深度丨寻找水下的万亿价值：这家公司想用 AI 重构一个关于「人」的世界模型

2002年的电影《少数派报告》里，华盛顿警方通过先知系统在凶案发生前锁定罪犯。二十三年后，一家中国创业公司把同样的预判逻辑用在了人才市场。

今年7月，DINQ Talent Intelligence 对37位全球顶尖AI研究员做了创业倾向研判。排在"高概率层"首位的是 Fei Xia，前DeepMind Robotics核心负责人，也是SayCan、RT-2、Gemini Robotics的关键作者。

机器捕捉到的信号包括：他的X简介从"DeepMind"悄然改为"Ex-DeepMind"，标签新增"AGI through Embodiment"；前同事网络中，多人已流向World Labs、Physical Intelligence等具身创业公司。DINQ系统给出的创业概率：75%。

这发生在官方离职消息公布之前。

"Minority Report predicted crimes. We predict the human world." DINQ创始人Sam说。

这不是招聘工具的词法搜索。DINQ的Agent实时调取全网信息做推理，论文合著、GitHub协作、Kaggle竞赛记录。即便候选人简历里没有"强化学习"，系统也能推理出他与贵司CTO前论文合作者的开源协作关系，给出能力互补度87%的判定。

新版本上线不到一个月，DINQ付费客户已有全球头部短视频巨头、国内顶级电商平台、"大模型六小龙"之一、全球领先的世界模型公司，以及一家德国百年工业巨头。年化经常性收入突破百万美元。

底层逻辑：一个关于“人”的世界模型

从早期的趣味尝试到如今的 DINQ，产品形态虽历经迭代，但底层的硬核逻辑从未改变，那就是用机器“读”人。创始人 Sam（高岱恒）将这套底层技术称为 Human World Model（人类世界模型）。简单来说，这是世界模型在人才网络上的落地应用，其本质是构建人类价值连接的知识图谱，训练一个“人类表征大模型”（Foundation Model of Human Representations）。

这个模型的底层直觉十分朴素：人和人的连接在互联网上无处不在。在专业层面，学术论文的合著、GitHub 上的开源协作、Kaggle 竞赛的并肩作战、Hugging Face 上的联合开发，都构成了深度的价值共创；在社交层面，社交媒体上的每一次互动与探讨，则编织起广泛的弱连接。这些真实发生、高频更新的行为，蕴含着人与人之间关系最有效的信号——而这些信号，在任何通用大模型的训练语料里都是不存在的。

目前，DINQ 已完成了全网人才原始数据的爬取、清洗与标准化。依托每个人的专业成就与协作记录，它将碎片化的个人信息交织成一张庞大的图谱网络。AI 得以沿着这条价值链条，精准推理出人与人之间的隐性连接、能力渊源与合作链路。正如团队所言，简历是写给人看的，而 DINQ 构建的是给机器读的人。

在 DINQ 的模型视角下，每个人都被编码为一条结构化、可查询的“人类表征”（People Attributes）。它涵盖了身份验证、能力与 Proof-of-work（工作量证明）、共创图谱、职业轨迹与成长动量、关系与信任路径，以及可触达性与授权。这些维度均由真实的动态行为持续更新，而非靠个人的自我陈述。

这完美诠释了公司名字的由来。DINQ 代表 Deep INtelligence Query，其中 Deep 指发掘隐藏在“隐空间”的人类表征，而非流于表面的简历；INtelligence 指核心的 Human World Model；而 Query 则是一个供 Agent 与人类共用的智能查询界面。

解析行业格局：DINQ 的降维优势

要理解 DINQ 的天花板，首先需要厘清它与市场上两家明星企业——Juicebox 和 Mercor 的本质区别。这两家公司常被投资人拿来与 DINQ 做对比，但它们的底层逻辑截然不同。

Juicebox 是目前 AI 招聘工具中跑得最快的明星产品，由 YC 孵化，红杉领投，主要解决的是初级招聘中繁琐的筛选和触达工作。Juicebox 的逻辑是告诉你这个人的简历里有某个关键词，而 DINQ 则是用 Agent 替代资深猎头的判断力。即便候选人没写某项标签，DINQ 也能推理出他与贵司 CTO 的前论文合作者有着紧密的开源协作关系，能力互补度高达 87%。

另一家常被对标的 Mercor 凭借 30% 撮合抽成的模式在数据标注与专家匹配领域疯狂吸金，估值已触及 200 亿美元。但 Mercor 的核心资产是专家供给池的规模，不具备理解人才图谱的能力，因此极易面临身份造假、简历注水及合规泄密等结构性风险。Sam 形象地对比道，Mercor 只能告诉你这个人自称懂强化学习；DINQ 却能给出铁证，告诉你这个人过去三年和谁在 GitHub 上合著过几篇强化学习论文、被引用了多少次，合作者中有多少人在顶级实验室任职。前者依赖自我申报，后者依赖客观的行为证据。

从层级关系来看，Juicebox 停留在应用工具层（做检索，不做理解），Mercor 处于交易撮合层（做匹配，不做推理），而 DINQ 则扎根于底层模型层。通过训练一个关于人的世界模型，招聘和专家匹配只是其第一批落地场景。这决定了 DINQ 的天花板不是由招聘市场的规模决定的，而是由“人类表征”这件事本身的内在价值决定的。

数据来源：Juicebox YC 官网披露、Mercor 官方博客及 TechCrunch 报道、Sacra 及 GetLatka 数据库。
为什么首选“招聘”落地？

