2026年4月，AI驱动的科创意图雷达DigClaw（北京孤勇众行科技有限公司）宣布完成百万美元天使轮融资，由中科创星、中关村资本联合投资。这家成立于2025年的公司，试图用AI捕捉那些尚未成形、隐蔽在“水下”的早期人才与创业信号。
在创投圈，最昂贵的成本是“错过”。当前，全球AI人才争夺战虽已从此前的“天价抢人”阶段逐渐降温，但顶尖科创人才的稀缺性并未改变，反而随着AI技术向各行业渗透，早期科创人才的价值愈发凸显。据国际金融论坛（IFF）2025年7月发布的《IFF全球人工智能竞争力指数报告》显示，当前全球AI人才总量约300万人，其中研发技术类人才占比32.6%，而具备前沿算法与基础模型研发能力的顶尖AI专家不足1000人，供需失衡的矛盾依然突出。
对于投资人而言，传统的人才挖掘模式严重依赖行业人脉、媒体报道与静态数据库，往往等到人才创业项目进入工商注册、融资简报曝光阶段，才得以知晓相关信息，此时抢夺人才与项目的窗口期早已关闭。而DigClaw通过AI技术打破了这种“事后感知”的局限，能够提前捕捉早期科创人才的动态与创业意图，恰好解决了投资人“错过优质标的”的核心痛点。这也是中科创星、中关村资本选择布局DigClaw的核心原因——不仅看中其技术壁垒，更看重其在AI人才挖掘赛道的先发优势与商业潜力。
据悉，本轮融资后，DigClaw将继续深耕“用AI孵化AI”的核心愿景，进一步强化自研AI引擎的技术实力，扩大全球顶尖人才数据库的覆盖范围，同时推进产品的标品化升级，实现商业价值与资产的即时对齐，助力投资机构与企业精准捕捉科创人才与商业商机。
DigClaw的两位联合创始人均来自VC机构，长期深耕科创投资一线，具备丰富的行业经验与精准的赛道洞察力，这也成为DigClaw能够精准击中行业痛点的核心优势之一。
创始人兼CEO严泽光（Edison Yan）不仅是资深的投资人，更是技术与数据架构师，具备“投资+技术”的双重背景。他毕业于新加坡国立大学，拥有扎实的技术功底与国际化视野，曾先后在百度风投、云启资本等知名VC机构任职，专注于AI及早期科技赛道的投资工作。在多年的投资生涯中，严泽光积累了丰富的行业资源，其代表性AI投资案例包括京硅智能、百炼智能、领猫等，对AI行业的技术趋势、人才分布与商业逻辑有着深刻的理解。正是基于长期的投资实践，他敏锐地发现了创投圈“事后感知”的人才挖掘痛点，萌生了用AI技术解决这一问题的想法。
另一位联合创始人吕婧雯（Penny Lv）担任公司COO，是SaaS与AIGC领域的孵化专家，擅长商业化落地与生态构建。她毕业于约翰霍普金斯大学（JHU）金融学硕士，拥有扎实的金融与商业分析能力，同时具备丰富的咨询及投行经验，曾先后任职于Frost&Sullivan、跃为资本。在任职期间，吕婧雯深度参与了多个科技项目的孵化与投融资工作，对ToB领域的商业逻辑、客户需求有着精准的把握，能够为DigClaw的产品商业化、客户拓展提供强有力的支撑。
DigClaw的产品逻辑，本质上是对传统人才与商业情报获取方式的范式颠覆。
天眼查、企查查等传统企业信息平台的核心资产是“公司”，但当一家公司完成工商注册、出现在公开数据库时，争夺人才与投资机会的窗口期往往已经关闭。对于投资人而言，真正有价值的信息不是“谁已经成立了公司”，而是“谁正在酝酿创业”。
DigClaw的核心资产是“人”与“律动”。公司打造了首个专注于中国早期科创生态的人才数据库，实时监测全球超10万名顶尖人才和百万级数量的公司，7×24小时从全球海量信息中剥离出真实的商业意图，每天消耗数十亿Token来运行这一庞大的监测系统。
具体而言，DigClaw的产品架构围绕三个核心差异化能力展开：
前置化挖掘：不同于关注已成名的CEO，DigClaw盯着的是大厂核心架构师、技术大牛的社交动向、技术栈更新乃至开源社区的贡献频率。这意味着，当一个潜在创业者还在大厂工作时，DigClaw可能已经通过其开源项目的提交频率变化、技术栈的转换轨迹等信息，提前捕捉到其创业意图。
全模态监测：除了文字内容，DigClaw还会深度解析播客音频、视频评论等多模态源。例如，某技术大牛在播客中对某一前沿领域的高频探讨，可能就是其业务转型的先行指标。在信息高度碎片化的互联网环境中，全模态监测能力使得DigClaw能够从更丰富的信息维度构建人才画像。
