OpenAI每发布一个功能，就消灭了一家初创公司。

比如，ChatGPT 内置了PDF 处理功能后，提供 PDF 交互功能的初创公司受到剧烈冲击：发布 ChatOCR的数据科学家 Alex Reibman调查发现，在ChatGPT降维打击之后，72.4% 的人对该PDF插件的使用量将会减少。

4月25日，Sam Altman在斯坦福大学的演讲中，再次给即将面对GPT5冲击的初创公司敲响警钟：

“GPT4是‘差生’，GPT5将会有显著提高。许多创业和研究项目聚焦于完善现有AI的不足，这实际上是基于AI技术停滞不前的假设。然而，随着GPT-5、GPT-6等更先进模型的涌现，这将失去价值。”

AI创业者们，如何在遮天蔽日的OpenAI狂野浪潮中幸存？

AI面试这个赛道，或许可以带来一些启示：

2014年伊始的AI面试，历经十年，大浪淘沙，曾经30多家存在过的公司，如今在国内只剩下6家左右。

穿越AI1.0时代和AI2.0时代的幸存者发现：

*，真正有价值的产品在大模型时代来临之前就已经得到验证，这个价值是不依赖于大模型的，大模型只是在原有基础上提升了价值。

第二，务必做特定垂直领域的专门人工智能。

这也是这些公司能够存活至今的根本原因。

没被OpenAI杀死？差点

某AI面试公司CEO回忆起GPT发布的恐怖故事：“GPT发布后，VC们集体错过国内AI初创，融不到钱的我们差点死了。”

GPT发布前，这个公司就自研了亿级参数量的*代AI面试大模型，他认为“当时我们的技术跟美国是并驾齐驱的”，但GPT发布后，一切都改变了。

GPT就是这场AI竞赛新的规则。最恐怖的是，他们当时所用的NLP技术，在CV算法大行其道的创投圈找不到“接盘侠”。

打不过就加入。于是一些公司选择接入OpenAI的API，但也因此引发了一场小风波。

该公司负责人告诉虎嗅：“在调用了OpenAI API的大模型涉及数据安全问题被下架后，我只花了一秒钟就找到了inner peace。”

原因在于：他们发现，最终还是要走自研这条道路，于是很多公司选择了基于开源模型Llama 2去做自研大模型。

现在看来，无法调用OpenAI的API对这些公司并非坏事。

在去年11月的大会之后，越来越多的开发者开始陷入焦虑：如果继续使用OpenAI的API进行应用层开发，OpenAI最终可能发布和他们竞争的产品。这种情况下，应用层离API这种工具越近越危险。找到能商业化落地的场景才能笑到最后。

而这个赛道幸运之处在于：而这个赛道的价值点，并不在于底层模型的技术有多高超，而是在用上大模型之前，就已经搞定了PMF（Product-Market Fit）。

这是典型的先有钉子，后有锤子。那么招聘场景的钉子在哪？先来看两组数据，

1、比亚迪2023年校招应届毕业生3.18万，公告发出24小时内他们收到了12万份简历。

2、某劳动密集型集团分公司一年的招聘蓝领的预算是上亿级别。

这导致了两个问题：

1、hr无法短时间快速面试并筛选大量候选人，这导致很多公司的校招为了从成千上万的简历筛选候选人甚至会用抽签的方式，很多简历甚至都不会被HR打开。

2、在蓝领招聘市场，例如工厂流水线工人、快递小哥，这种大量借助劳动中介招聘的工种，存在极大的利润寻租空间，并且难以用一个集团的统一标准招聘。

而AI面试在某种程度敲下了这两颗钉子：它给了每个候选人被AI面试官面试一次的机会，一天之内面试上万人次；也让顺丰这些连锁型集团，在招聘快递员时，能够统一标准并且更加公开透明，断绝了劳动中介的利润空间。

蓝领AI面试公司CEO梁公军告诉虎嗅，截至2023年底，他们的系统已经面试了800万人次，预计2024年将新增1000万人。目前你所看到的顺丰快递小哥，都经过海纳AI面试系统的筛选，而这发生在他们的大模型上线之前。

