校招万人筛、门店日面两百人：中国 AI 招聘现在怎么拆 (2026)

深圳一家跨境电商公司的工位上，HR 张敏盯着屏幕：公司自研的 AI 筛选系统正给每份简历打出与岗位的匹配分，并提示要不要继续看。效率上去了，她也清楚另一件事——对人才的判断往往要综合很多因素，这是眼下的 AI 还做不到的。1

同一季春招里，求职者这边也在改打法。有人自己做简易工具，划选陌生公司名就能拉出业务、经营状况和网上评价；智联招聘的调查显示，超过一半受访者用 AI 改简历、写自我介绍，也有人拿它做模拟面试、做「反向背调」。1

中国国内的 AI 招聘，已经不是「要不要上工具」的问题，而是：谁在服务谁、落在招聘链路的哪一环、怎么收钱。下面按用户、场景、痛点、解决方案拆开看。

先看清几类玩家

国内供应侧大致分成几条线，彼此常有重叠：

类型	代表玩家	主要卖什么
一体化 HR SaaS / ATS + AI	北森、Moka（Moka Eva）、用友大易	招聘全流程系统，再叠简历筛选、AI 面试官、面试助手、人才库激活等 Agent
外企与合规导向 ATS	仟寻 MoSeeker	本地招聘流程 + 与 Workday / SAP / Oracle 集成，强调个保法与数据出境合规
招聘平台侧 AI	智联招聘、前程无忧	流量与职位分发上的智能匹配、数字人直播招聘、校招全链路运营
垂直 AI 面试	海纳 AI	蓝领、门店、制造等高并发初筛与标准化评估
候选人侧工具	求职者自研工具、高校就业平台、平台求职助手	改简历、模拟面试、搜岗、反向背调

市场上也有不少「排行榜」「市场规模」文章，口径彼此打架，且多为厂商或营销号转述。这一期以可打开的官网与一手报道为准，不把互相冲突的市场规模数字写成定论。

场景一：把「招什么人」说清楚

用户：招聘 HR、HRBP、用人经理场景：开新岗、改 JD、对齐面试标准痛点：岗位需求其实在业务负责人脑子里，落到纸面上却常变成千篇一律的 JD；面试官之间评价维度也不齐。Moka 联合创始人李国兴谈过这类问题：市场上同名岗位的 JD 往往长得很像，真实需求却完全不同。2 解决方案：用大模型把用人部门口述、历史录用数据、测评维度收成「岗位画像 / JD / 面试题建议」，再贯穿后续筛选与面试。北森把这类能力放进 AI 招聘助手（生成 JD、海报、职位画像）；用友大易则拆出简历评估、面试辅助等多类 Agent，强调同一套岗位模型往下传。3 4

方案逻辑很直白：先把标准写死、写细，后面的自动化才有尺子。 没有尺子，AI 筛简历只会把坏的关键词匹配做得更快。

场景二：找人，而不只是等简历

用户：招聘专员、猎头协作方、有人才库沉淀的中大型企业场景：社招主动寻访、激活历史人才库、门店/工厂批量补人痛点：优质候选人在市时间短；HR 每天在多个招聘网站打招呼、回复率低；企业库里沉着大量旧简历却用不起来。36 氪对 Moka 的访谈里，一线招聘日常被描述成：多平台搜简历、下载、微信传给用人经理、再用 Excel 汇总，琐碎事务能占掉七八成时间。2 解决方案：

系统内主动推荐 / Mapping：按岗位模型从内部库和外部渠道推人，并用反馈继续调准（北森、Moka、用友大易都在讲这一层）。4 5
渠道与内推运营：北森官网称已对接 170+ 外部招聘渠道，并强调内推与招聘官网；仟寻则长期做微信侧触达、聊天机器人与内推裂变，客户证言里出现过用内推显著节省猎头费的案例。6 7
高并发初筛前置：蓝领与连锁门店把「日面一两百人」压到 AI 初面，真人只看通过者（见场景四）。

