a16z 发布声誉网络 Cosign：如何先于市场挖掘顶级人才与社交资本流动

a16z Cosign：AI 时代最稀缺的，不再是简历，而是谁愿意为你下注

如果只把 a16z 新推出的 Cosign 理解成“另一个 LinkedIn”，会错过它真正想做的事情。

它并不是单纯想重新设计职业主页。

也不是给创业者多一个找工作的地方。

它真正瞄准的是硅谷一直存在、但长期没有被结构化的一类核心资产：

Reputation Capital。

声誉资本。

2026 年 9 月 25 日，a16z 正式推出 Cosign，并把它定义为一个面向创业生态的 curated professional network。官方设想包括：创业公司、投资人和从业者目录；“谁塑造了你的职业生涯”“谁真正和你并肩作战过”“谁愿意再次和你工作”“谁值得持续关注”等声誉关系；同时加入私密的投资、招聘、合作意向匹配。a16z 自己甚至把它形容成“Wikipedia、LinkedIn 与早期 AngelList 生了一个孩子”。

但这件事真正值得研究的地方不是产品功能。

而是它背后的一条大趋势：

AI 正在让“自我描述”越来越廉价，却让“别人愿意把自己的信誉押在你身上”越来越昂贵。

过去一个人可以靠：

学历；

简历；

大厂经历；

漂亮作品集

向市场证明自己。

AI 时代，这些信号中的很多都在快速贬值。

于是职业市场正在从：

Credential Economy

逐渐向：

Reputation Economy

迁移。

这才是 Cosign 真正想占据的位置。

一、人才市场真正的问题，从来不是缺信息，而是缺可信信息

今天招聘市场最荒谬的一点是：

信息越来越多，

但判断反而越来越困难。

一个候选人可以拥有：

LinkedIn；

GitHub；

X；

个人网站；

Substack；

作品集；

AI 优化简历；

AI 优化 Cover Letter。

理论上招聘方获得的信息比十年前丰富几十倍。

但现实是什么？

一个岗位发布以后，

可能瞬间收到：

几百；

几千；

甚至未来数万份申请。

a16z 合伙人 Olivia Moore 在 Cosign 讨论中举例，她发布一个 LinkedIn 职位就收到了约 2,000 份回复；他们预期随着 Browser Agents 和自动化求职继续发展，这种规模还会进一步膨胀。

这意味着一个非常重要的经济变化：

Information abundance creates trust scarcity。

信息越丰富，

信任反而越稀缺。

二、AI 最大的招聘副作用，是把“申请成本”打到接近零

过去申请一份工作需要：

读 JD；

修改简历；

写 Cover Letter；

准备材料；

填写表单。

所以即使这些流程很低效，

它们至少形成一种摩擦。

这种摩擦会自动过滤一部分人。

AI Agent 出现以后：

一台机器可以读取 10,000 个岗位；

判断匹配度；

自动修改简历；

自动提交申请。

于是：

Cost of Applying → 0。

当成本接近零，

申请数量理论上会无限膨胀。

这就是经济学中非常典型的：

Spam Problem。

电子邮件为什么后来出现垃圾邮件？

因为：

发一封邮件几乎不要钱。

职业申请正在进入类似阶段。

三、当“表达兴趣”变得免费，兴趣本身就失去价值

过去有人专门给你的公司写一封三页求职信，

这是信号。

因为：

他付出了时间。

未来 AI 三秒就能生成。

信号没了。

过去一个 Founder 给投资人写一封高度定制化融资邮件，

说明做过研究。

现在 AI 可以同时为 500 个基金自动生成。

信号又没了。

所以未来越来越重要的问题是：

什么东西 AI 无法低成本伪造？

答案之一就是：

另一个真实的人，把自己的信誉押在你身上。

这就是 Cosign 的底层逻辑。

四、为什么一句来自顶级人物的背书，可能比 Stanford 学位更值钱？

Cosign 团队在节目里提出一个故意尖锐的问题：

如果一个年轻人：

毕业于 Stanford；

另一个没有类似标签，

但长期被 Patrick Collison、Elon Musk、Marc Andreessen 这些行业人物关注、互动和认可，

哪一个信号更值得研究？

他们明显倾向后者。

这里不是说：

大学没用了。

而是在说：

两种 Credential 的性质完全不同。

Stanford 是：

Institutional Credential。

机构给你的认证。

顶级同行愿意长期和你互动，则更接近：

Peer Credential。

同行认证。

五、为什么 Peer Credential 在高不确定性行业特别值钱？

假设招聘：

会计师。

有：

CPA；

执照；

规范考试。

Institutional Credential 非常有效。

但如果招聘：

AI Researcher；

Founding Engineer；

Startup Product Lead；

早期投资人。

这些岗位有什么统一考试？

没有。

而且最优秀的人往往：

正在做还没有标准答案的事情。

这个时候，

传统 Credential 的解释力自然下降。

你真正想知道的是：

真正优秀的人是否认为这个人优秀？

这就是：

Reputational Transfer。

声誉转移。

六、声誉为什么可以转移？

假设你根本不认识一个年轻工程师。

但 Patrick Collison 公开说：

“这是我合作过最优秀的工程师之一。”

你的判断会发生什么变化？

你并没有获得：

他的代码；

他的完整绩效数据。

但你知道：

Patrick Collison 自己拥有很高判断声誉。

所以你会更新概率。

用贝叶斯的语言：

Prior Probability 被重新更新。

这就是硅谷最核心却最隐形的一套运行系统。

a16z 在发布 Cosign 的文章中甚至直接概括：

“Silicon Valley knows people by watching other people know them.”

