夜雨聆风
你见过一边攻读藤校AI博士、一边带三个孩子，还能顺手创办一家AI公司的“硬核妈咪”吗？本期《闹了Gen》AI创业谈，我们对话AI创业公司Griting的创始人&CEO张洁。她从文科跨界到计算机，正试图用AI重构人才评价系统。
闹了Gen-AI创业谈是一档与AI创业者深度对话的栏目，旨在探寻技术前沿与商业落地的交汇点，记录AI浪潮下的新想法，真实践。
我们曾经还有的原创访谈内容：
与AI创业者、学者共聊：和AI谈情感真的靠谱吗？｜vol.4闹了Gen
Agent元年已至，什么是Agent？｜vol.2闹了Gen
...
如果喜欢，欢迎关注我们，一起探索AI世界的新机会。
闹了Gen主理人🧑💻：
@小贝 🛰️RobbiHu2001
互联网科技作者，关注AI、芯片、机器人
@子豪 🛰️zhou_JIHYO711
大厂策略，关注AI、TMT、一级市场
本期嘉宾🧑💻：
@张洁
硅谷AI创业者 Griting Inc.创始人&CEO 达特茅斯人工智能方向博士研究生
本期Know Gen划重点💡:
1、在北美市场，B端生态比较成熟，企业对软件付费的认可度高，认为降本增效就该付费。
2、Griting所做的，关乎人在AI时代如何被判断、被信任、如何成长。本质是关于“人”的东西，这不容易过时。
3、Griting目前有三款产品在开发，其中两款B端产品中的一款已在跟客户试点，C端产品在迭代第二版。团队有13人以上，大部分是开发者。
4、Griting目标提供一系统化产品方案：一款B端产品帮助企业和组织评估人的能力，为招聘提供决策依据；另一款B端产品则是AI时代的学习系统，帮助企业和高校进行人才培养和内训。团队希望借这两个系统沉淀大量行业数据和人才画像。
5、盈利模式上，Griting在B端采用成熟的年订阅制、阶梯定价。C端方面，基础功能和Mentorship（导师关系）是免费服务。只有在用户需要进行严肃审核或订阅特定学习路径时才会收费。
6、Griting推进VC融资，希望能找到长期的共建者。
7、至于护城河，我们认为只做招聘解决不了根本问题，必须同时关注供给端的培养。AI未来会取代大量工作，人如何成长、如何体现价值，这是C端必须面对的问题。
8、在硅谷，会议形式非常休闲，可能就在某个人的后院、一个小房子或者教堂里，大家喝着茶做路演，不拘泥于形式，媒体参与度也没那么高。（而）国内的会议则非常正式、严肃，媒体很多。
访谈内容（详文）：
小贝: 各位听众朋友们大家好，欢迎收听闹了Gen的第六期播客，我是主理人小贝。
子豪: 我是子豪。
小贝: 过去两年，无论是在中国还是美国，AI创业作为一种主流趋势已经越来越清晰。
在美国，我们经常能看到一些年轻的创业者，甚至是00后、10后，名校辍学，短短几个月甚至几天内就能产生想法并做出产品向投资人汇报。
但我们很少听到一个人一边读博、一边创业，同时还是三个孩子的母亲。
小贝: 所以今天我们邀请到了这样一位嘉宾——张洁。她最早是文科背景，后来转向计算机，现在是人工智能专业的藤校在读博士，同时在硅谷创办了一家AI公司Griting。
她的项目与我们熟悉的提升生产力、替代人类干活的AI产品不太一样。
她更像是在尝试回答一个长期存在但被低估的问题：当学习路径、能力评估和人才筛选越来越复杂时，AI能不能成为一种持续陪伴式的能力搭建系统，而不仅仅是一个一次性的工具？
小贝: 在这期播客中，我们会和张洁聊聊：为什么在鼓励辍学创业的背景下，她选择坚持读博的同时创业？她观察到的美国AI创业氛围与国内有何不同？
她目前的项目进展如何？如果你正在纠结要不要进入AI领域，或者不确定自己的方向，听完这期播客，或许你会有新的答案。
