Ethos 这轮融资最扎眼的数字，不是 2275 万美元，而是“每周 onboarding 3.5 万名专家”。

专家网络最怕的不是人少，而是找错人。企业买方想找的往往不是“某公司前 VP”，而是“真的处理过某个难题的人”。Ethos 要赌的，正是语音 AI 能把这种隐性经验问出来。

如果它做成了，专家网络会从头衔匹配往能力匹配走一步。没做成，就是把旧中介生意换成更会聊天的 AI 入口。

Ethos 融了什么钱，想改哪一环

Ethos 是一家伦敦创业公司，2024 年由 James Lo 和 Daniel Mankowitz 创立。公开信息显示，Lo 曾在 McKinsey 和 SoftBank 工作，Mankowitz 曾在 DeepMind 做 AI 研究，参与过 YouTube 视频压缩算法、Gemini 和 AlphaDev 排序算法相关工作。

这次 A 轮融资为 2275 万美元。a16z 领投，General Catalyst、XTX Markets、Evantic Capital、Common Magic 参投。

产品逻辑很直接：用语音代理访谈专家，采集职位之外的细分经验，再结合博客、论文、社交链接等公开信息，帮助企业用自然语言找人。

它和 LinkedIn、GLG、Third Bridge、Alphasights 的差别，主要在入驻和匹配方式上。

维度LinkedIn / 传统专家网络Ethos 的主张
入驻方式表单、履历、职位标签语音代理访谈，追问具体经验
匹配信号公司、头衔、行业、关键词项目经历、技能细节、论文、公开内容
查询方式筛选条件和关键词自然语言复杂查询
典型目标找“某公司某职位的人”找“做过某类问题的人”

它给出的例子也很说明问题：客户可以查“曾在 A 级投资人支持的金融自动化创业公司工作的人”；也可以找某个专科医生，同时要求对方发表过相关论文，并理解药物开发。

这类需求，传统简历字段很难接住。头衔太粗，行业标签太钝，中介经验又很难规模化。

所以 Ethos 的故事不是“又建一个专家库”。它讲的是：AI 能不能把专家网络里最贵的人工判断，部分产品化。

受影响最直接的是两类人。

企业买方会更愿意测试这种平台，尤其是投研、咨询、医药、B2B 销售研究这类高频找专家的团队。但短期内不太可能立刻迁移主流程。更现实的动作是：把 Ethos 当补充渠道，用来找传统平台覆盖不到的长尾专家。

专家本人也会被重新筛选。只会写漂亮履历的人，未必占优；能把具体项目、问题边界、失败经验讲清楚的人，反而可能更容易被匹配到。

语音 onboarding 是亮点，也是噪声入口

a16z 的 Anish Acharya 认为，旧平台展示的是职位这类浅层信号，而 Ethos 可以通过语音访谈捕捉更细的专长。他还提到，语音是人类更自然的沟通方式，很多人并不擅长把经历写成简洁、准确、有说服力的文本。

这个判断我认可一半。

很多真实能力确实不在简历里。一个人可能没有“AI 商业化负责人”的头衔，但他真的做过模型上线后的客户验收、成本压缩、合规沟通和销售承诺管理。表单问不出这层东西。

语音代理如果追问得好，能把这些经验挖出来。比如它可以问：你参与到哪一步？你负责什么决策？项目失败过吗？预算和周期怎么定？这些细节，比“前某某公司员工”有用得多。

但更麻烦的问题也在这里：说出来，不等于是真的。

语音降低了表达门槛，也降低了夸大门槛。一个会讲故事的人，可能比真正干过活的人更容易被模型判成“高度相关”。公开论文、博客、社交链接能做辅助验证，但覆盖不了全部经验。

每周新增 3.5 万名专家，是 Ethos 现在最强的增长锚点，也是最需要打折看的指标。

真正该看的不是入驻量，而是这些更硬的指标：

观察变量为什么重要
匹配后的客户复购说明买方是否真的觉得专家有用
错误匹配率决定平台能否进入严肃决策流程
专家响应质量人来了不等于能完成有效访谈
合规审查成本专家网络绕不开信息边界和利益冲突
隐私授权边界语音、履历、公开资料合并后更敏感

目前公开信息里，看不到这些指标。也没有足够证据证明 Ethos 的匹配能力已经被市场大规模验证。

所以企业采购现在最稳妥的做法，不是马上替换 GLG、Third Bridge 或 Alphasights，而是小范围试单。拿同一个问题，在不同平台各找一批专家，对比命中率、访谈质量和合规成本。

投资人也不该只看 onboarding 速度。专家网络不是社交产品，增长太快有时不是优势，而是审核压力提前到来。

“天下熙熙，皆为利来。”这句话放在专家网络里很准。专家为什么来，平台为什么推，客户为什么信，三方激励如果没调好，AI 只会把旧问题放大。

分水岭不在 AI 问答，而在可信能力图谱

我不太买账一种轻飘叙事：AI 一接入，LinkedIn 和 GLG 这类老平台就马上显得过时。

没那么快。

LinkedIn 有全球职业身份网络。GLG、Third Bridge、Alphasights 有客户关系、合规流程、行业供给和品牌信任。这些东西不性感，但很硬。

B2B 信息服务不是消费应用。客户买一次专家访谈，背后可能是投资决策、并购判断、临床路径或战略下注。错一次，不只是体验差，而是决策成本上升。

Ethos 真正可能打开的空间，是把“头衔匹配”推进到“能力匹配”。这件事值得做，也确实难。

旧专家网络有点像早期报业分类广告：信息摆在那里，但检索粗，匹配靠人工经验。AI 像一套更细的索引系统，可以让客户说出复杂需求，也能让平台更快找人。

但历史上，分类广告被互联网改写，不只是因为网页更方便。变化来自信息结构、分发效率、信任机制和商业模式一起重排。

放回 Ethos，也是同一个问题。

如果它只改入驻方式，不改验证机制，那就是更会聊天的中介。热闹会有，壁垒未必有。

如果它能把语音访谈、公开资料、客户反馈、专家履约表现、合规记录慢慢织成一张可信图谱，才有机会碰老平台的护城河。

这里的关键词不是 voice AI，而是 verified capability。

接下来最该看的，也不是融资后还会不会继续扩专家数，而是三件事：客户是否把它从补充渠道放进正式采购；平台能否证明匹配质量优于传统筛选；语音采集和公开资料拼接后，隐私与合规边界怎么守。

这轮融资的看点在这里。a16z 押的不是一个更大的专家库，而是 AI 能不能重写知识工作里的匹配方式。

方向我认可。对 Ethos 现在的增长叙事，我会先打折。

专家网络的难处，从来不是没人愿意自称专家。难处是，谁有真本事，谁只是讲得像有真本事。