既然目标是“人类世界模型”，为什么第一步要落在高端招聘和寻访上？

首先，高端人才寻访是表征质量最可度量的场景。DINQ 不需要向客户兜售抽象的技术概念，把模型拉出来的候选人名单与资深猎头的结果进行盲测对比，谁快、谁准，当场见分晓。其次，这是一个已经被验证愿意支付高溢价的成熟市场，客户愿意为了“对的人”付出昂贵的资金，这本身就是一条现金流极佳的刚需赛道。而团队最看重的第三层原因，是这个场景能带来“自带标注的数据闭环”。每一次搜索、每一次人才 Mapping、每一次成单，都是带着极高质量人类行为反馈的训练数据，直接回流给底层模型。用 Sam 的话来说，客户是在付钱帮我们训练模型。

从 HR 的专业视角来看，传统的寻访模式是一次冗长的内耗。招一个高难岗位，从全网盲筛、面试、谈 Offer 到最终入职，常常要消耗一整季度的精力。尤其是在领英等传统平台的 Lexical Search（词法搜索）模式下，如果 HR 输入“图像大模型”，而候选人的核心标签是“R2”或“拉网”，双方可能一辈子都无法相遇。

DINQ 利用 Agent 推理，提前对学术顶会、AI 公司做大量数据预处理和 Embedding。当用户查询时，Agent 会实时调取全网信息进行 Reasoning。例如，Sora 2 的华人一作 Harold（李流年），在传统的通用大模型或 Agent 平台里基本搜不出来，因为数据没对齐；但 DINQ 的系统能根据他的论文、GitHub 和社交媒体动态实时推理，精准抓取。这帮 HR 省去了至少两周的盲找时间，实现了从“模糊画像”到“具象人才”的飞跃。

商业飞轮的无限想象力

招聘场景的顺利跑通，只是 DINQ 商业版图的冰山一角。一个更具想象力的双重飞轮正在徐徐转动。其第一层闭环从企业端寻访开始。DINQ 当前的核心产品是一款全自动人才寻访 Agent，面向猎头和科技大厂的高端需求，百万美元的 ARR 已经验证了其市场价值。更重要的是，它建立了一条高质量的数据管道，让客户每一次的真实反馈都化为模型成长的养料。

第一层闭环跑通后，第二层闭环——专家数据网络自然延伸出来。全球前沿大模型公司对高质量人类反馈数据（RLHF、专家标注）的需求是海量且刚性的。Mercor 的爆发证明了这一市场的疯狂，但其结构性漏洞也同样明显。相比之下，DINQ 不需要像 Mercor 那样耗费巨资进行人工审核，因为它的模型已经完成了对全网人才的表征与连接，专家匹配是其模型能力的自然延伸。配合国内海量且优质的 STEM 博士群体，这种地缘优势让 DINQ 能够直接提供极高标准且合规的专家网络。

通过第一层闭环产出企业侧检索数据，第二层闭环产出专家侧标注数据，两类数据回流到同一个模型里交叉增强，正是飞轮能转起来的关键。随着模型精度每一次跃升，DINQ 将自然而然地拓宽更多场景，比如预测人才流动的销售线索与异动信号、追踪核心团队动向的投资 Alpha 信号、面向第三方应用开放的开发者 API，以及让专业人士主动认领并管理自己在图谱上数字资产的个人端服务。这种“场景驱动数据，数据训练模型，模型开拓新场景”的闭环一旦运转，后入者将极难逾越由数据飞轮带来的模型精度代差。

目前，AI 数据标注与人才模型层的全球合计市场空间已超过 2000 亿美元。不仅塔尖人才在非线性增长（具身智能、AI Agent、向量数据库等新岗位层出不穷），中腰部高价值技术人才的缺口也呈现爆发态势。DINQ “从高往低”的降维打击策略，让其具备了在 2 至 3 年内冲击独角兽估值的坚实底气。

团队：做最纯粹的产品

DINQ 极具硬核科技色彩的团队配置，与其“模型公司”的定位高度契合。CEO Sam（高岱恒）是前阿里巴巴通义实验室资深研究员，Human World Model 和整个表征技术栈的底层架构均出自他手。联合创始人 COO Kelvin Sun（孙辰昕）曾任红杉资本 Talent Expert，拥有 16 年人才领域深厚积淀，负责商业化开拓。而公司的首席顾问陆坚博士，则是前领英（LinkedIn）中国区总裁，也是上一代职业图谱平台在中国的领路人。

这支全职仅 8 人的精英团队，追求一种极度高效与专注的“工作室”氛围。Kelvin 笑着分享，他们最近已经开始用自己的产品来招人了。起初系统里搜出来的人级别太高，公司根本 Offer 不起。但令人惊喜的是，他们已经开始用它挖掘出了一些“水下”的宝藏。他最近聊的一位增长负责人，就是直接从 DINQ 上发现并联系上的。这种能从自己的平台上找到志同道合者的体验，完全超出了他们的预期。

据悉，DINQ 此前已累计完成数百万美元融资，投资方均为行业内知名投资机构。随着新版本上线带来的强劲商业化表现，公司的新一轮融资也已在高效推进中。

在 Agent 成为下一代软件范式的当下，DINQ 押注了一个笃定的未来：每一个需要回答“这个人是谁、值不值得信赖、应该找谁”的机器决策，最终都需要一个关于人的世界模型。高端招聘，只是这个模型学会理解人类社会的第一课。