Final Round AI是一家AI原生的Interview Copilot公司，为求职者提供在线面试时的实时转录和个性化即时辅助的AI原生体验，帮助用户在面试中取得成功。上线6个月即达到百万美金ARR，并加入硅谷最神秘的孵化器HF0。

本期我们有幸邀请到了Final Round AI的创始人关明皓Michael，这位1997年出生的年轻创业者已经环游了超过100个国家和地区，并在硅谷的创业氛围中不断成长，他连续创业，并曾成功退出。这一次，他在生成式AI时代重新出发，致力于探索AI Native的产品体验，拥有Elon Musk般的远大志向，希望通过普及AI，帮助每一个求职者更好地找到自己喜欢的工作。

本期万字访谈中，明皓向我们详细分享了他对生成式AI未来技术发展的期待，以及如何利用AI技术突破帮助求职者脱颖而出，他还深入探讨了Final Round AI的产品设计理念、市场策略和未来发展方向。让我们一起走进关明皓的创业故事，Enjoy！

一、95后硅谷连续创业者，探索有明确商业化路径的AI Native产品

ZP：请您先简单介绍一下自己吧！

Michael：我是97年出生，从小在深圳长大，深圳是一个创业氛围很浓厚的城市，所以我有机会看到一些早期的科技公司从小规模迅速成长为国际大公司的过程，我身边也有非常多的同学和朋友都在这些非常高速增长的公司工作，这些都对我有非常深刻的影响，也一直鼓励我去做一些非常大胆的创新和实践。

我个人很喜欢旅行，很小的时候第一次出国旅游去了朝鲜，后面又去美国参加了一个交流访问的活动，让我坚定了出国留学的想法，所以我高中毕业后就去了美国伊利诺伊大学（UIUC）读本科。大学期间，我为了可以接触不同的国家文化，大一时加入了一个由教授带领的非盈利性咨询机构，这给了我与来自世界各地不同发展阶段的客户接触的机会，每个学期结束我们都有机会飞往不同国家与客户汇报交流，从中了解到了各种企业在不同阶段所遇到的问题和机遇。

所以，最早我的职业理想其实是咨询，也有去参与一些咨询的实习。我也出国参加了很多Volunteering项目，深入体会到了一些发展中国家人们的生活现状，我很希望可以传播一些Positive Impact，所以也参与了一些Non-Profit的支教活动，大学期间，我一共去了75个国家。

大三时，我拿到一家咨询公司的Return Offer，但当时出现了一个非常好的创业机会，所以我放弃了Offer，Gap了一年。2019年，我加入了一家做全球物流的创业公司，定位是加速中国和日本用户在全球的采购和消费，我们是提供SaaS服务，比如由用户在美国的电商网站完成下单后，他们的货物会寄到我们的仓库，然后我们会快速帮用户完成清关、报关的手续，整套物流流程的时间可以从以前的一个月优化到一周。

遗憾的是由于疫情以及国内政策等多方面原因，这个项目后续没有跑起来。但是作为早期成员参与到这个创业项目当中，给我最大的经验和教训就是Time is everything，世界上存在很多uncertainties，uncertainties恰恰是影响一个企业非常重要的一环。

ZP：所以是这次经历让您有了日后自己创业的打算？

Michael：算是最早的创业启蒙。之前的consulting的经验也让我接触到很多成长期的公司和创始人们，给我带来很多创业的动力。其中触动最深的一个经历是来自于一位耶鲁学长。这个项目结束后，我就想去商学院看一看，后来有幸申请到了Yale Silver Scholars，是极少数可以本科毕业就去就读的MBA。

但去了之后发现商学院的同学都是想打工的，而不是想创业的，我就想去探索其他的创业机会，不过很幸运碰到了一位学长，这位学长是Starburst Data的创始人，这家公司也是一家估值超三十亿美金的AI数据独角兽公司。