硅谷通过观察“谁认识谁、谁相信谁”来认识人。

七、这其实就是投资世界最核心的机制：Signal Extraction

风险投资每天都在做一件事情：

从大量 Noise 中找 Signal。

10,000 个创业者：

谁真正厉害？

1,000 家 AI Startup：

哪一家值得投资？

500 个年轻工程师：

谁可能成为未来 Founder？

最值钱的信息从来不是：

这个人自己说自己厉害。

而是：

谁在他还不明显的时候，就愿意为他承担声誉风险。

这叫：

Costly Signal。

有成本的信号。

八、真正的背书之所以有价值，是因为背书人可能损失信誉

如果我随便夸陌生人：

成本接近零。

信号价值也接近零。

但如果 Marc Andreessen 公开说：

“这个年轻 Founder 是我见过最优秀的人之一。”

他其实是在押：

自己的判断力。

如果连续背书 100 个骗子，

他的背书以后就不值钱了。

因此：

Endorsement Value ∝ Endorser Reputation × Scarcity of Endorsement。

背书人的信誉越高；

背书越克制；

信号越强。

这与 Credit Rating 非常相似。

九、所以 Cosign 真正应该构建的不是 Social Graph，而是 Weighted Trust Graph

LinkedIn 最大的问题不是：

没有连接。

而是：

Connection 几乎没有强度。

你可以和一个人：

共事 10 年。

也可以：

会议见过一次。

页面上都是：

1st-degree connection。

这在图论上相当于：

所有边权重几乎一样。

但现实世界不是这样。

人与人之间存在：

弱关系；

合作关系；

导师关系；

战友情；

高度信任；

愿意拿钱下注。

这些 Edge 应该拥有不同权重。

Cosign 想做的，本质就是：

Weighted Reputation Graph。

加权声誉图谱。

十、LinkedIn 做的是“你认识谁”，Cosign 想做的是“你究竟有多相信谁”

这是两类完全不同的数据。

LinkedIn：

A connected to B。

Cosign：

A would work with B anywhere。

或者：

A thinks B is a person to watch。

或者：

A would fund B if B starts a company。

后者的信息密度高得多。

因为它表达的不只是：

Relationship。

还表达：

Conviction。

硅谷最值钱的数据，不是人脉本身。

而是：

谁对谁拥有多强 Conviction。

Olivia Moore 直接把这个描述为：

“The most valuable data in all of Silicon Valley is who has conviction in whom.”

十一、如果这个判断正确，Cosign 构建的实际上是一种“人类评级系统”

金融市场为什么需要：

Moody’s；

S&P；

Fitch？

因为资产太多。

投资人没有能力逐个做完整调查。

于是需要：

信用信号。

人才市场也一样。

未来 AI 带来的候选人数量可能大到：

任何公司都不可能逐个调查。

于是市场自然需要：

Reputation Layer。

这一层不一定叫 Cosign。

但它几乎一定会出现。

因为这是 AI 丰富世界的必然产物。

十二、AI 时代真正稀缺的不是 Intelligence，而是 Verification

这个规律其实不只适用于招聘。

AI 让：

文章生成便宜；

代码生成便宜；

图片生成便宜；

公司 Demo 生成便宜；

求职申请便宜。

于是：

Creation Cost ↓

带来：

Verification Cost ↑

人们越来越不关心：

“你能生成什么？”

而越来越关心：

“这东西是真的吗？”

“你真的做过吗？”

“谁能证明？”

这就是为什么未来最大的行业之一可能是：

Verification Economy。

十三、大学为什么过去拥有这么强的社会价值？

大学当然提供：

教育；

科研；

社区。

但精英大学还有一个经常被忽略的功能：

Filtering。

Stanford 告诉市场：

这个人经过了一套高度竞争筛选。

Harvard 同样如此。

于是招聘公司不用从全世界逐个筛选。

大学替它做了一部分：

Filtering。

这叫：

Credentialing Function。

十四、AI 时代正在削弱“静态 Credential”的垄断

学历最大的特点：

一次获得。

可能跟随你几十年。

但现代技术行业变化太快。

一个人：

18 岁进入 Stanford，

并不能完整说明他 35 岁时：

技术能力；

判断力；

创造力。

另一方面，

一个没有顶级学历的人，

可能通过：

GitHub；

X；

开源项目；

创业；

写作

不断积累公开信号。

所以职业声誉开始从：

Static Credential

转向：

Dynamic Reputation。

学历告诉你：

过去某个时间通过过筛选。

动态声誉告诉你：

这个人现在正在做什么。

十五、这实际上是职业身份从“证书”向“实时资产负债表”的迁移

传统简历：

周期性更新。

Cosign 理想中的 Reputation Graph：

持续更新。

今天：

有人公开推荐你。

明天：

加入重要项目。

三个月后：

产品发布。

一年后：

同事再次愿意和你创业。

这些不断形成：

Reputation Ledger。

声誉账本。

所以未来职业身份可能越来越像：

企业财务报表。

持续有新数据进入。

而不是：

一张十年前发下来的证书。

十六、X 为什么拥有大量高价值人才信号，却始终没有彻底变成职业网络？

因为 X 是：

Feed-first。

不是：

Profile-first。

今天 Patrick Collison 夸一个年轻工程师一句。

当时很有价值。

两天以后：

被 10,000 条新内容淹没。

一年以后：

几乎没人找得到。

这叫：

Reputation Evaporation。

声誉蒸发。

Cosign 想做的是：

把这些瞬时 Signal

变成：

Durable Reputation。

a16z 在介绍产品时也明确说，X 上优秀背书每天发生，却会消失在 Feed 中，而 Cosign 希望把这些信号永久附着到人和公司。

十七、这件事的价值可能比想象中大，因为职业市场本质上就是“历史记忆市场”

为什么顶级 VC 愿意为某个 Founder 快速开支票？

往往因为：

“我十年前和他工作过。”

为什么一个顶级工程师创业，很快就能招到前同事？

因为：

过去信誉没有消失。

真正的问题是：

这些信誉今天大量储存在：

人的脑袋；

私人微信群；

Signal；

WhatsApp；

短信；

X；

私人邮件。

这是一种非常低效的：

Unstructured Database。

Cosign 想把它结构化。

十八、如果 Cosign 真做成，它的核心资产其实不是用户，而是“声誉边”

社交平台传统 KPI：

MAU；

DAU；

Time Spent。

Cosign 真正应该看的可能是：

有多少高质量 Endorsement Edges。

比如：

100 万用户

但每个人只有：

随便点赞。

价值很低。

10 万用户

但有大量：

Founder → Engineer；

Investor → Founder；

Mentor → Operator

的强信号，

价值反而可能极高。

所以它真正经营的不是：

Attention Graph。

而是：

Trust Graph。

十九、这与 Facebook 最早的 Social Graph 有本质区别

Facebook：

Who knows whom?

LinkedIn：

Who worked where?

X：

Who follows whom?

Cosign：

Who believes in whom?

