裁员潮里卖铲子的人，才是最后赢家。

新眸原创 · 作者 | 马斯迪

去年 3 月，BOSS 直聘港股公告栏里，一份年报落地。82.68 亿元营收，71.7% 的净利润增速，月活突破 6000 万。数字不够性感吗？够。但更值得注意的，是另一组被财报里悄悄滑过的数字：研发费用同比减少了 8.9%，营销费用砍了 18.3%。

平台把钱花在了别的地方。

五个月后，答案浮出水面。前段时间，BOSS 直聘上线内测了一款叫 "DeepHire" 的全链路 AI 招聘 Agent。据产品介绍，这个基于自研 " 南北阁 " 大模型的产品，同时服务求职者和 HR 两端——对求职者，润色简历、自动投递、代聊约面；对 HR，批量解析简历、AI 打分排序、自动回复咨询、约面日程管理。

紧接着，BOSS 直聘在一份公开沟通中表示，平台面向求职者全面开放 AI 求职助手、AI 面试辅导等免费工具，面向招聘者的商业化产品已全面接入 AI 能力，多款 AI 招聘功能处于应用或测试阶段。

招聘行业的老问题是怎么招对人。BOSS 直聘试图用 AI 绕开人力的盲区，直接跳过信息筛选环节。但问题是：AI 匹配的逻辑，到底是把对的简历推给对的 HR，还是把 HR 已经习惯的选择偏好，用一套算法包装成 " 最优解 "？

从卖简历到卖算法

翻看 BOSS 直聘 2025 年全年财报，在线招聘服务收入 81.93 亿元，同比增长 12.7%，占总营收比超过 99%。整个 Q3，研发费用首次超过营销费用，成为公司最大的单项支出。口径上，公司宣称全面推进 AI 在运营、管理、推荐技术等各层面的应用。

但数据另一面，同样值得摊开来看。

2025 年，BOSS 直聘研发费用 16.54 亿元，同比减少 8.9%。与此同时，营销费用大幅缩减 18.3%。你可以说这是成本优化；但从结构上看，这意味着 AI 战略没有被 " 加钱 " 驱动，而是依赖于已有研发资源的重新配置。

更重要的是，自研大语言模型 " 南北阁 " 曾在 HuggingFace 文本模型趋势榜上拿过第一，但大模型排名的时效性和竞争烈度，在 2026 年这个节点，恐怕不需要多加解释。

BOSS 直聘的总裁陈旭在 ECHO 年度合作伙伴大会上对外确认，通过 AIAgent 的服务，招聘者沟通效率提升，平台 AI 相关岗位的月均新发职位数在 2025 年同比增长。

这个增涨的背后逻辑更值得琢磨：它到底是因为平台匹配更精准、激活了更多招聘需求，还是只是 AI 概念热钱涌入后的一种需求过载？

换个角度看。BOSS 直聘同期宣布将基于 AI 推出 " 效果导向型商业化产品 "。以前平台卖的是简历查看权限和岗位曝光位；下一步，平台可能卖的是算法筛选后的 " 优先匹配权 "，或者。

更激进地看，是 AI 替 HR 做了前置决策之后的 " 入围资格 "。

换句话说，平台从信息中介向算法服务商转型的过程中，商业模式的锚点在位移。匹配越精确，平台的天平就越可能向付费较多的一方倾斜。所有的双边平台，都在一边兑现价值、一边掩盖偏斜。

那到底什么是 " 真 AI 招聘 "？这是 2026 年招聘行业的核心争议。

据行业数据显示，国内声称具备 AI 能力的招聘产品已超过 40 款，但其中大多 AI 功能仅停留在简历关键词匹配和基础自动化层面。这类浅层 AI 的本质，和 Excel 筛选功能没有质的区别——按学历、工作年限、公司名称做硬性过滤，套个 "AI" 标签，卖个 SaaS 年费。

