a16z 發佈聲譽網絡 Cosign：如何先於市場挖掘頂級人才與社交資本流動

a16z Cosign：AI 時代最稀缺的，不再是簡歷，而是誰願意爲你下注

如果只把 a16z 新推出的 Cosign 理解成“另一個 LinkedIn”，會錯過它真正想做的事情。

它並不是單純想重新設計職業主頁。

也不是給創業者多一個找工作的地方。

它真正瞄準的是硅谷一直存在、但長期沒有被結構化的一類核心資產：

Reputation Capital。

聲譽資本。

2026 年 9 月 25 日，a16z 正式推出 Cosign，並把它定義爲一個面向創業生態的 curated professional network。官方設想包括：創業公司、投資人和從業者目錄；“誰塑造了你的職業生涯”“誰真正和你並肩作戰過”“誰願意再次和你工作”“誰值得持續關注”等聲譽關係；同時加入私密的投資、招聘、合作意向匹配。a16z 自己甚至把它形容成“Wikipedia、LinkedIn 與早期 AngelList 生了一個孩子”。

但這件事真正值得研究的地方不是產品功能。

而是它背後的一條大趨勢：

AI 正在讓“自我描述”越來越廉價，卻讓“別人願意把自己的信譽押在你身上”越來越昂貴。

過去一個人可以靠：

學歷；

簡歷；

大廠經歷；

漂亮作品集

向市場證明自己。

AI 時代，這些信號中的很多都在快速貶值。

於是職業市場正在從：

Credential Economy

逐漸向：

Reputation Economy

遷移。

這纔是 Cosign 真正想佔據的位置。

一、人才市場真正的問題，從來不是缺信息，而是缺可信信息

今天招聘市場最荒謬的一點是：

信息越來越多，

但判斷反而越來越困難。

一個候選人可以擁有：

LinkedIn；

GitHub；

X；

個人網站；

Substack；

作品集；

AI 優化簡歷；

AI 優化 Cover Letter。

理論上招聘方獲得的信息比十年前豐富幾十倍。

但現實是什麼？

一個崗位發佈以後，

可能瞬間收到：

幾百；

幾千；

甚至未來數萬份申請。

a16z 合夥人 Olivia Moore 在 Cosign 討論中舉例，她發佈一個 LinkedIn 職位就收到了約 2,000 份回覆；他們預期隨着 Browser Agents 和自動化求職繼續發展，這種規模還會進一步膨脹。

這意味着一個非常重要的經濟變化：

Information abundance creates trust scarcity。

信息越豐富，

信任反而越稀缺。

二、AI 最大的招聘副作用，是把“申請成本”打到接近零

過去申請一份工作需要：

讀 JD；

修改簡歷；

寫 Cover Letter；

準備材料；

填寫表單。

所以即使這些流程很低效，

它們至少形成一種摩擦。

這種摩擦會自動過濾一部分人。

AI Agent 出現以後：

一臺機器可以讀取 10,000 個崗位；

判斷匹配度；

自動修改簡歷；

自動提交申請。

於是：

Cost of Applying → 0。

當成本接近零，

申請數量理論上會無限膨脹。

這就是經濟學中非常典型的：

Spam Problem。

電子郵件爲什麼後來出現垃圾郵件？

因爲：

發一封郵件幾乎不要錢。

職業申請正在進入類似階段。

三、當“表達興趣”變得免費，興趣本身就失去價值

過去有人專門給你的公司寫一封三頁求職信，

這是信號。

因爲：

他付出了時間。

未來 AI 三秒就能生成。

信號沒了。

過去一個 Founder 給投資人寫一封高度定製化融資郵件，

說明做過研究。

現在 AI 可以同時爲 500 個基金自動生成。

信號又沒了。

所以未來越來越重要的問題是：

什麼東西 AI 無法低成本僞造？

答案之一就是：

另一個真實的人，把自己的信譽押在你身上。

這就是 Cosign 的底層邏輯。

四、爲什麼一句來自頂級人物的背書，可能比 Stanford 學位更值錢？

Cosign 團隊在節目裏提出一個故意尖銳的問題：

如果一個年輕人：

畢業於 Stanford；

另一個沒有類似標籤，

但長期被 Patrick Collison、Elon Musk、Marc Andreessen 這些行業人物關注、互動和認可，

哪一個信號更值得研究？

他們明顯傾向後者。

這裏不是說：

大學沒用了。

而是在說：

兩種 Credential 的性質完全不同。

Stanford 是：

Institutional Credential。

機構給你的認證。

頂級同行願意長期和你互動，則更接近：

Peer Credential。

同行認證。

五、爲什麼 Peer Credential 在高不確定性行業特別值錢？

假設招聘：

會計師。

有：

CPA；

執照；

規範考試。

Institutional Credential 非常有效。

但如果招聘：

AI Researcher；

Founding Engineer；

Startup Product Lead；

早期投資人。

這些崗位有什麼統一考試？

沒有。

而且最優秀的人往往：

正在做還沒有標準答案的事情。

這個時候，

傳統 Credential 的解釋力自然下降。

你真正想知道的是：

真正優秀的人是否認爲這個人優秀？

這就是：

Reputational Transfer。

聲譽轉移。

六、聲譽爲什麼可以轉移？

假設你根本不認識一個年輕工程師。

但 Patrick Collison 公開說：

“這是我合作過最優秀的工程師之一。”

你的判斷會發生什麼變化？

你並沒有獲得：

他的代碼；

他的完整績效數據。

但你知道：

Patrick Collison 自己擁有很高判斷聲譽。

所以你會更新概率。

用貝葉斯的語言：

Prior Probability 被重新更新。

這就是硅谷最核心卻最隱形的一套運行系統。

a16z 在發佈 Cosign 的文章中甚至直接概括：

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

硅谷通過觀察“誰認識誰、誰相信誰”來認識人。

七、這其實就是投資世界最核心的機制：Signal Extraction

風險投資每天都在做一件事情：

從大量 Noise 中找 Signal。

10,000 個創業者：

誰真正厲害？

1,000 家 AI Startup：

哪一家值得投資？

500 個年輕工程師：

誰可能成爲未來 Founder？

最值錢的信息從來不是：

這個人自己說自己厲害。

而是：

誰在他還不明顯的時候，就願意爲他承擔聲譽風險。

這叫：

Costly Signal。

有成本的信號。

八、真正的背書之所以有價值，是因爲背書人可能損失信譽

如果我隨便誇陌生人：

成本接近零。

信號價值也接近零。

但如果 Marc Andreessen 公開說：

“這個年輕 Founder 是我見過最優秀的人之一。”