小贝: 首先，请张洁跟听众朋友们打个招呼。
张洁: 大家好，我是张洁。
我在硅谷做AI创业，虽然当前时代有很多不确定性，但人与人之间的链接是确定的。我目前做的领域，也是希望能帮助更多年轻人在这个时代成长。
小贝: 刚才提到了你的多重身份：藤校AI博士、硅谷创业者、三个孩子的母亲。你能分别讲讲这几个身份吗？比如你的求学情况，以及为什么想要开启AI创业？
张洁: 我身上确实有这三个典型的标签。第一个是藤校AI博士。
在北美的博士培养体系下，不确定性很强，毕业率低，quit率极高。科研是一个非常孤独的过程，处于这种状态下，我是想要解决一些很重要、却一直没有新方法解决的问题。
对我来说，读博更像是一个寻找并解决问题的状态，跟着一群热爱解决问题的人把问题做穿。
张洁: 创业者这个身份比读博更残酷，也是一个现实的选择。在硅谷，如果不创业会觉得可惜，因为创投氛围非常活跃。
我选择创业，是因为发现当前的教育变革比较慢。纯粹读博没法让我将科研Idea快速转化成被市场和产品验证的算法。如果去创业，科研与现实的结合点会变得非常鲜活。
张洁: 至于三个孩子的母亲，这是一个生命角色。
无论我是否创业或读博，这个责任是无法剥离的。这三个角色中，最让我感到“活着”的是母亲。
如果没有这三个孩子在硅谷这些年对我的锻炼，我可能不会走向读博和创业的路，也不会有足够的心力把这些事坚持下去。
博士身份给了我科研环境，让我思考如何创新；创业者身份则非常现实，把科研拉到了旷野中去验证；
而孩子们让我作为一个生命个体去思考。
我创业的初心就是觉得生命短暂，希望能不留遗憾地去尝试。我想尝试用系统级的方案解决人的成长问题，尤其是在AI时代，人如何被看到价值，如何去体现价值。
小贝: 我很好奇，你这种独特的身份在硅谷常见吗？当下硅谷的主流叙事似乎更多是年轻人快速孵化产品，你观察到的AI创业浪潮是怎样的？
张洁: 媒体叙事确实倾向于“快、年轻、迭代、重度感”。但在硅谷，其实能看到各个年龄段的创业者，从高中生到50多岁都有。
我的路线之所以显得非典型，不是因为年纪，而是因为多重身份：亚裔女性、博士在读、三个小孩，且不是90后。
张洁: 硅谷其实蛮务实的，大家不太关注你是谁、从哪来，而更关注你做的事情有没有意义，是否解决了行业痛点。
我不是在讲故事，而是在探讨问题的本质：人在AI时代如何被判断、被信任、如何成长。我做的是关于“人”的东西，这不容易过时。
当别人都在讲又酷又炫的工具时，我内心蛮坦然的，因为我关注的是人在时代变革中的核心问题。
小贝: 你提到在做的这个产品，具体形态和情况是怎样的？是什么经历让你产生了做这个产品的想法？
张洁: 我们的产品最初是想做一个关于人成长的导师系统。后来通过商业倒推，从C端转向了B端。
在北美市场，B端生态比较成熟，企业对软件付费的认可度高，认为降本增效就该付费；而C端则相对困难。
张洁: 这个想法源于我的非典型跨学科经历。从文科转理科，找工作、申请博士、边工作边读博，整个过程非常不容易，也充满了孤独和茫然。
我在小红书记录了这些经历，发现有很多粉丝关注人的成长。我曾为他们提供很多关于转行、留学、职业路径的免费咨询，但个人精力有限，于是我想通过计算机训练的思维，做一个系统去帮助更多年轻人。
张洁: 在验证过程中，我发现C端在北美的生态没那么成熟，投资人兴趣不大，且用户需求极其碎片化，很难抽象出盈利模式。
反而是B端的痛点非常明确，决策周期短。此外，北美对知识产权保护较好，B端产品不容易被简单抄袭。所以我们决定先从好做的B端切入。
小贝: 目前产品的具体形态和进展到什么阶段了？