如果能真正回答第四个问题，

数据经济价值可能非常高。

因为前三种都描述：

关系。

第四种描述：

预期。

而投资与招聘的本质恰恰都是：

对未来做预期。

二十、“Person to Watch”为什么是 Cosign 最有意思的功能？

因为它实际上是在做：

Talent Futures Market。

人才期货市场。

假设一个人现在：

22 岁；

普通 Tesla 工程师；

没人认识。

你今天公开标注：

Person to Watch。

七年以后：

他成为 Cognition 总裁。

这时你获得了一笔无形资产：

Prediction Track Record。

Cosign 节目里就提到了 Russell Kaplan 的案例：七年前，他还是 22 岁的 Tesla 工程师，就已经被一些圈内人选为值得关注的人；后来成为 Cognition 总裁。

二十一、这意味着 Cosign 不只在给人才打分，也在给“伯乐”打分

这是非常重要的一层。

如果一个用户：

2018 年发现 A；

2020 年发现 B；

2022 年发现 C。

后来：

三个都成为顶级 Founder。

那这个人的：

Talent Picking Ability

就被验证了。

这与 VC Track Record 完全一样。

投资人最重要的不只是：

今天管理多少钱。

而是：

过去谁在没人看懂的时候被他发现。

所以 Cosign 理论上同时建立：

Talent Reputation

和：

Scout Reputation。

二十二、这可能诞生一种非常新的职业：Reputation Arbitrageur

金融投资人在做什么？

发现：

市场低估资产。

然后买入。

人才市场也存在：

Mispricing。

一个工程师现在年薪：

$180K。

实际创造能力可能：

$1M。

只是市场还不知道。

如果你能提前发现：

招聘他。

这就是：

Human Capital Arbitrage。

风险投资同理。

Founder 还没创业。

你先认识。

创业以后：

第一时间投资。

所以顶级人才发现能力本质上也是：

Alpha。

二十三、硅谷最赚钱的 Alpha 之一，从来都不是股票，而是“提前认识未来的人”

想想 YC。

真正的优势是什么？

不是办公室。

而是：

在 Founder 还没有成为 Founder Celebrity 时认识他。

Sequoia 也是。

顶级猎头也是。

顶级大学实验室也是。

他们都在做：

Early Talent Capture。

所以：

早期认识优秀人才，

本质上是一种期权。

如果对方最后普通：

损失很小。

如果对方成为：

下一代 Zuckerberg；

Altman；

Collison，

关系价值可能巨大。

这叫：

Asymmetric Social Optionality。

二十四、为什么公开分享这种 Alpha 看起来反直觉？

假设我发现：

某个 AI 工程师非常厉害。

最直觉的行为应该是：

保密。

因为公开以后：

其他人会抢着招聘。

其他 VC 会抢着投资。

所以为什么还要在 Cosign 上告诉全世界：

“Person to Watch”？

这就是 Cosign 最聪明的博弈设计之一。

它认为：

早期公开相信别人，本身会产生未来回报。

二十五、这叫“Reputation Investing”

你今天公开背书一个没人认识的人。

如果后来这个人成功：

所有人会发现：

你是早期相信者。

于是你的判断声誉提升。

而且对方本人很可能记得：

在全世界还没认可自己时，

谁先认可。

这就产生：

First Believer Advantage。

第一相信者优势。

a16z 对 Cosign 的解释也明确强调，最早发现并帮助一个人才的人，未来往往更有机会率先招聘、合作或投资。

二十六、这和 VC 投资其实完全同构

VC 为什么公开说：

“我们在 Seed 投了这家公司”？

一方面当然是宣传。

另一方面也是建立：

判断 Track Record。

如果一个基金：

连续十次在伟大公司 A 轮前进入，

以后 Founder 会主动来找它。

因此：

Prediction Accuracy → Reputation → Better Deal Flow → Better Prediction Opportunities。

形成飞轮。

Cosign 想把这个飞轮从：

公司投资

复制到：

人才。

二十七、于是 Social Capital 也会开始产生复利

假设你帮助一个年轻 Founder。

他成功。

以后他会帮助你：

认识客户；

介绍人才；

带来投资机会。

再帮助下一代 Founder。

于是你的人际网络开始：

Compound。

这就是为什么真正顶级的人脉网络不是：

认识 10,000 个人。

而是：

有 100 个未来越来越强的人，

愿意长期和你合作。

这两者价值完全不同。

二十八、这也是为什么“人脉数量”是非常低级的社交指标

LinkedIn：

5,000 Connections。

没有意义。

真正重要的是：

有多少人：

愿意接你电话；

愿意介绍你；

愿意替你担保；

愿意给你钱；

愿意和你重新创业。

这才叫：

Effective Network Capital。

未来职业网络的价值越来越可能从：

Connection Count

迁移到：

Conviction-weighted relationships。

二十九、“Would Work With Anywhere”为什么是极强信号？

因为共同工作是真实世界最残酷的尽调。

社交场合：

人人都可以表现很好。

工作 3 年：

无法伪装。

你会看到：

压力下怎么反应；

遇到失败怎么办；

有没有责任感；

技术能力真假；

是否抢功；

是否愿意扛事。

所以一个前同事说：

我愿意无条件再次和这个人一起工作。

信息密度极高。

比：

“他是我的 LinkedIn Connection”

强几个数量级。

这就是 Cosign “In the Trenches With / Would Work With Anywhere” 设计的意义。

三十、这其实是一种“职业 NPS”

