OpenAI每發布一個功能，就消滅了一家初創公司。
比如，ChatGPT 內置了PDF 處理功能後，提供 PDF 交互功能的初創公司受到劇烈沖擊：發布 ChatOCR的數據科學家 Alex Reibman調查發現，在ChatGPT降維打擊之後，72.4% 的人對該PDF插件的使用量將會減少。
4月25日，Sam Altman在斯坦福大學的演講中，再次給即將面對GPT5沖擊的初創公司敲響警鐘：
「GPT4是『差生』，GPT5將會有顯著提高。許多創業和研究項目聚焦於完善現有AI的不足，這實際上是基於AI技術停滯不前的假設。然而，隨著GPT-5、GPT-6等更先進模型的湧現，這將失去價值。」
AI創業者們，如何在遮天蔽日的OpenAI狂野浪潮中幸存？
AI面試這個賽道，或許可以帶來一些啟示：
2014年伊始的AI面試，歷經十年，大浪淘沙，曾經30多家存在過的公司，如今在國內只剩下6家左右。
穿越AI1.0時代和AI2.0時代的幸存者發現：
第一，真正有價值的產品在大模型時代來臨之前就已經得到驗證，這個價值是不依賴於大模型的，大模型只是在原有基礎上提升了價值。
第二，務必做特定垂直領域的專門人工智能。
這也是這些公司能夠存活至今的根本原因。
* 沒被OpenAI殺死？差點
某AI面試公司CEO回憶起GPT發布的恐怖故事：「GPT發布後，VC們集體錯過國內AI初創，融不到錢的我們差點死了。」
GPT發布前，這個公司就自研了億級參數量的第一代AI面試大模型，他認為「當時我們的技術跟美國是並駕齊驅的」，但GPT發布後，一切都改變了。
GPT就是這場AI競賽新的規則。最恐怖的是，他們當時所用的NLP技術，在CV算法大行其道的創投圈找不到「接盤俠」。
打不過就加入。於是一些公司選擇接入OpenAI的API，但也因此引發了一場小風波。
該公司負責人告訴虎嗅：「在調用了OpenAI API的大模型涉及數據安全問題被下架後，我只花了一秒鐘就找到了inner peace。」
原因在於：他們發現，最終還是要走自研這條道路，於是很多公司選擇了基於開源模型Llama 2去做自研大模型。
現在看來，無法調用OpenAI的API對這些公司並非壞事。
在去年11月的大會之後，越來越多的開發者開始陷入焦慮：如果繼續使用OpenAI的API進行應用層開發，OpenAI最終可能發布和他們競爭的產品。這種情況下，應用層離API這種工具越近越危險。找到能商業化落地的場景才能笑到最後。
而這個賽道幸運之處在於：而這個賽道的價值點，並不在於底層模型的技術有多高超，而是在用上大模型之前，就已經搞定了PMF（Product-Market Fit）。
這是典型的先有釘子，後有錘子。那麼招聘場景的釘子在哪？先來看兩組數據，
1、比亞迪2023年校招應屆畢業生3.18萬，公告發出24小時內他們收到了12萬份簡歷。
2、某勞動密集型集團分公司一年的招聘藍領的預算是上億級別。
這導致了兩個問題：
1、hr無法短時間快速面試並篩選大量候選人，這導致很多公司的校招為了從成千上萬的簡歷篩選候選人甚至會用抽簽的方式，很多簡歷甚至都不會被HR打開。
2、在藍領招聘市場，例如工廠流水線工人、快遞小哥，這種大量借助勞動中介招聘的工種，存在極大的利潤尋租空間，並且難以用一個集團的統一標準招聘。
而AI面試在某種程度敲下了這兩顆釘子：它給了每個候選人被AI面試官面試一次的機會，一天之內面試上萬人次；也讓順豐這些連鎖型集團，在招聘快遞員時，能夠統一標準並且更加公開透明，斷絕了勞動中介的利潤空間。
藍領AI面試公司CEO梁公軍告訴虎嗅，截至2023年底，他們的系統已經面試了800萬人次，預計2024年將新增1000萬人。目前你所看到的順豐快遞小哥，都經過海納AI面試系統的篩選，而這發生在他們的大模型上線之前。