商业意图建模：依托自研的商业意图建模（Intent Modeling）技术，DigClaw将碎片化的微观行为重构为结构化的确定性商机。通过监测早期公司技术栈的细微调整，DigClaw能精准预测其未来三个月的设备采购或云服务需求，实现从“信息提供者”向“AaaS（情报即服务）结果交付者”的跨越。
“我们不只是在找一个名字，我们是在勾勒一家企业背后的决策链条。”DigClaw团队表示。对于云厂商、硬件巨头等大客户而言，DigClaw提供的是90分以上的“水下数据Mapping”服务——通过勾勒企业背后的决策链条，帮助客户提前锁定潜在的战略合作伙伴、并购标的或人才储备。
中科创星表示：“中科创星作为专注硬科技的投资机构，已在AI领域构建起包括大模型、具身智能、AI应用、算力基础设施等领域的全链条AI投资生态。我们深知硬科技早期投资的核心痛点，就是水下创新信号与顶尖天才难以精准捕捉，而DigClaw正是我们AI生态布局的关键补齐项。投资DigClaw，既为我们挖掘下一个硬科技独角兽提供核心工具，也能与现有AI被投企业形成生态协同，对赋能整个AI创业生态具有重要价值。”
根据行业数据，全球AI人才招聘市场在2024年已达到11.3亿美元，预计到2029年将增长至24.6亿美元，年复合增长率达16.83%。到2034年，这一市场将进一步扩大至50.2亿美元。在中国市场，AI招聘业务在存量招聘市场中的可替代空间有望从2025年约220亿元提升至2028年约379-421亿元区间。
据脉脉报告，今年前2个月，AI岗位数量同比增长约12倍，AI岗位在全部新经济岗位中的占比从2025年同期的2.29%跃升至26.23%。AI工具相关职位同比激增215%，薪酬涨幅超过40%。
在一级市场，投资机构的人才结构也在发生根本性转变。2026年初，多家VC/PE机构开始定向从豆包、DeepSeek等AI公司招募技术人才转型做投资，junior级别月薪普遍在5万至8万元区间，百万年薪并非难事。红杉中国、IDG资本、中科创星、祥峰投资等机构近期均发布了相关AI投资岗位的招聘信息。
猎聘发布的《2025中国AI人才奇点报告》显示，AI思维导向的CXO人才需求同比增长高达281.6%，具备AI思维的高层领导已成为产业智能化的核心稀缺资源]。这些数据指向一个共同的结论：AI人才已成为全社会最稀缺的战略资源，而“找到对的人”正在成为企业和投资机构的核心竞争力。
而传统的猎头服务依赖的是人脉网络、行业经验和简历筛选，而AI人才引擎的核心价值在于：将海量公开信息中的“弱信号”转化为结构化的商业洞察。
DigClaw所在的赛道，本质上是“AI+开源情报（OSINT）”在人才与科创意图方向的应用落地。这一赛道的核心逻辑是用AI技术对互联网上的公开信息进行大规模、实时、智能化的采集、分析和预测。从投资角度看，AI人才引擎的应用场景正在从传统的HR招聘、人才寻访，向早期投资信号捕捉、产业人才布局、战略并购标的发现等方向快速延伸。
AI驱动的招聘与人才匹配市场正处于高速增长期。据Global Growth Insights数据，2025年全球人工智能招聘市场规模为7.20亿美元，预计到2026年将达到7.57亿美元，2035年有望增长至11.94亿美元，预测期内复合年增长率为5.19%。超过74%的公司正在采用AI来缩短招聘周期并提高人才匹配准确性。
更细分的AI候选匹配评分市场增速更为惊人。据The Business Research Company数据，该市场将从2025年的22亿美元增长至2026年的27.9亿美元，年复合增长率达26.8%，预计到2030年将增长至71.6亿美元。
从国内视角看，中国猎头行业2026年市场规模已突破1200亿元，同比增长15.2%，超过60%的综合人事系统已内置AI功能。随着企业数字化转型加速和战略新兴产业人才需求爆发，AI在人才服务领域的渗透率将持续提升。
从全球范围看，硅谷AI招聘平台Mercor的融资轨迹极具代表性。这家由三位21岁的Thiel Fellows创立的公司，在2025年10月完成3.5亿美元C轮融资，估值飙升至100亿美元，较此前B轮的20亿美元估值翻了五倍。Mercor的业务已从AI辅助招聘扩展到为前沿AI实验室提供专家级训练数据服务，其每天向超过3万名专家支付超过150万美元的报酬，平均时薪超过85美元。