方案逻辑：把「人找职位」补成「职位找人」，并把历史简历当成可复用资产，而不是归档垃圾。

场景三：简历海选

用户：校招季的校园招聘团队、社招量大的互联网与制造业 HR 场景：短时间涌入成千上万份投递痛点：人工看不过来；规则筛（学历、空窗期、年龄）又太硬，好苗子容易被卡死。新华社转引的 HR 反馈里，AI 会严格执行「空窗期不超过 3 个月」一类条件，而真人遇到特别优秀的人往往会放行。1 解决方案：语义级简历解析 + 人岗匹配打分 + HR 复核前 20%。厂商普遍把这一环当作渗透率最高的功能：北森称 AI 可自动评估海量简历；Moka 强调从关键词匹配走到语义理解；用友大易提供简历评估助理。3 4 5

候选人侧也在反制：做「机器友好型」简历（少花哨排版、多硬技能词与量化结果），好让解析和匹配抓得到信号。1

方案逻辑：AI 负责吞吐，人负责例外。 一旦双方都用生成式 AI「美化」简历，海选噪声会上升，企业往往还要加笔试、多轮面试来找回差异——隐形成本并没有消失。

场景四：面试——白领辅助 vs 蓝领替代初面

白领 / 校招：AI 当副驾

用户：面试官、校招项目组场景：线上面试、跨城市初面、需要统一追问与纪要痛点：面试官水平参差；纪要靠记忆；候选人觉得「全程对机器」不被重视。有 HR 反馈，校招高峰会启用 AI 面试官，但求职者排斥感明显。1 解决方案：拆成两层——

AI 面试官：按岗位模型自动提问、追问、出评估报告，覆盖校招/社招/部分蓝领；北森、用友大易都主推这一产品形态，并给出与真人评分一致性的厂商数据。3 4
AI 面试助手：人仍主面，AI 做题库建议、实时转写、追问提示、会后纪要。北森产品材料里，这一层被写成「面得更专业」的辅助 Agent。3

北森 AI 面试助手界面：左侧给出智能追问建议，右侧实时转写面试对话 — *北森官网展示的 AI 面试助手界面：追问建议与实时转写并行。图片来源：北森。*

蓝领 / 门店：AI 先顶住洪峰

用户：制造、物流、餐饮酒旅、零售连锁的招聘与门店店长场景：旺季单厂单日面试可达 150–200 人；多地标准不统一；「7 天闪离」高痛点：真人面不过来；标准靠感觉；用工风险难前置筛查。8 解决方案：海纳 AI 从 2019 年起做蓝领 AI 面试，白皮书材料称已服务超 5000 家企业客户、近百家 500 强、面试超 1200 万人次；考察维度优先普通话、稳定性、学习能力、抗压等「低成本、高稳定、可培养」信号，并按物流、零售、制造做题目与流程定制。公开案例提到美的、达美乐中国、百果园等。8

方案逻辑分岔很清楚：

贵、难招、要判断力的岗：AI 多做辅助，关键决策留人。
标准清晰、量大、时效紧的岗：AI 直接做初面闸门，换吞吐与标准统一。

场景五：外企与集团——系统要连得上，数据出得去要合规

用户：在华外企（MNC）招聘与 IT、集团化管控的大型企业场景：全球 HR 系统（Workday / SAP / Oracle）与中国本地招聘渠道、微信生态并存痛点：个保法与数据出境要求变严后，不能再简单把中国候选人数据灌进全球库；本地渠道、内推、雇主品牌又离不开微信。 解决方案：仟寻 MoSeeker 把自己放在「中国大陆唯一与 Workday、SAP、Oracle 都建立官方合作」的位置，卖的是本地 ATS + 标准集成 + 安全合规；客户证言里，诺华、安世半导体等明确谈到数据出境合规与端到端候选人旅程。7 它还完成了生成式 AI 服务登记，并继续推 AI 面试等能力。7