他和我分享了创立这家公司的原因，是他在读Yale商学院的时候，有次浏览学校官网，发现耶鲁有一个专门的网页分享教授和PhD学生的所有IP，但这些PhD学生并不知道如何变现自己的IP，他从创业的角度评估这些想法，正好有看到了一位著名CS教授的文章和IP，然后他就联系了这位教授和他的PhD学生，后来他就和这五位PhD学生一起创立了这家公司，很快开始了非常高速的增长。

他的经验吸引了我，所以我在MBA第一年结束后加入了这家公司，后来公司在硅谷开设了一个新的办公室，所以我有机会来到了湾区，并有机会体验到硅谷浓厚的创业文化，后来我也被这种创业文化所吸引，决定不再回学校读书了，我想去做一个自己的Startup，就Drop out了。

ZP：第一次创业的方向是什么？

Michael：我做了家公司，有点像Robinhood+蚂蚁森林，希望为每个人提供参与Carbon Market的机会，做了一段时间后有非常好的Traction，被收购后，加入新的公司作为CTO去主导研发和落地了CYNK，一个国际化的Climate Platform，后来也成长为南半球最大的碳积分平台，与一些国际组织和政府机构，如联合国教科文组织、肯尼亚政府和加拿大政府，合作进行了碳减排项目的开发，BBC和央视海外也进行过报道。

ZP：那这一次Final Round AI创业的契机又是什么？

Michael：2023年，我看到了一系列AI的机会，我想重新回到AI的赛道。湾区这里每周都有很多的Hackathon活动，我也通过这些活动开始探索AI原生社交平台的机会。我最初的想法是让每个人都有一个自己的Avatar，然后最初在没有真人用户参与的情况下，大家的Avatar互相之间交流，再生成各自的报告，再来决定是否要进行线下的交流，我们做了很多尝试，包括UI都做好了，但是发现大语言模型还没有发展到这个水平，可能存在Avatar之间聊了一小时之后聊不下去的问题。

另外我们也意识到数据是个非常大的门槛，不是简单地研究下推特账号、模仿说话语气发送一条信息，而是需要完整的呈现一个人在各种情形下的Potential Reaction，这个过程需要非常多的个人信息。

当然，我们也有过各种其他的AI创业的想法，但是我是想找到一个全新的AI Native的方式，而不是在传统产品上加AI的自动化。同时，希望这个创业机会有清晰的销售渠道和清晰的Monetization，我也了解了大语言模型发展到了什么层次、有何局限，如何避免和直接做底层模型的公司进行直接竞争，在这些思想的限制下，最后我探索到了一个非常Exciting的创业机会。

在我最早来美国的时候，其实存在很多沟通上的Barriers，所以每次Online-meeting或Presentation之前我会把想说的话全部写下来，可能有大几千字，所以一直幻想能拥有一个类似于钢铁侠的头盔面罩里的人工智能助手——Jarvis，Jarvis可以给钢铁侠实时提示——比如钢铁侠应该往哪里飞！

在AI时代，人与人之间的交流将变得更加宝贵，因为很多交流已经变成了人与AI Agent之间的互动，我相信，下一代的孩子们可能会有一个从小陪伴他们长大的AI Agent。那么，我们是否有办法让人与人之间每一次交流都变得更加顺畅和自然。为了实现这个目标，我们想要开发一种实时对话辅助工具，这种工具可以实时地提供帮助，类似于一个提示器，让人与人之间的每一次交流都变得更加丝滑。

ZP：你们的团队成员背景非常国际化，和其他核心成员是如何聚在一起的？

Michael：我们的团队非常国际化。我和我的联合创始人Jay在大学的时候认识，Jay之前在科技大厂工作，我们有机会一起做过一些AI的实验探索。其他早期团队成员有的是通过之前创业认识的，有的是在创业社群中结识的，比如，现在负责印度市场增长的同事是我通过耶鲁商学院认识的，他之前负责Uber在印度的本地市场启动，也是Worldcoin在印度的负责人，他的加入对我们在印度和国际市场的拓展非常有帮助，无论是市场策略还是他的一系列人脉和资源，对我们都非常重要。

