国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

在AI領(lǐng)域，數(shù)據(jù)標(biāo)注是模型訓(xùn)練的關(guān)鍵環(huán)節(jié)，但高質(zhì)量標(biāo)注人才稀缺，市場供需不平衡。Mercor憑借其AI招聘平臺(tái)的積累，發(fā)現(xiàn)了這一市場空白，從為大型數(shù)據(jù)標(biāo)注公司提供合同制人才，逐步轉(zhuǎn)型為直接向AI實(shí)驗(yàn)室提供人力數(shù)據(jù)創(chuàng)建服務(wù)，成為數(shù)據(jù)標(biāo)注市場的有力競爭者。本文將深入剖析Mercor的業(yè)務(wù)轉(zhuǎn)型、市場機(jī)會(huì)、核心競爭力以及面臨的挑戰(zhàn)，探討其能否在數(shù)據(jù)標(biāo)注領(lǐng)域打造出下一個(gè)Scale AI。

Mercor 所處的賽道是 AI 中一個(gè)關(guān)鍵且尚未被充分滿足的供需交叉點(diǎn)：下一代 AI 模型對(duì)高質(zhì)量、垂直領(lǐng)域?qū)＜壹?jí) Human Data 的需求，以及相關(guān)人才稀缺所帶來的供需不平衡。合成數(shù)據(jù)無法完全替代 Human Data，尤其是在特定領(lǐng)域知識(shí)和復(fù)雜判斷方面。AI 模型的突破性進(jìn)展高度依賴于垂直領(lǐng)域?qū)＜业摹叭祟愔悄茌斎搿薄?/p>

Mercor 最初的定位是 AI 招聘平臺(tái)。在此基礎(chǔ)上，它發(fā)現(xiàn)了一個(gè)機(jī)會(huì)：作為 BPO（業(yè)務(wù)流程外包）服務(wù)商，為像 Scale AI 這樣的大型數(shù)據(jù)標(biāo)注公司提供“合同制人才（contract people）”。在這個(gè)過程中，Mercor 發(fā)現(xiàn)其高效匹配與供給專家的能力，在 Human Data 領(lǐng)域具有強(qiáng)烈的 PMF 。因此，Mercor 開始直接向 AI Labs 提供人力數(shù)據(jù)創(chuàng)建服務(wù)，從 Scale AI 的上游勞務(wù)供應(yīng)商，轉(zhuǎn)變?yōu)閿?shù)據(jù)標(biāo)注服務(wù)市場的直接競爭者 。

這一轉(zhuǎn)型的 PMF 很快被驗(yàn)證，2025 年初 ARR 到達(dá) 7500 萬美元。2025 年 2 月，在自身業(yè)務(wù)已達(dá)數(shù)千萬美元收入、現(xiàn)金流充裕的背景下，Mercor 仍然吸引了資本的追逐，以僅稀釋 5% 的極低代價(jià)，完成了由 Felicis Ventures、Benchmark、General Catalyst 等頂級(jí)機(jī)構(gòu)加持的 1 億美元 B 輪融資，估值攀升至 20 億美元。

01.投資邏輯

Mercor 的商業(yè)模式已從最初單純的 AI 招聘平臺(tái)，演變?yōu)槿肆?shù)據(jù)標(biāo)注市場的直接競爭者，與 Scale AI 等行業(yè)巨頭直接競爭，業(yè)務(wù)實(shí)質(zhì)是交付數(shù)據(jù)標(biāo)注結(jié)果 。

Mercor 發(fā)現(xiàn)并利用了現(xiàn)有市場領(lǐng)導(dǎo)者的一個(gè)“市場失靈”點(diǎn)。它憑借早期人才招聘的積累，為中小型、高難度的（通常低于 5 萬美元預(yù)算）數(shù)據(jù)標(biāo)注項(xiàng)目提供最佳的速度和靈活性，這是 Scale AI 的運(yùn)營模式難以高效覆蓋的市場空白區(qū)。

Mercor 的營銷敘事仍會(huì)強(qiáng)調(diào)其招聘平臺(tái)的能力，但它為 AI Labs 提供的切實(shí)價(jià)值在于能夠?yàn)閺?fù)雜的、需要快速迭代的任務(wù)迅速部署專家級(jí)的人力資源。但目前 Mercor 的數(shù)據(jù)質(zhì)量仍落后于行業(yè)領(lǐng)導(dǎo)者。核心的投資問題在于：Mercor 所切入的市場是否有足夠大的體量和利潤空間，以及它能否在 Scale AI 調(diào)整戰(zhàn)略以應(yīng)對(duì)其威脅之前，彌補(bǔ)數(shù)據(jù)質(zhì)量上的短板。

1.Human Data 需求爆發(fā)與長尾價(jià)值凸顯

隨著大模型深入微調(diào)與 RLHF 階段，合成數(shù)據(jù)已無法完全替代，解鎖并釋放下一代智能的瓶頸，仍然在于專家級(jí)的 Human Data。

這催生了兩大市場機(jī)會(huì)：

1. 長尾項(xiàng)目的高價(jià)值： 大型 AI 實(shí)驗(yàn)室對(duì)低于 5 萬美元的小規(guī)模項(xiàng)目響應(yīng)速度和質(zhì)量要求日益提升，而傳統(tǒng)大型標(biāo)注商門檻高、迭代慢，為 Mercor 提供了切入空間。
2. 專業(yè)垂直任務(wù)的爆發(fā)： 醫(yī)療、法律、金融等專業(yè)領(lǐng)域，以及需要主觀判斷的復(fù)雜任務(wù)中，對(duì)資深人才標(biāo)注的需求正快速增長。市場上高質(zhì)量人類標(biāo)注者稀缺，特別是專業(yè)領(lǐng)域人才，大型 AI 公司為此愿意支付高額溢價(jià)。

Mercor 瞄準(zhǔn)傳統(tǒng)數(shù)據(jù)外包模式效率低下、缺乏透明度，以及自建團(tuán)隊(duì)成本高昂等痛點(diǎn)，提供一個(gè)透明、高效且靈活的解決方案。