他其實是在押：

自己的判斷力。

如果連續背書 100 個騙子，

他的背書以後就不值錢了。

因此：

Endorsement Value ∝ Endorser Reputation × Scarcity of Endorsement。

背書人的信譽越高；

背書越剋制；

信號越強。

這與 Credit Rating 非常相似。

九、所以 Cosign 真正應該構建的不是 Social Graph，而是 Weighted Trust Graph

LinkedIn 最大的問題不是：

沒有連接。

而是：

Connection 幾乎沒有強度。

你可以和一個人：

共事 10 年。

也可以：

會議見過一次。

頁面上都是：

1st-degree connection。

這在圖論上相當於：

所有邊權重幾乎一樣。

但現實世界不是這樣。

人與人之間存在：

弱關係；

合作關係；

導師關係；

戰友情；

高度信任；

願意拿錢下注。

這些 Edge 應該擁有不同權重。

Cosign 想做的，本質就是：

Weighted Reputation Graph。

加權聲譽圖譜。

十、LinkedIn 做的是“你認識誰”，Cosign 想做的是“你究竟有多相信誰”

這是兩類完全不同的數據。

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。

後者的信息密度高得多。

因爲它表達的不只是：

Relationship。

還表達：

Conviction。

硅谷最值錢的數據，不是人脈本身。

而是：

誰對誰擁有多強 Conviction。

Olivia Moore 直接把這個描述爲：

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

十一、如果這個判斷正確，Cosign 構建的實際上是一種“人類評級系統”

金融市場爲什麼需要：

Moody’s；

S&P；

Fitch？

因爲資產太多。

投資人沒有能力逐個做完整調查。

於是需要：

信用信號。

人才市場也一樣。

未來 AI 帶來的候選人數量可能大到：

任何公司都不可能逐個調查。

於是市場自然需要：

Reputation Layer。

這一層不一定叫 Cosign。

但它幾乎一定會出現。

因爲這是 AI 豐富世界的必然產物。

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

這個規律其實不只適用於招聘。

AI 讓：

文章生成便宜；

代碼生成便宜；

圖片生成便宜；

公司 Demo 生成便宜；

求職申請便宜。

於是：

Creation Cost ↓

帶來：

Verification Cost ↑

人們越來越不關心：

“你能生成什麼？”

而越來越關心：

“這東西是真的嗎？”

“你真的做過嗎？”

“誰能證明？”

這就是爲什麼未來最大的行業之一可能是：

Verification Economy。

十三、大學爲什麼過去擁有這麼強的社會價值？

大學當然提供：

教育；

科研；

社區。

但精英大學還有一個經常被忽略的功能：

Filtering。

Stanford 告訴市場：

這個人經過了一套高度競爭篩選。

Harvard 同樣如此。

於是招聘公司不用從全世界逐個篩選。

大學替它做了一部分：

Filtering。

這叫：

Credentialing Function。

十四、AI 時代正在削弱“靜態 Credential”的壟斷

學歷最大的特點：

一次獲得。

可能跟隨你幾十年。

但現代技術行業變化太快。

一個人：

18 歲進入 Stanford，

並不能完整說明他 35 歲時：

技術能力；

判斷力；

創造力。

另一方面，

一個沒有頂級學歷的人，

可能通過：

GitHub；

X；

開源項目；

創業；

寫作

不斷積累公開信號。

所以職業聲譽開始從：

Static Credential

轉向：

Dynamic Reputation。

學歷告訴你：

過去某個時間通過過篩選。

動態聲譽告訴你：

這個人現在正在做什麼。

十五、這實際上是職業身份從“證書”向“實時資產負債表”的遷移

傳統簡歷：

週期性更新。

Cosign 理想中的 Reputation Graph：

持續更新。

今天：

有人公開推薦你。

明天：

加入重要項目。

三個月後：

產品發佈。

一年後：

同事再次願意和你創業。

這些不斷形成：

Reputation Ledger。

聲譽賬本。

所以未來職業身份可能越來越像：

企業財務報表。

持續有新數據進入。

而不是：

一張十年前發下來的證書。

十六、X 爲什麼擁有大量高價值人才信號，卻始終沒有徹底變成職業網絡？

因爲 X 是：

Feed-first。

不是：

Profile-first。

今天 Patrick Collison 誇一個年輕工程師一句。

當時很有價值。

兩天以後：

被 10,000 條新內容淹沒。

一年以後：

幾乎沒人找得到。

這叫：

Reputation Evaporation。

聲譽蒸發。

Cosign 想做的是：

把這些瞬時 Signal

變成：

Durable Reputation。

a16z 在介紹產品時也明確說，X 上優秀背書每天發生，卻會消失在 Feed 中，而 Cosign 希望把這些信號永久附着到人和公司。

十七、這件事的價值可能比想象中大，因爲職業市場本質上就是“歷史記憶市場”

爲什麼頂級 VC 願意爲某個 Founder 快速開支票？

往往因爲：

“我十年前和他工作過。”

爲什麼一個頂級工程師創業，很快就能招到前同事？

因爲：

過去信譽沒有消失。

真正的問題是：

這些信譽今天大量儲存在：

人的腦袋；

私人微信羣；

Signal；

WhatsApp；

短信；

X；

私人郵件。

這是一種非常低效的：

Unstructured Database。

Cosign 想把它結構化。

十八、如果 Cosign 真做成，它的核心資產其實不是用戶，而是“聲譽邊”

社交平臺傳統 KPI：

MAU；

DAU；

Time Spent。

Cosign 真正應該看的可能是：

有多少高質量 Endorsement Edges。

比如：

100 萬用戶

但每個人只有：

隨便點贊。

價值很低。

10 萬用戶

但有大量：

Founder → Engineer；

Investor → Founder；

Mentor → Operator

的強信號，

價值反而可能極高。

所以它真正經營的不是：

Attention Graph。

而是：

Trust Graph。

十九、這與 Facebook 最早的 Social Graph 有本質區別

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個問題，

數據經濟價值可能非常高。

因爲前三種都描述：

關係。

第四種描述：

預期。

而投資與招聘的本質恰恰都是：

對未來做預期。

二十、“Person to Watch”爲什麼是 Cosign 最有意思的功能？

因爲它實際上是在做：

Talent Futures Market。

人才期貨市場。

假設一個人現在：

22 歲；

普通 Tesla 工程師；

沒人認識。

你今天公開標註：

Person to Watch。

七年以後：

他成爲 Cognition 總裁。

這時你獲得了一筆無形資產：

Prediction Track Record。

Cosign 節目裏就提到了 Russell Kaplan 的案例：七年前，他還是 22 歲的 Tesla 工程師，就已經被一些圈內人選爲值得關注的人；後來成爲 Cognition 總裁。

