Pinterest 老将拿下 680 万美元：他们要用 AI 颠覆 LinkedIn 的游戏规则

你有没有想过，LinkedIn 这样的职业社交网络，本质上已经变成了一个收集"人脉徽章"的游戏？每个人都在疯狂添加联系人，但当你真的想找某个领域的专家请教时，那些上千条连接却几乎派不上用场。更讽刺的是，那些在公司内部真正具备专业能力的人，往往不是那些在社交媒体上最活跃的"影响者"。真正的专业知识被锁在了私密对话、内部文档和优秀操盘手的脑海里，而那些愿意花时间做自我营销的人却获得了"专家"的头衔。

这种错位让我深感不安。在过去十年里，我见证了太多这样的场景：一个在增长策略上极具洞见的产品负责人，因为没有时间经营个人品牌而默默无闻；一个解决过复杂技术难题的工程师，因为不善于包装自己而错失机会。与此同时，一些擅长制造话题的人却成为了行业"意见领袖"，尽管他们的实战经验可能远不如前者。这种现状不仅对真正有能力的专业人士不公平，也让那些真正需要专业建议的人很难找到最合适的帮助。

最近，SuperMe 完成了 680 万美元的种子轮融资，由 Greylock 的 Mike Duboe 领投。这家公司正试图用 AI 重新定义职业网络的运作方式，让真正的专业知识变得可被发现、可被访问，而不需要专业人士成为全职内容创作者。创始人 Casey Winters 和 Ludo Antonov 都是 Pinterest 的老将，他们在过去二十年里帮助 Pinterest、Whatnot、Lyft 和 GrubHub 等公司构建和扩展网络效应。现在，他们希望用 AI 技术解决一个长期困扰职业网络的核心问题：如何让真正的专业知识浮出水面，如何让需要帮助的人快速找到最合适的专家。

职业网络的三大困境

在深入了解 SuperMe 的解决方案之前，我想先谈谈当前职业网络面临的三个核心问题。这些问题不是新出现的，而是随着互联网和社交媒体的演变逐渐加剧的。理解这些问题，才能真正理解为什么 SuperMe 的方法如此重要。

第一个问题是知识已经转向私密化。我在科技行业工作多年，明显感受到一个趋势：十年前，人们愿意在博客、Twitter 上分享自己的专业见解和实战经验。那时候，你可以通过 Google 搜索找到大量高质量的技术文章、产品分析和增长策略。但现在，这种公开分享的文化正在消失。最有价值的讨论正在转移到私密的 Slack 群组、内部文档、付费社区和一对一的咨询会话中。这种转变有很多原因：社交媒体算法更倾向于奖励病毒式传播而非深度内容，人们担心公开分享会被竞争对手利用，或者干脆就是没有时间和精力去做内容创作。结果就是，最有价值的知识变得不可搜索、不可归属、也不可见。一个在 Slack 私密群组里分享的增长策略，对外界来说就像不存在一样。

第二个问题是搜索和发现方式正在发生根本性变化。传统的搜索引擎给你的是"十条蓝色链接"，你需要自己去点开、阅读、筛选信息。而现在，AI 助手直接给你一个答案，这看起来很方便，但问题在于：这些答案是基于公开互联网训练出来的，而我刚才说过，最有价值的商业见解已经不在公开互联网上了。更重要的是，在商业世界里，我们需要的往往不是一个标准答案，而是多种视角和观点。两个同样成功的公司可能采取了完全不同的增长策略，你需要听到这些不同的声音，然后根据自己的情况做出判断。但当前的 AI 搜索往往会把这些多元化的观点压缩成一个"最佳答案"，这就失去了专业建议的本质。

第三个问题是职业网络图谱已经失去了意义。LinkedIn 变成了类似 Facebook 或 MySpace 的模式，每个人都试图收集尽可能多的"连接"。我经常遇到这种情况：看到某个人的 LinkedIn 资料显示我们有共同联系人，于是我去问那个共同联系人是否认识对方，结果得到的回答往往是"我不认识这个人"。连接数量多并不意味着网络质量高，反而让审查和筛选变得更加困难。当你真的需要找某个领域的专家时，这个庞大的网络图谱几乎帮不上忙。真正有用的网络应该是基于共同的工作经历和共同的社区，而不是为了外表而收集的虚假连接。

SuperMe 如何重新定义职业网络

SuperMe 的核心创新在于，他们用 AI 创建了一种全新的"专业身份"形式。不是传统的简历或社交媒体资料，而是一个可以对话的 AI 档案。这个档案基于你真实说过的话、写过的文章、做过的演讲、记录的笔记等等内容训练而成。任何人都可以通过语音或文字与你的 AI 档案对话，学习你的思考方式，获取你的专业建议。