我们做这个产品的初衷之一是探索全新的AI交互方式，湾区有很多优秀的工程师和产品人才，想探索一些令人兴奋的产品，所以愿意加入我们。我们有很多令人兴奋的大语言模型工程师和研究人员，他们能够实际提升我们的模型能力。

二、让用户用脚投票，切入面试场景

ZP：我们是如何收敛到面试这个场景？

Michael：2023年9月初我们Launch了一个简单的Prototype，让用户自由选择使用场景，我们观察到用户会在工作会议、Online-Dating等非常有意思的场景去使用我们的产品。

我们发现Interview场景下用户巨大的需求——在面试这个场景，使用我们这款面试Demo产品的用户对这款产品的表现很惊讶，有点类似于第一次使用ChatGPT的震撼，甚至有用户主动要求提出付费使用产品，所以10月初，我们开始Turn on Monetization，然后就开启了非常疯狂的增长——从2023年10月开始到现在，公司实现了每周持续的两位数增长率。

ZP：所以我们先提供了一个General的能力，然后依据用户数据去反向定义了我们的产品。那么，我们的用户画像是什么样的？

Michael：是的，我们早期会有一些Assumption，产品在哪些场景下可能会有Long Term的机会，哪些会有Short Term的机会，然后再通过Prototype去验证这些想法。

我们的产品从Day one开始就走国际化路线，AI时代有一些有趣的特点，因为AI技术本身提供的体验非常震撼，这种震撼的体验使得公司能够进行一些自然的、有机的推广活动，我们目前也支持20多种语言，是比较国际化的产品，目前有超过60个国家的用户。至于中国市场，我们目前并没有将其作为主要市场，因为我认为中国的在线面试场景尚未完全成熟。

目前用户画像是工作5年+的中高层知识工作者，主要来自泛科技行业，包括Software Developers、Product Managers、Data scientist等。不过也支持很多长尾场景，我们发现一个非常有意思的观察，AI可以说是So Powerful，以至于他可以去Cover非常多长尾的职业和学科，比如我们看到有的用户是Politics，有的用户是非常Niche的学科，AI都能为用户提供很好的支持。

ZP：为什么这个产品会天然诞生在海外？

Michael：因为面试习惯不一样，北美线上面试的比例比大陆要高出整整一个量级，可能在北美的整个面试流程85%+都是线上面试。因为疫情后Remote Work的文化已经成熟，很多企业开始采用混合模式或完全远程工作，这在中国很少见，在美国有非常多的大厂除了最后一轮可能是线下，其他整个面试流程都是线上完成，这也是为什么Zoom的股价在疫情的时候起飞，另外随着跨国人才的Sourcing越来越强，来自欧洲、印度和中国的求职者可以被Source到美国，我觉得这是未来的一个大趋势，也是我们押注的一环。

ZP：是否可以介绍下Final Round AI的定位和目前提供的产品功能？

Michael：我们的定位是帮助求职者更好地找到自己喜欢的工作，有点像Elon Musk所描绘的在AI普及的未来，每个人都值得去做一件自己喜欢的工作，这是我们的愿景。

目前整套产品也是围绕候选人去展开的，覆盖从简历准备、求职信撰写、模拟面试、再到面试结束后不断提升自己的表现，整个过程都是Cover在我们提供的AI求职工具中。最大的亮点就是AI原生的实时对话（Real Time Conversational Intelligence），它可以实时帮助用户去更好地表达自己的想法。

大家可能会有一个误区，认为使用了我们的产品后，面试者完全不需要准备，照着提示器念就行了，但是在现阶段，我们看到更多面试成功的用户，还是会选择bullet point模式，就是在面试中，提示器会给出几个Bullet Points，用户根据Bullet Points可以快速总结，组织语言后进行回答，这样的回答更加Organized和Structured。