张洁: 进展算比较快。我们目前有三款产品在开发，其中两款B端产品中的一款已在跟客户试点，C端产品在迭代第二版。我们团队现在有13人以上，大部分是开发者。
张洁: 我们的公司生态是一个系统级方案。一款B端产品帮助企业和组织评估人的能力，为招聘提供决策依据；另一款B端产品则是AI时代的学习系统，帮助企业和高校进行人才培养和内训。
这两个系统会沉淀大量行业数据和人才画像，让我们在做C端产品时更有方向感。
目前优先级最高的是“人才AI审计系统”，我们正在与几家北美企业进行试点。
小贝: 能举个具体的例子吗？这款产品是如何帮助企业做人才评估和培养的？
张洁: 比如当前企业需要招募复合型人才，要求后端工程师既懂特定技术栈，又了解高频交易系统，还有金融背景。
当招聘需求发布后，会收到成百上千份简历，而且在AI时代，简历很容易被包装得很完美，真假难辨。
张洁: 企业找到我们，就是希望有一个工具能验证候选人的真实能力，看他是否真的能落地交付，而不仅仅是简历 match。
我们要解决三个问题：第一，消除招聘市场的噪音；第二，解决AI时代简历包装导致的可信任感稀缺；第三，将人才画像与真实能力结合，提供清晰的证据链。我们的系统不是一个黑盒，而是一个AI赋能的多智能体系统，为决策提供证据。
小贝: 有点像精准匹配，但比匹配更深。
张洁: 对，不只是匹配度，还要在系统中沉淀并验证真实能力。我们通过“项目制”的方式，让应聘者在系统中进行互动问答和项目实操。
张洁: 我们从五个维度进行评估：
1 Passion（职业使命感）：看他是否是同行者。
2 Communication（交流能力）：在AI时代，与人、与AI的对齐能力至关重要。
3 Meta-cognition（元认知）：在不确定性中定位自己、反思进步的能力。
4 Execution（执行力）：技术落地的硬实力。
5 Confidence（一致性）：简历上的经历与系统沉淀的数据是否一致。
张洁: 如果一致性得分高，说明这个人值得信任。我们不是简单的做题系统，而是一个价值验证加信任系统，帮助企业在候选人池中找到真正值得花时间深聊的人。
子豪: 听下来，这确实很新。你们是想做一个生态，求职者在系统中学习、参与项目，留下证据链，企业通过这套系统做出更准确的决策，减少招聘损失？
张洁: 没错。我们是在重构范式，而不仅仅是在旧系统上搭架子。
在硅谷，如果没有创造性，大家会打问号。当前人才供给端和需求端存在巨大的噪音，大家还在用旧时代的标准衡量AI人才，导致决策效率低下。
张洁: 机器智能与人最大的区别在于情感和责任心。最终企业选人是“生命选择生命”的过程。我们的系统就是要承担起责任，提供证据链，让决策者感到心安。
目前我们有5家活跃试点用户，10家在管线中，涵盖了各个领域。我们是完全AI Native的重构，这能减少招错人的风险，让决策更有依据。
张洁: 在智能体系统的底层，我们更倾向于使用闭源的高质量模型（如GPT系列、Claude等），这些多模型生态让我们更容易实现全球化扩展。
我回国时发现，国内用户（尤其是C端）更关注“如何不付钱”，但这其实是个悖论。如果没有好的数据和付费支持，智能系统如何持续变强？
我们的优势在于硅谷的人才优势、开放创新的生态，以及对数据智能价值的深刻重视。
小贝: 作为创始人，除了做产品，还要面对投资人。目前融资情况如何？投资人对你们的产品有什么好奇和反馈？
张洁: 融资目前还算顺利，受到了资本的高度关注。我们正在推进一些头部VC的流程，希望能找到长期的共建者。
北美的投资人通常关注三个问题：
1、你在做什么？ 市场够不够大？
2、为什么是你？ 你的团队为什么能赢？