我认为这种方法的天才之处在于，它解决了专业知识分享中最大的摩擦点：时间成本。以 Elena Verna 为例，她是 AI 独角兽公司 Lovable 的增长负责人，也是增长领域的知名专家。她在 LinkedIn 上有 17 万粉丝，Substack 上有超过 7.5 万订阅者。但她最烦恼的事情是什么？不断重复回答同样的基础问题。每次她分享增长策略或 AI 时代的营销战术，都会收到大量留言和私信，而这些问题往往是她已经在文章或播客中回答过的。她说："这是最让我烦恼的事情之一。我已经写过很多次了，但我还是不得不一遍又一遍地解释。"

三个月前，Verna 开始尝试 SuperMe。她接入了自己的在线内容——新闻稿存档、播客录音、社交媒体帖子、LinkedIn 工作经历等等。仅仅一天之内，她的 AI 档案就准备好了，可以用她自己的声音代表她回应问题。现在，当有人在 LinkedIn 帖子下评论或通过 X、Substack 发私信时，她可以把他们指向 SuperMe，让 AI 档案回答"什么时候应该招聘第一个增长人员"这类基础问题。她说："这是一种自动化那些对我来说非常重复的对话的方式。这让我能够更好地扩展我的时间，接触到那些想要我的意见的人。"

我特别欣赏的一点是，SuperMe 不是简单地让 ChatGPT 模仿专家的风格，而是严格基于专家真实说过的话来生成回答。如果 AI 档案不知道你对某个话题的看法，它会明确告诉提问者"我没有对这个话题发表过观点"，而不是编造一个听起来合理的答案。这种诚实性至关重要，因为它保证了回答的可靠性。与此同时，专家可以审查和完善 AI 档案的每一个回答。当有人向你的 AI 档案提问时，你会收到通知，可以选择更新答案，而这个更新会发送给提问者，同时训练 AI 档案以后更好地回答类似问题。

这种互动机制创造了一个良性循环。Nikhyl Singhal 是 Meta（Facebook）的前产品副总裁，现在经营着一个叫 Skip 的职业社区。他告诉 Forbes，看到人们向他的 AI 档案提出什么问题，是他产生新帖子和播客内容创意的最佳方式。他说："这是了解最新趋势的最好方法。"Verna 也有同样的感受，她希望自己的公司 Lovable 明年能与 SuperMe 合作，为 Lovable 的客户提供专注于特定工作职能的 AI 档案，帮助他们构建应用。

观点搜索：让专业知识可被发现

如果说 AI 档案解决了知识分享的时间成本问题，那么 SuperMe 的观点搜索（Perspective Search）则解决了知识发现的问题。这是我认为 SuperMe 最具突破性的功能之一。

传统的职业网络假设你知道应该向谁请教。你需要先知道某个人的名字，然后去找到他们，再想办法建立连接。但现实是，很多最有洞见的操盘手往往是最差的自我营销者。他们专注于自己的工作，没有时间或兴趣去建立公众形象。结果就是，当你需要某个领域的专业建议时，你很难找到真正合适的人。

SuperMe 的观点搜索彻底改变了这个逻辑。你不需要知道谁是专家，你只需要提出你的商业问题。SuperMe 会自动找到最相关的专业人士，他们的 AI 档案会立即回答，每个回答都基于那个人的真实工作和经验。然后，SuperMe 会总结这些不同的观点，让你可以比较和探索每一个。

我认为这才是商业建议真正的运作方式。当你遇到一个复杂的商业问题时，你不会只问一个人，而是会问多个经历过类似情况的人，听取不同的观点，然后根据自己的具体情况做出判断。SuperMe 把这种自然的咨询过程内置到了网络本身。比如，当 Winters 在演示中问他自己的 AI 档案："我如何提高市场供应端的参与质量？"AI Winters 通过相当不错的音频告诉他，可以用专门的经理来播种社区，并与博主合作。

这种搜索方式的价值不仅在于找到答案，更在于它揭示了知识的来源。在传统的 AI 助手中，你得到的是一个匿名的答案，你不知道这个答案背后的人是谁，不知道他们的经验背景，也无法验证答案的可靠性。而在 SuperMe 中，每个回答都清楚地标注了是谁说的，你可以查看这个人的背景和经验，判断他们的建议是否适用于你的情况。如果你想深入了解，你甚至可以进一步与这个人的 AI 档案互动，或者直接联系真人。