在国内，AI招聘赛道同样融资活跃。TTC于2026年1月完成A轮千万美元级融资，由厚雪资本领投、百度战略投资。TTC推出的AI Agent产品“小麦招聘”，将顶尖猎头的判断逻辑与行业知识解码为结构化模型，上线仅4个月便获得多项行业奖项。厚雪资本在投资时提出一个核心判断：“+”
此外，全球范围内还有多家AI招聘初创公司获得融资：Boomband（由Monster.com创始人Jeff Taylor创立）完成400万美元种子轮融资，HireBound完成200万美元种子轮融资，Paraform完成4000万美元B轮融资。
当前AI人才引擎赛道的竞争格局可以大致分为三类玩家：
AI招聘平台：以Mercor、TTC为代表，聚焦于企业招聘全流程的AI化，通过AI Agent实现简历筛选、候选人评估、面试安排等环节的自动化。这类玩家的核心价值在于提升招聘效率、降低招聘成本。
科创意图雷达：以DigClaw为代表，聚焦于早期人才和创业信号的“前置化捕捉”，直接服务于VC和产业资本的投资决策。这类玩家的核心价值在于帮助客户在竞争对手之前锁定潜在的投资标的或人才储备。
AI猎头服务：以传统猎头机构的AI转型为代表，将AI工具嵌入传统猎头服务流程，提升人才寻访的精准度和效率。
DigClaw的差异化优势在于其“前置化”定位。当大多数玩家还在解决“如何更快地找到合适的人”时，DigClaw已经在解决“如何在人才还未开始行动时就发现他们”的问题。这一差异化的切入角度，使其在VC和产业资本客户群体中具备了独特的价值主张。
对于DigClaw这样的初创公司而言，短期最直接的商业机会在于服务投资人和产业资本。
在硬科技早期投资中，最大的痛点并非“看不懂项目”，而是“找不到项目”。当一个优质项目出现在FA的推介名单上时，往往已经有多家机构在争抢。DigClaw的价值主张——“在水下捕捉人才和商机”——精准击中了这一痛点。通过前置化挖掘和全模态监测，DigClaw能够帮助投资人在竞争对手之前锁定潜在的投资标的。
中科创星的投资逻辑也印证了这一判断：“投资DigClaw，既为我们挖掘下一个硬科技独角兽提供核心工具，也能与现有AI被投企业形成生态协同。”
而对于云厂商、硬件供应商、企业服务公司而言，提前了解潜在客户的技术选型方向和采购需求，意味着可以抢占销售先机。DigClaw通过监测早期公司技术栈的细微调整来预测其未来采购需求的能力，在这一场景中具有极高的商业价值。
从中期来看，AI人才引擎的应用场景将大幅扩展。DigClaw团队提出“战略级AI Mapping”的概念——通过持续监测人才和公司的动态信号，为客户提供从人才发现、投资决策到战略合作的全链路支持。
这种能力对VC机构、产业资本和大型企业具有极高的战略价值。传统的战略研究依赖行业报告和专家访谈，而AI Mapping可以将研究视角前移至人才流动和技术演进的早期阶段，实现从“被动响应”到“主动预测”的范式转变。
据分析，未来五年AI招聘将经历从辅助走向自治的跃迁，核心变革包括：从职位到能力的“技能图谱化”匹配成为主流；代理式自动化在寻源、筛选、沟通中大规模落地；结构化与多模态评估全面普及；公平性与合规治理内嵌至招聘闭环。这些趋势意味着，AI人才引擎将不再是一个独立的工具，而是企业人才战略的基础设施。
在DigClaw看来，“商业世界没有秘密，只有被噪声掩盖的信号”。随着AI模型能力的持续提升和算力成本的不断下降，人才引擎的能力边界将被不断拓展——从监测“10万名顶尖人才”到监测“千万级潜在目标”，从“预测三个月需求”到“实时动态预警”。
DigClaw的天使轮融资，折射出AI正在深度渗透人才与商业情报这一传统领域。当信息差不再是竞争壁垒，谁能更早、更准地捕捉“水下信号”，谁就能在人才争夺和投资决策中占据先机。
中科创星将DigClaw定位为“AI生态布局的关键补齐项”——这一表述的深层含义是，AI人才引擎不再只是一个工具类应用，而是AI产业基础设施的重要组成部分。随着AI技术在各行各业的渗透不断加深，“人才”作为最核心的生产要素，其发现、评估和配置的效率将直接影响产业发展的速度。
对于投资人而言，DigClaw的价值不仅在于它是一个AI应用的投资机会，更在于它提供了一种全新的“情报获取范式”——一种让“错过”不再是最昂贵成本的范式。在信息过载的时代，谁能帮助人类在噪声中找到真正的信号，谁就可能成为下一代商业基础设施的核心玩家。
