三年估值200亿美元，这家公司卡住OpenAI的数据命脉

2026年上半年，成立仅三年的Mercor实现总收入6.14亿美元，其中91%来自基础模型公司。公司将约三分之二收入支付给承包商，第二季度毛利率为33%。据融资材料，Mercor预测到2030年总收入接近690亿美元，毛利率达56%，《财富》2000强企业贡献57%收入，基础模型公司占比降至三分之一以下。公司正洽谈新一轮融资，估值约200亿美元，英伟达既是重要客户也考虑过投资，但截至9月10日尚未确认完成。最近一次正式公布估值为2025年10月的100亿美元。

Mercor为OpenAI、Anthropic、Google DeepMind等寻找律师、医生、程序员和金融从业者，组织其制作训练数据、专业任务和评分标准。随着模型能力趋近，竞争取决于后训练数据质量，数据成为模型竞赛关键，Mercor们某种程度上开始卡OpenAI和Anthropic的脖子。支撑未来增长的是评测、强化学习环境和企业AI服务，这家从招聘起家的公司正试图改变收入结构。

三位创始人Brendan Foody、Adarsh Hiremath和Surya Midha相识于中学辩论队。2023年在巴西参加黑客马拉松时发现商机：将印度工程师介绍给美国初创企业并收取服务费。首位客户每周支付500美元，Mercor留下约30%。三人相继离校，2024年成为Thiel Fellows。最初产品是AI招聘系统，能读取简历、进行视频面试、评估技能并处理合同报酬。2024年1月获General Catalyst领投360万美元种子轮；同年9月Benchmark领投A轮，估值2.5亿美元；2025年2月以20亿美元估值融资1亿美元。

转折点来自Scale AI。Mercor曾通过Scale为前沿模型公司招募千余名工程师，后因承包商抱怨付款和管理问题，开始绕过中间商直接服务模型公司。模型公司需要工程师设计编程任务、提供参考答案、评价代码或制作Agent故障。Mercor将专家网络扩展至法律、医学、金融、科研等领域。Handshake、Turing等人才平台也在进入AI数据市场。

Mercor曾发布“简体中文双语法律专家”招聘，要求法学高等学位、普通话母语、中国执业至少两年，时薪70至80美元，每周至少20小时。招聘只是第一步，模型学习代码可借助单元测试，但法律分析质量需专业人士制定评分标准（rubric）。模型公司可根据薄弱环节提出需求。部分项目使用RL Studio，参与者分Writer和Reviewer，任务状态在Pending、In Review、Approved、Needs Edits、Discarded间流转。AI评分与人工评审一致率在APEX评测中达89%。部分项目用Insightful记录工时，按交付物结算的项目规则取决于合同。

2026年5月，Mercor披露每周向承包商支付超1400万美元，周活跃承包商超三万人，宣称拥有近五百万人专家网络。2026年3月与Cognition合作推出APEX-SWE，制作故障排查任务需编写500至1000行正常日志并混入10至20行故障症状。一份数据可能包含题目、文件、软件、参考答案和验证程序，可用于评测或强化学习。

2025年11月，代号Musen的Meta短视频项目突然结束，承包商称Slack群一度超5000人，部分人员时薪从21美元降至16美元。Mercor发言人认为报道不准确，Foody称招聘材料已说明项目临时性。部分项目使用代号不公布最终客户，使工作者合同、考核和收入主要取决于Mercor。

Mercor的增长与模型训练需求变化直接相关。预训练利用网页、书籍和代码，此后监督微调、人类反馈和强化学习需要更多示范答案、质量判断与训练反馈。模型公司既建设自己的数据团队，也向外部供应商采购。Mercor在Black Box vs. Open Box文档中提出，允许客户保留数据控制权，使用自己的平台甚至直接与专家合作，同时将招聘、筛选和人员管理交给Mercor。