为什么现在是重建职业网络的最佳时机

我思考了很久，为什么 SuperMe 会在 2025 年这个时间点出现。答案不仅仅是技术的进步，更是多个趋势的交汇。

大语言模型的成熟是最直接的技术推动力。如果没有 GPT-4 这样强大的语言模型，AI 档案根本无法准确理解复杂的商业问题，也无法用自然、连贯的方式表达观点。但 Winters 和 Antonov 很清楚，仅仅依赖公开训练的大语言模型是不够的。ChatGPT 给出的答案往往太过笼统，而且会为了填补知识空白而编造内容。定制化的 GPT 虽然可以针对个人进行调整，但很难保持更新。更重要的是，这些模型无法访问专家最好的建议，因为那些建议往往藏在私密对话、WhatsApp 消息或 Slack 频道里。

SuperMe 的解决方案是鼓励专家连接私密的信息源，比如他们的 Google Docs、Notion 笔记、AI 笔记工具 Granola 等等。然后，SuperMe 会从这些内容中生成总结或要点，供专家审核后公开发布。这样，更多专家可以让他们的经验变得可访问，而不需要成为高产的 LinkedIn 博主或内容创作者。正如 Greylock 投资人 Duboe 所说："在公司内部真正拥有专业知识的人，往往不是那些拥有公众品牌的人。他们的大部分专业知识也无法被大语言模型吸收。"

职业发展模式的变化也是一个重要因素。以前，人们的职业生涯相对线性和稳定，一份简历基本能说明你的能力。但现在，职业发展变得更快也更模糊。人们频繁换工作，跨领域发展，从事的项目也更加多样化。在这种环境下，声誉比简历更重要。但问题是，大多数人不知道如何营销自己，不知道如何把自己的专业能力转化为机会和资源。SuperMe 希望解决这个问题：让你的工作自己说话，而不是强迫每个人都成为营销专家。

我还注意到一个有趣的现象：SuperMe 的创始人都不是硅谷的"圈内人"。Winters 来自新奥尔良，Antonov 来自保加利亚，两人都不是斯坦福毕业生，也不是从小就浸淫在创业文化里。他们的职业生涯开始于硅谷之外——Antonov 在微软和 Hulu，Winters 在芝加哥的 GrubHub。正是因为经历过"局外人"的感受，他们才更深刻地理解到网络和知识获取的不平等。Winters 说："在保加利亚或新奥尔良，关于如何在职业生涯中成功的建议基本上是无法获取的。"这种个人经历驱动了他们的使命：让每个人都能拥有硅谷式的网络，一个能把你的经验转化为机会、让你向世界最优秀操盘手学习的网络。

网络效应：SuperMe 的长期护城河

在我看来，SuperMe 面临的最大挑战不是技术，而是增长和网络效应的建立。这恰好是 Winters 和 Antonov 最擅长的领域。

当 Duboe 问 Winters 为什么很少有创始人探索 AI 与网络的交叉领域时，Winters 的回答很直白："为什么要费力建立网络效应，当你可以做一些快速增长的东西，不需要网络效应就能达到 1 亿美元的收入，获得所有你想要的融资？"他承认，当前的 AI 热潮让很多公司可以快速增长，即使没有真正的护城河。但他从移动互联网时代学到的教训是，那些早期快速增长的单人工具最终都没有持续下去。真正长久的公司是那些几年后才出现、但建立了强大网络效应的公司——比如 Uber、DoorDash、Instacart。

SuperMe 从一开始就把自己定位为网络优先的产品。这一点至关重要，因为这个领域的防御性将来自网络智能——当可信的同行贡献和比较观点时所形成的活跃图谱。SuperMe 的搜索正是为此而构建的：观点搜索将商业问题路由到最相关的专家，通过他们的 AI 回答，并让你比较不同的观点。这就是建议在现实世界中真正的运作方式。

目前，SuperMe 已经支持了超过 3 万次对话。虽然他们不愿透露具体的用户数量，但他们已经吸引了一批高质量的专家。产品思想家如 Nikhyl Singhal 和 Brian Balfour 用 SuperMe 分享在 AI 时代的职业和产品建议。增长领导者如 Elena Verna 和 Adam Fishman 用它教公司如何塑造增长。营销领导者如 Rachel Hepworth 和 Ethan Smith 用它展示营销策略和角色如何演变。