2.與 Scale AI 的差異化競爭

盡管它們的交付方式和目標(biāo)項(xiàng)目不同，但兩家公司最終都在爭奪同一筆來自 AI Labs 的數(shù)據(jù)標(biāo)注預(yù)算。Mercor 正在成為一個(gè)更輕量、靈活、面向長尾市場的 Scale AI 替代方案。

? 利基市場是真實(shí)存在的：Mercor 服務(wù)了一個(gè)被忽視但正在迅速增長的市場區(qū)間：預(yù)算有限、任務(wù)復(fù)雜、對(duì)速度敏感的 AI Labs 及中小企業(yè)客戶。這部分客戶目前沒有好用的解決方案，Scale 的工業(yè)化流程覆蓋不到（體系是為大合同優(yōu)化的），而自建團(tuán)隊(duì)成本過高，Mercor 正填補(bǔ)這塊空白。Mercor 的核心優(yōu)勢是其速度，這在 AI 模型的實(shí)驗(yàn)階段極具價(jià)值。

? 核心權(quán)衡在于質(zhì)量：這種速度和靈活性是以較低的數(shù)據(jù)質(zhì)量為代價(jià)的（客戶 Google 評(píng)分 6-7/10，Scale 為 8-9/10）。Mercor 認(rèn)為對(duì)于特定的細(xì)分市場，速度比頂尖質(zhì)量更重要。如果它能隨著時(shí)間推移逐步彌補(bǔ)質(zhì)量上的差距，人才池?cái)U(kuò)大，它未來將有能力向 Scale 當(dāng)前主導(dǎo)的高端市場擴(kuò)張。

3. 團(tuán)隊(duì)與執(zhí)行力

創(chuàng)始團(tuán)隊(duì)平均年齡不到 21 歲，卻展現(xiàn)出遠(yuǎn)超同齡人的產(chǎn)品敏銳度與執(zhí)行能力。從哈佛宿舍創(chuàng)業(yè)到實(shí)現(xiàn)千萬美金收入，再到迅速拿下頂級(jí) AI 客戶，驗(yàn)證了其對(duì)痛點(diǎn)的洞察力與落地能力。團(tuán)隊(duì)在產(chǎn)品設(shè)計(jì)、技術(shù)架構(gòu)、商業(yè)運(yùn)營等方面展現(xiàn)出復(fù)合型能力。速度及執(zhí)行力是 Mercor 最大的 moat，相比大型供應(yīng)商，Mercor 在人才匹配與項(xiàng)目上線速度上更具優(yōu)勢。

4. PMF 驗(yàn)證

Mercor 在短短兩年內(nèi)實(shí)現(xiàn)了從宿舍創(chuàng)業(yè)到 2025 年 2 月 ARR 達(dá)到 7500 萬美元、估值 20 億美元的快速增長，并獲得了 General Catalyst、Benchmark、Peter Thiel、Jack Dorsey 等頂級(jí)投資機(jī)構(gòu)和個(gè)人投資者的青睞，充分驗(yàn)證了其產(chǎn)品市場契合度（PMF）。AI Labs 對(duì) Human Data 需求剛起步，合成數(shù)據(jù)尚無法完全替代專家標(biāo)注，目前尚無對(duì)手能在“快速接單+小規(guī)模”這兩方面與 Mercor 競爭。

主要風(fēng)險(xiǎn)

1.人才商品化與數(shù)據(jù)標(biāo)注的價(jià)格戰(zhàn)

我們認(rèn)為，高質(zhì)量人才在多平臺(tái)間流動(dòng)尋求收入最大化，將不可避免地導(dǎo)致服務(wù)價(jià)格與質(zhì)量面臨壓力。如果 Mercor 未能建立足夠強(qiáng)大的粘性，其人才池的護(hù)城河可能受到侵蝕。

策略：Mercor 需建立合理的激勵(lì)機(jī)制和收入最大化體驗(yàn)，以建立平臺(tái)護(hù)城河。類似 Uber 的成功經(jīng)驗(yàn)，通過標(biāo)準(zhǔn)化任務(wù)和嚴(yán)格質(zhì)量控制，實(shí)現(xiàn)良性規(guī)模化。

2. 高傭金與“去中介化”風(fēng)險(xiǎn)

Mercor 在招聘模塊高達(dá) 30% 的傭金率，長期來看可能面臨客戶對(duì)其可持續(xù)性的質(zhì)疑，尤其是在客戶與人才建立長期合作關(guān)系后，存在繞過平臺(tái)直接合作的“去中介化”風(fēng)險(xiǎn)。

策略： Mercor 需要持續(xù)提升其 AI 平臺(tái)在人才匹配、管理效率和質(zhì)量保障方面的不可替代性，讓客戶認(rèn)為平臺(tái)價(jià)值遠(yuǎn)超傭金成本。同時(shí)，可探索更多元的收費(fèi)模式或增值服務(wù)。

3. 數(shù)據(jù)標(biāo)注質(zhì)量短板

目前 Mercor 的數(shù)據(jù)標(biāo)注質(zhì)量（Google 客戶評(píng)分為 6-7/10）仍低于行業(yè)領(lǐng)導(dǎo)者 Scale AI 和 Surge AI（8-9/10），這可能限制其承接最頂尖、最敏感任務(wù)的能力。

策略： Mercor 已與 Scale AI 建立合作并開放績效與質(zhì)控系統(tǒng)，這為其提供了質(zhì)量對(duì)齊機(jī)會(huì)。結(jié)合其快速的招人和迭代速度，Mercor 有潛力迅速彌補(bǔ)這一差距。公司需持續(xù)投入在 QA 流程優(yōu)化和“golden labeler”基準(zhǔn)對(duì)齊上，達(dá)到行業(yè)一流水平。

4. AI Agents 替代初級(jí)工程師的潛在威脅

長期來看，AI Agents 可能取代部分初級(jí)工程師任務(wù)，壓縮自由職業(yè)者招聘市場。

策略： Mercor 的戰(zhàn)略重心是高質(zhì)量、高難度、邊緣案例的“Human Data”，這些任務(wù)目前 AI Agents 難以勝任，需要專家級(jí)人工判斷。