ZP：这是我们在产品定义之初就想到的吗？

Michael：其实是基于对用户的观察，产品最初是为面试中感到焦虑或存在语言沟通障碍的用户设计的，出乎意料的是，超过99%的用户是英语母语者，而非国际学生。我们对英语母语者使用该产品的原因进行了调查，发现大量的用户对在线面试这种新场景感到不习惯。

同时，面对屏幕交流时，用户可能感到紧张和不自在，用户在在线对话时可能会感到头脑一片空白，用户也不愿意进行生硬的记忆。所以，我们把产品当做了用户延伸的大脑，减轻了记忆负担。用户可以在关键时刻通过查看Bullet Points来更好地表达和展现自己，产品帮助用户在不依赖大量记忆的情况下，更自信地进行沟通和表达。

ZP：我们和市场上其他AI+求职类产品，有什么差别？

Michael：目前市场上看到的绝大部分AI+求职类产品，大部分是帮助企业更好地进行人才筛选和匹配，但目前市场上缺乏有效的工具去帮助求职者，不管是Workflow Automation，还是Super Power。总体来讲，就是AI在赋能求职者上还有很多事情可以做。比如我们还有模拟面试的环节，模拟面试的产品上线后也有大量的用户，是希望帮助用户去不断地提升自己的面试表现，从而可以帮助候选人更好地找到工作。

ZP：用户的痛点是什么？为什么对我们这类产品的需求如何旺盛？

Michael：在北美，面试多发生在电脑端，而非手机端，求职者需要穿着正式，端端正正地进行面试对话。一个岗位求职者可能面临多达十场的面试，整个过程可能持续一个月甚至更长时间，周期非常长，美国就业市场竞争非常激烈，工作岗位减少，求职者需要在面试中表现得更加突出，所以求职者愿意进行大量模拟面试和寻求面试辅导，甚至支付高昂的费用，例如，申请Google的求职者可能会寻找曾在Google工作的Career Coach，以获得深入的培训，价格在几百美金/小时。

当然，求职者希望有工具能提供高价值服务，不仅仅是面试支持功能，而是在后续的流程上，比如在职场中可以持续Upskilling。我们服务的用户，通常是工作5年以上的中高层Professionals，他们对自己的职业发展有清晰的定位，需要强有力的工具来帮助他们实现职业发展。

ZP：我们在产品功能上做了哪些设计，来满足“用户更好地求职”这个需求？

Michael：首先是产品角度，相比较于传统的Career Coach提供题库和文档，我们的产品可以提供实时（Real-Time）在线支持，帮助用户更好地准备面试，这是一个AI时代才有机会提供的体验。以及结合行业实际情况，我们会为每场面试准备定制化报告，这个报告是基于在我们平台上数百万次Interview结束后所积累的数据，每场面试结束后都会有Data Pipeline提升我们的模型，可以为候选人提供面试前更好的准确、面试中更精准的Bullet Points、面试后更好的面试总结。

其次是数据角度，我们平台完成了超百万次的真实面试，这个过程所带来的数据体量可能会比像Indeed和Glassdoor这样的公司过去20年所积累的数据都更有价值。因为没有人会在意一家公司两年前的面试问题，但都会在意这家公司今天的面试问题，一旦我们收集到这些数据，我们会筛选并去除所有敏感信息，然后我们会利用这些去除了敏感信息的数据来优化和训练我们的模型。最后，我们将从数据中获得的Insight实时地反馈给我们的用户，以提升他们的体验。

ZP：如果我们的产品有效性足够强，是否会被企业主诟病？

Michael：AI技术无疑是具有争议性的。人们在使用AI撰写邮件时，可能会被认为缺乏真实性，显得敷衍，同样，在学术作业中使用AI也可能被视为作弊行为，不被学校所接受。然而，不管学校是否支持，AI的使用已成为不可逆转的趋势，学生们仍会利用AI来完成作业。