更令人印象深刻的是参与这轮融资的天使投资人名单。除了领投方 Greylock，还有 Superhuman 的 CEO Shishir Mehrotra、Shopify 的高管 Archie Abrams、微软 AI 首席产品官 Aparna Chennapragada、Meta 的前产品副总裁 Nikhyl Singhal、Reddit 的高级产品总监 Jason Costa，以及一大批在产品、增长、工程领域的顶尖操盘手。这些人不仅带来了资金，更重要的是，他们本身就是 SuperMe 网络的种子用户和价值贡献者。这种由内而外的网络引导策略，正是成功的职业网络的经典打法。

商业模式：从知识分享到知识雇佣

SuperMe 目前还没有开始赚钱，但他们对未来的商业模式有清晰的规划。这个规划不仅合理，而且充满想象力。

第一层是订阅分层。用户可以免费与专家的 AI 档案进行一定次数的对话，但如果想问更多问题，就需要付费订阅。这个订阅费用将由专家和 SuperMe 公司共享。这种模式让专家可以直接从他们的知识中获利，而不需要亲自花时间回答每一个问题。对于像 Verna 或 Singhal 这样已经有大量受众的专家来说，这是一个将影响力变现的新途径。对于那些专业能力强但没有建立公众形象的人来说，这是一个公平的机会，让他们的知识获得应有的价值。

更有趣的是第二层：AI agent 雇佣。SuperMe 计划提供专家的 AI agent 版本，让企业可以"雇佣"它们。这些 agent 可以嵌入到企业自己的专有数据和系统中，通过 Slack 频道提供更深入、更定制化的见解。想象一下，你的公司正在开发一个新的增长策略，你可以"雇佣"Elena Verna 的 AI agent，让它访问你公司的内部数据，根据你的具体情况给出建议。Verna 本人对这个想法非常兴奋，她说："我很希望人们能够雇佣 AI Elena。"

到 2030 年，Winters 希望"所有行业中了不起的专业人士都有一个可以对话的 AI 档案，这是学习他们的超能力和思考方式的最佳方式。有一个 agent 版本的他们，你可以在公司内部雇佣，如果你想与他们深入合作的话。但它也可能是面试他们、判断是否想雇佣他们的最佳方式。"这个愿景很大胆，但我认为是可以实现的。想想看，如果你可以在面试候选人之前，先与他们的 AI 档案深入交流，了解他们的思维方式、价值观和专业能力，面试过程会变得多么高效？

挑战与机遇并存

尽管我对 SuperMe 的前景感到乐观，但我也看到了一些现实的挑战。最大的挑战可能恰恰是 Winters 和 Antonov 最有经验的领域：增长。

Forbes 的编辑 Alex Konrad 作为实验创建了一个专家档案。SuperMe 声称从网络上自动编译了不少于 57 万条他的见解。在测试问题中，他对 SuperMe 能够提取他在 YouTube 访谈和 LaunchSquad 采访中发表的相关评论印象深刻。但他也指出了一些问题：在没有微调的情况下，答案有时会夸大其词，把他在视频中的一句随口评论当作是他"经常问"的问题。另一个有趣的怪癖是：我们在播客上说话的方式不一定是我们写作的方式，不同的媒介偏好不同的语调。

所有这些都可以通过给 SuperMe 反馈来改进，AI 档案也应该会随着时间的推移向你学习。但问题在于，真正让一个 SuperMe 听起来像你——特别是如果你还没有看到用户需求的话——可能需要相当大的努力投入。这可能会成为采用的障碍。在用户端，feed 需要感觉足够有生命力和有价值，才能成为一种习惯性访问，而不是一次性的新奇体验。

LinkedIn 的联合创始人、Greylock 投资人 Reid Hoffman 与 SuperMe 密切合作过。他说，他相信 SuperMe 可以建立正向反馈循环，为用户提供更好的答案，为专家带来潜在客户，从而建立忠诚度。他指出，今天更好地提示大语言模型的一个秘诀就是让它们扮演专家的角色。"这将是一种经过更好调整的推理方式，"他认为。"是好 20%、好 300% 还是好 10000%？这是公司工作的一部分。"

我个人的看法是，SuperMe 的成功将取决于它能否快速建立起一个高质量的专家网络，并让这些专家的 AI 档案真正有用。如果早期用户的体验不够好，他们可能不会再回来。但如果体验足够好，口碑效应会非常强大。想象一下，当你在为某个商业问题苦恼时，朋友告诉你"去 SuperMe 问问，那里有最好的增长专家、产品专家、营销专家的见解"，这种推荐的力量是巨大的。

