或者宇树这样的机器人公司，如果你真的拿到大厂 offer，很多人还是会选择大厂。
但如果是最 Top 的那1%人才，创业公司的吸引力可能更大。因为他们会觉得，在创业公司才有更大的发挥空间。
很明显，如果你足够强，是最顶尖的那批人，反而可能不容易选择大厂。但如果你是中流砥柱，做一些扎实、执行性的工作，很多人还是会选择大厂。
李翔
但模型反而是大厂做得更好一点。
林凡
现在也很难讲大厂的模型一定更好。比如 Kimi、智谱的模型，跟豆包或者千问相比，很难说谁好谁坏。
普通用户有时会觉得大厂模型更好，原因是大厂员工足够多，可以对很多细节做精细化优化和调整。但这种精细化优化，不一定意味着模型本身更强。
李翔
现在跟 AI 人才招聘相关的业务，大概能占到脉脉整个招聘业务的多少？
林凡
从收入上很难直接拆分，因为整个行业的收费模式不是按照岗位到岗来付费，而是按照账号和服务包来收费。
我没听说哪家企业会说，这部分预算专门用来招聘 AI 人才，所以很难真正隔离出来。
如果只看岗位数量，也就是脉脉上需要 AI 技能的职位，刚才说过，已经接近20%。初步可以认为，20%的收入来自 AI 人才招聘。
但实际上我觉得应该更高。虽然岗位量是20%，但企业对这部分的期待和愿意付费的程度可能高很多。
李翔
在移动互联网时代，我的理解是，互联网大厂和大公司的人对脉脉的接受度、认知度会更高。现在 AI 人才可能也是这样。
为什么你们一直集中在最 Top 的公司和人群上？有没有想过扩展？
林凡
我们现在当然不只是服务最 Top 的几十家公司，而是在科技行业里，包含了中产人群。
这背后有原因。真正处在 Top 公司里的人，愿意把自己的身份公开出来，因为这代表荣誉和成就感。
比如你是一家没人知道的小公司的员工，把小公司的名字完整写在脉脉上，再发一句话，别人可能第1反应是：你是谁？你们公司的八卦也没人听，没人关心你们公司发生了什么。
所以社区天然会有聚光灯效应，会关注中厂和大厂的体系。这是社区的通病。
但如果是社交网络，就不一样。小厂的人跟大厂的人不一定有关系，但小厂内部的人之间有网络，所以他们在这里说话，也会有人听、有人在乎。
我们的感觉是，如果只是社区，就永远是大厂文化。只不过我们的行业在快速扩展，从原来的互联网扩展到汽车、芯片、电子等行业。
如果是社交，就有可能扩展到所有行业和领域。这也是我们一直有愿力做职场社交的一个重要原因。社交天然是去中心化的。
李翔
社区就比较容易出现所谓的大 V。
林凡
对。原来的大 V 还要辛苦写内容才能成为大 V，现在只要是字节的总监、阿里的总监，就天然能成为大 V。它让这个过程变短了，但也变得更功利。
李翔
前段时间有人转给我一个傅盛录的短视频，不知道你有没有看到。他讲，在硅谷跟人聊 AI，甚至都不用讲英文，讲中文就可以了，因为大部分都是华人。
我不知道这是戏剧化表达，还是 AI 领域里华人的比例和贡献真的已经这么夸张了。
林凡
一点都不戏剧化，我自己的体感特别明显。
疫情之前我也去美国，但频率更低，可能2、3年去一次。那时候在美国开会、交流，基本全程都讲英文。那边官方语言是英文，很正常。
去年我去美国时，大概还有一、两场需要讲英文，但已经有80%到90%是中文交流了。今年再去，基本全部都是中文。
你会发现，所有大厂团队和创业公司的技术核心里，华人比例都是一半以上，这非常典型。
去年还有一、两场用英文，是因为你觉得兼听则明。但跟外国人聊，有时他们讲的还是比较客套和官方。我们刚才一见 Reid Hoffman，你就觉得这是标准的 PR 回答。
但跟中国人聊，大家会更亲近。我很多时候找的都是我们系的同学，所以大家会非常开放地聊这些事情。
同样去一趟美国，为什么要听那些官方回答？还不如听一些私下的、比较 close 的沟通和讨论。
一方面，那里确实有很多中国人，比例真的超过一半；另一方面，跟中国人聊更容易获得有价值的信息和讨论结果。两个因素叠加起来，你就会发现全程都在讲中文，真的不夸张。
