找工作的时候，好像一直在做同一件事：研究自己的简历怎么写、经历怎么包装、面试怎么回答，想尽办法让企业觉得自己是一个合适的人选。
但反过来呢？
我们对准备面试的公司究竟了解多少？
打开招聘软件，Boss 直聘、前程无忧、智联招聘，基本都是围绕招聘信息展开的。我们可以看职位、投简历、和 HR 聊天，却很少有一个完整的地方，能够帮助求职者在面试之前系统地了解这家公司。
当然，现在网上也能搜索到企业信息、员工评价、产品测评和各种面经。但这些信息散落在不同平台，质量参差不齐，还得自己一点点拼凑。
于是我有了一个想法：
能不能做一个专门服务求职者的 AI 企业背调与面试准备平台？
不是帮企业筛选简历，而是反过来，帮求职者研究企业。
假如我明天要去一家公司面试
我希望只需要输入公司名称、应聘岗位，再上传自己的简历，AI 就能帮我做一份相对完整的「面试前调查报告」。
比如：
先研究这家公司。
它究竟是一家什么样的公司？
不只是官网上那些漂亮的企业介绍，而是尽可能从公开信息中还原它的真实情况。
包括企业背景、股权关系、主营业务、商业模式、发展历史、融资情况、近期动态、主要竞争对手等。
如果它有自己的产品，还可以进一步研究产品的功能、市场定位、用户评价、竞品表现，以及真实用户都在吐槽什么。
我甚至希望能看到一些不太容易注意到的信息，比如公司最近是不是在调整业务，主营产品有没有明显的市场变化。
再研究我应聘的岗位。
同一家公司的不同岗位，可能完全是两种工作体验。
我希望 AI 能结合招聘 JD，分析这个岗位究竟需要什么能力，日常工作可能是什么，岗位要求是否合理，薪资是否符合市场水平。
如果网上能找到相关员工评价、岗位经验分享，也可以整理出来。
比如招聘信息写着「弹性工作制」，实际员工反馈却普遍提到经常加班；又或者 JD 写的是运营，实际工作却包含大量销售和地推。
这些信息不一定都准确，但至少应该让求职者提前知道有哪些值得核实的问题。
最重要的是，如何针对我自己准备面试。
这部分我觉得 AI 能发挥很大的作用。
它不应该只是给我一份通用面试题，而是同时结合三个维度：
• 这家公司及其业务特点；
• 我应聘的具体岗位；
• 我自己的简历和项目经历。
然后去搜索互联网上已有的企业面经、岗位面试题，再结合实际情况生成新的针对性问题。
例如，我应聘的是一家 OTA 平台的酒旅 BD 岗位。
AI 可以结合企业的产品和业务模式，整理商户拓展、酒店供给、佣金谈判、区域市场开发等相关问题。
如果我的简历上写了某个项目经历，它还可以针对这段经历继续追问：
为什么这样做？你具体负责什么？遇到过什么困难？数据从哪里来？如果重新做一次，你会怎么改进？
甚至可以模拟不同轮次的面试，从 HR 面到业务面，再到部门负责人面。
最后给我一份完整的准备方案，包括知识补充、经历梳理、问题预测、回答建议，以及面试时可以反向询问企业的问题。
这样，我去面试之前，就不只是背了几道题，而是真正对这家公司和这个岗位有了一定认识。
可能不只是一个面试工具
我觉得这里面还有一个挺有意思的角度：
现在的招聘平台，主要解决的是企业和求职者之间的信息匹配。
但求职其实是双向选择。
企业需要了解候选人，候选人同样需要了解企业。
尤其是对刚毕业的年轻人来说，信息差可能非常大。
有些人不知道怎么判断一家公司的业务是否健康，不知道一个岗位的真实工作内容，也不知道面试时应该向 HR 询问什么。
如果能有一个平台，把这些原本需要自己花大量时间搜集的信息整合起来，再通过 AI 做分析和个性化准备，应该会有一定价值。
我甚至觉得，它可以逐渐发展成一个求职者自己的职业决策助手。
不只是面试前使用，还可以记录面试经历、比较不同 Offer、分析职业发展方向，形成自己的求职档案。
