DeepSeek抢人大战里，跑出了一家10人公司
本文通过10人AI招聘创业公司DINQ的视角，解析AI行业Token成本激增与人才招聘痛点。DINQ每月Token成本达数万美元，其自然语言人才搜索服务聚焦挖掘散布在GitHub、论文中的AI专才，客户已覆盖腾讯、Kimi等头部企业。同时，Token正从计费单位演变为企业核心经营成本与生产力指标。
事件概述
在DeepSeek等头部公司掀起AI人才争夺战的背景下，一家仅10人的AI招聘创业公司DINQ进入视野。该公司通过自然语言交互的Agent系统，从GitHub、OpenReview、论文等公开数据中挖掘传统招聘平台难以覆盖的AI细分人才，客户包括腾讯、Kimi等。同时，随着AI Agent大规模应用，Token消耗量激增，DINQ自身每月Token成本已达1万至10万美元，Token正从模型计费单位转变为企业核心经营成本。
核心信息
-
AI人才招聘新痛点：传统平台无法满足对强化学习、Coding Agent等细分方向人才的精准搜索，真实信息分散在GitHub（已索引近两亿条）、学术平台及个人主页。企业最需要两类人：已有成果的资深研究者和尚未进入市场视野的年轻潜力人才。DINQ通过交互式需求补全和公开数据聚合来解决这一盲区。
-
Token成本成为经营关键：DINQ月Token支出在1万至10万美元之间，企业普遍一边鼓励用AI一边限制额度。Token成本优化能力成为Agent公司核心竞争力，市场同时催生出快速增长的中转服务以满足降本需求。目前产业链最大受益方仍是模型公司。
-
Token商业新范式：未来企业将设立专属Token预算，像管理云计算资源一样管理Token。市场将形成分层：少量高端Token服务金融、科研等高价值场景，大量低成本Token覆盖普通需求。行业关注点将从消耗总量转向单位Token创造的价值。
值得关注
DINQ作为极轻体量创业样本，聚焦单一“找人”场景，其壁垒在于数据建设（而非模型能力）。创始人高岱恒认为，Token已成为连接模型、Agent、数据和企业的计量单位，这标志着AI行业进入精细化成本管理的阶段。