堆代码讯 当企业为项目寻求专业意见或建议时，领英、GLG、Third Bridge、AlphaSights等平台往往是其首选，但即便经过细致搜索，企业也常常难以获取高质量的有效信息，陷入专家匹配低效的困境。这一痛点的根源，在于传统平台普遍依赖专家的职位头衔填写表格，再通过这些浅层信息完成企业与专家的匹配，无法精准捕捉专家的真实专业能力与细分领域经验。

总部位于伦敦的初创公司Ethos认为，人工智能技术能够同时改善专家与企业双方的体验，打破这一行业瓶颈。对于专家而言，Ethos推出语音引导的注册流程，通过一系列广泛的提问，收集职位头衔无法涵盖的多领域知识数据，全面挖掘专家的专业特长与实操经验；对于企业而言，得益于更全面的专家数据积累，Ethos能够更好地响应企业提出的自然语言查询，实现更精准的专家匹配。

Ethos表示，其基于语音的注册流程和多维度数据收集，使其能够应对企业的复杂查询需求。例如，企业可以通过平台搜索“帮我找那些曾在由顶级投资者投资、致力于解决金融自动化问题的融资初创公司工作过的人”，也可以像一家制药公司那样，精准筛选出在特定领域有专长、同时撰写过相关主题论文或了解药物开发的医生，这些都是传统平台难以实现的精准匹配。

近日，Ethos正式宣布完成2275万美元的A轮融资，此次融资由a16z领投，General Catalyst、XTX Markets、Evantic Capital和Common Magic共同参与投资。这笔资金将为Ethos的技术研发、专家网络扩张及团队建设提供有力支撑，助力其进一步优化AI匹配算法，扩大业务影响力。a16z的Anish Acharya对Ethos的创新模式给予高度认可，他认为领英和GLG等传统平台仅能通过职位头衔传递浅层信号，无法挖掘专家的细分专业能力，而Ethos通过精心设计问题的语音面试流程，成功捕捉到不同领域的细分专业价值。“我认为语音是人类沟通的原始形式。大多数人不知道如何以一种简洁、有说服力且准确的方式写下自己的经历。语音对Ethos来说是一个巨大的突破口，”Acharya在接受TechCrunch电话采访时表示。

Ethos由James Lo和Daniel Mankowitz于2024年共同创立，两位创始人的不同专业背景，为公司的发展提供了多元视角。Lo曾任职于麦肯锡，后加入软银，参与过WeWork和Arm等公司的转型工作，一直致力于为人们提供合适的经济和就业机会；Mankowitz则曾是DeepMind的AI研究员，参与过YouTube视频压缩算法、Gemini以及AlphaDev排序算法的研发，擅长通过算法构建知识图谱，实现不同实体的精准匹配。

“传统的专家平台几乎纯粹关注职位头衔和职位描述的组合。我们观察到，大多数客户和大多数雇主并不是在寻找一个带有某种头衔的人，他们寻找的是特定的技能和特定的能力。我们还观察到，随着时间的推移，对技能和能力的寻找将逐渐在人类经济和智能体经济之间融合，”Lo解释道，这也是Ethos打破传统模式的核心逻辑。

为了实现更精准的匹配，Ethos除了收集专家注册时提供的数据，还会参考博客、学术论文等公开来源，以及社交链接等信息，多维度丰富专家画像。同时，该公司还通过平台内置的语音智能体开展访谈，提取专家的核心专业洞见。目前，Listen Labs和Outset等初创公司也在提供对话式AI访谈服务，形成一定的市场竞争，但Ethos认为，其构建的专家网络更贴合部分客户的精准需求，具备差异化优势。

Ethos并未透露具体的客户名单，但明确表示，顶级对冲基金、私募股权公司、领先的基础AI实验室以及企业咨询公司已在使用其产品。在盈利模式上，该公司根据项目性质，向企业收取每个项目30%或更高的费用，并透露其“年化收入有望达到八位数”，但未公布具体数字。在专家资源方面，Ethos同样未披露平台专家总数，仅表示每周约有3.5万人加入，且采用邀请制，仅向其认为能够从中受益的人发送邀请。

目前，Ethos面临的核心挑战是发展与客户需求高度相关的专家用户群。不过Lo表示，AI实验室当前大规模绘制人类人才图谱的做法，为Ethos带来了发展机遇。“我们的看法是，AI实验室正将一挺巨大的资本机枪对准世界上每一个具有经济价值的职业。他们正试图描绘出每一个行业。这对我们来说是一股极好的顺风，”Lo说道。他进一步指出，这些AI实验室正在法律、健康、金融和管理等领域构建专业服务，需要各类专家帮助其构建模型、提供产品和策略反馈，这与Ethos的专家网络布局高度契合。

现阶段，Ethos团队仅有8人，公司的目标是在保持团队精简的同时，稳步推进规模扩张，持续优化AI匹配技术，扩大专家网络覆盖面，进一步破解传统专家匹配的低效难题，为企业与专家搭建更高效的连接桥梁。