近日，全球首个AI Agent交易市场MuleRun正式上线⭐，这是全球首个AI劳动力市场，通过MuleRun，用户可以方🥳便地发现、购买、定制和部署各种AI Agent，进而降低企业👍和个人使用AI Agent的成本和技术门槛。随着更多企业入局🤯、越来越多可落地产品的面世，AI劳动力可能会比预想到来的时间😢更早。 在AI劳动力加速到来的同时，国内头部招聘平台B😅OSS直聘刚刚在6月完成了新一笔3450万股的增发，招股文件🥳显示，BOSS直聘平均月活跃用户已经从2022年的2870万🤗增长到2024年的5300万，收入也从2022年的45.11🤔亿增长至2024年的73.56亿，花旗等投行也持续表示了对B😍OSS直聘的看好。但是，随着AI劳动力的到来，当生产力的发展🤩创造出新的生产工具时，作为职场最大的铲子生产商，BOSS直聘😆在AI时代的流量生意又将如何去从？ 做企业代理人，低成😎本获客构建增长闭环 BOSS直聘目前主要付费用户为有招🚀聘需求的企业，也决定其“企业代理人”的主要角色。企业客户贡献🌟了BOSS直聘几乎全部收入，财报显示，2022-2024年，😘BOSS直聘面向企业客户的在线招聘服务收入占比始终稳定在98🤗.8%-98.9%，是平台收入的绝对支柱。从客户分层来看，客😴户呈现“以中小企业为主、关键客户稳步增长”的特点，截至202🚀5年3月31日，BOSS直聘88.8%的认证企业员工人数少于😡100人，这类中小企业对外部招聘平台的依赖度高，构成基础付费😜群体；同时，关键客户（年贡献收入5万元以上）数量从2022年😁的5984个增长至2024年的9465个，虽占比不高，但需求😁稳定、预算充足，成为收入增长的重要补充。 BOSS直聘⭐做“将求职者流量导流给企业”的生意其实并不费力，一个主要原因👏在于其“低成本获客的能力”，这一优势源于对两类核心求职者群体😊的精准锁定： （1）毕业生群体：天然的增量流量池 🤔 每年新增的高校毕业生具有“广撒网投递简历”的求职习惯，主要🥳求职网站都会覆盖，并且这类用户对“直聊效率”的需求与BOSS😢直聘的产品定位高度契合。平台无需依赖高成本广告投放，即可通过❤️满足毕业生的基础求职需求，自然获取大量新增用户，截至2025😴年3月31日，大学生占BOSS直聘求职用户群的17.1%，且🤗随着每年毕业生规模的稳定增长，这一流量池也在持续扩容。 🤔 （2）蓝领群体：高留存的存量流量池 BOSS直聘20💯21年开始定向发力蓝领市场，截至2025年3月31日，BOS🔥S直聘提供过服务的求职者中蓝领用户占比达35.4%，蓝领求职😢者具有“技能趋同、求职频次高、信息渠道有限”的特点，且可选择🤯的垂直招聘平台也较少。一旦蓝领用户在BOSS直聘找到合适工作⭐，很容易因“平台适配性”沉淀为长期用户，后续换工作时仍会优先🌟选择该平台，实现“一次获客、长期留存”。 大学生和蓝领🎉群体的这种高留存特性进一步降低了BOSS的长期运营成本，20😜21年7月到2022年6月BOSS直聘曾因配合网络安全审查暂😂停新用户注册，但是期间活跃用户和营收并没有受到影响，2023🙌年、2024年其收入增速分别为31.94%和23.58%，广🤗告费用却分别下降了26.61%和8.87%，2022-202🤔4年广告费用占收入比重也从17.6%降至7.2%，也从侧面印🥳证低成本获客模式的有效性。 技术替代与渠道绕开，冲击现🎉有商业根基 尽管BOSS当前模式运转稳定，但随着技术发😎展与招聘生态变化，BOSS直聘可能会面临三大结构性挑战，直接🤩威胁“企业付费、流量变现”的核心逻辑： （1）AI替代😢导致的基础岗位需求萎缩，企业付费意愿下降 展开全文 👍 招聘主要是做技能和工作岗位的匹配，技能主要可以分为知识、🔥经验、人脉，而AI劳动力的崛起正逐步替代毕业生和蓝领人群两类👏核心岗位的需求。一方面，蓝领劳动力（如制造业流水线工人、服务🤗业基础岗位）和基础白领工作（如数据录入、简单文案）是AI与机🤯器人技术最先渗透的领域，这类岗位占BOSS直聘企业需求的比重🤔较高；另一方面，部分毕业生从事的基础工作（如行政助理、初级运🥳营）也面临被AI工具替代的风险。 当企业的基础用工需求🙄被AI/Agent取代后，其对外部招聘平台的依赖度会显著降低😘，导致现在把求职者流量导流给招聘企业的模式将不再成立，这意味😁着平台的核心收入来源将受到直接冲击。 （2）企业直连高😢校/机构，跳过招聘中介 教育端的“定向培养”模式正在切🎉断招聘平台的中介环节。例如，以福耀科技大学为代表的院校，通过🌟与企业直接合作，实现“企业输出需求-学校定制培养-学生定向就🥳业”的闭环，无需依赖外部招聘平台。