02.專家數(shù)據(jù)的市場機(jī)會(huì)

數(shù)據(jù)標(biāo)注業(yè)務(wù)的核心正從提供海量的數(shù)據(jù)，轉(zhuǎn)移至供給高質(zhì)量、專家驅(qū)動(dòng)的數(shù)據(jù)。市場分化為兩個(gè)部分：低端任務(wù)將被模型自身或合成數(shù)據(jù)所侵蝕，而高端、復(fù)雜任務(wù)是一個(gè)具備高利潤和壁壘的市場。未來的領(lǐng)導(dǎo)者將是那些能夠高效組織、管理并交付專家級(jí)（Expert-level）數(shù)據(jù)服務(wù)的公司，而非僅僅是勞動(dòng)密集型的數(shù)據(jù)工廠。

這是宏觀趨勢，Scale AI 的運(yùn)營模式在客觀上為 Mercor 這類敏捷型挑戰(zhàn)者創(chuàng)造了一個(gè)利基市場：

1. AI 能力的“最后一公里”難題

模型的持續(xù)進(jìn)步，其瓶頸已不再是數(shù)據(jù)量，而是數(shù)據(jù)的質(zhì)量、多樣性與復(fù)雜性。為了解決模型泛化能力、處理邊緣案例和進(jìn)行復(fù)雜邏輯推理，AI 系統(tǒng)需要由人類專家（而非普通工人）生產(chǎn)的、超越現(xiàn)有模型認(rèn)知邊界的數(shù)據(jù)。這是價(jià)值密度最高的環(huán)節(jié)。

2. 對(duì)人類專家的持久需求

? Human Eval 需求持續(xù)性：來自 Google 等一線客戶的判斷，未來 5-10 年，對(duì)高質(zhì)量人工評(píng)估的需求將持續(xù)增長。即使合成數(shù)據(jù)可行，仍需人類專家對(duì)模型進(jìn)行評(píng)估，確保其性能不隨迭代而退化。

? 專業(yè)及復(fù)雜任務(wù)： 簡單任務(wù)的人工需求將減少，但專業(yè)領(lǐng)域（如醫(yī)療、法律、金融）和需深度邏輯推理的任務(wù)，仍將長期依賴人類專家。Mercor 的客戶 Google 判斷大模型在未來 2 年內(nèi)難以生成同等質(zhì)量的專業(yè)領(lǐng)域數(shù)據(jù)。

3. “高質(zhì)量溢價(jià)”形成的人才壁壘

? 人才稀缺性： 市場對(duì)高質(zhì)量標(biāo)注者的需求遠(yuǎn)超供給，尤其是在英語母語市場和特定專業(yè)領(lǐng)域（如擁有博士學(xué)位的專家）。

? 支付意愿： 頂級(jí)科技公司（Hyperscalers）已展現(xiàn)出強(qiáng)烈的支付意愿，愿意為獲取頂尖人才（如高價(jià)聘請(qǐng)美國研究生進(jìn)行復(fù)雜推理任務(wù)標(biāo)注）支付高額溢價(jià)。

4. Scale AI 的運(yùn)營慣性，催生了“長尾市場”的機(jī)會(huì)

? Scale AI 的局限性：運(yùn)營模式和成本結(jié)構(gòu)使其難以適配預(yù)算低于 5 萬美元的小型項(xiàng)目，并且其交付和迭代速度較慢。

? AI 實(shí)驗(yàn)室的敏捷需求：前沿模型的探索階段，需要大量快速、小規(guī)模的迭代。AI 實(shí)驗(yàn)室對(duì)低于 5 萬美元的小規(guī)模項(xiàng)目，在響應(yīng)速度和交付質(zhì)量上的要求日益提升。

?  Mercor 的市場切入點(diǎn)：這一“小預(yù)算、高難度、快周期”的市場空白，恰好為 Mercor 提供了獨(dú)特的切入空間。它能以更快的速度和更靈活的方式承接這些項(xiàng)目。

市場規(guī)模測算

總市場（TAM）

根據(jù) Grand View Research 數(shù)據(jù)，2023 年全球數(shù)據(jù)標(biāo)注市場約 37 億美元。預(yù)計(jì)到 2030 年達(dá) 171 億美元，CAGR 約 23.5%。其中，約 20%-30% 屬于高復(fù)雜度、人類專家參與型標(biāo)注。

LLM 驅(qū)動(dòng)下的高價(jià)值子市場（SAM）

LLM 發(fā)展催生了對(duì) RLHF、專家評(píng)估等新需求。據(jù)我們估算，2024 年全球約有 5-7 億美元專門投入此類高質(zhì)量人類數(shù)據(jù)項(xiàng)目。預(yù)計(jì)該子市場將以 50-80% CAGR 增長至數(shù)十億美元。

需求側(cè)：OpenAI、Anthropic、Google DeepMind、Meta 等十余家領(lǐng)先 AI 實(shí)驗(yàn)室，每年在人類評(píng)估和模型對(duì)齊環(huán)節(jié)的預(yù)算普遍在 $5M–$20M 區(qū)間，僅前 10 家合計(jì)即超 $100M–$200M。隨著企業(yè)客戶（如醫(yī)療、金融、法律等）開始微調(diào)自有模型，這一需求正在迅速擴(kuò)散。

供給側(cè)：Scale AI、Surge AI、Mercor 等標(biāo)注服務(wù)商中，僅 Mercor 的 2025 年 ARR 即達(dá) $75M，且主要來自該類任務(wù)；Scale AI 亦有估計(jì) $50M+ 的 RLHF 相關(guān)收入，表明該細(xì)分市場實(shí)際支出已達(dá) $200M–$300M+，并仍在加速增長。

Mercor 可獲取市場（SOM）潛力

公司目前年 ARR 約 7500 萬美元（2025 年 2 月），對(duì)應(yīng)高端 Human Data 子市場 10-15% 的份額（2024 年口徑）。若維持 >50% 年增速，未來兩年收入可達(dá) 2.5-3 億美元，對(duì)應(yīng)細(xì)分市場 20-30% 的份額。