消费者领域有：

Net Promoter Score。

问：

你愿不愿意推荐这个产品给朋友？

职业市场可以有一个类似指标：

你愿不愿意把未来五年的职业生涯，再押在这个人身上？

如果答案是：

Yes。

这是极强的：

Human NPS。

未来招聘平台如果能准确获得这种数据，

价值非常大。

三十一、“Who Shaped My Career”又解决另一种问题：隐形导师关系

职业成长经常不是：

公司培养。

而是：

具体某个人培养。

一个 Manager；

一个教授；

一个 Founder；

一个同事

可能改变职业路径。

传统简历不会记录这种关系。

但这种关系能告诉市场：

这个人的：

思想体系；

职业文化；

能力传承

来自哪里。

这可以理解成：

Professional Lineage。

职业血统。

三十二、硅谷实际上一直拥有非常强的“师门”结构，只是没人把它画出来

Fairchild Semiconductor：

出去形成：

Intel；

AMD；

大量芯片公司。

PayPal：

形成著名：

PayPal Mafia。

Facebook：

出去形成大量 Founder。

OpenAI：

未来同样正在形成新人才网络。

企业不仅创造：

产品。

还创造：

Human Networks。

真正影响产业几十年的，

可能恰恰是后者。

Cosign 如果能结构化这种关系，

它会开始拥有一张：

Innovation Genealogy。

创新族谱。

三十三、这张图对投资人价值极大

假设你发现：

一个新 Founder

来自：

某个极强团队。

他的前三名同事都愿意再次和他工作。

前老板认为：

Person to Watch。

行业专家也愿意：

Would Fund。

这些信号放在一起，

比一份：

漂亮 Pitch Deck

更有价值。

这就是：

Multi-source Reputation Underwriting。

通过多源声誉做人才承销。

VC 本质上就是：

Underwriting Future Humans。

三十四、Cosign 的 Private Intent 功能可能比公开背书更值钱

公开层解决：

声誉。

私密层解决：

交易意图。

比如：

我愿意投资这个人。

我愿意招聘这个人。

我愿意和这个人工作。

未来甚至：

愿意收购这家公司。

这些信息如果公开：

很多人不会表达。

因为存在：

尴尬；

政治风险；

现雇主关系；

被拒绝风险。

于是 Cosign 设计：

Private Signaling。

只有当双方出现匹配时才触发连接。

三十五、这其实是在解决职业市场最经典的问题：Double Coincidence of Wants

经济学早期货币理论中有一个概念：

Double Coincidence of Wants。

两个人必须刚好：

你有我想要的；

我有你想要的。

职业市场也一样。

Founder 很喜欢某个工程师。

但不知道：

工程师想不想走。

工程师很喜欢某家公司。

又怕主动联系显得：

太 desperate。

于是双方：

都不动。

市场交易没有发生。

Cosign 的 Private Intent 相当于：

降低 Matching Friction。

三十六、如果这个系统规模化，它甚至可能形成“人才暗池”

华尔街有：

Dark Pool。

交易双方不必把全部订单公开。

职业市场也可能出现：

Talent Dark Pool。

顶级员工不公开说：

我要离职。

顶级 VC 不公开说：

我要投你。

但平台知道：

双方存在 Interest。

当匹配发生：

自动介绍。

这对高端人才尤其重要。

因为越优秀的人：

越不愿公开宣布：

“我正在找工作。”

三十七、这也是为什么 LinkedIn Jobs 最强，却不一定天然适合顶级人才

大众招聘市场需要：

大量公开供需。

高端人才市场恰恰相反。

真正顶级的人：

通常不缺 Offer。

他们需要的是：

Curated Matching。

不是：

更多岗位。

而是：

哪个岗位值得自己浪费三年人生？

所以顶级人才市场最终可能更像：

Private Banking。

而不是：

超级市场。

三十八、Cosign 的 AI 冷启动策略其实非常值得创业者学习

任何新社交网络最大的困难是：

Cold Start。

没人：

没有内容。

没有内容：

没人来。

这是经典的鸡生蛋问题。

Cosign 用 AI 做了一件非常聪明的事情：

自动搜集公开：

融资；

招聘；

人员流动；

产品发布；

公开背书

来建立公司和人才页面。

a16z 明确表示，现在 AI 可以自动填充公司数据、在线研究、过滤 Spam、生成行业 Watch Feed。产品核心团队甚至只有三人。

这意味着：

AI 第一次大幅降低了 Social Network 的 Cold Start Cost。

三十九、这可能是 AI 对社交创业最被低估的影响

过去做社交产品：

必须先说服用户填写 Profile。

用户很懒。

于是页面为空。

今天 AI 可以：

先帮你生成 Profile。

然后问：

这是你吗？

确认一下。

这叫：

Pre-populated Network。

用户不是从零创造。

而是：

Claim + Edit。

这是完全不同的增长模型。

四十、Wikipedia 为什么能做大？因为页面可以先于本人存在

Elon Musk 不需要自己创建 Wikipedia 页面。

别人创建。

Wikipedia 因此可以覆盖：

所有重要人物。

LinkedIn 不一样。

理论上用户必须：

自己注册；

自己填写。

Cosign 如果结合两者：

AI 自动生成公共职业档案；

本人以后 Claim，

可能解决一个很大的冷启动难题。

这也是为什么 a16z 会把它比作：

Wikipedia + LinkedIn + early AngelList。

四十一、但这里也隐藏着 Cosign 最大的风险之一：谁有权定义你的职业声誉？

如果平台自动为一个人生成 Profile：

信息错了怎么办？

遗漏怎么办？

算法认为哪个背书重要？

谁有权删除？

这开始涉及：

Reputation Governance。

声誉并不是普通数据。

它会直接影响：

融资；

工作；

职业机会。

所以一旦 Cosign 做大，

它实际会拥有非常大的：

Career Allocation Power。

这需要非常谨慎。

四十二、“只允许正向信号”是非常聪明，同时也非常危险的设计

Cosign 当前明确强调：

不会建立负面评价机制，

主要聚焦：

Endorsement。

为什么？

因为如果允许：

“这个人很差。”

平台马上进入：

诽谤；

报复；

职场政治；

匿名攻击

的泥潭。

所以：

Radical Positivity

有利于降低参与心理成本。

但问题是：

Positive-only Systems 会产生 Inflation。

人人都夸人。

最后信号可能贬值。

四十三、真正解决“背书通胀”的方法不是负面评价，而是让背书有稀缺性

如果用户可以：

Person to Watch 10,000 人。

这个标签没有价值。

真正高质量系统应该限制：

一个人能有多少：

Top Cosigns。

或者允许排序。

Cosign 当前讨论里已经提到会进行 rank ordering。

这非常重要。

因为：

Scarcity creates signal。

如果只能推荐：

一年最看好的 5 个人。

你就会认真。

这就和 VC 投资一样：

资本有限，

所以每一笔投资本身是信号。

四十四、未来 Cosign 最强大的产品可能不是个人主页，而是“Reputation Score”

当然它不一定真的显示一个：

728 分。

但系统后台最终很容易形成某种：

隐性排序。

例如：

谁背书你；

背书人本身准确度；

关系深度；

背书时间；

后来结果；

共同工作时间。

最终形成：

Graph-based Reputation Ranking。

这类似：

Google PageRank。

四十五、PageRank 当年解决的是“哪个网页值得信任”

Google 早期最伟大的洞察：

网页自己说自己最重要没有意义。

真正值得看：

谁链接了它。

高质量网站链接你：

说明重要。

而且：

来自高质量网站的链接，

权重更高。

这就是 PageRank。

Cosign 背后其实有一个非常类似的可能性：

一个人自己说自己厉害：

没意义。

关键看：

谁 Cosign 了你。

高信誉的人 Cosign：

权重更大。

如果进一步考虑：

背书是否后来被事实验证，

它甚至可以形成：

Human PageRank。

四十六、如果 Human PageRank 出现，它的经济价值可能极其巨大

因为招聘、投资、合作都需要排序。

哪个公司最值得加入？

哪个工程师最值得抢？

哪个 Founder 值得投？

哪个 Angel 判断最准？

这些问题今天主要靠：

人肉网络。

未来如果 Reputation Graph 足够完整，

可以算法化。

这将形成一个非常巨大的：

Decision Infrastructure。

四十七、但 Human PageRank 也存在巨大的精英固化风险

这里必须保持清醒。

如果：

被高声誉人物关注

才能获得声誉。

那么已经在核心圈的人：

越来越容易获得机会。

外围人：

越来越难进入。

这叫：

Preferential Attachment。

网络科学中非常经典。

有连接的人：

获得更多连接。

最终：

强者越来越强。

四十八、所以 Cosign 最终有没有价值，取决于它能不能不断发现“圈外的强者”