3、你的长期护城河是什么？ 你跟别人有什么不一样？
至于护城河，我们认为只做招聘解决不了根本问题，必须同时关注供给端的培养。AI未来会取代大量工作，人如何成长、如何体现价值，这是C端必须面对的问题。
小贝: 关于“护城河”，很多投资人喜欢问“如果大公司做了怎么办”。但我认为，壁垒往往是事后总结。真正的壁垒在于解决具体问题的决心、对目标的深度理解以及持续的技术迭代。
张洁: 没错。
小贝: 我注意到你经常参加国内外的大会，你觉得国内和硅谷的创业氛围有什么不同？
张洁: 大会像是一面镜子。在硅谷，会议形式非常休闲，可能就在某个人的后院、一个小房子或者教堂里，大家喝着茶做路演，不拘泥于形式，媒体参与度也没那么高。国内的会议则非常正式、严肃，媒体很多。
张洁: 还有一个区别是，北美的会议非常看重“跟谁在一起”，是一个互相了解的小生态。国内的话，嘉宾之间可能并不太了解，更多是展现价值或寻求资源。
小贝: 去年AI创业大爆发，现在大家的态度是变得更挑剔了，还是关注点发生了变化？
张洁: 创业项目确实越来越多，尤其是应用端。原因是基础模型能力指数级提高，且API成本大幅下降，已经达到了可以大规模商业化的程度。
张洁: 现在的共识是：投资人变得更务实了。
2022、2023年大家会问“你有没有自己的模型”，现在没人问了。
大家问的是：你有客户吗？客户付费意愿如何？盈利模式是什么？是否有行业数据沉淀？这是一个相对成熟的开始。拿到行业数据和跑通市场的价值，远大于自研模型。
小贝: 那么你们的用户画像和盈利模式具体是怎样的？
张洁: B端主要覆盖AI初创公司、面临AI转型的传统企业、出海企业等，他们需要决策依据。C端则针对开发者、学习者，以及GitHub、LinkedIn等平台的活跃用户。
张洁: 盈利模式上，B端采用成熟的年订阅制、阶梯定价。
C端方面，基础功能和Mentorship（导师关系）是不收费的，我们鼓励人与人的互动。只有在用户需要进行严肃审核或订阅特定学习路径时才会收费。我们的核心理念是以人为本，希望能吸引全球AI导师加入，构建一个人才生态库。
小贝: 这个项目从去年9月开始，这半年的创业感受如何？对想要进入AI领域的创业者有什么建议？
张洁: 首先，我不建议大家创业（笑）。这路太辛苦、太冒险，从经济账上看不划算。如果想借AI“改命”，其实不太现实。
张洁: 创始人就像是每天在风雪中第一个走在前面吹冷风的人。
什么样的人适合？如果你发现一个问题，不解决就睡不着，哪怕没人逼你，你都想拔掉心里的这根刺，并且想用新的方式去重构它，那你可以尝试。
张洁: 这半年我一直在“奔跑中成长”，升级了认知系统、审美以及处理人际关系的能力。如果你觉得自己能量够了、笃定了，那就去尝试；如果还有很多犹豫，建议再想一想。
小贝: AI专业目前非常火，国内也有很多人冲着高薪去。你当时为什么选择这个专业？你觉得它在当下真的这么重要吗？
张洁: 我申请时AI还没现在这么火。
进入这个领域后，我发现AI涉及面极广。我觉得冲着“年薪百万”去选专业是很尴尬的，因为当你用数字衡量价值时，就陷入了被量化的PK中。
张洁: 在AI时代，PK的不是别人，而是自己。追风口容易产生幸存者偏差，把自己拉入“田忌赛马”的焦虑中。
北美的博士有50%以上的quit率，一读就是六到八年，这是一个极其艰苦的筛选过程。
如果你只是想要一份高薪工作，其实没必要读博。
小贝: 听完感触颇深。从张洁的个人求学经历，到她对AI博士、创业者、母亲多重身份的思考，再到她对人才市场的深刻洞察。感谢张洁来到“闹了Gen”分享，也感谢大家的聆听。我们下期再见！