当然，买东西、坐公交等生活用语还是要讲英文，但 AI 交流完全可以讲中文。
李翔
AI 人才的跨国流动性大吗？
林凡
现在看起来不大，主要就是中国和美国。其他国家没有特别多让人看得上的人才。
李翔
DeepMind 不是在伦敦吗？英国不行吗？
林凡
还是差得比较远。
原因是两边大部分都是华人在做。中国的华人和美国的华人都很厉害，大面的基础性人才基本自给自足。
只有最头部的人才，有一小部分会从美国往中国流动，很少有美国从中国挖人的情况，更多是中国从美国挖人。
但因为只涉及顶尖人才，规模上来讲流动性就不大。
李翔
按照你的描述，AI 未来还是一个中心化的分布，跟移动互联网时代的科技公司差不多。大厂还是集中在硅谷、北京、上海这样的地方。
林凡
未来几年，人力资源底层的云端逻辑还没有建立起来。那时大家还是靠传统的人力资源方式做事，各种大厂依然有算力优势，主要分布在中美两国。
但一旦 AI 基础服务，包括人力资源云端化的基础设施全部搭建起来，它就会变成电厂，变成现在的云服务公司。
那时全球各地都会出现新的公司。因为我们认为，个人公司会变得非常多，每家公司都在解决某些小群体的个性化服务问题。
到那个节点，创新会在全球各地发芽，大家工作也真的可以在各个地方完成。
李翔
AI 游民。
林凡
对，AI 游民。
李翔
人力资源云端化，跟之前的众包平台有什么区别？众包平台不也是把工作众包出去吗？
林凡
众包平台最终还是靠人做，所以它仍然是生产关系的管理方式，很难做大。
你靠人做着做着，这个人可能就入职那家公司了，平台就变成一种招人的方式。剩下不够好的人可能也没人要，做出来的东西质量也不高。
但有了 AI 以后，重要的是人和 AI 共同完成一个混合流程。只有专门的公司把这个流程设计好，效率才足够高。
这家公司去服务其他企业时，你会发现这个人特别好用。但你把这个人挖走没用，因为真正让他变得很厉害的，是他和 AI 的组合，是你设计的那些 Agent 和工作流优化。
所以挖这个人的成本可能很高，挖走以后也没有意义。但这个服务会变成非常可依赖的服务。
李翔
相当于把人力资源服务化，交付一个服务。
林凡
对。
李翔
如果从人才密度来看，中国大厂和 AI 创业公司，相对于美国的大厂和 AI 科技公司，竞争力是什么样？
林凡
我的感觉是基本上很接近。不管是国内大模型公司，还是头部互联网公司的 AI 团队，技术人才的数量和质量基本上都不比美国差。
我们经常讨论中美的竞争力。最近有一个特别有意思的结论：中国人总体来讲还是在做 ROI 比较大的事情，更关注失败概率高不高、值不值得投入这么多资源。大家总体是风险厌恶型风格。
美国有很多人是因为喜欢做这件事就去做，哪怕看起来特别不靠谱，也会坚定地认为这件事值得做。
硅谷投资人彼得·泰尔经常在面试时问一个问题：有哪些重要的真理，是少数人同意，而你认为是正确的？这个问题其实是在鼓励大家做那些不太被认同的事情，也就是 think different。
结果上看，中国人比较少去做完全不靠谱、特别探索性和特别创新的事情；美国人更愿意做开创性的工作。
如果把概率叠加起来，本身成功概率只有10%或者5%的事情，美国可能有100个人愿意去做，中国可能只有10个人愿意去做。乘完以后，你就会发现美国的持续创新能力更强，OpenAI 还是会持续做出一些东西。
中国可能 DeepSeek 出来一次，闪光了一下。总体来讲，我觉得在80%的领域里，中国公司和人才都非常强，垂直应用上我们肯定走得更快。
但在20%需要长期投入、失败率很高的创新上，美国公司还是更愿意冒险。
李翔
这让我想起以前在某个社区看到有人问：梁文锋是在韬光养晦、憋大招，还是已经交了白卷？
林凡
这跟他没关系。这是一个赌运气的事情，所以很难指望他按照某种节奏再给出一些大招。
李翔
在组织和管理问题上，中国科技公司很喜欢学习。学过阿里、字节、华为，国外又学过谷歌、奈飞、亚马逊，个别公司还学过苹果。