二十一、這意味着 Cosign 不只在給人才打分，也在給“伯樂”打分

這是非常重要的一層。

如果一個用戶：

2018 年發現 A；

2020 年發現 B；

2022 年發現 C。

後來：

三個都成爲頂級 Founder。

那這個人的：

Talent Picking Ability

就被驗證了。

這與 VC Track Record 完全一樣。

投資人最重要的不只是：

今天管理多少錢。

而是：

過去誰在沒人看懂的時候被他發現。

所以 Cosign 理論上同時建立：

Talent Reputation

和：

Scout Reputation。

二十二、這可能誕生一種非常新的職業：Reputation Arbitrageur

金融投資人在做什麼？

發現：

市場低估資產。

然後買入。

人才市場也存在：

Mispricing。

一個工程師現在年薪：

$180K。

實際創造能力可能：

$1M。

只是市場還不知道。

如果你能提前發現：

招聘他。

這就是：

Human Capital Arbitrage。

風險投資同理。

Founder 還沒創業。

你先認識。

創業以後：

第一時間投資。

所以頂級人才發現能力本質上也是：

Alpha。

二十三、硅谷最賺錢的 Alpha 之一，從來都不是股票，而是“提前認識未來的人”

想想 YC。

真正的優勢是什麼？

不是辦公室。

而是：

在 Founder 還沒有成爲 Founder Celebrity 時認識他。

Sequoia 也是。

頂級獵頭也是。

頂級大學實驗室也是。

他們都在做：

Early Talent Capture。

所以：

早期認識優秀人才，

本質上是一種期權。

如果對方最後普通：

損失很小。

如果對方成爲：

下一代 Zuckerberg；

Altman；

Collison，

關係價值可能巨大。

這叫：

Asymmetric Social Optionality。

二十四、爲什麼公開分享這種 Alpha 看起來反直覺？

假設我發現：

某個 AI 工程師非常厲害。

最直覺的行爲應該是：

保密。

因爲公開以後：

其他人會搶着招聘。

其他 VC 會搶着投資。

所以爲什麼還要在 Cosign 上告訴全世界：

“Person to Watch”？

這就是 Cosign 最聰明的博弈設計之一。

它認爲：

早期公開相信別人，本身會產生未來回報。

二十五、這叫“Reputation Investing”

你今天公開背書一個沒人認識的人。

如果後來這個人成功：

所有人會發現：

你是早期相信者。

於是你的判斷聲譽提升。

而且對方本人很可能記得：

在全世界還沒認可自己時，

誰先認可。

這就產生：

First Believer Advantage。

第一相信者優勢。

a16z 對 Cosign 的解釋也明確強調，最早發現並幫助一個人才的人，未來往往更有機會率先招聘、合作或投資。

二十六、這和 VC 投資其實完全同構

VC 爲什麼公開說：

“我們在 Seed 投了這家公司”？

一方面當然是宣傳。

另一方面也是建立：

判斷 Track Record。

如果一個基金：

連續十次在偉大公司 A 輪前進入，

以後 Founder 會主動來找它。

因此：

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

形成飛輪。

Cosign 想把這個飛輪從：

公司投資

複製到：

人才。

二十七、於是 Social Capital 也會開始產生複利

假設你幫助一個年輕 Founder。

他成功。

以後他會幫助你：

認識客戶；

介紹人才；

帶來投資機會。

再幫助下一代 Founder。

於是你的人際網絡開始：

Compound。

這就是爲什麼真正頂級的人脈網絡不是：

認識 10,000 個人。

而是：

有 100 個未來越來越強的人，

願意長期和你合作。

這兩者價值完全不同。

二十八、這也是爲什麼“人脈數量”是非常低級的社交指標

LinkedIn：

5,000 Connections。

沒有意義。

真正重要的是：

有多少人：

願意接你電話；

願意介紹你；

願意替你擔保；

願意給你錢；

願意和你重新創業。

這才叫：

Effective Network Capital。

未來職業網絡的價值越來越可能從：

Connection Count

遷移到：

Conviction-weighted relationships。

二十九、“Would Work With Anywhere”爲什麼是極強信號？

因爲共同工作是真實世界最殘酷的盡調。

社交場合：

人人都可以表現很好。

工作 3 年：

無法僞裝。

你會看到：

壓力下怎麼反應；

遇到失敗怎麼辦；

有沒有責任感；

技術能力真假；

是否搶功；

是否願意扛事。

所以一個前同事說：

我願意無條件再次和這個人一起工作。

信息密度極高。

比：

“他是我的 LinkedIn Connection”

強幾個數量級。

這就是 Cosign “In the Trenches With / Would Work With Anywhere” 設計的意義。

三十、這其實是一種“職業 NPS”

消費者領域有：

Net Promoter Score。

問：

你願不願意推薦這個產品給朋友？

職業市場可以有一個類似指標：

你願不願意把未來五年的職業生涯，再押在這個人身上？

如果答案是：

Yes。

這是極強的：

Human NPS。

未來招聘平臺如果能準確獲得這種數據，

價值非常大。

三十一、“Who Shaped My Career”又解決另一種問題：隱形導師關係

職業成長經常不是：

公司培養。

而是：

具體某個人培養。

一個 Manager；

一個教授；

一個 Founder；

一個同事

可能改變職業路徑。

傳統簡歷不會記錄這種關係。

但這種關係能告訴市場：

這個人的：

思想體系；

職業文化；

能力傳承

來自哪裏。

這可以理解成：

Professional Lineage。

職業血統。

三十二、硅谷實際上一直擁有非常強的“師門”結構，只是沒人把它畫出來

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：

未來同樣正在形成新人才網絡。

企業不僅創造：

產品。

還創造：

Human Networks。

真正影響產業幾十年的，

可能恰恰是後者。

Cosign 如果能結構化這種關係，

它會開始擁有一張：

Innovation Genealogy。

創新族譜。

三十三、這張圖對投資人價值極大

假設你發現：

一個新 Founder

來自：

某個極強團隊。

他的前三名同事都願意再次和他工作。

前老闆認爲：

Person to Watch。

行業專家也願意：

Would Fund。

這些信號放在一起，

比一份：

漂亮 Pitch Deck

更有價值。

這就是：

Multi-source Reputation Underwriting。

通過多源聲譽做人才承銷。

VC 本質上就是：

Underwriting Future Humans。

三十四、Cosign 的 Private Intent 功能可能比公開背書更值錢

公開層解決：

聲譽。

私密層解決：

交易意圖。

比如：

我願意投資這個人。

我願意招聘這個人。

我願意和這個人工作。

未來甚至：

願意收購這家公司。

這些信息如果公開：

很多人不會表達。

因爲存在：

尷尬；

政治風險；

現僱主關係；

被拒絕風險。

於是 Cosign 設計：

Private Signaling。

只有當雙方出現匹配時才觸發連接。

三十五、這其實是在解決職業市場最經典的問題：Double Coincidence of Wants

經濟學早期貨幣理論中有一個概念：

Double Coincidence of Wants。

兩個人必須剛好：

你有我想要的；

我有你想要的。

職業市場也一樣。

Founder 很喜歡某個工程師。

但不知道：

工程師想不想走。

工程師很喜歡某家公司。

又怕主動聯繫顯得：

太 desperate。

於是雙方：

都不動。

市場交易沒有發生。

Cosign 的 Private Intent 相當於：

降低 Matching Friction。

三十六、如果這個系統規模化，它甚至可能形成“人才暗池”