如果平台最后只是：

Marc Andreessen 认可的人互相认可；

YC Founder 互相认可；

Stanford 校友互相认可，

那它只是：

把现有 Elite Network 数字化。

价值有限。

真正伟大的版本应该做到：

让一个没有 Stanford、没有 YC、没有旧金山人脉的人，只因为作品足够强，被可信的人发现。

a16z 自己在 Cosign 的论述中也强调，这套游戏只有在“新人仍然可以赢”的情况下才真正有效。

这其实是成败关键。

四十九、真正优秀的人才网络必须同时做两件相反的事情

第一：

利用现有声誉提高 Signal。

第二：

不断引入没有现有声誉的新人才。

如果只做第一件：

变成俱乐部。

如果只做第二件：

噪音太高。

所以 Cosign 真正困难的是：

Exploration vs Exploitation。

利用已知网络。

同时探索未知人才。

这和投资组合理论非常类似。

五十、这一点正是 VC 的本质

好的 VC 如果永远只投：

Google 前员工；

Stanford；

前 YC Founder，

短期风险低。

但最大 Alpha 通常来自：

市场还没完全认可的人。

所以风险投资最核心的能力从来都是：

Non-consensus Insight。

非共识判断。

如果大家都知道：

这个 Founder 伟大，

估值已经很高。

真正的财富产生在：

Consensus 形成之前。

Cosign “Person to Watch”实际上就是：

把非共识判断公开化。

五十一、这可以产生一种非常有趣的“声誉收益率曲线”

早期背书：

风险高。

但成功以后：

声誉回报高。

已经是 Elon Musk 时再说：

“Elon 很厉害。”

声誉收益：

接近零。

但 1995 年说：

“这个年轻人值得关注。”

如果后来成功：

信号极强。

所以：

Reputation Return ∝ Earliness × Accuracy。

越早；

越准确；

越值钱。

这就是“伯乐经济学”。

五十二、伯乐真正的能力不是认识成功者，而是在成功前认识成功者

很多人说：

“我认识很多亿万富翁。”

没意义。

如果认识发生在：

对方已经成名以后。

真正有价值的是：

Relationship Before Status。

为什么？

因为成功以后：

所有人都想认识。

成功以前：

只有真正看懂的人愿意投入时间。

所以早期关系拥有：

更深：

信任；

忠诚；

回报。

这就是：

Pre-status Relationship Premium。

五十三、这套逻辑为什么特别适合 VC？

因为风险投资本质上就是：

买未来。

不是买现在。

公开市场可以买：

已经优秀的公司。

VC 必须找到：

未来优秀、现在还没被定价的人。

所以 Cosign 对 a16z 不是普通媒体产品。

如果它成功，

它可能成为：

Proprietary Deal Flow Infrastructure。

专有 Deal Flow 基础设施。

这也是我们分析它时必须看到的商业动机。

五十四、a16z 为什么自己做这个东西，而不是让创业公司做？

这是非常值得思考的问题。

a16z 说：

Cosign 是 community，而不是 business。

但即使不直接赚钱，

它仍然可以给 a16z 带来巨大价值。

因为它可能帮助发现：

Founder；

Engineer；

Angel；

产品；

人才流动。

这意味着：

Information Edge。

对 VC 来说，

信息优势本身就是资产。

五十五、a16z 正在从“基金”逐渐进化成“创业生态基础设施公司”

过去 VC：

筹钱；

投资；

董事会。

今天 a16z：

媒体；

招聘；

人才网络；

GTM；

政策；

内容；

活动；

产品。

它在构建：

Founder Operating System。

a16z 自己 2026 年总结 New Media 时就强调，其网络、软件和 AI 的目的之一是帮助 Portfolio Founders 更高效地找到人才和关键连接。

这与传统 VC 已经很不一样。

五十六、为什么 VC 越来越要做平台？

因为资本越来越 Commodity。

今天优秀 Founder 可以从：

Sequoia；

a16z；

Lightspeed；

Accel；

General Catalyst；

主权基金；

Family Office

拿钱。

资本本身差异越来越小。

于是 VC 必须提供：

品牌；

客户；

人才；

媒体；

招聘；

政策。

这就是：

Venture Capital Productization。

风险资本开始产品化。

Cosign 就属于这一逻辑。

五十七、未来 VC 的真正护城河可能不是 AUM，而是 Network Liquidity

一个基金有：

$100B。

不代表最好。

一个基金如果可以：

48 小时找到顶级 VP Sales；

介绍 10 个 Fortune 500 客户；

找到下一轮投资人；

帮助媒体传播，

对 Founder 更有价值。

所以未来基金真正竞争的是：

Network Liquidity。

网络里的人和资源，

能多快被调动。

Cosign 可以理解成：

把 a16z 的一部分私人网络

逐渐软件化。

五十八、这其实是一个非常大的趋势：服务型组织正在被软件化

过去猎头：

人在脑子里记：

谁厉害。

VC：

合伙人在脑子里记：

谁值得见。

PR：

记者关系存在员工通讯录。

AI + Database 出现以后：

这些隐形网络开始：

结构化；

搜索化；

自动化。

这叫：

Institutional Memory Digitization。

机构记忆数字化。

谁先完成，

谁就把过去依赖几个老员工的能力，

变成组织资产。

五十九、Cosign 对招聘行业可能有什么影响？

传统招聘模式：

JD → Applications → Recruiter Screening → Interview。

未来顶级职位可能变成：

Reputation Graph → Shortlist → Mutual Intent → Conversation。

也就是说：

Search replaces Applications。

真正优秀的人不再申请。

公司主动发现。

这已经发生在高端人才市场。

AI 只会进一步加速。

六十、未来“提交简历”可能逐渐成为低端招聘行为

这句话听起来极端。

但高端人才市场已经如此。

顶级 CEO 不投简历。

顶级 AI Researcher 很少海投。

顶级 Founder 也不会申请：

“创业职位”。

真正的高级机会来自：

Warm Intro；

Reputation；

Inbound。

如果 Cosign 类产品成功，

它只是把这种原本只服务 1% 人的模式，

软件化。

六十一、这意味着未来职业竞争的关键，会从“申请能力”转向“被发现能力”