现在 AI 来了，也开始讲 AI 时代的组织应该怎么样。我不知道你们在组织管理上学过这些公司吗？
林凡
我们都了解过，但没有完整的条件去复制任何一家大厂的管理体系，因为它们的规模太大。
我们会研究阿里、字节、华为、谷歌、亚马逊的管理方法，包括目标管理、绩效管理、组织设计等。但另一方面，我们也会非常现实地看，哪些东西适合几百人的公司，哪些东西适合几万人的公司，因为这非常不一样。
我们总体上是学方法，不学样子。把这些公司的理念拆开，再跟自己的创业阶段、业务和人匹配起来，试验、调整和落地。
比如大家都很流行跟谷歌、字节学 OKR，但我们最后发现，落地细节上有很大差异。大厂季度 OKR 做对齐，可以花两周时间反复讨论和对齐目标；我们这种小公司花一天都觉得很心疼，觉得人效太低。
一开始我们也想全员 OKR，后来发现销售体系完全不适合 OKR，只能用 KPI。
我们还跟阿里学过轮岗。我去湖畔大学学习回来以后，就说我们要做高管轮岗。但试验了1、2年后发现，这个方法不行。
轮岗是在业务高速增长期，怎么做都容易成功。这个时候轮岗，相当于牺牲一部分增速，换取一个人在各方面的经验和视角，是比较好的组织升级方式。
但如果是在红海竞争或者增长缓慢的阶段，高管频繁轮岗就非常危险。因为他的经验不一定适用，搞不好业务就死了，临阵换帅会非常严重。
所以你会发现，阿里到现在增长停滞时，其实很少频繁轮岗。现在阿里又把吴钊找回去了，去做钉钉，对吧？这其实也说明，换一个人来做，不一定就能做好。
李翔
你前面也讲到 AI Native 组织。什么是 AI Native 组织？有定义吗？
林凡
11. AI原生组织正在成形
确实有这样的组织存在，但定义比较麻烦。我用口语描述一下。
AI Native 组织，就是人和 AI 协作得最好、能够把人和 AI 的能力结合到极致的组织形态。AI 是组织的一员，你天然就能用好 AI。
我觉得它可能有3个特点。
第1，大家懂得如何用自然语言跟 AI 对话，让它完成复杂任务。
第2，AI 本身成为企业运作的基础设施，甚至推动整个组织迭代和发展。
第3，组织逻辑和流程都围绕 AI 的能力来设计。最终是人辅助 AI 工作，而不是 AI 辅助人工作。
这3点也可以理解成3个不断升级的阶段。最前面是 Entry Level，最后是比较高级、复杂的 AI Native 形态。
第1阶段可以叫“人人都是程序员”。现在 AI Coding 能力很强，每个工种可能都有20%到30%的任务由 AI 完成。大家用自然语言让 AI 干活，完成具体的小任务。
比如 HR 过去要花大量时间写 JD、筛简历，现在给 AI 一个明确指令就可以完成。人类负责拆解任务、下达指令。
从组织表现看，每个人的岗位边界都在扩展，1个人可能顶过去1.5个人。跟程序员的协同流程也会简化，以前要给产品经理提需求，再由产品经理给程序员布置任务；现在有些需求自己就能完成。
第2阶段可以叫“人人都是管理者”。整个工作流已经被重构，因为出现了很多 Agent。第1阶段已经产生了很多 Agent，第2阶段要把这些 Agent 组合成更复杂的工作流。
这时可能60%到70%的工作由 AI 完成。以前招聘总监要用3到5个人完成工作，现在招聘总监只需要使用一个工作流，让很多 Agent 组合起来解决问题。
这时职能会开始聚合，不再细分那么多工种，跨部门工作流也会发生变化和重组。
最后一个阶段，我觉得是“人人都是 CEO”。这时95%的工作都由 AI 完成，AI 成为协同中心，人只需要辅助 AI 做好事情。
一个人的公司会越来越多。只要 CEO 能够想清楚商业模式和用户需求，可能就能解决问题。
最终，20年以后，很可能所有工作都是 AI 做的，人类退休。出生即退休。那时你想不想工作，就看个人兴趣了。
李翔
这不是很多年前大家就已经遐想过的吗？但现实反而是大家的工作时间越来越长。
林凡
这是黎明前的黑暗。
李翔
