2002 年电影《少数派报告》中，警方能在犯罪发生前锁定罪犯。二十三年后，中国创业公司 DINQ 将这一预判逻辑应用于人才市场。
今年 7 月，DINQ Talent Intelligence 对全球 37 位顶尖 AI 研究员进行创业倾向研判。结果显示，前 DeepMind Robotics 核心负责人 Fei Xia（SayCan、RT-2、Gemini Robotics 关键作者）位居“高概率层”首位。系统捕捉到其社交标签变更及前同事流向具身智能创业公司等信号，给出 75% 的创业概率预测。这一判断早于官方离职消息公布。
DINQ 创始人 Sam 表示：“电影预测犯罪，我们预测人类世界。”这并非传统的关键词搜索工具，而是通过 Agent 实时调取全网论文合著、GitHub 协作及竞赛记录等数据进行深度推理。即便简历未标注特定技能，系统也能基于客观行为证据判定能力互补度。
新版本上线不足一月，DINQ 已签约全球头部短视频巨头、国内顶级电商平台、大模型领军企业及德国百年工业巨头等客户，年化经常性收入（ARR）突破百万美元。
底层逻辑：构建“人类世界模型”
DINQ 的核心技术被定义为Human World Model（人类世界模型）。其本质是构建基于人类价值连接的知识图谱，训练“人类表征大模型”。该模型认为，人与人的连接蕴含在互联网的各种行为中：学术合著、开源协作、竞赛并肩作战构成深度价值共创；社交媒体互动编织广泛弱连接。这些高频更新的真实行为信号，是通用大模型训练语料中缺失的关键数据。
目前，DINQ 已完成全网人才数据的爬取、清洗与标准化，将碎片化信息交织成庞大的图谱网络。AI 沿此价值链精准推理隐性连接与合作链路。在 DINQ 视角下，每个人被编码为结构化的“人类表征”，涵盖身份验证、能力证明（Proof-of-work）、共创图谱、职业动量及信任路径等维度，所有数据均源自动态行为而非自我陈述。
公司名称 DINQ（Deep INtelligence Query）亦诠释了这一理念：Deep 指发掘隐空间的人类表征，INtelligence 指核心的人类世界模型，Query 则是供 Agent 与人类共用的智能交互界面。
行业格局：DINQ 的降维优势
相较于市场明星产品 Juicebox 和 Mercor，DINQ 展现出截然不同的底层逻辑与竞争壁垒。
Juicebox 作为 YC 孵化的快速成长产品，主要解决初级招聘中的筛选与触达痛点，其逻辑仍基于简历关键词匹配。而 DINQ 利用 Agent 替代资深猎头的判断力，能推理出候选人未标注但实际具备的紧密协作关系与能力互补度。
Mercor 凭借专家撮合模式估值高达 200 亿美元，但其核心资产依赖于规模化的专家供给池，面临身份造假、简历注水及合规风险。相比之下，Mercor 仅能呈现候选人的自我申报，DINQ 则能提供基于 GitHub 合著、论文引用及合作者背景的客观行为铁证。
从层级看，Juicebox 停留在应用工具层（检索），Mercor 处于交易撮合层（匹配），而 DINQ 扎根于底层模型层。通过训练“人类世界模型”，招聘仅是其首批落地场景，其天花板由“人类表征”的内在价值决定，远超传统招聘市场规模。
数据来源：Juicebox YC 官网披露、Mercor 官方博客及 TechCrunch 报道、Sacra 及 GetLatka 数据库。
首选“招聘”落地的战略考量
DINQ 选择高端招聘作为切入点，主要基于三重逻辑。首先，该场景是表征质量最可度量的领域，模型输出结果可与资深猎头进行盲测对比，优劣立判。其次，高端人才寻访是愿付高溢价的成熟市场，现金流充沛。最重要的是，该场景能形成“自带标注的数据闭环”：每一次搜索、Mapping 与成单，均为模型提供高质量的人类行为反馈数据，实现“客户付费训练模型”的正向循环。
传统招聘模式下，HR 依赖词法搜索，常因标签不匹配（如搜“图像大模型”却漏掉标签为"R2"的候选人）导致效率低下。DINQ 利用 Agent 对学术顶会与 AI 公司数据进行预处理和 Embedding，实时推理全网信息。例如，系统能精准抓取 Sora 2 华人一作 Harold（李流年）等在其他平台难以检索的人才，将寻访时间从数周缩短至瞬间，实现从“模糊画像”到“具象人才”的跨越。
商业飞轮与无限想象
招聘场景的成功验证只是开端，DINQ 正构建双重商业飞轮。第一层闭环面向企业端，通过全自动人才寻访 Agent 服务猎头与科技大厂，百万美元 ARR 已验证其价值，并建立起高质量数据管道。
在此基础上，第二层闭环自然延伸至专家数据网络。面对全球大模型公司对 RLHF 及专家标注的海量需求，DINQ 无需像竞争对手那样投入巨资进行人工审核，其模型已完成对全网人才的表征与连接。依托国内丰富的 STEM 博士资源，DINQ 能提供高标准且合规的专家网络服务。
企业检索数据与专家标注数据回流至同一模型交叉增强，构成了飞轮运转的核心。随着模型精度跃升，DINQ 将拓展至人才流动预测、投资 Alpha 信号追踪、开发者 API 开放及个人数字资产管理等场景。这种“场景驱动数据，数据训练模型，模型开拓新场景”的闭环，将构建极难逾越的精度代差。
当前，AI 数据标注与人才模型层全球市场空间超 2000 亿美元。DINQ 采取“从高往低”的降维策略，具备在 2 至 3 年内冲击独角兽估值的潜力。
团队：纯粹的产品主义
DINQ 拥有一支高度契合“模型公司”定位的精英团队。CEO Sam（高岱恒）曾任阿里巴巴通义实验室资深研究员，构建了 Human World Model 底层架构；联合创始人兼 COO Kelvin Sun（孙辰昕）拥有 16 年人才领域经验，曾任红杉资本 Talent Expert；首席顾问陆坚博士则为前领英中国区总裁，是职业图谱领域的先行者。
这支仅 8 人的全职团队追求极致高效。他们已开始使用自家产品招募成员，不仅成功挖掘出多位“水下”宝藏候选人，更验证了产品在发现志同道合者方面的卓越能力。据悉，DINQ 已完成数百万美元融资，投资方均为知名机构，新一轮融资正在高效推进中。
在 Agent 重塑软件范式的当下，DINQ 笃定未来：任何关于“人”的机器决策，最终都需要一个理解人类社会的世界模型。高端招聘，仅是这一宏大愿景的第一课。
