Ethos 获 2275 万美元 A 轮融资，a16z 领投：用 AI 语音面试替代简历，构建可验证的专业技能知识图谱

当AI面试官开始“盘问”你的真实技能

在简历造假泛滥的今天，伦敦初创公司Ethos正试图用一场由AI驱动的“结构化面试”取代纸质履历。这家由a16z领投2250万美元A轮融资的公司，不仅想颠覆猎头行业，更试图为AI时代重建一套可信的技能评估体系。创始人James Lo和Daniel Mankowitz，一个来自麦肯锡与软银，一个来自Google DeepMind，他们相信：与其相信简历上的文字，不如让AI直接“盘问”候选人。

从“简历考古”到“技能活体解剖”

传统招聘行业的核心矛盾在于：简历是静态的、自我描述的，而技能是动态的、需要验证的。Ethos的解决方案听起来像科幻小说——用语音驱动的AI代理进行结构化面试，实时构建多维度的知识图谱。这些AI面试官不会问“你的弱点是什么”这类套路问题，而是通过自适应对话，挖掘候选人实际解决问题的能力。例如，当候选人声称“精通Python”，AI会追问具体项目细节、代码架构选择，甚至模拟调试场景。整个过程被记录并转化为“技能图谱”，而非简单的“通过/不通过”评分。

这种“活体解剖”式的评估，本质上是对传统背景调查的升级。但Ethos的野心不止于此：它希望成为AI时代的“技能货币”发行方。当每个专业人才都拥有一个由Ethos认证的、持续更新的技能图谱时，简历本身将变得多余。

对冲基金与AI实验室的“反造假军火库”

Ethos的客户名单揭示了其商业模式的精妙之处：对冲基金、私募股权、AI实验室和咨询公司。这些机构对人才的需求高度垂直，且对“造假”零容忍。例如，对冲基金需要确认量化分析师是否真的能构建高频交易模型，AI实验室需要验证研究员是否在顶会发表过相关论文。传统猎头公司无法提供这种级别的验证，而Ethos的AI代理可以同时处理数千场面试，且每次面试都基于同一套算法标准，避免了人类面试官的偏见与疲劳。

更值得玩味的是，Ethos的“技能图谱”本身可能成为数据资产。当足够多的专业人才被评估后，Ethos将掌握各行业技能分布的实时动态——哪些技能正在贬值，哪些领域出现人才缺口。这种数据对投资机构而言，本身就是一种“另类数据”（alternative data）。a16z的注资或许正是看中了这一点：Ethos不仅是人才评估工具，更可能成为劳动力市场的“彭博终端”。

壁垒：算法公平性 vs. 数据飞轮

Ethos的护城河看似是技术，实则是数据飞轮。其AI面试官需要海量高质量对话数据来训练，而早期客户（如对冲基金）提供的正是这类数据——高价值、低噪音、强领域性。一旦数据积累形成规模，后来者即使复制技术，也难以获得同等质量的训练集。但风险同样明显：如果AI面试官在评估中表现出系统性偏见（例如对非英语母语者的语音识别错误率更高），Ethos将面临法律与声誉的双重风险。此外，专业人才是否愿意接受“被AI盘问”的文化挑战？尤其在欧洲，隐私法规可能限制其数据收集范围。

另一个隐忧是商业模式的可复制性。如果LinkedIn或Upwork这类平台直接嵌入类似功能，Ethos可能被“降维打击”。但创始人James Lo在麦肯锡的经历或许提供了另一种思路：不做平台，而做“评估即服务”（Assessment-as-a-Service）。这种轻资产模式可以快速嵌入客户现有的招聘流程，但同时也意味着客户粘性可能低于平台型产品。

辩证总结：一场关于“信任”的豪赌

Ethos的愿景令人振奋，但现实挑战不容忽视。它试图用技术解决一个古老问题：如何快速、低成本地验证一个人的能力？但“能力”本身是动态且多维的——AI面试官可能擅长评估硬技能，却难以捕捉创造力、领导力等软素质。此外，当AI成为“技能裁判”，是否会催生新的“应试教育”？候选人可能针对AI面试官的偏好进行训练，导致评估结果再次失真。最终，Ethos能否成功，取决于它能否在“效率”与“公平”、“数据”与“隐私”之间找到平衡。正如其创始人所说：“我们不是在淘汰简历，而是在淘汰谎言。”但谎言的形式，永远在进化。