而区分 " 真 AI" 和 " 伪 AI" 的分水岭，在于人岗匹配环节。真正算得上深度 AI 的匹配，需要构建多维人才画像，综合考虑技能关联性、职业发展轨迹和行业迁移可能。一家互联网公司招产品总监，JD 写着 " 五年以上产品经验 "，浅层 AI 会直接过滤掉一位只有三年产品经验但之前做了四年用户研究的候选人；深层 AI 则能识别出用户研究背景对产品岗位的关联度，把这位候选人推到前排。

IDC 报告则指出，智能 AI 招聘工具能将招聘流程效率提升 50% 以上。这就回到一个关键问题：招聘的真正瓶颈到底在 " 流程效率 "，还是 " 匹配质量 "？如果平台的 AI 只是加速了既有的匹配偏差，效率越高，偏差传导得越彻底。

人才市场里的 AI 分层游戏

与此同时，另一边的大厂招聘市场，正在上演一场与 AI 招聘工具形成镜像的竞赛。

阿里巴巴 2026 届秋招共发放超 7000 个 offer，AI 类岗位占比超六成，部分 BU 如阿里云、阿里国际、钉钉的 AI 岗位占比甚至飙到 80%。腾讯在 2026 年春招中开放超过 1 万个实习岗位，技术类、产品类扩招，简历系统里新增了 "AI 应用技能模块 "。

值得一提的是，BOSS 直聘在这个需求端同样是信息的集散地。今年 ECHO 大会上，平台披露的《2026 人才趋势报告》显示，AI 相关岗位月均新发职位数同比增长率从 2023 年的 8.5%，一路拉升到 2025 年的 74.1%。

增长引擎不止局限于科技公司，销售行政、商务类 AI 相关岗位，法律、咨询、人力资源等专业服务的 AI 岗位也都实现了爆发式增长，但要紧的不是总量，而是结构。

大厂们争夺的 "AI 人才 "，大致可以分为三个梯队：顶层是基础模型和 Alinfra 的研究者，中层是算法工程师和应用开发，底层是 AI 工具的使用者和适配者。对于顶层和中层，大厂投下的 JD 和实习 offer 像一场没有上限的价格战。

字节跳动研发类实习岗位日薪开到 500 元，月薪过万，转正率超过 50%。腾讯筛选逻辑里出现了一个新词："AINative 思维 " ——要求的不是 " 会用 AI"，而是将 AI 能力内化为工作习惯。

问题在于，招聘平台提供的 AI 匹配，对于这场多梯队、多维度的 AI 人才争夺战，到底能捕捉到多少信号？当招聘需求本身就包含了对候选人 "AINative" 程度的评估，而平台的 AI 筛选机制尚未能够理解 " 用户研究转产品 " 这种跨领域关联性时，撮合效率的提升边界，其实非常清晰。

更大的问题藏在算法的背面。

去年，美国联邦法院对 Mobley 诉 Workday 案作出初步集体认证，原告指控 Workday 的 AI 算法筛选工具对 40 岁以上求职者造成了不成比例的筛选排除。法院裁定 Workday 可能在招聘决策中主动参与了筛选，而非仅仅执行中立标准。

到今年，另一家 AI 招聘平台 EightfoldAI 被提起集体诉讼，原告指控其在未经披露的情况下抓取超过 10 亿求职者的个人信息，按 0 到 5 分评分，大量低分候选人被系统自动淘汰，在整个过程中没有一个人类看过他们的申请。

两个案例的共同点不在于 "AI 做了错误决定 "，而在于它替人类把决定做了，而受害者甚至不知道算法曾经 " 看到 " 过他们。

回过头来看 BOSS 直聘的 " 南北阁 " 大模型和 Deephire 的 AI 代聊约面。平台没有公开过模型在招聘场景的偏见测试结果，没有关于训练数据来源的披露，也没有过任何形式的算法审计说明。

当 AI 在双端同时代劳，求职者端自动投递、HR 端自动过滤，那么谁是那个在两个 AI 之间被系统性地遗漏的人？

答案没有人知道。

在线招聘平台的本质，过去是信息不对称的撮合商。求职者花钱买曝光，HR 花钱买筛选权限，平台靠在中间收租来存活。但当 AI 开始介入 " 匹配 " 环节，平台的角色从 " 撮合方 " 变成了 " 推荐方 "。这两者之间有一道本质性的权力跃迁。