因此，AI面試基於招聘場景解決了部分真問題，但這並不單純依托於大模型的能力。
用上大模型之後，能解決的問題更多了。梁公軍發現，之前他們采用的技術是AI1.0時代的 NLP 和規則引擎，那時AI面試問題大多是固定問題，而判斷候選人的打分標準也是基於關鍵詞識別。只能打穿要求較低的藍領工人面試。
大模型上線後，在面試要求較高的白領和校招招聘場景，他們也能卷一卷了。面試題目會根據候選人的勝任力生成不同的特定題目，並且在候選人回答的基礎上立刻形成第二輪追問。大模型會根據候選人的表現打分並輸出一整套報告。
另外，大模型浪潮席卷後，客戶對AI面試的接受度更高了，這對於本質是SaaS的AI面試，無疑是一個利好。
* 更深更垂更快
AI投資人Ben Parr認為，AI初創為避免淪為OpenAI等一眾大廠的炮灰，一定要更加專註服務於你所服務的客戶，擁有更加垂直的數據。
AI面試賽道是一個多麼細分的垂直領域呢？
梁公軍告訴虎嗅，AI面試是整個AI招聘場景下一個環節，而AI面試又分為白領校招和藍灰領招聘兩種不同路線場景。以藍灰領為例，快遞員、工廠工人等不同行業的藍灰領招聘又有各不相同的招聘模型。
而他認為，這個賽道的壁壘並不在於技術，而是在於行業專家和海量數據疊加下的復雜工程優勢。
想要獲得工程優勢，就要持續專註某個特定垂直場景。這種情況下，主打路線的選擇尤為重要。
海納 AI 選擇了主打藍灰領路線，依據的是以下三個判斷：
第一，中國有8.5億藍灰領和3.5億白領，而藍灰領流動性較強，其中大約有3億藍領一年要找三次工作，假設每次跳槽面試三家公司，就意味著整個藍領的這種一年的面試總人數是 27 億人次。這些集中四五線城市下沈市場的就業人數才是真正沈默的大多數。
第二，目前的技術限製，導致AI面試無法切入高端人才招聘場景。但對於快遞員、咖啡店員、超市員工等考核標準較為簡單的藍灰領招聘，AI1.0時代的技術就足以打穿這些賽道，甚至比人類面試官做得又快又好。
第三，這個龐大市場正逐漸浮現一個巨大的趨勢——連鎖化、頭部集中化。
以瑞幸咖啡為例，2023年8月份他們只有 1.3 萬家門店，但通過加盟的方式快速擴建後，目前瑞幸咖啡已經將近 1.7 萬家門店了。
這些快速擴招的巨頭集團都需要一套統一的標準來招聘員工。而AI面試天然就帶有將人才標準化的屬性。
* 這使得AI 面試公司積累了藍灰領招聘場景下專用的、小眾的數據集訓練模型。這些大廠們無法訪問的招聘數據庫，是隔開OpenAI和初創公司的「籬笆」。
雖然生成式AI如火如荼，但對於初創公司來說：不試圖為所有人構建生成式AI工具，而是為有特殊需求的垂直領域構建，是這個賽道沒在AI時代長河中消失的重要原因。
在AI競爭進入白熱化後，一個明顯的趨勢是：國內的AI大廠也開始對這個賽道蠢蠢欲動。但一些創業者仍對此充滿信心：他們認為，大廠獨有的用戶平臺優勢，應該去切入面向候選人的AI招聘模擬賽道。
一個創業者發了這樣一個朋友圈：如果國家隊下場，一統江湖，那麼AGI指日可待。
我問他：那你會有危機感嗎？
他回答：最頂尖的基座大模型也不可能覆蓋所有應用。
90年代，微軟也想徹底壟斷個人電腦及軟件市場，願景是「讓每一臺電腦都裝上Windows系統」，為此不惜下血本拍死網景（市場占有率第一的瀏覽器）等後起之輩。
但後來，百家爭鳴的時代還是來臨了。
而眼下這個賽道最大的問題並不是這些潛在的競爭對手，而是就業市場的整體萎縮，所帶來的潛在客戶需求下降。
一個大型科技企業員工透露：「去年我們部門在官網開放了幾十個崗位，但實際上我們並不打算招一個人。」
在這種情況下，恐怕就算是OpenAI也難有回天之力。
這個賽道在OpenAI浪潮傾軋下，靠著PMF和足夠垂直跑贏了大廠，但還能存活多久，依舊是個未知數。
---[出品:虎嗅科技組*作者:王欣*編輯:王一鵬/來源: 虎嗅]