華爾街有：

Dark Pool。

交易雙方不必把全部訂單公開。

職業市場也可能出現：

Talent Dark Pool。

頂級員工不公開說：

我要離職。

頂級 VC 不公開說：

我要投你。

但平臺知道：

雙方存在 Interest。

當匹配發生：

自動介紹。

這對高端人才尤其重要。

因爲越優秀的人：

越不願公開宣佈：

“我正在找工作。”

三十七、這也是爲什麼 LinkedIn Jobs 最強，卻不一定天然適合頂級人才

大衆招聘市場需要：

大量公開供需。

高端人才市場恰恰相反。

真正頂級的人：

通常不缺 Offer。

他們需要的是：

Curated Matching。

不是：

更多崗位。

而是：

哪個崗位值得自己浪費三年人生？

所以頂級人才市場最終可能更像：

Private Banking。

而不是：

超級市場。

三十八、Cosign 的 AI 冷啓動策略其實非常值得創業者學習

任何新社交網絡最大的困難是：

Cold Start。

沒人：

沒有內容。

沒有內容：

沒人來。

這是經典的雞生蛋問題。

Cosign 用 AI 做了一件非常聰明的事情：

自動蒐集公開：

融資；

招聘；

人員流動；

產品發佈；

公開背書

來建立公司和人才頁面。

a16z 明確表示，現在 AI 可以自動填充公司數據、在線研究、過濾 Spam、生成行業 Watch Feed。產品核心團隊甚至只有三人。

這意味着：

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

三十九、這可能是 AI 對社交創業最被低估的影響

過去做社交產品：

必須先說服用戶填寫 Profile。

用戶很懶。

於是頁面爲空。

今天 AI 可以：

先幫你生成 Profile。

然後問：

這是你嗎？

確認一下。

這叫：

Pre-populated Network。

用戶不是從零創造。

而是：

Claim + Edit。

這是完全不同的增長模型。

四十、Wikipedia 爲什麼能做大？因爲頁面可以先於本人存在

Elon Musk 不需要自己創建 Wikipedia 頁面。

別人創建。

Wikipedia 因此可以覆蓋：

所有重要人物。

LinkedIn 不一樣。

理論上用戶必須：

自己註冊；

自己填寫。

Cosign 如果結合兩者：

AI 自動生成公共職業檔案；

本人以後 Claim，

可能解決一個很大的冷啓動難題。

這也是爲什麼 a16z 會把它比作：

Wikipedia + LinkedIn + early AngelList。

四十一、但這裏也隱藏着 Cosign 最大的風險之一：誰有權定義你的職業聲譽？

如果平臺自動爲一個人生成 Profile：

信息錯了怎麼辦？

遺漏怎麼辦？

算法認爲哪個背書重要？

誰有權刪除？

這開始涉及：

Reputation Governance。

聲譽並不是普通數據。

它會直接影響：

融資；

工作；

職業機會。

所以一旦 Cosign 做大，

它實際會擁有非常大的：

Career Allocation Power。

這需要非常謹慎。

四十二、“只允許正向信號”是非常聰明，同時也非常危險的設計

Cosign 當前明確強調：

不會建立負面評價機制，

主要聚焦：

Endorsement。

爲什麼？

因爲如果允許：

“這個人很差。”

平臺馬上進入：

誹謗；

報復；

職場政治；

匿名攻擊

的泥潭。

所以：

Radical Positivity

有利於降低參與心理成本。

但問題是：

Positive-only Systems 會產生 Inflation。

人人都夸人。

最後信號可能貶值。

四十三、真正解決“背書通脹”的方法不是負面評價，而是讓背書有稀缺性

如果用戶可以：

Person to Watch 10,000 人。

這個標籤沒有價值。

真正高質量系統應該限制：

一個人能有多少：

Top Cosigns。

或者允許排序。

Cosign 當前討論裏已經提到會進行 rank ordering。

這非常重要。

因爲：

Scarcity creates signal。

如果只能推薦：

一年最看好的 5 個人。

你就會認真。

這就和 VC 投資一樣：

資本有限，

所以每一筆投資本身是信號。

四十四、未來 Cosign 最強大的產品可能不是個人主頁，而是“Reputation Score”

當然它不一定真的顯示一個：

728 分。

但系統後臺最終很容易形成某種：

隱性排序。

例如：

誰背書你；

背書人本身準確度；

關係深度；

背書時間；

後來結果；

共同工作時間。

最終形成：

Graph-based Reputation Ranking。

這類似：

Google PageRank。

四十五、PageRank 當年解決的是“哪個網頁值得信任”

Google 早期最偉大的洞察：

網頁自己說自己最重要沒有意義。

真正值得看：

誰鏈接了它。

高質量網站鏈接你：

說明重要。

而且：

來自高質量網站的鏈接，

權重更高。

這就是 PageRank。

Cosign 背後其實有一個非常類似的可能性：

一個人自己說自己厲害：

沒意義。

關鍵看：

誰 Cosign 了你。

高信譽的人 Cosign：

權重更大。

如果進一步考慮：

背書是否後來被事實驗證，

它甚至可以形成：

Human PageRank。

四十六、如果 Human PageRank 出現，它的經濟價值可能極其巨大

因爲招聘、投資、合作都需要排序。

哪個公司最值得加入？

哪個工程師最值得搶？

哪個 Founder 值得投？

哪個 Angel 判斷最準？

這些問題今天主要靠：

人肉網絡。

未來如果 Reputation Graph 足夠完整，

可以算法化。

這將形成一個非常巨大的：

Decision Infrastructure。

四十七、但 Human PageRank 也存在巨大的精英固化風險

這裏必須保持清醒。

如果：

被高聲譽人物關注

才能獲得聲譽。

那麼已經在覈心圈的人：

越來越容易獲得機會。

外圍人：

越來越難進入。

這叫：

Preferential Attachment。

網絡科學中非常經典。

有連接的人：

獲得更多連接。

最終：

強者越來越強。

四十八、所以 Cosign 最終有沒有價值，取決於它能不能不斷髮現“圈外的強者”