过去大家学：

怎么写 Resume。

未来可能更重要的是：

怎么建立：

Proof of Work；

公开作品；

同行声誉；

真实关系。

因为 AI 可以帮所有人把简历写到 95 分。

当所有简历都很好看：

简历失去区分度。

这就是：

Credential Inflation。

六十二、AI 会制造一场新的“简历通胀”

大学扩招以后：

学位越来越多。

于是硕士越来越重要。

这叫：

学历通胀。

AI 以后：

每个人简历：

专业；

完美；

定制。

于是：

漂亮简历不再值钱。

市场必须寻找更稀缺信号。

于是：

真实作品；

同行背书；

可验证结果

价值上升。

这是：

Signal Migration。

信号迁移。

六十三、未来最重要的个人资产之一，会是 Proof of Work

不要只说：

“我很会做产品。”

展示：

你做过什么。

不要说：

“我懂 AI。”

展示：

模型；

代码；

论文；

产品。

不要说：

“我是优秀 Founder。”

展示：

用户；

增长；

团队。

AI 时代最强的职业身份不是：

Self-description。

而是：

Evidence。

然后：

由真正懂的人为 Evidence 背书。

这才形成：

Reputation。

六十四、这也是为什么年轻人未来更应该 Build in Public

过去：

先进入名校；

再进名企；

再积累 Credential。

今天：

互联网给了另一路径。

写作；

开源；

产品；

视频；

研究；

创业。

一个 19 岁的人可以：

直接向全球展示能力。

这相当于：

绕过传统 Credential Gatekeeper。

a16z 在介绍 Cosign 时也认为，过去人们通过大学和名企这些“rites of passage”获得身份，如今越来越多人是通过全天候公开输出，一点点累积职业地位。

六十五、但 Build in Public 的下一阶段不是“多发内容”，而是“被可信的人看到”

互联网第一阶段：

人人可以发布。

于是：

Content Explosion。

第二阶段真正的问题：

谁看见？

因此：

Distribution。

第三阶段：

谁相信？

所以：

Reputation。

这就是为什么：

Follower Count

最终并不够。

100 万随机粉丝

可能不如：

10 个真正顶级同行公开认可。

六十六、影响力和声誉是两种完全不同的资本

Influence：

多少人知道你。

Reputation：

懂行的人如何评价你。

一个 TikTok Creator：

1000 万粉丝。

可能：

影响力巨大。

一个顶级芯片设计师：

X 只有 3,000 粉丝。

但：

NVIDIA、AMD、Apple 的顶级工程师都尊重他。

职业价值可能完全不同。

Cosign 试图捕捉第二种：

Domain-specific Reputation。

六十七、这也是为什么未来不应该存在一个统一的“社会信用分”

信誉一定是：

Contextual。

一个人可能是：

世界级程序员。

却不是：

优秀 Manager。

优秀 Founder。

却不是：

优秀 Investor。

所以真正高级的 Reputation Graph 必须知道：

你在哪件事上值得信任？

不是简单：

这个人 97 分。

否则会严重失真。

六十八、未来职业网络会越来越像金融市场：不同维度有不同 Rating

债券有：

Credit Rating。

股票有：

Analyst Ratings。

人才也可能形成：

Engineering Reputation；

Founder Reputation；

Manager Reputation；

Investor Reputation；

Designer Reputation。

每个维度：

不同 Network 给出判断。

这比传统：

Job Title

信息量大得多。

六十九、Cosign 最大的长期机会可能不是招聘，而是“职业资本市场”

一旦平台拥有：

人；

声誉；

Intent；

公司；

融资；

工作；

投资人，

就开始接近：

Career Capital Market。

人才：

是资产。

公司：

是资本需求方。

VC：

是金融资本。

Offer：

是价格。

Cosign 可以连接：

人力资本与金融资本。

这比招聘网站大得多。

七十、未来甚至可能出现“Human Capital Index”

例如：

过去五年最值得关注：

AI Engineers；

Robotics Founders；

Biotech Scientists。

谁最早发现？

谁背书最准？

哪些公司持续生产顶级人才？

这类数据最终可以形成：

行业 Intelligence。

比如：

哪家公司的人才流失开始加速？

哪些团队人才净流入？

哪个实验室成为新人才中心？

这对投资者价值极高。

七十一、人才流动本身就是最领先的产业指标之一

资本流向哪里：

说明投资人看好哪里。

但：

顶级人才流向哪里

往往更早。

如果最优秀 AI Researcher：

大量离开 Big Tech；

去某类 Robotics Startup，

这可能意味着：

产业机会正在那里形成。

所以 Talent Flow 是：

Leading Indicator。

投资人如果能提前看到：

人才迁移图，

可能比财报更早发现趋势。

七十二、真正顶级 VC 长期都在秘密观察“谁跟谁走”