03.業(yè)務(wù)演進(jìn)：從招聘平臺(tái)到數(shù)據(jù)標(biāo)注

業(yè)務(wù)模式

Mercor 最初的定位是 AI 招聘平臺(tái)。在此基礎(chǔ)上，它發(fā)現(xiàn)了一個(gè)機(jī)會(huì)：作為 BPO（業(yè)務(wù)流程外包）服務(wù)商，為像 Scale AI 這樣的大型數(shù)據(jù)標(biāo)注公司提供“合同制人才（contract people）”。在這個(gè)過程中，Mercor 發(fā)現(xiàn)其高效匹配與供給專家的能力，在 Human Data 領(lǐng)域具有強(qiáng)烈的市場需求（PMF）。因此，Mercor 開始直接向 AI Labs 提供人力數(shù)據(jù)創(chuàng)建服務(wù)，從 Scale AI 的上游勞務(wù)供應(yīng)商，轉(zhuǎn)變?yōu)閿?shù)據(jù)標(biāo)注服務(wù)市場的直接競爭者 。

核心業(yè)務(wù)線：

目前，Mercor 主要運(yùn)營兩大業(yè)務(wù)線，兩者共享其底層的 AI 人才匹配技術(shù)和專家網(wǎng)絡(luò)：

1. AI 招聘與人才派遣：傳統(tǒng)業(yè)務(wù)，Mercor 為科技公司提供 AI 招聘服務(wù)，幫助它們尋找和雇傭全職或合同制工程師。例如，Epsilon Labs 通過 Mercor 招聘海外 MLOps 合同工程師，Mercor 從中收取基于薪資的傭金（如 30%）。

2. Human Data Services：這是公司當(dāng)前的核心增長引擎，也是與 Scale AI 等巨頭直接競爭的領(lǐng)域。Mercor 為 AI labs（如全球五大 AI labs）提供用于模型微調(diào)、評(píng)估和 RLHF 的專家級(jí) human data 標(biāo)注服務(wù)。

Mercor 通過三條線構(gòu)建了端到端的專家數(shù)據(jù)（Human Data）交付系統(tǒng)：

1. 精英人才庫（The Asset）：Mercor 的核心資產(chǎn)是一個(gè)擁有超過 30 萬名專家的經(jīng)過深度索引和篩選的人才網(wǎng)絡(luò)。不同于傳統(tǒng)外包商隱藏標(biāo)注者背景，Mercor 向客戶完全透明化展示候選人檔案（教育背景、工作經(jīng)驗(yàn)、技能評(píng)估等）。

2. 靈活的工作流整合（The Workflow）： Mercor 的產(chǎn)品形態(tài)極具彈性，有效降低了客戶的采納阻力。

? 輕量接入： 客戶可繼續(xù)使用其自有標(biāo)注平臺(tái)，Mercor 僅作為高質(zhì)量人才的“即插即用”供應(yīng)商。

? 完整方案： 對(duì)于沒有現(xiàn)成工具的客戶，Mercor 提供自有平臺(tái)，快速搭建從數(shù)據(jù)管道到質(zhì)量控制的完整工作流程。

3. 結(jié)構(gòu)化的質(zhì)量與激勵(lì)（The Framework）： Mercor 摒棄了傳統(tǒng)按任務(wù)計(jì)件的模式（其天然導(dǎo)向犧牲質(zhì)量），而是價(jià)值定價(jià)，推行“按小時(shí)付費(fèi)”模式。對(duì)于頂尖 AI 實(shí)驗(yàn)室而言，研發(fā)迭代速度和數(shù)據(jù)質(zhì)量的價(jià)值遠(yuǎn)高于單純的人力成本節(jié)約。按時(shí)計(jì)費(fèi)直接激勵(lì)了高質(zhì)量的投入與靈活的調(diào)整，完美契合了前沿模型探索階段的需求。

Mercor 還承擔(dān)了將標(biāo)注者分類為獨(dú)立承包商（Independent Contractors）所帶來的全部法律與合規(guī)風(fēng)險(xiǎn)。這為客戶移除了一個(gè)關(guān)鍵的運(yùn)營障礙，使其可以無顧慮地快速啟動(dòng)和擴(kuò)展團(tuán)隊(duì)。

候選人視角

Explore 提供的崗位中，除極少數(shù)為全職薪資員工職位外，絕大多數(shù)為合同工形式。平臺(tái)為候選人提供了豐富的 AI 面試選項(xiàng)與體驗(yàn)，并配有詳細(xì)反饋。在某些特定項(xiàng)目中，還設(shè)置相應(yīng)的定制化面試流程。

公司視角

公司在使用 Mercor 時(shí)，可以方便地瀏覽候選人資料，包括簡歷、面試記錄和在線信息，快速鎖定最匹配的人選；平臺(tái)也支持一鍵預(yù)約面試，或直接向候選人發(fā)出合同，實(shí)現(xiàn)當(dāng)天上崗；所有支付也可通過 Mercor 平臺(tái)一次性完成，確保合規(guī)的全球付款流程。

技術(shù)架構(gòu)

Mercor 的技術(shù)路線基于洞察：知識(shí)型工作的頂尖人才（Top 1%）創(chuàng)造的價(jià)值遵循冪律分布，其技術(shù)架構(gòu)的核心是構(gòu)建一個(gè)能精準(zhǔn)識(shí)別并預(yù)測這些“關(guān)鍵少數(shù)”的洞察引擎。

分層 AI 架構(gòu)： Mercor 采用“通用基礎(chǔ)模型 + 垂直領(lǐng)域模型”的混合架構(gòu)。底層利用 GPT4 等大型模型處理簡歷解析等通用任務(wù)，上層的垂直領(lǐng)域模型包括：

1.  核心 IP：基于超過 10 萬份客戶反饋的真實(shí)崗位績效數(shù)據(jù)，通過強(qiáng)化學(xué)習(xí)（RLHF），訓(xùn)練出“崗位勝任力預(yù)測模型”。