如果平臺最後只是：

Marc Andreessen 認可的人互相認可；

YC Founder 互相認可；

Stanford 校友互相認可，

那它只是：

把現有 Elite Network 數字化。

價值有限。

真正偉大的版本應該做到：

讓一個沒有 Stanford、沒有 YC、沒有舊金山人脈的人，只因爲作品足夠強，被可信的人發現。

a16z 自己在 Cosign 的論述中也強調，這套遊戲只有在“新人仍然可以贏”的情況下才真正有效。

這其實是成敗關鍵。

四十九、真正優秀的人才網絡必須同時做兩件相反的事情

第一：

利用現有聲譽提高 Signal。

第二：

不斷引入沒有現有聲譽的新人才。

如果只做第一件：

變成俱樂部。

如果只做第二件：

噪音太高。

所以 Cosign 真正困難的是：

Exploration vs Exploitation。

利用已知網絡。

同時探索未知人才。

這和投資組合理論非常類似。

五十、這一點正是 VC 的本質

好的 VC 如果永遠只投：

Google 前員工；

Stanford；

前 YC Founder，

短期風險低。

但最大 Alpha 通常來自：

市場還沒完全認可的人。

所以風險投資最核心的能力從來都是：

Non-consensus Insight。

非共識判斷。

如果大家都知道：

這個 Founder 偉大，

估值已經很高。

真正的財富產生在：

Consensus 形成之前。

Cosign “Person to Watch”實際上就是：

把非共識判斷公開化。

五十一、這可以產生一種非常有趣的“聲譽收益率曲線”

早期背書：

風險高。

但成功以後：

聲譽回報高。

已經是 Elon Musk 時再說：

“Elon 很厲害。”

聲譽收益：

接近零。

但 1995 年說：

“這個年輕人值得關注。”

如果後來成功：

信號極強。

所以：

Reputation Return ∝ Earliness × Accuracy。

越早；

越準確；

越值錢。

這就是“伯樂經濟學”。

五十二、伯樂真正的能力不是認識成功者，而是在成功前認識成功者

很多人說：

“我認識很多億萬富翁。”

沒意義。

如果認識發生在：

對方已經成名以後。

真正有價值的是：

Relationship Before Status。

爲什麼？

因爲成功以後：

所有人都想認識。

成功以前：

只有真正看懂的人願意投入時間。

所以早期關係擁有：

更深：

信任；

忠誠；

回報。

這就是：

Pre-status Relationship Premium。

五十三、這套邏輯爲什麼特別適合 VC？

因爲風險投資本質上就是：

買未來。

不是買現在。

公開市場可以買：

已經優秀的公司。

VC 必須找到：

未來優秀、現在還沒被定價的人。

所以 Cosign 對 a16z 不是普通媒體產品。

如果它成功，

它可能成爲：

Proprietary Deal Flow Infrastructure。

專有 Deal Flow 基礎設施。

這也是我們分析它時必須看到的商業動機。

五十四、a16z 爲什麼自己做這個東西，而不是讓創業公司做？

這是非常值得思考的問題。

a16z 說：

Cosign 是 community，而不是 business。

但即使不直接賺錢，

它仍然可以給 a16z 帶來巨大價值。

因爲它可能幫助發現：

Founder；

Engineer；

Angel；

產品；

人才流動。

這意味着：

Information Edge。

對 VC 來說，

信息優勢本身就是資產。

五十五、a16z 正在從“基金”逐漸進化成“創業生態基礎設施公司”

過去 VC：

籌錢；

投資；

董事會。

今天 a16z：

媒體；

招聘；

人才網絡；

GTM；

政策；

內容；

活動；

產品。

它在構建：

Founder Operating System。

a16z 自己 2026 年總結 New Media 時就強調，其網絡、軟件和 AI 的目的之一是幫助 Portfolio Founders 更高效地找到人才和關鍵連接。

這與傳統 VC 已經很不一樣。

五十六、爲什麼 VC 越來越要做平臺？

因爲資本越來越 Commodity。

今天優秀 Founder 可以從：

Sequoia；

a16z；

Lightspeed；

Accel；

General Catalyst；

主權基金；

Family Office

拿錢。

資本本身差異越來越小。

於是 VC 必須提供：

品牌；

客戶；

人才；

媒體；

招聘；

政策。

這就是：

Venture Capital Productization。

風險資本開始產品化。

Cosign 就屬於這一邏輯。

五十七、未來 VC 的真正護城河可能不是 AUM，而是 Network Liquidity

一個基金有：

$100B。

不代表最好。

一個基金如果可以：

48 小時找到頂級 VP Sales；

介紹 10 個 Fortune 500 客戶；

找到下一輪投資人；

幫助媒體傳播，

對 Founder 更有價值。

所以未來基金真正競爭的是：

Network Liquidity。

網絡裏的人和資源，

能多快被調動。

Cosign 可以理解成：

把 a16z 的一部分私人網絡

逐漸軟件化。

五十八、這其實是一個非常大的趨勢：服務型組織正在被軟件化

過去獵頭：

人在腦子裏記：

誰厲害。

VC：

合夥人在腦子裏記：

誰值得見。

PR：

記者關係存在員工通訊錄。

AI + Database 出現以後：

這些隱形網絡開始：

結構化；

搜索化；

自動化。

這叫：

Institutional Memory Digitization。

機構記憶數字化。

誰先完成，

誰就把過去依賴幾個老員工的能力，

變成組織資產。

五十九、Cosign 對招聘行業可能有什麼影響？

傳統招聘模式：

JD → Applications → Recruiter Screening → Interview。

未來頂級職位可能變成：

Reputation Graph → Shortlist → Mutual Intent → Conversation。

也就是說：

Search replaces Applications。

真正優秀的人不再申請。

公司主動發現。

這已經發生在高端人才市場。

AI 只會進一步加速。

六十、未來“提交簡歷”可能逐漸成爲低端招聘行爲

這句話聽起來極端。

但高端人才市場已經如此。

頂級 CEO 不投簡歷。

頂級 AI Researcher 很少海投。

頂級 Founder 也不會申請：

“創業職位”。

真正的高級機會來自：

Warm Intro；

Reputation；

Inbound。

如果 Cosign 類產品成功，

它只是把這種原本只服務 1% 人的模式，

軟件化。

六十一、這意味着未來職業競爭的關鍵，會從“申請能力”轉向“被發現能力”