因此，AI面试基于招聘场景解决了部分真问题，但这并不单纯依托于大模型的能力。

用上大模型之后，能解决的问题更多了。梁公军发现，之前他们采用的技术是AI1.0时代的 NLP 和规则引擎，那时AI面试问题大多是固定问题，而判断候选人的打分标准也是基于关键词识别。只能打穿要求较低的蓝领工人面试。

大模型上线后，在面试要求较高的白领和校招招聘场景，他们也能卷一卷了。面试题目会根据候选人的胜任力生成不同的特定题目，并且在候选人回答的基础上立刻形成第二轮追问。大模型会根据候选人的表现打分并输出一整套报告。

另外，大模型浪潮席卷后，客户对AI面试的接受度更高了，这对于本质是SaaS的AI面试，无疑是一个利好。

更深更垂更快

AI投资人Ben Parr认为，AI初创为避免沦为OpenAI等一众大厂的炮灰，一定要更加专注服务于你所服务的客户，拥有更加垂直的数据。

AI面试赛道是一个多么细分的垂直领域呢？

梁公军告诉虎嗅，AI面试是整个AI招聘场景下一个环节，而AI面试又分为白领校招和蓝灰领招聘两种不同路线场景。以蓝灰领为例，快递员、工厂工人等不同行业的蓝灰领招聘又有各不相同的招聘模型。

而他认为，这个赛道的壁垒并不在于技术，而是在于行业专家和海量数据叠加下的复杂工程优势。

想要获得工程优势，就要持续专注某个特定垂直场景。这种情况下，主打路线的选择尤为重要。

海纳 AI 选择了主打蓝灰领路线，依据的是以下三个判断：

*，中国有8.5亿蓝灰领和3.5亿白领，而蓝灰领流动性较强，其中大约有3亿蓝领一年要找三次工作，假设每次跳槽面试三家公司，就意味着整个蓝领的这种一年的面试总人数是 27 亿人次。这些集中四五线城市下沉市场的就业人数才是真正沉默的大多数。

第二，目前的技术限制，导致AI面试无法切入高端人才招聘场景。但对于快递员、咖啡店员、超市员工等考核标准较为简单的蓝灰领招聘，AI1.0时代的技术就足以打穿这些赛道，甚至比人类面试官做得又快又好。

第三，这个庞大市场正逐渐浮现一个巨大的趋势——连锁化、头部集中化。

以瑞幸咖啡为例，2023年8月份他们只有 1.3 万家门店，但通过加盟的方式快速扩建后，目前瑞幸咖啡已经将近 1.7 万家门店了。

这些快速扩招的巨头集团都需要一套统一的标准来招聘员工。而AI面试天然就带有将人才标准化的属性。

这使得AI 面试公司积累了蓝灰领招聘场景下专用的、小众的数据集训练模型。这些大厂们无法访问的招聘数据库，是隔开OpenAI和初创公司的“篱笆”。

虽然生成式AI如火如荼，但对于初创公司来说：不试图为所有人构建生成式AI工具，而是为有特殊需求的垂直领域构建，是这个赛道没在AI时代长河中消失的重要原因。

在AI竞争进入白热化后，一个明显的趋势是：国内的AI大厂也开始对这个赛道蠢蠢欲动。但一些创业者仍对此充满信心：他们认为，大厂独有的用户平台优势，应该去切入面向候选人的AI招聘模拟赛道。

一个创业者发了这样一个朋友圈：如果国家队下场，一统江湖，那么AGI指日可待。

我问他：那你会有危机感吗？

他回答：最*的基座大模型也不可能覆盖所有应用。

90年代，微软也想彻底垄断个人电脑及软件市场，愿景是“让每一台电脑都装上Windows系统”，为此不惜下血本拍死网景（市场占有率*的浏览器）等后起之辈。

但后来，百家争鸣的时代还是来临了。

而眼下这个赛道*的问题并不是这些潜在的竞争对手，而是就业市场的整体萎缩，所带来的潜在客户需求下降。

一个大型科技企业员工透露：“去年我们部门在官网开放了几十个岗位，但实际上我们并不打算招一个人。”

在这种情况下，恐怕就算是OpenAI也难有回天之力。

这个赛道在OpenAI浪潮倾轧下，靠着PMF和足够垂直跑赢了大厂，但还能存活多久，依旧是个未知数。