2. 領(lǐng)域知識(shí)注入： 模型接入特定行業(yè)知識(shí)庫（如醫(yī)療 UMLS、制造業(yè) ISO 標(biāo)準(zhǔn)），具備行業(yè)拓展性。

3. 超越簡歷的信號(hào)網(wǎng)絡(luò)：分析候選人動(dòng)態(tài)的、非結(jié)構(gòu)化的“文本信號(hào)網(wǎng)絡(luò)”，如 GitHub 代碼質(zhì)量、技術(shù)博客的深度、面試中的決策邏輯來構(gòu)建與崗位績效的強(qiáng)關(guān)聯(lián)。評(píng)估“實(shí)際上能做什么”以及“思維方式是怎樣的”。

商業(yè)模式

Mercor 的商業(yè)模式建立在其兩大核心業(yè)務(wù)之上：“AI 招聘平臺(tái)”和“人力數(shù)據(jù)服務(wù)”。其 AI 招聘能力為其人力數(shù)據(jù)服務(wù)提供了穩(wěn)定且高質(zhì)量的人才供給，形成了獨(dú)特的協(xié)同效應(yīng) ?？蛻簦ㄓ绕涫?Google 這類頂級(jí) AI Labs）購買的是由其交付的最終結(jié)果，其價(jià)值體現(xiàn)在質(zhì)量、速度與安全性上，而非流程本身。

人才爭奪：雙方都在爭奪印度/北美遠(yuǎn)程自由職業(yè)者、編程競賽選手等高質(zhì)量人才。Mercor 通過提供更高的時(shí)薪吸引人才，而 Scale AI 則提供更靈活的時(shí)間和多樣的項(xiàng)目機(jī)會(huì)。

實(shí)驗(yàn)室的選擇傾向：AI Labs 的選擇取決于其項(xiàng)目的具體需求

1. 選擇 Mercor 的場景：項(xiàng)目預(yù)算較?。ǖ陀?5 萬美元），需要極高的迭代速度和靈活性；任務(wù)難度高，需要特定的、經(jīng)過篩選的專家參與；可以接受“足夠好”而非“業(yè)界頂尖”的交付質(zhì)量，以換取開發(fā)速度。

2. 選擇 Scale AI 的場景：項(xiàng)目預(yù)算充足，需要大規(guī)模、標(biāo)準(zhǔn)化的數(shù)據(jù)生產(chǎn)；對(duì)數(shù)據(jù)質(zhì)量、QA 流程和合規(guī)性有極其嚴(yán)格的要求；項(xiàng)目周期較長，對(duì)單次迭代速度的要求不高。

Mercor 的模式更側(cè)重于“人才驅(qū)動(dòng)的敏捷交付”。核心賣點(diǎn)是速度、靈活性和人才透明度。它本質(zhì)上是將高端人才作為一種可靈活調(diào)度的即插即用服務(wù)，來解決客戶小規(guī)模、快周期的研發(fā)需求。

Scale AI 則專注于“流程驅(qū)動(dòng)的工業(yè)化生產(chǎn)”。它銷售的是標(biāo)準(zhǔn)化的交付質(zhì)量、可預(yù)測的規(guī)?；a(chǎn)出和端到端的合規(guī)保障?？蛻糍徺I的是一個(gè)可靠的、無需操心的“黑盒”，適用于大規(guī)模的數(shù)據(jù)生產(chǎn)任務(wù)。

這也是一個(gè)動(dòng)態(tài)演進(jìn)的市場，Mercor 可能憑借其在高端人才服務(wù)上的優(yōu)勢，逐步蠶食部分需要更高靈活性的大型項(xiàng)目。Scale AI 也可能通過技術(shù)迭代提升其處理小規(guī)模任務(wù)的效率。

04.Mercor 的核心客戶與用戶反饋

核心客戶與兩大用例

Mercor 的客戶根據(jù)需求不同，主要通過兩種方式使用其平臺(tái)：

用例一：Human Data Labeling（核心增長業(yè)務(wù)）

客戶群體：頭部 AI Labs（OpenAI 等，也包括競爭對(duì)手 Scale AI）。主要需求是為 GenAI 模型的微調(diào)和 RLHF 階段提供專家級(jí)的人力評(píng)估和復(fù)雜數(shù)據(jù)標(biāo)注。Mercor 為這些實(shí)驗(yàn)室快速提供，部分也負(fù)責(zé)管理專家級(jí)合同工團(tuán)隊(duì)，按小時(shí)計(jì)費(fèi)，參與模型回歸測試、輸出高質(zhì)量評(píng)估和處理邊緣案例的復(fù)雜標(biāo)注任務(wù)。

用例二：AI 招聘與人才派遣

客戶群體：中小 AI 初創(chuàng)。比如 Epsilon Labs 通過 Mercor 招募海外 MLOps 合同工程師，負(fù)責(zé)管道搭建、訓(xùn)練監(jiān)控與輔助。Axion Ray 利用 Mercor AI 面試系統(tǒng)節(jié)省簡歷篩選時(shí)間，嘗試匹配工程師，但由于候選人專業(yè)度與需求不符，轉(zhuǎn)而選擇傳統(tǒng)渠道。

Scale AI 的一個(gè)高管評(píng)價(jià) Mercor AI 視頻面試提升初篩效率和一致性，交付速度快于行業(yè)平均。但局限在于高難任務(wù)仍需人工復(fù)核，無法完全保證質(zhì)量；而且存在部分候選人通過篩選后產(chǎn)出低質(zhì)數(shù)據(jù)，導(dǎo)致平臺(tái)需封禁并重新篩選。Scale 目前開放績效與質(zhì)控系統(tǒng)數(shù)據(jù)，幫助 Mercor 優(yōu)化人才池質(zhì)量，Mercor 根據(jù) Scale 的數(shù)據(jù)不斷改進(jìn)，從而能在標(biāo)注質(zhì)量持續(xù)追趕。