過去大家學：

怎麼寫 Resume。

未來可能更重要的是：

怎麼建立：

Proof of Work；

公開作品；

同行聲譽；

真實關係。

因爲 AI 可以幫所有人把簡歷寫到 95 分。

當所有簡歷都很好看：

簡歷失去區分度。

這就是：

Credential Inflation。

六十二、AI 會製造一場新的“簡歷通脹”

大學擴招以後：

學位越來越多。

於是碩士越來越重要。

這叫：

學歷通脹。

AI 以後：

每個人簡歷：

專業；

完美；

定製。

於是：

漂亮簡歷不再值錢。

市場必須尋找更稀缺信號。

於是：

真實作品；

同行背書；

可驗證結果

價值上升。

這是：

Signal Migration。

信號遷移。

六十三、未來最重要的個人資產之一，會是 Proof of Work

不要只說：

“我很會做產品。”

展示：

你做過什麼。

不要說：

“我懂 AI。”

展示：

模型；

代碼；

論文；

產品。

不要說：

“我是優秀 Founder。”

展示：

用戶；

增長；

團隊。

AI 時代最強的職業身份不是：

Self-description。

而是：

Evidence。

然後：

由真正懂的人爲 Evidence 背書。

這才形成：

Reputation。

六十四、這也是爲什麼年輕人未來更應該 Build in Public

過去：

先進入名校；

再進名企；

再積累 Credential。

今天：

互聯網給了另一路徑。

寫作；

開源；

產品；

視頻；

研究；

創業。

一個 19 歲的人可以：

直接向全球展示能力。

這相當於：

繞過傳統 Credential Gatekeeper。

a16z 在介紹 Cosign 時也認爲，過去人們通過大學和名企這些“rites of passage”獲得身份，如今越來越多人是通過全天候公開輸出，一點點累積職業地位。

六十五、但 Build in Public 的下一階段不是“多發內容”，而是“被可信的人看到”

互聯網第一階段：

人人可以發佈。

於是：

Content Explosion。

第二階段真正的問題：

誰看見？

因此：

Distribution。

第三階段：

誰相信？

所以：

Reputation。

這就是爲什麼：

Follower Count

最終並不夠。

100 萬隨機粉絲

可能不如：

10 個真正頂級同行公開認可。

六十六、影響力和聲譽是兩種完全不同的資本

Influence：

多少人知道你。

Reputation：

懂行的人如何評價你。

一個 TikTok Creator：

1000 萬粉絲。

可能：

影響力巨大。

一個頂級芯片設計師：

X 只有 3,000 粉絲。

但：

NVIDIA、AMD、Apple 的頂級工程師都尊重他。

職業價值可能完全不同。

Cosign 試圖捕捉第二種：

Domain-specific Reputation。

六十七、這也是爲什麼未來不應該存在一個統一的“社會信用分”

信譽一定是：

Contextual。

一個人可能是：

世界級程序員。

卻不是：

優秀 Manager。

優秀 Founder。

卻不是：

優秀 Investor。

所以真正高級的 Reputation Graph 必須知道：

你在哪件事上值得信任？

不是簡單：

這個人 97 分。

否則會嚴重失真。

六十八、未來職業網絡會越來越像金融市場：不同維度有不同 Rating

債券有：

Credit Rating。

股票有：

Analyst Ratings。

人才也可能形成：

Engineering Reputation；

Founder Reputation；

Manager Reputation；

Investor Reputation；

Designer Reputation。

每個維度：

不同 Network 給出判斷。

這比傳統：

Job Title

信息量大得多。

六十九、Cosign 最大的長期機會可能不是招聘，而是“職業資本市場”

一旦平臺擁有：

人；

聲譽；

Intent；

公司；

融資；

工作；

投資人，

就開始接近：

Career Capital Market。

人才：

是資產。

公司：

是資本需求方。

VC：

是金融資本。

Offer：

是價格。

Cosign 可以連接：

人力資本與金融資本。

這比招聘網站大得多。

七十、未來甚至可能出現“Human Capital Index”

例如：

過去五年最值得關注：

AI Engineers；

Robotics Founders；

Biotech Scientists。

誰最早發現？

誰背書最準？

哪些公司持續生產頂級人才？

這類數據最終可以形成：

行業 Intelligence。

比如：

哪家公司的人才流失開始加速？

哪些團隊人才淨流入？

哪個實驗室成爲新人才中心？

這對投資者價值極高。

七十一、人才流動本身就是最領先的產業指標之一

資本流向哪裏：

說明投資人看好哪裏。

但：

頂級人才流向哪裏

往往更早。

如果最優秀 AI Researcher：

大量離開 Big Tech；

去某類 Robotics Startup，

這可能意味着：

產業機會正在那裏形成。

所以 Talent Flow 是：

Leading Indicator。

投資人如果能提前看到：

人才遷移圖，

可能比財報更早發現趨勢。

七十二、真正頂級 VC 長期都在祕密觀察“誰跟誰走”