此外，这一模式在职业培训机😴构也广泛存在，以技能为核心的职业教育也是政策鼓励发展的方向，😘包括很多刚毕业的大学生为了适应职场也会选择再次参加一些职业教😀育培训，这个过程中，职业教育机构也在跳过中介平台为企业输送“🌟即插即用”的技能人才。 这类“绕开中介”的模式，直接分😁流了企业原本通过平台招聘的“毕业生+技能型蓝领”需求，尤其是🤔对有实力自建人才培养体系的大型企业而言，招聘平台的中介价值被😴削弱，进一步压缩了平台的市场空间。 （3）高端人才服务😍困境，猎头模式难规模化 AI无法替代的“经验型人才”（😀如资深工程师、技术专家）和“人脉+经验型的管理人才”，属于高🤯端招聘市场的核心需求，这类人群需求更加个性化和定制化，BOS😁S直聘目前产品对其覆盖有限，但是随着AI对基本盘人群的替代，💯覆盖更多有定制化需求的经验型和人脉型人群又是不可避免的方向。😂 一般来说，这类人才需要“定制化猎头服务”，而猎头服务🤔更依赖“个人资源”，即客户关系、行业人脉往往掌握在少数个人手🥳中，如果拥有资源的猎头个人换公司，资源也会跟着走，这意味着即🤩便平台尝试切入高端市场，也面临“资源易流失、业务难规模化”的🚀困境，而这对于要求业务持续增长预期的上市公司来说，这个资本市😉场故事性感度显然是不够的，导致业务边界向上突破也会面临困难。🚀 从“企业代理人”到“个人代理人”，重构商业逻辑 ❤️ 面对挑战，跳出“将流量卖给企业”的思维逻辑，转向“服务个人😡”，可能是一个值得思考的方向。在模式定位上，需要从“服务企业😀”到“服务个人”，收入来源也要转向用户。当前BOSS直聘模式🤯的核心是“为企业找候选人”，而未来需转向“为个人找好工作”，🙌成为“个人的职业代理人”。面向毕业生、工作2年以内的年轻人，😂收取费用后可以提供简历优化、面试辅导、岗位匹配推荐等服务，帮🤔助其在竞争中获得优势。针对经验型人才（如资深工程师、部门经理😎），平台可利用自身对企业薪酬体系的了解，代表用户与企业谈判薪😢资、福利，收取服务佣金，既解决了个人谈判能力不足的痛点，也能⭐通过“高客单价”提升收入水平。 在具体服务内容之外，B😡OSS直聘的品牌也可以作为背书商品，解决职场信任的问题。职场👏天然存在“信息不对称”——个人难以知晓企业真实的薪酬结构、工👏作环境，企业难以验证个人能力的真实性。BOSS直聘可凭借多年😁积累的“企业信用数据+用户行为数据”，以“平台信用”为核心构😡建新的价值链条。例如，平台可对企业进行“雇主信用评级”，结合😆过往求职者的反馈标注“薪资透明度”“加班强度”“晋升空间”等😍关键信息，为个人提供决策参考；同时，面向个人生成“职业信用报🤗告”，整合工作经历、项目成果、同事评价等信息，为企业提供更全🤯面的人才评估依据。这种“双向背书”能强化平台的不可替代性，通😊过具体产品将对BOSS品牌的信任向下传递，形成用户粘性。 👍 而针对高端人群猎头服务“难规模化”的痛点，可借鉴 “会员🥳制”模式，通过“标准化服务+定向合作”打破规模瓶颈。例如，用😀户缴纳会员费后，基本服务包可享受“职业发展规划”“行业知识课😅程”“岗位内推机会”等标准化服务，这类服务的内容可批量生产、😎复用，无需为每个用户单独定制，具备一定规模化属性。 定🤯向合作方面，平台可以通过精选几个核心就业方向，与几家头部企业😡进行深度绑定，签订“定向人才输送协议”， 针对会员用户提供“🤔定制化技能培训+企业直推”服务，来做定制赛道的规模化运营尝试😉。例如，与制造业企业合作，为会员提供“工业机器人操作”培训，🔥合格后直接推荐至合作企业，长期深耕后平台对于机器人操作的技能🌟需求、常见故障处理，以及企业个性化需求等都会有深刻了解，只要😘这个赛道的成长空间足够大，就可以在这个垂直方向持续做深、做大🌟。 BOSS直聘当前的成功很大源于对“低成本流量”与“😎企业需求”的精准把握，但面对AI替代与渠道绕开的挑战，转型“⭐个人代理人”是重要的方向。“BOSS直聘”名字本身，也带有候👍选人代理人的基因，未来，如何实现从“流量变现”到“价值服务”🚀的跨越，通过会员制、信用背书构建新的商业闭环，是招聘行业在变🙄革中开辟新增长曲线的重要机会，而能否平衡“规模化服务”与“个👏性化需求”，将成为其转型成功的关键考验。（本文首发于Barr😁on's巴伦中文网，作者｜车铭德，编辑｜蔡鹏程） 更多😂对全球市场、跨国公司和中国经济的深度分析与独家洞察，欢迎访问😅返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多