当然，也有一些现实问题
目前只是一个初步构想，还没有真正做过市场验证。
我比较担心几个问题：
1. 信息准确性。 网络上的企业评价有真有假，如何区分事实、个人体验和情绪化表达？AI 又该如何避免一本正经地胡说八道？
2. 信息来源。 企业信息、员工评价、产品口碑、面经分散在不同平台，如何合法、稳定地获取和更新？
3. 实际需求。 求职者真的会愿意花时间做这么全面的面试准备吗？还是只有部分岗位和人群有强烈需求？
4. 商业模式。 基础企业信息免费，深度背调、个性化面试方案和模拟面试付费？还是按单次企业报告收费？有没有可能形成订阅制？
技术实现方面，我反而觉得现在的 AI Agent 和搜索工具已经提供了不错的基础。没必要从零造轮子，可以借助现有开源项目，把搜索、网页解析、文档处理和多 Agent 协作整合起来。
最后，想问问大家：
• 如果你最近要去一家公司面试，你会不会愿意先用这样的工具调查一下这家公司？
• 你觉得企业背调、岗位分析、面试题预测，哪一项最有价值？
• 你在求职过程中，有没有遇到过因为不了解公司或岗位，入职后才发现与预期严重不符的情况？
• 如果这个平台能给你一份针对某家公司、某个岗位和你个人简历的完整面试准备报告，你愿意为它付费吗？
我还挺想知道，这究竟是一个真实存在但尚未被很好解决的需求，还是我自己想多了哈哈哈。
最近有一个有点大胆的想法：能不能把 AI 算力做成一种类似 Wi-Fi 的基础设施？
暂时把这个构想叫作 AIN（AI Infrastructure Network，AI 算力网络）。
先说说为什么会有这个想法。
这两年 AI 模型的发展速度非常快。从最初的在线聊天，到 Agent、Computer Use，再到越来越复杂的多模态应用，我们似乎正在从使用 AI 产品逐渐走向使用 AI 能力。
但是，模型能力越来越强，使用 AI 的门槛却不应该越来越高。
现在想使用一个 AI 模型，往往需要考虑模型供应商、API、Token 计费、网络环境、部署方式、算力成本等一系列问题。
对于开发者来说，这些可能只是日常工作；但对于普通用户来说，它们完全没有必要成为使用 AI 的前置条件。
我就在想，未来有没有可能把 AI 算力也做成一种基础设施？
1. 从 Wi-Fi 得到的灵感
我们可以先看看现在的互联网接入方式。
普通家庭不需要自己建设通信网络，也不需要关心运营商内部如何调度流量。
通常只需要：
光纤 → 光猫 → 路由器 → Wi-Fi 终端。
那么，AI 算力能不能形成类似的接入模式？
我目前设想的结构是：
AIN 网络 → AIN 解析器 → AIN 发射器 → 个人设备。
这里的几个概念还只是初步设想：
• AIN 网络：连接不同算力供应商、模型服务商以及分布式算力资源，提供统一的算力接入能力。
• AIN 解析器：负责识别任务需求、解析模型能力、调度算力资源，并处理不同服务商之间的接口差异。
• AIN 发射器：负责将算力服务接入个人设备和本地网络，让电脑、手机以及其他智能设备能够调用 AI 能力。
当然，这并不意味着一定要重新建设一套物理网络。
我反而认为，可以优先依托现有 WLAN 基础设施，甚至将部分功能整合进路由器固件，做成一种类似 NAS 的轻量化服务。
换句话说，未来也许不需要每个人都拥有一台高性能 AI 服务器，只需要拥有一个能够接入 AIN 的网络入口。
2. 它可能不只是一个 API 聚合平台
我觉得这里最值得讨论的，是 AIN 和目前模型 API 中转、聚合平台的区别。
API 聚合平台解决的主要是模型接口和服务供应问题。
而我设想的 AIN，想解决的是更底层的算力接入与调度问题。
例如：
当用户发起一个任务时，AIN 可以根据任务类型、模型能力、延迟要求、成本预算、隐私要求等条件，寻找合适的算力资源。