你刚才讲围绕 AI 设计组织和工作流。我想到工业化刚开始时，大家也是围绕机器去设计组织和工作流。只是当时机器太贵、太大、移动不方便，所以只能委屈人，要求大家准点来上班。
林凡
未来确实也是围绕 AI 设计组织。因为 AI 的生产力太强，一个 AI 顶1000个人，于是你要委屈1个人去适应这个1000个人的 AI，才能重新设计流程。
本质上不是因为机器太大、太重，而是因为那台机器能干1000个人的活。就算它不大、不重、很容易搬，你还是得围绕它设计工作流，因为它能干1000个体力劳动者的活。
未来 AI 能干1000个脑力劳动者的活，所以你也要围绕 AI 重构工作流。
李翔
工业化时代其实是中心化的。比如纺织机出现之前，每个人可能在家里有一台纺织机，做完以后有人来收。蒸汽机出现后，必须到工厂里，所有人都要去工厂。
AI 组织也是中心化的吗？
林凡
那是一个去中心化的过程。所有事情都可以在家里跟云端的 AI 协同和协作。你可以在家里工作，工作一段时间以后就退休，不用上班了。
李翔
现在有什么事情会让你感觉焦虑吗？
林凡
我自己是技术乐观派，学的也是深度学习、机器学习。我觉得 AI 有巨大的可能性，对整个社会结构和商业模式都有颠覆性影响。
我们这一代人处在重新分配机会的节点上。互联网和移动互联网都是这样的机会，这一次可能更大，也有更多不确定性。
我的焦虑只有一个：在这样的机会窗口里，怎么跑得快一点。无论组织、资本运作、产品设计，还是用户需求适配，我都在想怎么变得更好、更有效、更快。
李翔
移动互联网时代，大家常说 CEO 要找人、找钱。现在对你来说还是这样吗？
林凡
这个时代其实没有变化。现在我定义的核心事情变成了找钱，而且是第1位。找到钱以后，可以更好地找人、拿到更多资源。
前提是我已经把新的业务形态、技术架构和商业模式想清楚了。现阶段找钱可能是最核心的事情。
但如果前面的东西没想清楚，2023年到2025年这段时间，我一直在思考和研究新的形态是什么样，也做了很多探索。到现在可能已经非常清晰了。
李翔
完全抛开其他约束条件，如果今天在脉脉基础上做一家 AI 时代的公司，容易一点，还是重新有一个林凡出来创业更容易？
林凡
我们反复讨论过，有一个非常清晰的答案：在脉脉基础上做更容易。
因为 AI 有很多东西需要数据，脉脉平台上有大量数据。如果从零开始做，一定会比较慢。这些数据我们算过，至少会影响1年到1年半的时间。
很多投资人问我，你跟一家初创公司有什么竞争？我说，我从来不担心初创公司，因为它们没有这些数据，所以做这件事的难度和挑战会大很多。
李翔
但你今天出去找钱，之前脉脉的估值已经到了比较高的水平，这会是一个障碍，或者需要说服公众的地方吗？
林凡
肯定有技术上的方式可以解决。所以我觉得这不是核心问题。
真正的核心问题在于，大家觉得这件事有多大，能做多大，以及你是不是能做成这件事的人。我觉得这两个才是最核心的问题。
李翔
你们创业开始做职场社交时，后来 BOSS 直聘做得那么大，出乎你的意料吗？
林凡
是的。首先，2017、2018年的时候，我们比 BOSS 直聘大。其次，我们总觉得它没有发生本质变化，也没有本质的模式创新，只是在沟通交流中加入了更快速的即时通信环节。
但市场反馈和实际结果远超预期。所以我们才会继续思考，真正的本质需求是什么。后来我们转成社区，去解决 offer 比较、找工作比较这样的需求。
回过头看，我觉得这就像淘宝当时已经非常大，占了中国电商95%的份额，但在消费降级的需求下，阿里和拼多多的市值一度差不多。
如果没有 AI 这一轮新的机会，阿里的市值可能也很难回到原来的状态。
真正重要的还是社会需求和趋势。每个创业者都在试图理解和适应社会趋势，同时还要有足够的运气，让自己的愿力刚好跟社会趋势匹配起来。
我觉得老黄很幸运。他20年前的愿力，最后走到了今天的结果，而且他卖游戏显卡也很赚钱。
李翔
这个也很重要。
林凡
对。
李翔
谢谢林凡。
林凡
好，客气。