一个 Founder 离职创业。

谁愿意跟他一起走？

非常重要。

如果：

以前团队最优秀的 10 个人，

6 个跟着走，

这是强 Signal。

为什么？

因为这些人拥有：

内部信息。

他们知道 Founder 真实能力。

愿意放弃工资跟随，

相当于：

Insider Capital Commitment。

这可能比投资人的判断更可靠。

Cosign 如果捕捉这种数据，

价值巨大。

七十三、所以“谁愿意再次和你工作”很可能比绩效评价更重要

绩效评价：

老板写。

可能包含：

政治；

制度；

HR。

但同事愿意：

第二次跟你一起干，

是用自己未来职业下注。

这就是：

Revealed Preference。

经济学认为：

看一个人说什么，

不如看：

他真正做什么。

如果他愿意再次跟你创业，

这是最真实的评价。

七十四、Cosign 最终最大的壁垒可能是 Network Effects

如果只有 1,000 人：

没价值。

如果整个 Silicon Valley 核心生态都在：

Founder；

Engineer；

VC；

Operator。

那么：

每新增一个用户，

其他人价值增加。

这叫：

Network Effect。

而且这是极难打破的网络效应。

因为职业声誉一旦积累多年：

迁移成本很高。

七十五、这也是 LinkedIn 为什么二十年几乎无法被真正挑战

大家抱怨 LinkedIn。

但都还在。

因为：

你的同事；

招聘方；

公司；

履历

都在那里。

网络效应太强。

a16z 自己在 Cosign 的访谈中也承认 LinkedIn 是过去二十年最难被挑战的标志性职业产品之一。

所以 Cosign 想正面击败 LinkedIn：

非常困难。

更现实的路线是：

先占据 LinkedIn 不够好的高价值子市场。

即：

Startup Power Users。

七十六、这也是最经典的创业破局方式：不要打巨头主战场

LinkedIn 服务：

全球白领。

Cosign 如果开始就服务：

20 亿职业用户，

必死。

但如果只做：

Founder；

VC；

早期员工；

AI Builder；

Startup Operator。

用户少。

但：

密度高；

交易价值高；

关系强。

这就是：

Narrow Wedge。

从极窄切口进入。

如果成为这个群体默认身份层，

再向外扩张。

七十七、AngelList 曾经证明这条路线是可能的

AngelList 最早也不是：

所有人的金融平台。

它先成为：

Startup + Investor Graph。

a16z 团队自己也提到，早期 AngelList 曾经掌握非常重要的投资者网络，只是后来战略重点发生变化。

Cosign 明显在试图重新占据：

这个创业关系图谱。

只不过：

从 Money Graph

扩展到：

Reputation Graph。

七十八、创业者真正应该从 Cosign 学什么？

第一：

不要再把简历当作你的职业资产核心。

真正的资产是：

别人与你合作后的评价。

第二：

主动积累 Proof of Work。

让别人能看到你：

真正做过什么。

第三：

寻找真正高质量合作，而不是盲目扩展人脉数量。

和 5 个顶级人才一起完成困难项目，

可能比参加 100 场 Networking Event 更有价值。

第四：

帮助优秀的人越早越好。

你今天帮的人，

可能就是未来：

客户；

投资人；

合伙人。

第五：

建立“可携带的声誉”。

不要让你所有价值只存在于：

某一家公司的 Title。

当你离开公司以后，

市场是否仍然知道你是谁？

这是关键。

七十九、年轻人真正应该学什么？

不要问：

“怎么认识大佬？”

这是最低级的问题。

应该问：

我怎么强到让真正懂行的人愿意主动为我背书？

最好的 Networking：

不是交换名片。

而是：

Do Great Work。

当作品足够强：

关系自然出现。

这是最可持续的人脉策略。

八十、投资人真正应该学习什么？

不要只看：

Founder Pitch。

看：

谁愿意跟他。

不要只看：

学历。

看：

真正厉害的人是否尊重他。

不要只看：

今天的 Title。

看：

人才成长速度。

不要只研究：

Consensus Stars。

寻找：

Pre-consensus Talent。

因为最大的投资回报永远产生于：

市场重新定价之前。

八十一、企业真正应该学习什么？

未来招聘系统不要只是优化：

Applicant Tracking System。

因为 Applications 本身可能越来越没价值。

企业应该构建：

Talent Intelligence System。

包括：

过去合作关系；

人才网络；

优秀员工推荐；

潜在人选；

私密意向；

未来可招聘人才。

招聘应该从：

一次性职位开放

升级为：

长期人才资产管理。

八十二、AI 时代 HR 最大的变化可能是：招聘从 Transaction 变成 Portfolio Management

今天：

有职位。

开始找人。

未来：

公司应该长期维护：

100 个未来可能招聘的人。

每季度更新：

谁在做什么；

谁可能离职；

谁能力正在提升。

像 VC 管理：

Pipeline。

一样管理：

Talent Pipeline。

这就是：

Talent Portfolio。

Cosign 的 Private Intent 正是这种方向。

八十三、真正高级的人才竞争不是“谁工资最高”，而是谁更早建立关系

当一个顶级工程师公开宣布：

离职。

竞争已经太晚。

OpenAI；

Anthropic；

Meta；

Google

都会抢。

真正聪明的团队：

两年前就认识他。

给过帮助。

建立信任。

等他准备移动：

自然第一通电话。

这就是：

Pre-positioning。

资本市场如此。

人才市场同样如此。

八十四、Cosign 最大的理论价值，可以浓缩成一个公式

未来一个人的职业价值越来越可能来自：

Capability × Proof × Reputation × Network × Timing

能力。

证据。

声誉。

网络。

时机。

学历只是其中一个弱变量。

简历也只是展示层。

真正决定职业复利的是：

这些变量如何长期叠加。

八十五、这其实是一种新的“人力资本复利”

假设你：

23 岁做一个优秀项目。

被两个厉害的人看到。

他们推荐你。

你因此进入更好的团队。

又和更优秀的人共事。

下一次创业：

更容易融资。

更容易招聘。

于是：

Good Work → Reputation → Opportunity → Better Work → More Reputation。

这是：

Career Flywheel。

职业飞轮。

Cosign 想做的事情，就是让这个飞轮：

更可见；

更快。

八十六、但真正需要警惕的是：声誉网络也可能成为新的阶级固化机器

任何 Credential System 都有两面。

名校：

筛选人才。

也可能固化资源。

VC Network：

提高效率。

也可能形成圈层。

Cosign：

发现人才。

也可能放大已有名人的判断。

如果算法持续奖励：

已经有很多强背书的人，

最终：

新人越来越难被看到。

所以平台必须设计：

Discovery Mechanisms。

专门挖：

尚未拥有网络的人。

否则：

Reputation Graph

最终变成：

Status Graph。

八十七、声誉与地位不是同一件事情

Status：

别人知道你有地位。

Reputation：

别人知道你在某件事上可靠。

一个人可以：

Status 高。

但实际能力下降。

另一个人：

没人认识。

但极强。

真正伟大的人才网络必须不断完成：

Status Correction。

把声誉重新对齐真实能力。

如果做不到：

整个系统最后会变成：

名人互夸。

那 Cosign 就没有意义了。

八十八、因此 Cosign 最重要的产品指标可能不是用户增长，而是“预测准确率”

假设今天：

1,000 个 Person to Watch。

五年以后：

其中多少真正成为：

顶级 Builder；

Founder；

Leader？

不同推荐人的命中率多少？

如果平台能够量化：

Reputation Prediction Accuracy

它就拥有极其强大的独家数据。

这个数据甚至可能比：

Follower Count

值钱几十倍。

八十九、未来可能出现一种全新的“人才 Alpha”

