融了一个亿，招人却成了最大卡点

这家公司2019年在杭州余杭成立，做的是工业视觉检测，用AI算法替代产线上人眼质检的活。2025年底拿下一家头部消费电子品牌的供应商资格后，单月订单量翻了四倍。2026年1月，公司完成A轮融资，到账1个亿。

钱到账后，创始人做了三件事：扩产线、搭销售团队、招技术VP。前两件事三个月就搞定了，第三件事卡了整整半年。

技术VP这个岗位的定位很清晰：统管公司的算法研发和工程落地两条线，既要带团队攻关模型精度，又要负责把算法部署到客户的产线上跑起来。杭州百猎猎头后来复盘时算了笔账：这半年里公司为此付出的隐性成本不低于200万，包括产线AI质检项目延期导致的客户罚款和订单流失，加上招聘流程本身的投入。

但更让创始团队焦虑的不是钱，是一种越来越强的不确定感——是不是这个岗位本身的定位有问题？同类公司在杭州的招聘市场上也面临相似的困境，比如云计算赛道的技术负责人招聘同样困在"既要又要"的画像里出不来。

那张"完美"的岗位画像长什么样

翻出公司最初起草的JD，要求列了整整一页A4纸。核心几条摘出来：

计算机视觉方向博士学历，8年以上工业AI落地经验，主导过至少3个从0到1的AI质检产线项目，精通PyTorch/TensorFlow框架，有嵌入式部署和模型压缩的实操能力，能带领30人以上技术团队。

单看每一条要求都合理。合在一起，杭州百猎猎头的顾问把这份JD拿去跟人才市场一对照，发现问题了：全国同时满足这五条的人，不超过200个。而且这200个人，分布在商汤、旷视、海康、大华和几家AI龙头企业的核心岗位上，年薪普遍在120万以上，手上都握着竞业协议和未兑现的期权，几乎没有流动意愿。

公司花了半年追一个几乎不存在的候选人池。面试记录也印证了这一点。17位候选人的拒绝理由归纳起来就三类：算法强的不懂产线部署，工程落地强的不带大团队，两头都会的开价超预算50%以上。

这种"画了一个超人岗位"的问题在杭州AI创业圈并不少见。我们在杭州数字经济人才市场的持续跟踪中发现，超过六成AI初创公司的第一个技术高管岗位都存在画像偏离市场供给的问题。

为什么招不到人：三个被忽略的供需错位

杭州百猎猎头接手后做的第一件事不是筛简历，是拉着创始人和CTO开了一次岗位诊断会。两小时聊下来，三个结构性问题浮出水面。

第一，AI落地的人才断层比想象中严重。国内工业AI视觉落地真正规模化大约是2021年以后的事。往前推，2018年之前毕业的CV博士大部分去了安防和自动驾驶方向，做产线级工业质检的人少之又少。"8年以上工业AI落地经验"这条线一画，市场上符合条件的候选人只剩个位数。

第二，公司把"技术能力"和"管理半径"捆得太死了。JD要求这个人同时是顶尖算法专家又是30人团队管理者，但这两件事在真实世界里常常互斥。一个能把模型精度从95%调到99%的人，不一定有兴趣做绩效考核和跨部门协调。反过来，一个能把30人技术团队管得井井有条的人，代码能力可能已经退化好几年了。

第三，薪酬锚点定错了。公司参考的是杭州本地AI创业公司的薪资水位，但能满足这个岗位画像的人主要集中在北上深。三地薪资比杭州高30%到40%，加上竞业补偿和期权兑现的隐性成本，实际用人预算至少差了一个档位。这一点在杭州金融科技人才市场的薪酬对标数据中也反复出现：跨城招聘的薪资锚点不能用本地标准。

杭州百猎猎头的破局动作：拆岗寻访

诊断结束，百猎顾问给创始人的建议很直接："你们招的不是一个人，是两个人的活硬塞进一个岗位里。要么把薪资翻倍赌一个全能型人才，要么把岗位拆开，分头去找能互补的两个人。"

创始人选了第二条路。

拆岗的逻辑是这样的：算法侧需要一个能带队攻关工业视觉模型精度的人，不需要懂产线部署，不需要会带大团队，核心就一件事：把模型效果做到极致。工程侧需要一个能把算法变成产线上稳定运行的软件系统的人，不需要写前沿论文，但得懂工业场景下的模型压缩、边缘端部署和客户现场的工程交付。

这还没完。寻访策略也跟着变了。

算法负责人这个岗，杭州百猎猎头没有去商汤和海康的大厂池子里硬挖，那些人在竞业期里根本挖不动。百猎把方向转向了高校实验室。浙大、西湖大学、之江实验室这几个杭州本地科研机构里，有一批在工业视觉方向深耕了三到五年的副教授和研究员。他们的模型能力一点不比大厂差，缺的只是产业化的经验。而对于他们来说，一个从实验室到产线的跃迁机会，比涨薪30%更有吸引力。

工程VP这个岗，百猎走了一条更偏的路：去传统制造业里找做了智能化转型的工程负责人。杭州湾、苏州工业园、宁波北仑一带，过去三年有一批制造企业的IT或自动化部门负责人主导过产线的AI质检改造。虽然没有顶会论文，但部署过的工业视觉系统不下20套。这种人刚好卡在"算法团队和甲方产线"之间的翻译层上，价值被严重低估。这和杭州直播电商运营人才招聘中拆解过的"跨界人才地图"逻辑一脉相承：真正稀缺的不是单一技能，是能把两个世界对接起来的人。

两个人，两条路径，六周到位

算法负责人这条线，百猎顾问花了三周在杭州本地的AI学术圈做定向触达。最终从西湖大学一个视觉计算实验室里找到一位副研究员：34岁，在ICCV和CVPR上发过6篇工业质检方向论文，带过一个5人学生团队帮一家光伏企业做过隐裂检测项目。校方对他的产业化意愿一路绿灯，公司给的期权加技术合伙人title也足够有分量。从初次接触到签offer，不到四周。

工程VP的线索来得更巧。百猎的一位顾问之前服务过宁波一家汽车零部件厂，帮他们招过一个自动化部门总监，也就是杭州跨境电商品牌化转型中的运营总监寻访用了相似的跨界策略。这个人43岁，在汽车和家电两个行业的产线上做了十六年，近三年主导了三条产线的AI视觉质检改造。他的背景和传统AI圈完全不搭界：本科学的机械，最早做的是PLC编程，后来一路自学转型做了智能产线方案。两面之后，创始人当天发了offer。

到岗三个月后发生了什么

两个人先后入职后，第一件事不是分头干活，是一起泡在客户产线上住了两周。算法负责人负责优化模型对微米级缺陷的识别精度，工程VP负责把模型压缩到能在工控机上实时跑、延迟控制在200毫秒以内。两周下来，一条从图像采集到缺陷标注到模型推理到产线反馈的完整链路跑通了。

第三个月，AI质检系统在第一条客户产线上正式替换了人工目检。数据很直接：缺陷检出率从人工的82%拉到99.3%，检测速度从每分钟12片提升到48片。客户追加了三条产线的部署合同。

复盘这次案例，最大的经验不是什么高级的寻访技巧，而是一个朴素的道理——招不到人的时候，先别急着加大渠道预算，回头看看岗位画像是不是画了一个市面上不存在的人。杭州百猎猎头做对的事不是找到了一位"超人"，是帮企业认清了一个现实：两个真实的人，比一个不存在的全能战士可靠得多。

常见问题 FAQ