方案逻辑：对 MNC，合规与集成本身就是产品，AI 是叠在这条刚需上的效率层。

场景六：候选人侧——求职也被 AI 改写

用户：应届生、转岗者、高校就业中心场景：选岗、改简历、模拟面试、了解公司痛点：岗位信息散、对公司不熟、面试焦虑、与 AI 海选「对打」 解决方案：自制工具与平台助手并行——改简历、模拟面试、岗位匹配、反向背调；高校侧有平台把「简历门诊」做成扫码即诊，并匹配双选会展位。智联等平台也在探索数字人直播招聘等雇主品牌玩法。1 9

方案逻辑：候选人要过的是「机器关 + 人关」。只堆 AI 套话，反而会在真人环节露馅——受访 HR 已在抱怨「很明显 AI 痕迹」的简历与回答。1

商业化逻辑：钱从哪来

把公开材料里的收费与价值主张收成一张表：

模式	谁在用	怎么赚钱	客户为什么买单
HR SaaS 订阅	北森、Moka、用友大易等	按席位 / 模块 / 年费订阅一体化系统	招聘只是入口，后面要连测评、人事、绩效；切换成本高
AI 能力叠加包 / Agent	同上	在 ATS 上加售 AI 面试官、助手、寻访等	按场次或按量对高峰校招、蓝领更划算的叙事常见，具体价目多未公开
垂直按量面试	海纳等	贴近「面试人次 / 项目制」	旺季洪峰时，买吞吐比加人更直接
平台套餐 + AI 增值	智联、前程无忧	职位曝光、简历下载等传统套餐，叠加智能匹配、直播招聘、校招运营	企业本来就要买流量；AI 用来提高转化与运营效率
合规与集成溢价	仟寻等	本地 ATS + 全球系统对接 + 安全认证	MNC 为「能合法落地中国招聘」付费，AI 是加分项
候选人 / 高校侧	求职工具、就业平台	To C 会员、To 校订阅、机构服务	学生为效率与确定性付费；学校为覆盖面付费

纪源资本对 Moka 的访谈还点出一层更底层的商业现实：中国很多中小企业对管理型软件付费意愿仍弱，厂商更爱抓「几百人到一两千人、招聘量大、愿意用 SaaS」的客户；蓝领与门店场景则另开一套批量处理与风控对接。2

一句话概括商业化：卖软件的在卖「流程 + 数据沉淀」；卖面试的在卖「高峰吞吐」；卖平台的在卖「流量转化」；卖给外企的在卖「合规连通」。 AI 正在从功能清单，变成这些账单里的加价理由，以及下一轮续约话术。

近期值得盯的几件事

从功能点到 Agent 团。 北森、用友大易都在把招聘拆成多个专职 Agent（寻访、筛选、面试、客服）；叙事从「有没有 AI 筛简历」转向「能不能共用同一套人才标准往下跑」。3 4
供需两侧同时 AI 化。 企业用 AI 筛，候选人用 AI 写——筛选阈值会被抬高，真人面试与作品验证会更值钱。1
蓝领与门店仍是最能跑量的落地。 标准化程度高、面试峰值明显，ROI 最好讲清楚。8
公平与合规压力在抬升。 律师已提醒算法歧视举证难；新华社报道称，一份关于 AI 智能招聘系统的国家标准在 2026 年 3 月底进入最后验证讨论。厂商侧则出现生成式 AI 服务登记等合规动作。1 7

怎么用这张地图

如果你在盯行业：先分清对方卖的是系统、流量、面试吞吐，还是合规连通，再听它的 AI 故事。如果你在做选型：先写清自己的洪峰场景（校招 / 门店 / 专家岗）和必须留人的决策点，再决定 AI 做主驾还是副驾。如果你在看商业化：订阅费吃的是流程绑定，按量费吃的是季节性峰值，平台费吃的是获客，合规项目吃的是风险预算。

下一期可以继续追：各家 Agent 是否真的打通「同一套标准」、校招季的公开案例数字、以及 AI 招聘国标落地后厂商产品要改什么。