金融 Alpha：

跑赢市场。

Talent Alpha：

找到市场低估的人。

一家公司的竞争优势很大程度来自：

能否以：

$200K

雇到一个实际价值：

$1M

的人。

一个 VC 的竞争优势来自：

能否在：

$10M valuation

投资一个未来：

$100B Founder。

两者本质完全一样：

Find Mispriced Human Capital。

九十、这也是为什么“人才识别”可能是 AI 时代最值钱的人类能力之一

AI 会越来越会：

写代码；

分析数据；

写报告；

做设计。

但：

谁值得相信？

谁有真正原创能力？

谁能够领导团队？

谁能在十年里持续成长？

这些判断非常难完全量化。

所以人类判断可能不会消失。

反而会被放大。

AI 提供：

无限 Candidate Supply。

人类提供：

Conviction。

这可能成为未来劳动力市场的新分工。

九十一、Cosign 背后真正的大命题：当能力越来越便宜，信誉会越来越贵

工业革命：

机器让体力变便宜。

互联网：

让信息分发变便宜。

AI：

让知识工作和内容生成变便宜。

每一次某种东西变便宜，

另一种稀缺资源就会变贵。

AI 以后，

最稀缺的可能变成：

Judgment；

Taste；

Trust；

Reputation。

因为：

机器可以生成一万个答案。

但：

谁值得相信

不会因此自动解决。

九十二、这也是为什么 AI 不一定削弱人际关系，反而可能提高高质量人际关系的价值

很多人以为：

AI → 所有人都靠 Agent。

人际关系不重要了。

恰恰可能相反。

当网上充满：

AI 邮件；

AI 内容；

AI 申请；

AI 评论，

真正来自：

一个可信真人的介绍

价值会上升。

所以：

Digital Noise ↑ → Trusted Human Network Premium ↑

这是一种非常强的反作用。

九十三、未来最有价值的消息可能不是“AI 推荐”，而是一个你真正尊重的人说：见见这个人

这是 Silicon Valley 一直存在的机制。

Founder：

“你一定要见这个工程师。”

投资人：

“这个年轻 Founder 你现在就应该认识。”

教授：

“这是我十年见过最好的学生。”

这种一句话：

可能改变一个人的职业。

Cosign 只是试图把这些原本：

私人；

瞬时；

不可搜索

的东西，

变成：

Persistent Infrastructure。

九十四、如果它最终成功，Cosign 可能真正做成什么？

不是：

LinkedIn 2.0。

而是：

Silicon Valley Reputation Layer。

底层有：

公司；

人才；

职业历史。

上面有：

关系。

再上面：

Conviction。

然后：

Intent。

最终发生：

Hiring；

Funding；

Co-founding；

Acquisition。

这是一整条：

Trust-to-Transaction Funnel。

从信任到交易。

九十五、这也是为什么这件事情最终非常接近金融市场

金融市场做什么？

Price Discovery。

Cosign 做的可能是：

Talent Discovery。

金融市场：

资本向高预期回报资产流动。

Cosign：

机会向高预期人才流动。

价格：

股票估值。

职业世界里的“价格”则是：

Salary；

Equity；

Funding；

Title；

Opportunity。

所以真正意义上：

Cosign 想提高的是：

Human Capital Market Efficiency。

九十六、但市场效率提高，会带来另一个结果：真正优秀的人可能越来越贵

如果过去某个隐藏工程师：

没人知道。

公司可以：

便宜雇到。

Cosign 让所有人知道：

他极强。

结果：

Offer 增加。

薪资上涨。

创业融资更容易。

这意味着：

平台提升：

人才价格发现效率。

对于人才：

非常好。

对于雇主：

未必便宜。

但从整个经济看：

资源更快流向高生产力个体。

九十七、这可能加速“超级明星经济”

AI 时代本来就可能放大顶级人才。

再加上更高效的声誉网络，

最顶尖：

工程师；

Founder；

研究员

可能越来越容易获得：

资本；

人才；

机会。

于是：

赢家上升速度进一步加快。

这会提高：

创新效率。

也可能增加：

收入和财富集中。

这是 Cosign 类系统未来真正深层的政治经济学问题。

九十八、普通人最应该从 Cosign 得到的启发，不是马上注册

真正应该改变的是：

职业思维。

过去：

我的公司是什么？

我的职位是什么？

未来更重要：

如果我明天离开公司，谁愿意公开为我的能力担保？

这是极其残酷但有价值的问题。

如果一个人工作十年，

Title 很高，

但没有一个优秀前同事愿意：

再次合作。

那他的：

Career Capital

可能远低于表面。

反过来：

Title 普通。

但最优秀的人都愿意再次跟他干。

这可能是被严重低估的人才。

九十九、真正的职业资产，不是 Title，而是“别人愿意为你承担什么风险”

有人愿意：

介绍客户给你。

有人愿意：

离职跟你创业。

有人愿意：

投资你。

有人愿意：

雇你负责关键业务。

有人愿意：

用自己的声誉推荐你。

这些才是真正的：

Reputation-backed Capital。

Title 可以通胀。

这种资本很难伪造。

一百、Cosign 最值得长期观察的不是用户数，而是它能否成为“非共识人才机器”

如果它最终只是：

整理已经出名的人，

价值有限。

真正巨大的版本是：

今天发现：

无人认识的工程师。

两年后：

Founder。

五年后：

独角兽。

然后历史记录显示：

谁最先发现；

谁最先相信；

谁最先帮助。

那时候：

Cosign 记录的不只是：

人才。

而是：

创新网络如何形成。

最值得记住的一句话

a16z 做 Cosign 表面是在重新设计：

职业社交网络。

但真正的变化比这大得多。

互联网第一阶段解决：

Who are you?

LinkedIn 用：

学历、公司、Title

回答。

社交媒体时代解决：

What do you think?

X 用：

内容、Follower、互动

回答。

而 AI 时代越来越重要的问题会变成：

Who actually believes in you — and how much are they willing to stake on that belief?

谁真正相信你？

这种相信有多强？

他愿不愿意：

再次跟你工作；

雇你；

投资你；

把自己的信誉押给你？

这才是：

Conviction Graph。

当 AI 可以无限制造：

漂亮简历；

完美 Pitch；

定制邮件；

代码；

文章；

作品，

“我说我是谁”会越来越廉价。

真正稀缺的会变成：

别人看过你的真实工作以后，仍然愿意说——这个人，我愿意再次下注。

这就是声誉资本。

而从资本市场的角度看，Cosign 最值得关注的地方也不在于它是不是能击败 LinkedIn。

而在于它是否能够建立一个过去从未真正数字化的市场：

对人本身进行价格发现。

如果它能做到，

最重要的结果不是多了一个职业社交 App。

而是整个硅谷最核心的一种 Alpha——

在所有人之前发现未来最值钱的人——

第一次可能从少数人的私人通讯录、微信群、DM 和记忆里，

变成一套：

可搜索、可积累、可验证、能够复利的数字基础设施。

那才是 Cosign 真正值得研究的地方。