Google 作為多家數(shù)據(jù)標(biāo)注服務(wù)商的大客戶，提供了最客觀的橫向?qū)Ρ?。Google 的 Machine Learning 團(tuán)隊(duì)說他們會(huì)先以 “golden labeler” 測試多家供應(yīng)商，質(zhì)量合格后批量分發(fā)任務(wù)，Mercor 當(dāng)前占比較小，雖成長迅速，但絕對(duì)標(biāo)注量遠(yuǎn)低于 Scale AI、Surge AI，Scale/Surge AI 常年保持 8–9 分，Mercor 目前約 6–7 分，仍需多輪對(duì)齊。但在交付速度上，Mercor 是最快的。而在專業(yè)化評(píng)估上，Google 的 ML 團(tuán)隊(duì)認(rèn)為，在醫(yī)療等需要深度垂直知識(shí)的領(lǐng)域，Mercor 仍需擴(kuò)充其專業(yè)人才池，才能和 Turing、CertAI 等相對(duì)垂類專業(yè)化的平臺(tái)競爭。

用戶視角

我們也在 reddit 上看了用戶的反饋。很多自由職業(yè)者反饋 Mercor 薪資吸引力強(qiáng)（本科約$50/小時(shí)，碩博 $100–200/小時(shí)），100% 遠(yuǎn)程；而且目前的 AI 面試、行為篩選與技術(shù)評(píng)估結(jié)合，確實(shí)提高匹配效率。

Mercor 爭議也很大，說 Mercor 在邀請(qǐng)用戶寫 Reddit 體驗(yàn)，雖然不限定好壞，也引發(fā)了一些對(duì)“真實(shí)工作性質(zhì)”的質(zhì)疑。也有部分用戶反映“僧多粥少”，任務(wù)量不穩(wěn)定，存在“上線后很難快速獲取項(xiàng)目”的現(xiàn)象 。

05.差異化競爭：Mercor 正填補(bǔ) Scale 留下的空白

數(shù)據(jù)標(biāo)注市場中， Scale AI 擁有絕對(duì)優(yōu)勢。Mercor 采取了差異化打法，瞄準(zhǔn) Scale AI 覆蓋不到的小預(yù)算、高難度項(xiàng)目。

中大型項(xiàng)目

Scale AI

1. 市場定位：憑借高質(zhì)量與大規(guī)模交付能力，鎖定主要的云廠商和 AI 實(shí)驗(yàn)室，是市場標(biāo)準(zhǔn)制定者。其子公司 Remotasks、Outlier 等眾包平臺(tái)則管理的全球自由職業(yè)者網(wǎng)絡(luò)（超過 10 萬人）。

2. 優(yōu)勢：規(guī)模大、靈活性強(qiáng)，能處理多樣化、復(fù)雜的項(xiàng)目（如音頻、瀏覽器軌跡），得益于龐大的貢獻(xiàn)者網(wǎng)絡(luò)和工程能力，其技術(shù)平臺(tái)、質(zhì)量控制流程和全球化的人才網(wǎng)絡(luò)是核心資產(chǎn)。但其運(yùn)營模式和成本結(jié)構(gòu)不適配預(yù)算低于 $50k 的小型項(xiàng)目，形成了市場機(jī)會(huì)。

3. 最新進(jìn)展：1/ 此前服務(wù)于多個(gè)領(lǐng)域（如自動(dòng)駕駛、地圖、電子商務(wù)），近兩年重心轉(zhuǎn)向 GenAI；2/ Scale ai 也在發(fā)力高質(zhì)量與 diversity，在一些垂類領(lǐng)域已經(jīng)效果不錯(cuò)了。

4. 團(tuán)隊(duì)與融資：Scale AI 累計(jì)融資 16 億美元，最新一輪為 2024 年 5 月的 10 億美元 F 輪，估值達(dá) 138 億美元。2025 年 3 月，有報(bào)道稱其尋求通過要約收購以高達(dá) 250 億美元的估值融資。

Surge AI

1.市場定位：被 Scale AI 視為 number one competitor，規(guī)模上僅次于 Scale AI。服務(wù) Anthropic、Google、OpenAI 等，提供 RLHF 和人類數(shù)據(jù)平臺(tái)。目前，市場份額、整體質(zhì)量、招人和迭代速度均尚可。其眾包平臺(tái) DataAnnotation.tech、Taskup.ai 和 Gethybrid.io 支持靈活、高質(zhì)量的通用任務(wù)交付。

2. 優(yōu)勢：Surge AI 相對(duì) Scale AI 規(guī)模小得多，但也能提供類似的全方位、靈活服務(wù)，能夠處理不同規(guī)模項(xiàng)目（適合中小型和大型項(xiàng)目，在價(jià)格敏感項(xiàng)目中具有競爭力）并在 Gen AI 領(lǐng)域表現(xiàn)出色。

3. 團(tuán)隊(duì)與融資：前大廠團(tuán)隊(duì)數(shù)據(jù)團(tuán)隊(duì)創(chuàng)立，僅 2020 年 7 月 1 日完成一輪 2500 萬美元 A 輪融資。

?創(chuàng)始人兼 CEO：Edwin Chen，前 Google、Facebook、Twitter 機(jī)器學(xué)習(xí)和內(nèi)容審核團(tuán)隊(duì)負(fù)責(zé)人，MIT 數(shù)學(xué)與語言學(xué)背景。

? 工程團(tuán)隊(duì)負(fù)責(zé)人：Andrew Mauboussin，前 Twitter 機(jī)器學(xué)習(xí)工程師，哈佛計(jì)算機(jī)科學(xué)背景，負(fù)責(zé)實(shí)時(shí)人類計(jì)算 API 和 30+ 語言的國際化數(shù)據(jù)收集。

? 產(chǎn)品與增長負(fù)責(zé)人：Bradley，前 Facebook 數(shù)據(jù)運(yùn)營負(fù)責(zé)人，達(dá)特茅斯畢業(yè)，領(lǐng)導(dǎo)產(chǎn)品開發(fā)和增長戰(zhàn)略。

Vertical  專業(yè)任務(wù)

這些公司是 Mercor 在高質(zhì)量細(xì)分市場的對(duì)手。它們已通過深耕特定領(lǐng)域建立優(yōu)勢：Surge （RLHF）， Labelbox （CV 工具）， Turing （經(jīng)認(rèn)證的專家人才）。這證明垂直化是有效的防御策略。Mercor 需要證明其選擇的“高難度通用任務(wù)”是一個(gè)同樣穩(wěn)固的細(xì)分市場。