关于企业主对AI的顾虑，短期内AI确实存在争议。但是我周围有许多AI Startup的Founder也鼓励员工使用AI，并在面试中询问候选人是否有AI使用经验。我自己作为AI初创公司的创始人，在招聘时也会特别关注候选人的AI应用能力，因为AI能极大提高生产力，有时是传统方法的十倍甚至二十倍。我不关心候选人具体使用了哪种AI工具，只要他们能完成任务，就是合格的候选人。当然也有另一些雇主则持保留意见。

在我商学院求学期间，我注意到许多同学在申请咨询或银行职位的面试过程中，也会使用贴满屏幕的Notes或携带厚重的纸质笔记。我认为，AI本质上是一种更智能的Note。AI引发的争议是时代变革的一部分，并非产品本身的问题，而是随着AI的发展，人才评判的标准需要重新定义。我认为在这个过程中，我们的平台实际在推动全新的人才标准建设方面发挥了作用。

ZP：目前AI在求职招聘这个行业的渗透率如何？

Michael：这是一个Two Side Market，涉及企业主、面试官和候选人。在企业主端，AI已经渗透得比较深入了，用于简历筛选、评分，甚至模拟面试官（比如一面），比如企业在招聘过程中使用ATS（申请人跟踪系统），这是一种基于AI的关键词筛选系统。

过去，ATS依赖于传统的机器学习技术进行筛选，但未来可能会转向使用类似GPT的自然语言处理模型来筛选。然而，纽约最近通过法案要求企业主必须在2025年前披露使用AI的招聘环节，因为政府担忧AI在简历筛选中可能存在的某种偏见，比如AI系统可能优先选择某种类型的候选人，很多人怀疑许多企业使用的AI系统可能会偏向某些族裔，而忽视其他少数族裔。这在未来将是一个挑战，特别是在政府监管方面，当然，这是一个美国特有的问题。

而在候选人端，AI工具也在兴起，比如帮助他们优化简历内容、利用AI拍摄LinkedIn头像，但这些工具仍处于一个探索的阶段。

ZP：目前我们的商业模式是什么？

Michael：我们现在是直接向C端收费，这是一种简单粗暴的方式。接下来我们希望能够赋能C端用户，实现他们长期的职业发展成功。因此，我们会考虑一些有趣的方案，比如像猎头一样收取用户第一年工资的3％-5％作为佣金，而不是传统的订阅费用，这些都是我们在考虑的方向。

在不同国家，我们会有不同的定价策略，也会有一些独特的销售渠道。我们收到很多教育机构的合作邀约，这也是一个很有前景的市场。例如，我本科在UIUC读书，MBA在耶鲁读书，不论是私立大学还是公立大学，他们的Career Service Center都是非常稀缺的资源。

一个导师可能要面对几十个学生，尤其在招聘季时非常紧张，我记得申请模拟面试Session时，需要提前三个星期预约，而且往往已经被订满了。此外，这些Career Service Center的导师可能并没有相关领域的工作经验，所以服务质量和可用性都是问题。因此，学校市场有很大的机会，我们愿意进行探索。在我们早期直接面向消费者的策略非常成功的情况下，我们会拓展其他渠道。

ZP：目前我们GTM的策略是什么？

Michael：现阶段，我们还处于非常早期的阶段，所以主要依靠有机增长。我们通过社交媒体分享产品，这些分享通常会做得比较有趣，以吸引大家的点赞和关注。我们需要在这个过程中不断筛选我们的用户，这是一个很有意思的话题。

此外，我们也在考虑通过SEO来提高我们在搜索引擎中的排名，以及与教育机构和其他潜在合作伙伴合作。这些策略都在帮助我们建立品牌和吸引用户。

三、帮助用户找到他们真正喜欢的工作

ZP：在技术层面，我们如何利用LLMs搭建我们的技术架构？长期的技术壁垒是什么？

Michael：首先是技术架构的设计，我们采取Multi-Agent、Multi-Step（多代理多步骤）模式，所以我们的体验才能非常好。这也和Latency（延迟）和Cost Optimization（成本优化）有关，通过自研的Router，我们可以实现Near Real-Time的Conversational Intelligence（接近实时的智能对话）。