一個 Founder 離職創業。

誰願意跟他一起走？

非常重要。

如果：

以前團隊最優秀的 10 個人，

6 個跟着走，

這是強 Signal。

爲什麼？

因爲這些人擁有：

內部信息。

他們知道 Founder 真實能力。

願意放棄工資跟隨，

相當於：

Insider Capital Commitment。

這可能比投資人的判斷更可靠。

Cosign 如果捕捉這種數據，

價值巨大。

七十三、所以“誰願意再次和你工作”很可能比績效評價更重要

績效評價：

老闆寫。

可能包含：

政治；

制度；

HR。

但同事願意：

第二次跟你一起幹，

是用自己未來職業下注。

這就是：

Revealed Preference。

經濟學認爲：

看一個人說什麼，

不如看：

他真正做什麼。

如果他願意再次跟你創業，

這是最真實的評價。

七十四、Cosign 最終最大的壁壘可能是 Network Effects

如果只有 1,000 人：

沒價值。

如果整個 Silicon Valley 核心生態都在：

Founder；

Engineer；

VC；

Operator。

那麼：

每新增一個用戶，

其他人價值增加。

這叫：

Network Effect。

而且這是極難打破的網絡效應。

因爲職業聲譽一旦積累多年：

遷移成本很高。

七十五、這也是 LinkedIn 爲什麼二十年幾乎無法被真正挑戰

大家抱怨 LinkedIn。

但都還在。

因爲：

你的同事；

招聘方；

公司；

履歷

都在那裏。

網絡效應太強。

a16z 自己在 Cosign 的訪談中也承認 LinkedIn 是過去二十年最難被挑戰的標誌性職業產品之一。

所以 Cosign 想正面擊敗 LinkedIn：

非常困難。

更現實的路線是：

先佔據 LinkedIn 不夠好的高價值子市場。

即：

Startup Power Users。

七十六、這也是最經典的創業破局方式：不要打巨頭主戰場

LinkedIn 服務：

全球白領。

Cosign 如果開始就服務：

20 億職業用戶，

必死。

但如果只做：

Founder；

VC；

早期員工；

AI Builder；

Startup Operator。

用戶少。

但：

密度高；

交易價值高；

關係強。

這就是：

Narrow Wedge。

從極窄切口進入。

如果成爲這個羣體默認身份層，

再向外擴張。

七十七、AngelList 曾經證明這條路線是可能的

AngelList 最早也不是：

所有人的金融平臺。

它先成爲：

Startup + Investor Graph。

a16z 團隊自己也提到，早期 AngelList 曾經掌握非常重要的投資者網絡，只是後來戰略重點發生變化。

Cosign 明顯在試圖重新佔據：

這個創業關係圖譜。

只不過：

從 Money Graph

擴展到：

Reputation Graph。

七十八、創業者真正應該從 Cosign 學什麼？

第一：

不要再把簡歷當作你的職業資產核心。

真正的資產是：

別人與你合作後的評價。

第二：

主動積累 Proof of Work。

讓別人能看到你：

真正做過什麼。

第三：

尋找真正高質量合作，而不是盲目擴展人脈數量。

和 5 個頂級人才一起完成困難項目，

可能比參加 100 場 Networking Event 更有價值。

第四：

幫助優秀的人越早越好。

你今天幫的人，

可能就是未來：

客戶；

投資人；

合夥人。

第五：

建立“可攜帶的聲譽”。

不要讓你所有價值只存在於：

某一家公司的 Title。

當你離開公司以後，

市場是否仍然知道你是誰？

這是關鍵。

七十九、年輕人真正應該學什麼？

不要問：

“怎麼認識大佬？”

這是最低級的問題。

應該問：

我怎麼強到讓真正懂行的人願意主動爲我背書？

最好的 Networking：

不是交換名片。

而是：

Do Great Work。

當作品足夠強：

關係自然出現。

這是最可持續的人脈策略。

八十、投資人真正應該學習什麼？

不要只看：

Founder Pitch。

看：

誰願意跟他。

不要只看：

學歷。

看：

真正厲害的人是否尊重他。

不要只看：

今天的 Title。

看：

人才成長速度。

不要只研究：

Consensus Stars。

尋找：

Pre-consensus Talent。

因爲最大的投資回報永遠產生於：

市場重新定價之前。

八十一、企業真正應該學習什麼？

未來招聘系統不要只是優化：

Applicant Tracking System。

因爲 Applications 本身可能越來越沒價值。

企業應該構建：

Talent Intelligence System。

包括：

過去合作關係；

人才網絡；

優秀員工推薦；

潛在人選；

私密意向；

未來可招聘人才。

招聘應該從：

一次性職位開放

升級爲：

長期人才資產管理。

八十二、AI 時代 HR 最大的變化可能是：招聘從 Transaction 變成 Portfolio Management

今天：

有職位。

開始找人。

未來：

公司應該長期維護：

100 個未來可能招聘的人。

每季度更新：

誰在做什麼；

誰可能離職；

誰能力正在提升。

像 VC 管理：

Pipeline。

一樣管理：

Talent Pipeline。

這就是：

Talent Portfolio。

Cosign 的 Private Intent 正是這種方向。

八十三、真正高級的人才競爭不是“誰工資最高”，而是誰更早建立關係

當一個頂級工程師公開宣佈：

離職。

競爭已經太晚。

OpenAI；

Anthropic；

Meta；

Google

都會搶。

真正聰明的團隊：

兩年前就認識他。

給過幫助。

建立信任。

等他準備移動：

自然第一通電話。

這就是：

Pre-positioning。

資本市場如此。

人才市場同樣如此。

八十四、Cosign 最大的理論價值，可以濃縮成一個公式

未來一個人的職業價值越來越可能來自：

Capability × Proof × Reputation × Network × Timing

能力。

證據。

聲譽。

網絡。

時機。

學歷只是其中一個弱變量。

簡歷也只是展示層。

真正決定職業複利的是：

這些變量如何長期疊加。

八十五、這其實是一種新的“人力資本複利”

假設你：

23 歲做一個優秀項目。

被兩個厲害的人看到。

他們推薦你。

你因此進入更好的團隊。

又和更優秀的人共事。

下一次創業：

更容易融資。

更容易招聘。

於是：

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

這是：

Career Flywheel。

職業飛輪。

Cosign 想做的事情，就是讓這個飛輪：

更可見；

更快。

八十六、但真正需要警惕的是：聲譽網絡也可能成爲新的階級固化機器

任何 Credential System 都有兩面。

名校：

篩選人才。

也可能固化資源。

VC Network：

提高效率。

也可能形成圈層。

Cosign：

發現人才。

也可能放大已有名人的判斷。

如果算法持續獎勵：

已經有很多強背書的人，

最終：

新人越來越難被看到。

所以平臺必須設計：

Discovery Mechanisms。

專門挖：

尚未擁有網絡的人。

否則：

Reputation Graph

最終變成：

Status Graph。

八十七、聲譽與地位不是同一件事情

Status：

別人知道你有地位。

Reputation：

別人知道你在某件事上可靠。

一個人可以：

Status 高。

但實際能力下降。

另一個人：

沒人認識。

但極強。

真正偉大的人才網絡必須不斷完成：

Status Correction。

把聲譽重新對齊真實能力。

如果做不到：

整個系統最後會變成：

名人互誇。

那 Cosign 就沒有意義了。

八十八、因此 Cosign 最重要的產品指標可能不是用戶增長，而是“預測準確率”

假設今天：

1,000 個 Person to Watch。

五年以後：

其中多少真正成爲：

頂級 Builder；

Founder；

Leader？

不同推薦人的命中率多少？

如果平臺能夠量化：

Reputation Prediction Accuracy

它就擁有極其強大的獨家數據。

這個數據甚至可能比：

Follower Count

值錢幾十倍。

八十九、未來可能出現一種全新的“人才 Alpha”