简单任务调用轻量模型，复杂任务调用高性能模型；需要本地处理的任务优先使用本地资源，需要更强推理能力的任务再交给远程算力。
用户不必知道背后究竟调用了哪家模型，也不必手动管理各种 API。
当然，这涉及统一协议、任务路由、身份认证、计费结算、资源调度和安全隔离等一系列问题，远远不只是做一个接口转发器。
3. 为什么我觉得它可能成为一种新型基础设施？
我一直觉得，技术真正普及的一个重要标志，是它从专业工具变成普通人不需要思考就能使用的基础设施。
电力如此，互联网如此，Wi-Fi 也是如此。
AI 可能也会经历类似的过程。
今天我们讨论的是哪个模型更强、哪个 API 更便宜、哪家公司的算力更充足。
但未来普通用户可能根本不关心这些。
就像我们平时不会关心手机连接的 Wi-Fi 背后使用了哪家运营商的骨干网，也不会关心数据包经过了哪些路由节点。
我们只关心网络能不能正常使用。
AIN 如果能够实现，或许可以让 AI 算力变得更加：
平民化：降低普通用户使用高性能 AI 的门槛。
简单化：不再要求用户理解复杂的模型和 API 配置。
可操作化：通过简单的网络设备和软件即可接入。
个人化：允许个人根据需求选择算力资源。
定制化：根据预算、性能、隐私和使用习惯动态配置服务。
甚至可能形成一个新的产业链。
算力运营商、AIN 服务商、解析器开发者、硬件制造商、个人算力节点运营者，以及围绕算力网络产生的各种应用服务。
它不一定只是模型公司的附属业务，也可能逐渐发展成一个独立的基础设施和服务市场。
4. 但我认为，现在可能还不是建设大型算力网络的最佳时机
这里有一个我自己比较在意的问题：算力基础设施的投资周期。
GPU、NPU 以及其他 AI 加速硬件，本质上都是需要持续迭代的重资产。
如果算力硬件的性能还在高速增长，那么今天投入巨资建设的算力中心，可能很快就会面临设备性能落后、投资回收周期被压缩等问题。
这让我想到一个判断：
AIN 的大规模基础设施建设，可能需要等待算力硬件的发展逐渐进入相对稳定、可预测的阶段。
5. 我对它最终形态的一点想象
我有一个比较简单的设想：
未来家庭网络可能会出现两套相互协作的服务体系。
一套是我们熟悉的 WLAN，负责设备之间的网络连接。
另一套是 AIN，负责 AI 算力的接入、分配和调用。
它们不一定是两套独立的物理网络，甚至可能运行在同一套家庭网络设备上。
你买一台支持 AIN 的路由器，完成简单配置，就可以让家里的电脑、手机、平板甚至智能硬件接入算力网络。
你可以选择不同的算力服务商，也可以把自己的闲置算力加入网络，当然，前提是解决好安全、授权、收益分配和资源可信度问题。
这有点像今天的互联网接入方式，只不过接入的不再只有信息和数据，还有可以被调用的智能计算能力。
最后，想听听大家的看法
这目前只是一个不成熟的构想，我也不是专业的通信基础设施从业者，更多是从 AI 应用、网络架构和未来产业的角度进行推演。
有几个问题特别想和大家讨论：
1. AIN 有没有可能成为一种独立于传统云计算服务的新型基础设施？还是说它最终只会成为云计算平台的一层调度服务？
2. 依托现有 WLAN 和路由器固件实现算力接入，是不是比重新建设一套物理网络更现实？
3. 如果未来算力可以像网络带宽一样按需调用，个人是否有可能成为算力网络中的一个节点？
4. 从产业角度看，AIN 是否有可能催生新的运营商角色和就业市场？
我比较感兴趣的其实是最后一个问题。
过去我们习惯于把 AI 看作一种软件、一种工具，或者一家模型公司的产品。
但如果换一个角度，把 AI 算力看作一种可以被连接、调度、交易和分配的基础资源，会不会出现一些今天还没有被充分定义的新产业？