直接调用ChatGPT会有几个问题，首先就是反馈较慢，其次，在不同领域能力差异较大，它可能无法解答一些Coding（代码）类问题，但在Behavior类问题上更擅长。我们进行了大量的AB testing和Prompting，我们自研的Router是一个非常重要的环节，现在还没到AGI的时代，选择最佳的大语言模型，为用户提供更好的体验。

第二是数据积累，大家都知道ChatGPT会有Wow Moment，但仔细分析这些回答时，会发现质量参差不齐，用户能很快识别出AI生成的回答，在新鲜期过后，持续提供真实且贴切的知识变得非常重要。这就涉及到我们如何Finetune自己的模型并持续捕捉数据，我们输入开源、闭源的数据、以及平台获取的数据，来Finetune我们的模型，这是我们的一个重要护城河。

过去几个月，我们已经捕捉了上百万次的面试Session，覆盖了北美和欧洲的大部分公司，这些数据为我们带来了巨大的价值，我们利用这些数据帮助用户改善体验，进行面试分析和未来发展。这些数据也可以用于开发新产品，比如AI面试官或模拟面试，我们可以做一个AI interviewer，让模拟面试变得非常真实。

例如，如果用户申请Tesla，可以直接与训练出的Elon Musk虚拟人对话，这不仅仅是一个微笑的图片和生硬的机器声音，而是真正的交互，它可以打断用户，了解用户的背景和未来方向，并提出特斯拉实际面试中的问题，结合特斯拉企业文化，这不是网上常见的面试问题，而是特斯拉独有的问题。这为我们提供了强大的技术护城河。

第三是工程化能力，我们有一个很大的亮点是对话的Semantic Understanding（语义理解），对话本身是一个非常复杂的过程，而面试就更加复杂，因为面试是一个非常Intense的过程，它是一个不断去对话、然后不断去追问的过程。

需要不断将对话的上下文传递给AI，AI需要知道对话进行到哪里、对方的反应是什么，然后才能更好地反馈。在Case Interview里，用户可能会提供非常长的Context。我们要让AI知道这些Context，而不是一句一句简单的Q&A，比如面试官问了三个问题，AI需要决定是回答所有问题还是只回答一个，这是目前大语言模型无法直接解决的问题，没有一个AI能给出准确的答案，所以这是我们需要研究和改善的地方，这也是为什么我们需要一套自己的Generative AI Tech Stack。

ZP：我们对于生成式AI未来技术发展的期待是什么？

Michael：首先是Real-Time Conversational Intelligence（实时智能对话）的Latency会不断降低，我们开始和一家对标Groq的团队合作，这是一家还在stealth-mode的AI公司，token速度快到甚至可以预测用户下一句话要问什么，到了一种境界：我刚进入会议室，对方还没开口，我就知道他要问什么，这可以让我们做很多基于经验的操作，比如面试官还没问问题，AI就已经知道接下来会问什么，这是一个非常有趣的点。

第二是更强的共情能力和对Conversation Context（对话上下文）的理解，现在Context是有限的，我们无法放入太多内容，当未来Context Window变得无限大时，我们可以把用户过往所有的经验全部放进去。

比如说，将用户过去20年的工作记录全部纳入，这样呈现的个性化内容会更加精准，这是非常令人兴奋的一点。这也是为什么现在还没有Enterprise Ready（企业级）的原因，我觉得企业所需的数据吞吐量比个人要大很多个量级，个人可能只需要一份简历、几封求职信和一个LinkedIn的信息就可以了，而企业可能需要过去几十年的数据，现在还没达到那个量级。