我对未来的思考

SuperMe 的出现让我重新思考了职业网络的本质。传统的职业网络建立在一个假设上：连接本身就是有价值的。但现实证明，没有质量的连接是毫无意义的。SuperMe 提出了一个不同的假设：真正有价值的是知识和观点的可访问性，以及找到合适专家的能力。

我认为这种转变反映了一个更深层的趋势：从"拥有信息"到"获取信息"的转变。在互联网早期，拥有信息是一种权力。但现在，信息过载成为了新的问题。真正的价值不在于拥有多少信息，而在于能否快速找到相关、可靠、有深度的信息。SuperMe 正是在解决这个问题。

另一个值得思考的问题是 AI 对专业身份的影响。在未来，你的专业身份可能不再仅仅是一份简历或一个 LinkedIn 资料，而是一个可以与人对话、代表你思考和回答问题的 AI。这个 AI 不是要取代你，而是扩展你的影响力，让你的知识可以在你睡觉的时候也帮助别人。这种"异步专业服务"的概念很有吸引力，特别是对那些时间有限但知识丰富的专业人士。

我也在思考 SuperMe 对内容创作的影响。传统上，建立专业声誉需要大量的内容创作——写博客、录播客、发推文等等。这对很多人来说是一个巨大的负担，特别是那些有全职工作的人。SuperMe 提供了一条不同的路径：你不需要成为全职内容创作者，只需要做好你的工作，SuperMe 可以帮你从工作中提取知识和见解。这可能会改变"专家"的定义，让它从"善于自我营销的人"回归到"真正有能力的人"。

当然，这也带来了一些担忧。如果 AI 可以代表我们回答问题，我们是否会失去真实的人际互动？我们是否会变得过于依赖 AI，以至于失去了直接交流的能力？Winters 对此的回答是："我们不相信这些 AI 档案是人类的替代品。但我们认为 AI 是巨大的解锁器，让以前可能需要太多努力的事情，或者不可能的事情，变得可能。"我认同这个观点。AI 应该是增强人类能力的工具，而不是取代人类。SuperMe 的设计似乎遵循了这个原则——AI 档案处理常见问题，释放专家的时间去做更有价值的事情，比如深度咨询、战略思考或真正的人际连接。

从更宏观的角度看，SuperMe 代表了 AI 应用的一个重要方向：不是用 AI 去做人类已经在做的事情，而是用 AI 去做人类想做但因为各种限制而做不到的事情。专家们想分享知识，但没有时间回答每一个问题。需要建议的人想找到最合适的专家，但不知道去哪里找。SuperMe 用 AI 连接了这两端，创造了以前不存在的可能性。

我相信，在未来几年里，我们会看到更多像 SuperMe 这样的 AI 原生网络出现。它们不是简单地把 AI 加到现有产品上，而是重新思考在 AI 时代，某个产品应该如何运作。职业网络只是一个开始。想象一下，教育网络、医疗咨询网络、法律服务网络，都可以用类似的方式重新构建。关键是找到那些因为时间、距离或信息不对称而无法充分发挥价值的领域，然后用 AI 去解锁它们的潜力。

SuperMe 的故事还在继续。他们刚刚走出隐身模式，产品还在快速迭代中。但我对他们的方向感到兴奋，因为他们在解决一个真实的问题，而且用了一种真正创新的方法。更重要的是，他们有合适的团队和合适的时机。Winters 和 Antonov 在过去二十年里帮助构建和扩展了一些最成功的网络产品，他们深刻理解网络效应的运作机制。Greylock 在职业网络领域有着悠久的历史，他们对这个领域的投资眼光也是经过验证的。

我期待看到 SuperMe 如何演变。也许几年后，当我们回顾这个时刻，会发现 2025 年是职业网络重新定义的转折点。那些真正有能力的人终于可以让他们的工作说话，而不是被迫成为营销专家。那些需要建议的人可以快速找到最合适的专家，而不是在茫茫人海中盲目搜索。知识不再被锁在私密对话和内部文档里，而是变得可被发现、可被访问，同时保持其深度和可信度。

如果这个愿景实现了，SuperMe 将不仅仅是一个职业网络，而是一个知识民主化的平台。它将让那些过去因为地理位置、社会关系或自我营销能力而被排除在外的人，也能够获得世界顶尖专家的见解。正如 Winters 和 Antonov 所希望的那样，他们正在构建"一个能把你的经验转化为机会、让你向世界最优秀操盘手学习的网络"。这个网络不再是硅谷的专属，而是属于每一个愿意分享知识和寻求智慧的人。

文章来自微信公众号 “深思圈 ”