一个求职者的简历被 AI 推到 HR 面前，为什么推？是因为她的技能和岗位真正匹配，还是因为她的历史行为数据更像那些 " 过去被 HR 点开的高分简历 "？后者更容易实现，也更容易在短期拉高转化率。

但这本质上是一场自我实现的预言：算法学习的是过去被点击的习惯，然后不断推荐跟过往偏好更接近的候选人，闭环越收越紧。

在国内，这种担忧尚未进入到公开讨论层面，但监管框架的空缺是事实。国内目前尚没有针对 AI 招聘工具的强制性审计标准、申诉通道或透明度要求。招聘可能是目前 AI 渗透最快、监管最薄弱的决策场景之一。

一个附带的问题：Deephire 目前的 AI 辅助服务对求职者是免费的，企业端有对应的产品和服务。免费用户的数据，是被 " 服务 " 还是被 " 喂养 "？这个问题换到任何一家 C 端免费 B 端付费的平台，都成立，但在招聘场景下，它被讨论得极少。

招聘正在变成一个 " 自证 " 游戏

如果以上问题还停留在平台逻辑层面，那么把视角拉回到求职者身上，另一个不那么容易被察觉的变化正在发生：AI 设定了筛选标准，求职者的应对方式也在随之改变。

DeepHire 对求职者的一大利好是帮你优化简历，检查语法错误、量化工作成果、突出匹配关键词，" 让简历更对 HR 的胃口 "。但 " 对 AI 的胃口 " 可能是一个更优先的命题。因为这封简历在真正到达人类 HR 眼前之前，需要先通过 AI 简历解析和人岗匹配的打分排序。

换句话说，求职者正在主动或被动地学习 " 如何让 AI 选中我 "。

这会催生什么？简历写作成为一种面向算法的新技能：关键词密度、项目描述的量化颗粒度、行业术语的标准表达。求职者不是在向一个标准化的 HR 展示自己，而是在反向推演一个黑盒算法的偏好。这跟当年 SEO 优化网页排名的逻辑几乎一模一样，只不过这次优化的是人，不是网页。

而那些不擅长，或根本意识不到需要 " 面向 AI 优化自己的人设 " 的求职者，将在系统层面处于持续劣势。

更深一层看，如果平台同时向 B 端提供 " 效果导向型商业化产品 "，意味着 AI 在向 HR 推荐候选人时有了经济激励。算法在多大程度上会向付费意愿更高的候选人倾斜？目前没有公开数据。但任何具备双边网络特征的平台，在引入 AI 做匹配中介时，都逃不过在用户体验和商业变现之间做策略性平衡。

BOSS 直聘的 AI 之路走得并不慢。自研大模型、双端 Agent、效果导向商业化的路径清晰，财务表现也支撑得起进一步的投入。但 " 快 " 不天然等于 " 好 "。

在线招聘行业的下一阶段，核心不再是 " 用 AI 提效 "。效率已经被提得差不多了。真正的关口在于三件事：

第一，AI 的匹配逻辑是否经过第三方校验，是否对不同人群产生系统性排除；第二，平台在收取 B 端更高溢价的同时，是否向 C 端求职者让渡了最基本的算法透明度；第三，当国内监管框架尚未覆盖 AI 招聘场景时，平台是否愿意自我约束。

三个问题的答案，目前都是开放的。陈旭在 ECHO 大会上说 "AI 是工具，人才是目的 "。这个判断本身没有错。但问题是，当工具本身开始定义目的，当算法决定了什么样的人是 " 更适合被看到的人 "，招聘这件事的本质就变了。

Deephire 的名字拆开看，是 Deep 和 Hire。更深度的招聘。但对谁更深？对 HR 更深的筛选能力，还是对求职者更深的不可见？

2026 年春天的这场 AI 招聘内测，可能是一切的起点。

本文系新眸原创，申请转载授权、商务合作请联系微信：ycj841642330，添加好友请备注公司和职位。

— END —

更多内容，点击下方关注