Turing

1.市場定位：是 OpenAI 和其他 LLM 生產(chǎn)商的 coding 領(lǐng)域的主要 vendor。最初也是軟件開發(fā)者市場平臺(tái)，匹配企業(yè)和開發(fā)者，后因 OpenAI 等客戶需求轉(zhuǎn)向數(shù)據(jù)標(biāo)注和 AI 訓(xùn)練。2023 年，軟件工程市場因裁員放緩，但數(shù)據(jù)標(biāo)注和基礎(chǔ)模型支持需求激增，Turing 目前并未完全放棄招聘業(yè)務(wù)，但加大在 AI 數(shù)據(jù)標(biāo)注領(lǐng)域的投入，在 code 相關(guān)數(shù)據(jù)標(biāo)注和軟件工程領(lǐng)域有優(yōu)勢，客戶包括 anthropoic、google、nvidia、openai 等頂尖 AI 實(shí)驗(yàn)室和科技公司。

2. 優(yōu)勢：1/ 提供頂級(jí)人才、數(shù)據(jù)和工具以訓(xùn)練前沿模型，幫助 AI 實(shí)驗(yàn)室提高模型性能，據(jù)用戶訪談擅長招聘在特定垂直領(lǐng)域?qū)＜倚腿瞬牛?/ 據(jù) Scale AI 訪談，只做 code 且 code 領(lǐng)域做得非常好，解決方案垂直且深入（盡管無法完全壟斷）；3/ 平臺(tái)有 300 萬開發(fā)者的龐大數(shù)據(jù)庫，主要來自印度等發(fā)展中國家，但非真正“人才網(wǎng)絡(luò)”。

3. 最新進(jìn)展：Turing 計(jì)劃擴(kuò)展到 reasoning、數(shù)學(xué)和 STEM 領(lǐng)域，因這些是代碼的自然延伸，且多模態(tài)模型需求增加；Turing 不滿足于低端數(shù)據(jù)標(biāo)注，目標(biāo)是通過 AI 咨詢和 AI 應(yīng)用開發(fā)提升價(jià)值鏈。

4.融資：已通過 6 輪融資累計(jì)籌集約 2.47 億美元，2025 年 3 月 E 輪融資后，Turing 的估值為 22 億美元，ARR 約為 3 億美元。投資者包括 WestBridge Capital、Foundation Capital、Khazanah Nasional Berhad、StepStone Group、Scott Banister、Adam D’Angelo 等。

5. 團(tuán)隊(duì)：兩位創(chuàng)始人 Jonathan Siddharth、Vijay Krishnan 均畢業(yè)于斯坦福大學(xué)，曾共同創(chuàng)立 AI 初創(chuàng)公司 Rover（后被出售），其他領(lǐng)導(dǎo)成員來自 Meta、Google、Microsoft、Amazon、Stanford、Caltech 和 MIT 的 AI 技術(shù)專家。

Labelbox

2024 年估值約 5 億美元，提供靈活的工具支持圖像、文本和視頻標(biāo)注，廣泛應(yīng)用于醫(yī)療、零售和自動(dòng)駕駛。

1.市場定位：專注于為 AI 初創(chuàng)公司、中小型企業(yè)和研究機(jī)構(gòu)提供靈活、高效的標(biāo)注工具，支持通用任務(wù)和多模態(tài)數(shù)據(jù)（文本、圖像、視頻）。其平臺(tái)以用戶友好的界面和集成化工作流著稱，適合快速迭代項(xiàng)目。Labelbox 更偏向工具提供商，而非端到端服務(wù)，可能在高復(fù)雜度任務(wù)（如 RLHF）上競爭力較弱。

2.優(yōu)勢：相比提供數(shù)據(jù)標(biāo)注更注重?cái)?shù)據(jù)管理，提供自助式標(biāo)注平臺(tái)，客戶可自定義工作流（如情感分析模板），支持小批量、高定制化任務(wù)，降低對(duì)外部標(biāo)注團(tuán)隊(duì)的依賴；在數(shù)據(jù)標(biāo)注中，CV 圖像領(lǐng)域做得有優(yōu)勢；Google 客戶訪談中指出 labelbox 也能招募高質(zhì)量人才。

3.團(tuán)隊(duì)與融資：累計(jì)融資 1.889 億美元，2022 年 1 月 D 輪后，估值約為 10 億美元。投資者包括 SoftBank Vision Fund II、Andreessen Horowitz、B Capital Group、Kleiner Perkins、Gradient Ventures、Databricks Ventures、Snowpoint Ventures、In-Q-Tel 等。創(chuàng)始團(tuán)隊(duì)是斯坦福畢業(yè)生、具備豐富數(shù)據(jù)背景，創(chuàng)始人 Manu Sharma 為前微軟工程師此，Brian Rieger 前在波音等企業(yè)從事數(shù)據(jù)相關(guān)工作。

Mercor 的市場切入點(diǎn)是服務(wù)大型供應(yīng)商忽略的客戶。當(dāng)前的定位更接近 Surge AI、SuperAnnotate、Turing。Mercor 承接 Scale AI 因規(guī)模太小而不愿做的項(xiàng)目。這些項(xiàng)目通常對(duì)質(zhì)量、難度要求高，但數(shù)據(jù)量小，需要更靈活的交付。 這是一個(gè)務(wù)實(shí)的初始市場策略。問題在于，這部分需求能否匯集成一個(gè)規(guī)?；?、高利潤的業(yè)務(wù)。