ZP：我们现在如何看待竞争，长期来看我们的竞争对手会是谁？Final Round AI的优势是什么？

Michael：其实我觉得这还是一个非常新的领域，我们看到有一些早期竞争对手出现，无论是直接的竞争对手，还是其他公司在研究如何为候选人提供AI支持，我觉得大家都处于不同的早期探索阶段。未来可能会有大厂进入这个领域，比如Glassdoor和LinkedIn，他们拥有大量职业发展数据的优势，具备做这件事情的能力，我也欢迎竞争，因为这是良性的竞争，可以推动我们的内部迭代和市场策略。

我们的优势主要来自于产品，我们基本上创造了一套独特的交互方式，ChatGPT定义了对话类Text-Based的交互方式，现阶段所有AI公司都在使用这种方式，输入一句话得到一个文本、图片或视频。但我们提出的UI/UX交互体验是市场上不存的的，真的就像一个AI Copilot，就出现在你的眼前，在对话中实时提供建议和反馈。作为这套UX的创作者，这些Insights是我们团队的绝对优势。

其次是我们对这套技术栈的深入理解，正因为我们创造了这套技术，所以清楚它的优缺点和优化方向，我们知道哪些潜在的机会已经验证，哪些还没有，我们知道技术不能优化的部分可能需要依赖大模型的实现，所以在这方面有非常明确的认知和规划。这种深刻的技术洞察，是我们在这个领域的另一大竞争优势。

ZP：接下来2-3年，公司最重要的三件事是什么？

Michael：我认为第一点是提供一个低延迟、更个性化、高准确度的AI agent，帮助用户找到合适的工作，无论是从面试还是其他角度。第二点是保持增长，并不断拓展其他更令人兴奋的渠道，比如与人才机构的合作。这不仅是一个销售渠道，更是为平台用户带来更多工作机会的方法，这点对我们来说非常令人兴奋。第三点是国际化，在服务好现有用户的基础上，我们希望在国际市场的其他地区获得同样的增速。

ZP：Final Round AI的长期愿景是什么？我们希望在未来的职业发展领域中扮演什么样的角色？

Michael：在职业发展领域，我们希望扮演的角色是一个全面支持用户职业发展的伙伴。具体来说，我们的愿景是在未来十年内，有一个由我们技术驱动的AI面试官去面试一个同样由我们技术驱动的AI候选人，这是我们长期的理想角色。而从短期来看，我们希望能够帮助候选人找到他们理想的工作，这是我们当前的核心目标。

ZP：这次创业的动力是什么？对自己和公司的期待是什么？站在今天，希望10年后的自己成为什么样的人？

Michael：这次创业的动力源于我对AI技术的热爱和探索，以及希望通过AI真正地改变用户命运的愿景。Final Round AI的使命是通过AI技术帮助求职者在面试中获得成功。我期望通过这次创业，打造出一个全新的AI Native产品体验，不仅仅是将AI技术简单地融入现有产品，而是探索一种全新的交互方式，为用户提供前所未有的支持。

对自己和公司的期待是，我们能够在未来几年内实现持续增长，拓展国际市场，并在职业发展领域中扮演一个重要角色，帮助更多的人找到他们真正喜欢的工作。我希望公司能在技术层面保持领先，不断优化产品体验，提供低延迟、高准确度的实时对话辅助工具。

站在今天，我希望10年后的自己依然保持初心，继续探索并推动AI技术的发展，为世界带来持续的正面影响。我希望在未来，我能够成为一个在技术创新和商业成功上都有所建树的创业者，同时也希望我所创立的公司能够成为行业的标杆，帮助成千上万的求职者实现他们的职业梦想。

ZP：您平时有什么兴趣爱好吗？以及有非常喜欢的创业者？

Michael：我喜欢旅行，喜欢滑雪和开飞机。我有飞行执照，但是因为创业，这个爱好已经被耽误了（笑），现在没有太多时间去开发兴趣爱好。我喜欢高瓴的张磊，他是耶鲁的校友，他对未来的思考有很深刻的理解。我还喜欢甲骨文的创始人Larry Ellison，他敢于挑战权威，

'

文章来源“微信公众号：Z Potentials”，作者“Z Potentials”