Jobright
港大博士在 GPT-4 发布当天婉拒 Meta 百万年薪 offer,两年把 AI 求职平台做到月访问 500 万、ARR 破 ¥3,360万且已盈利
产品介绍
这个项目到底是什么、靠什么赚钱

Jobright:婉拒 Meta 百万年薪的人,把 AI 求职做到了 500 万月访问
产品是什么
Jobright 是一个 AI 原生的求职平台,面向北美求职者,做的是 LinkedIn 没做好的那部分——让求职从「海投碰运气」变成「有策略的匹配」。
它不只是一个职位聚合器。它做的事包括:帮你判断这个岗位和你的真实匹配度、追踪投递进度、找到目标公司的内部人脉、以及那个让它出圈的 H-1B 赞助历史查询——对需要工作签证的国际人才来说,「这家公司愿不愿意为你担保」是一条致命的信息鸿沟,而这条信息在别处几乎查不到。
2025 年,平台推出了 Jobright Agent,把「帮你找」升级成「替你跑」。
怎么赚的钱
C 端免费加增值订阅,同时向企业侧的招聘需求收费。
公开数字是:ARR 突破 ¥3,360万,并且已经实现盈利。这对一个 C 端 AI 产品来说相当罕见——大多数同类还在靠融资买流量。
流量侧,Jobright 在美国的月访问量超过 500 万。
融资上它走得克制:早期 ¥3,024万(Lanchi Capital 领投,UpHonest Ventures、源码资本跟投),2025 年 6 月 25 日在用户规模 52 万、Jobright Agent 正式发布时完成新一轮天使轮(HR Tech Investments 与 Translink Capital 联合投资),累计约 ¥5,376万至¥6,048万。
流量从哪来
第一,一个「小功能」引爆冷启动。团队在和印度裔用户交流时发现,H-1B 签证担保信息是个巨大的信息缺口。他们迅速做了一个查询公司 H-1B 赞助历史的功能——这不是产品的核心,却是唯一能瞬间击中高频刚需的钩子,在印度裔求职者社群里口碑炸开。
第二,一篇千万浏览的帖子。一位印度用户分享自己「海投 5000 份简历终获特斯拉 offer」的经历时提到了 Jobright,这篇帖子在几天内带来近 3 万名注册用户。
第三,创始人亲自做 IP。郑玉典从 4000 粉丝起步,在 LinkedIn 上讲自己刚到美国连 Google Maps 都不会用、住几平米小屋与人共用卫生间的真实经历,一年涨到 5 万粉丝,单篇最高浏览超 150 万。在获客成本高昂的硅谷,这是一条被严重低估的渠道。
第四,TikTok 与校园社群的自发推荐。求职者天然聚集,一旦产品在某个圈层被验证,扩散是自动的。
站长是谁
郑玉典(Ethan Zheng),Jobright 联合创始人兼 CTO。
他的路径是典型的技术移民进阶:南京大学软件学院本科,香港大学博士(数据库与数据挖掘),毕业后赴美,在 Twitter 三年从普通工程师做到带领 20 多人广告机器学习团队的技术主管,之后加入华人创办的 NewsBreak,从零搭建推荐系统。
2022 年底 ChatGPT 出现,2023 年 1 月他和合伙人 Eric 在湾区一家餐厅一拍即合。2023 年 3 月 14 日——既是他的生日,也是 GPT-4 发布的日子——两人带着一份几乎只有概念的 PPT 开始融资。几乎同时,Meta 递来一份年薪百万美金的 offer,职位是生成式 AI 广告团队。他拒了。
之后是长达一年的黑暗:日活跃用户长期不足 10 人。他们试过 Tinder 式滑动匹配、试过聊天机器人,都没跑通。转机出现在那个 H-1B 小功能。
这个案例能学到什么
第一,日活不到 10 人还撑了一年,靠的是深入用户而不是换方向。很多人遇到冷启动失败的第一反应是换赛道,Jobright 的选择是放低身段、钻进用户里去找真问题。他们的结论是:不要只顾着找一个「更好的问题」,而是把当前这个问题挖得更深。
第二,破局点往往不是核心功能。H-1B 赞助查询在路线图上只是个小工具,但它是唯一一个能让某群人「非你不可」的功能。找钩子时,先问哪一群人此刻最痛。
第三,创始人 IP 是最便宜的获客渠道。一年从 4000 到 5 万粉丝,靠的不是技巧,是真实。对资源有限的早期团队,这是唯一一条不花钱也能跑的路。
第四,选高频且痛的场景。求职是每个人几年就要经历一次、且焦虑感极强的事,天然自带传播动力;而很多 AI 产品选的是「重要但一年用一次」的场景,获客成本永远降不下来。
第五,稀缺性迁移时,产品定位要跟着迁。AI 让投递变容易,也让招聘方被淹没——五年前发 500 封邮件能招到一个工程师,现在要 5000 封。价值正在从「帮求职者找信息」转向「帮求职者被看见」,谁能先完成这个转身,谁就吃到下一波。
来源与数据
- 站点:https://jobright.ai
- 营收与流量:美国月访问量超 500 万,ARR 突破 ¥3,360万并已实现盈利(Linkloud Talk 第 2 期访谈、腾讯新闻)
- 融资:早期 ¥3,024万由 Lanchi Capital 领投,UpHonest Ventures、源码资本跟投;2025 年 6 月 25 日完成新一轮天使轮,由 HR Tech Investments 与 Translink Capital 联合投资,当时平台用户规模 52 万人(公开报道)
- 创始背景:南京大学软件学院本科、香港大学数据库与数据挖掘博士;Twitter 广告机器学习团队负责人(三年内晋升至管理 20 余人团队);NewsBreak 推荐系统从零搭建者(腾讯新闻、Linkloud)
- 拒 offer 事件:2023 年婉拒 Meta 生成式 AI 广告团队年薪百万美金 offer(The Register 访谈,腾讯新闻转述)
- 增长关键节点:H-1B 赞助历史查询功能引爆印度裔求职者社群;一篇千万级浏览的 LinkedIn 帖子带来近 3 万注册用户;创始人 LinkedIn 粉丝一年内从 4000 增至 5 万,单篇最高浏览超 150 万(公开报道)
- 产品:2025 年发布 Jobright Agent;曾为首个被 OpenAI 官方 feature 的 GPTs 产品之一,获 Product Hunt 月度产品(Linkloud)
一句话总结
GPT-4 发布那天,一个港大博士拒了 Meta 的百万年薪,带着一份只有概念的 PPT 开始做 AI 求职。此后整整一年,日活不足 10 人。救他的不是宏大功能,而是一个能查「这家公司给不给 H-1B 担保」的小工具,和一篇千万浏览的帖子。两年后:月访问 500 万,ARR 破 ¥3,360万,盈利。他的方法论只有一句——别急着换问题,把你手上这个问题再挖深一点。
给别人的启发
别人做对了什么,你能直接抄的部分
冷启动期长达一年日活不足 10 人也不换赛道,靠深入用户找到真实痛点,而不是靠换方向找灵感
破局点往往是一个「小功能」——H-1B 赞助查询不是核心功能,却是唯一能击中高频刚需的钩子
创始人亲自下场做 IP 是最便宜的获客渠道——真实、有血肉的表达比品牌官方号高效十倍
选一个用户「痛但高频」的场景(求职)而不是「重要但低频」的场景,天然自带传播属性
在 AI 让求职更嘈杂的时代,价值从「帮你找信息」转向「帮你被看见」,产品定位要跟着稀缺性迁移
官方披露:公司/创始人自己公布的数字
其他信息
同类案例