金融 Alpha：

跑贏市場。

Talent Alpha：

找到市場低估的人。

一家公司的競爭優勢很大程度來自：

能否以：

$200K

僱到一個實際價值：

$1M

的人。

一個 VC 的競爭優勢來自：

能否在：

$10M valuation

投資一個未來：

$100B Founder。

兩者本質完全一樣：

Find Mispriced Human Capital。

九十、這也是爲什麼“人才識別”可能是 AI 時代最值錢的人類能力之一

AI 會越來越會：

寫代碼；

分析數據；

寫報告；

做設計。

但：

誰值得相信？

誰有真正原創能力？

誰能夠領導團隊？

誰能在十年裏持續成長？

這些判斷非常難完全量化。

所以人類判斷可能不會消失。

反而會被放大。

AI 提供：

無限 Candidate Supply。

人類提供：

Conviction。

這可能成爲未來勞動力市場的新分工。

九十一、Cosign 背後真正的大命題：當能力越來越便宜，信譽會越來越貴

工業革命：

機器讓體力變便宜。

互聯網：

讓信息分發變便宜。

AI：

讓知識工作和內容生成變便宜。

每一次某種東西變便宜，

另一種稀缺資源就會變貴。

AI 以後，

最稀缺的可能變成：

Judgment；

Taste；

Trust；

Reputation。

因爲：

機器可以生成一萬個答案。

但：

誰值得相信

不會因此自動解決。

九十二、這也是爲什麼 AI 不一定削弱人際關係，反而可能提高高質量人際關係的價值

很多人以爲：

AI → 所有人都靠 Agent。

人際關係不重要了。

恰恰可能相反。

當網上充滿：

AI 郵件；

AI 內容；

AI 申請；

AI 評論，

真正來自：

一個可信真人的介紹

價值會上升。

所以：

Digital Noise ↑ → Trusted Human Network Premium ↑

這是一種非常強的反作用。

九十三、未來最有價值的消息可能不是“AI 推薦”，而是一個你真正尊重的人說：見見這個人

這是 Silicon Valley 一直存在的機制。

Founder：

“你一定要見這個工程師。”

投資人：

“這個年輕 Founder 你現在就應該認識。”

教授：

“這是我十年見過最好的學生。”

這種一句話：

可能改變一個人的職業。

Cosign 只是試圖把這些原本：

私人；

瞬時；

不可搜索

的東西，

變成：

Persistent Infrastructure。

九十四、如果它最終成功，Cosign 可能真正做成什麼？

不是：

LinkedIn 2.0。

而是：

Silicon Valley Reputation Layer。

底層有：

公司；

人才；

職業歷史。

上面有：

關係。

再上面：

Conviction。

然後：

Intent。

最終發生：

Hiring；

Funding；

Co-founding；

Acquisition。

這是一整條：

Trust-to-Transaction Funnel。

從信任到交易。

九十五、這也是爲什麼這件事情最終非常接近金融市場

金融市場做什麼？

Price Discovery。

Cosign 做的可能是：

Talent Discovery。

金融市場：

資本向高預期回報資產流動。

Cosign：

機會向高預期人才流動。

價格：

股票估值。

職業世界裏的“價格”則是：

Salary；

Equity；

Funding；

Title；

Opportunity。

所以真正意義上：

Cosign 想提高的是：

Human Capital Market Efficiency。

九十六、但市場效率提高，會帶來另一個結果：真正優秀的人可能越來越貴

如果過去某個隱藏工程師：

沒人知道。

公司可以：

便宜僱到。

Cosign 讓所有人知道：

他極強。

結果：

Offer 增加。

薪資上漲。

創業融資更容易。

這意味着：

平臺提升：

人才價格發現效率。

對於人才：

非常好。

對於僱主：

未必便宜。

但從整個經濟看：

資源更快流向高生產力個體。

九十七、這可能加速“超級明星經濟”

AI 時代本來就可能放大頂級人才。

再加上更高效的聲譽網絡，

最頂尖：

工程師；

Founder；

研究員

可能越來越容易獲得：

資本；

人才；

機會。

於是：

贏家上升速度進一步加快。

這會提高：

創新效率。

也可能增加：

收入和財富集中。

這是 Cosign 類系統未來真正深層的政治經濟學問題。

九十八、普通人最應該從 Cosign 得到的啓發，不是馬上註冊

真正應該改變的是：

職業思維。

過去：

我的公司是什麼？

我的職位是什麼？

未來更重要：

如果我明天離開公司，誰願意公開爲我的能力擔保？

這是極其殘酷但有價值的問題。

如果一個人工作十年，

Title 很高，

但沒有一個優秀前同事願意：

再次合作。

那他的：

Career Capital

可能遠低於表面。

反過來：

Title 普通。

但最優秀的人都願意再次跟他幹。

這可能是被嚴重低估的人才。

九十九、真正的職業資產，不是 Title，而是“別人願意爲你承擔什麼風險”

有人願意：

介紹客戶給你。

有人願意：

離職跟你創業。

有人願意：

投資你。

有人願意：

僱你負責關鍵業務。

有人願意：

用自己的聲譽推薦你。

這些纔是真正的：

Reputation-backed Capital。

Title 可以通脹。

這種資本很難僞造。

一百、Cosign 最值得長期觀察的不是用戶數，而是它能否成爲“非共識人才機器”

如果它最終只是：

整理已經出名的人，

價值有限。

真正巨大的版本是：

今天發現：

無人認識的工程師。

兩年後：

Founder。

五年後：

獨角獸。

然後歷史記錄顯示：

誰最先發現；

誰最先相信；

誰最先幫助。

那時候：

Cosign 記錄的不只是：

人才。

而是：

創新網絡如何形成。

最值得記住的一句話

a16z 做 Cosign 表面是在重新設計：

職業社交網絡。

但真正的變化比這大得多。

互聯網第一階段解決：

Who are you?

LinkedIn 用：

學歷、公司、Title

回答。

社交媒體時代解決：

What do you think?

X 用：

內容、Follower、互動

回答。

而 AI 時代越來越重要的問題會變成：

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

誰真正相信你？

這種相信有多強？

他願不願意：

再次跟你工作；

僱你；

投資你；

把自己的信譽押給你？

這纔是：

Conviction Graph。

當 AI 可以無限制造：

漂亮簡歷；

完美 Pitch；

定製郵件；

代碼；

文章；

作品，

“我說我是誰”會越來越廉價。

真正稀缺的會變成：

別人看過你的真實工作以後，仍然願意說——這個人，我願意再次下注。

這就是聲譽資本。

而從資本市場的角度看，Cosign 最值得關注的地方也不在於它是不是能擊敗 LinkedIn。

而在於它是否能夠建立一個過去從未真正數字化的市場：

對人本身進行價格發現。

如果它能做到，

最重要的結果不是多了一個職業社交 App。

而是整個硅谷最核心的一種 Alpha——

在所有人之前發現未來最值錢的人——

第一次可能從少數人的私人通訊錄、微信羣、DM 和記憶裏，

變成一套：

可搜索、可積累、可驗證、能夠複利的數字基礎設施。

那纔是 Cosign 真正值得研究的地方。