另外，招聘領(lǐng)域，Mercor 也與 Upwork、LinkedIn 等通用平臺(tái)，以及 Juicebox、micro1 等垂直工具正面競爭。

06.Mercor 的人才結(jié)構(gòu)和非典型融資故事

核心團(tuán)隊(duì)背景

Mercor 有三位年輕、互補(bǔ)且有創(chuàng)業(yè)天賦的創(chuàng)始人 Brendan Foody （CEO）、Adarsh Hiremath （CTO） 和 Surya Midha （COO）。平均年齡僅約 20 歲。CEO Brendan Foody 2004 年出生，從中學(xué)時(shí)期嘗試賣甜甜圈、轉(zhuǎn)售運(yùn)動(dòng)鞋，到高中設(shè)立 AWS 咨詢公司，這種創(chuàng)業(yè)“天賦”驅(qū)動(dòng)了 Mercor 在哈佛宿舍起步，在沒有外部融資的情況下，將業(yè)務(wù)做到百萬美元 ARR。Brendan Foody 在哈佛計(jì)算機(jī)系兩年后輟學(xué)，在沒有融資的情況下 all in Mercor。CTO Adarsh Hiremath 與 Brendan 在過往項(xiàng)目（高中的咨詢公司）已建立默契，他負(fù)責(zé)工程與 AI 能力。COO Surya Midha 是政策辯論和運(yùn)營管理背景。三人在高中辯論隊(duì)一起獲得了政策辯論賽冠軍。

核心運(yùn)營和增長高管來自 Scale AI 與 OpenAI，在數(shù)據(jù)標(biāo)注、供應(yīng)鏈搭建、客戶交付與政府關(guān)系上經(jīng)驗(yàn)豐富，縮短了 Mercor 在復(fù)雜 B2B 服務(wù)流程上的學(xué)習(xí)曲線：

Shaun VanWeelden  (ex OpenAI、Scale AI)

Mercor 的 director manager，11 個(gè)月內(nèi)將公司年?duì)I收從 100 萬美元提升至 1 億美元。在 OpenAI 擔(dān)任 Human Data Operations 負(fù)責(zé)人，理解 RLHF 的數(shù)據(jù)運(yùn)作與質(zhì)量標(biāo)準(zhǔn)，補(bǔ)齊團(tuán)隊(duì)在 enterprise ops 方面的短板。

他曾在 OpenAI 擔(dān)任 Head of Human Data Operations，領(lǐng)導(dǎo)團(tuán)隊(duì)為 AI 研究提供 RLHF 數(shù)據(jù)，優(yōu)化流程與供應(yīng)商管理，并代表公司參與國會(huì)聽證，解釋模型中的人類參與機(jī)制。此前在 Scale AI 從客戶工程師一路晉升為計(jì)算機(jī)視覺項(xiàng)目總監(jiān)，主導(dǎo) GM、Toyota 等客戶的自動(dòng)駕駛數(shù)據(jù)標(biāo)注項(xiàng)目，并促成首個(gè)聯(lián)邦政府合作合同（500 萬美元）。

Sidharth Potdar (ex Scale AI)

Mercor 運(yùn)營負(fù)責(zé)人（Head of Operations），他曾在 Scale AI 擔(dān)任增長負(fù)責(zé)人，先后負(fù)責(zé)產(chǎn)品運(yùn)營、戰(zhàn)略項(xiàng)目及增長團(tuán)隊(duì)，聚焦于 AI 數(shù)據(jù)標(biāo)注與自動(dòng)駕駛技術(shù)支持。此前在麥肯錫擔(dān)任分析師，參與多項(xiàng)戰(zhàn)略咨詢項(xiàng)目。

Mercor 的組織文化具備強(qiáng)創(chuàng)始人和 builder 基因。團(tuán)隊(duì)成員中超過一半是前創(chuàng)始人，中位年齡僅 22 歲，我們有理由信任團(tuán)隊(duì)的執(zhí)行速度和 owner-ship。不過創(chuàng)始團(tuán)隊(duì)偏年輕，首次創(chuàng)業(yè)，又是 B2B 業(yè)務(wù)，不同于 facebook，cursor 等以產(chǎn)品為核心的公司，面臨著更多管理成長階段公司的挑戰(zhàn)。

融資歷程

Mercor 的融資歷程并非傳統(tǒng)的“募資-發(fā)展”路徑，而是頂級(jí)資本的“主動(dòng)追逐”。

1. 種子輪（2023 年）

公司成立伊始，即獲得 General Catalyst 領(lǐng)投的 360 萬美元種子輪融資，并吸引了 NEA 董事長 Scott Sandell 的個(gè)人參投，以及 Soma Capital、Link Ventures。當(dāng)時(shí)三位創(chuàng)始人年僅 19 歲、公司尚處萌芽期。

2. A 輪（2024 年 9 月）

Benchmark 領(lǐng)投 3000 萬美元 A 輪融資，估值飆升至 2.5 億美元。

此輪融資匯聚了“硅谷投資教父”Peter Thiel、Twitter 聯(lián)合創(chuàng)始人 Jack Dorsey、OpenAI 董事、Quora 的 CEO Adam D’Angelo，以及前美國財(cái)政部長 Larry Summers 等重量級(jí)個(gè)人投資者。這些戰(zhàn)略性投資人的加入，不僅帶來資金，更預(yù)示著對(duì) Mercor 未來業(yè)務(wù)發(fā)展（特別是與頂級(jí) AI Labs 的合作）的賦能和資源導(dǎo)入。

Benchmark 合伙人 Victor Lazarte 加入董事會(huì)，體現(xiàn)了基金對(duì) Mercor 的深度投入和長期支持，而非僅僅財(cái)務(wù)投資。Benchmark 的介入是對(duì) Mercor 的主動(dòng)捕捉。（Victor 說服 Brendan 進(jìn)行了初步交流，之后 Benchmark 的合伙人之一 Peter Fenton 邀請(qǐng) Brendan 一起乘坐直升機(jī)。后續(xù) Brendan 又和 Victor 以及 Benchmark 團(tuán)隊(duì)談了幾次）

3. B 輪（2025 年 2 月）

在公司業(yè)務(wù)收入已達(dá)數(shù)千萬美元、并不急于融資的背景下，Mercor 仍完成 1 億美元 B 輪融資，估值至 20 億美元，由 Felicis Ventures 領(lǐng)投，現(xiàn)有投資者 Benchmark、General Catalyst 和 DST Global 跟投。此次融資僅稀釋了 5%股權(quán)，以極低稀釋比例獲得巨額資金。