过去两年，AI 行业最热门的话题一直围绕着模型。OpenAI、Anthropic、xAI、Google DeepMind，不断刷新着模型能力的天花板；GPU、算力、数据中心成为资本追逐的新热点。

但很多人忽略了一个事实：决定下一代模型能力的，并不仅仅是算力，而是数据。

而在今天，最有价值的数据，已经不再是互联网文本，而是由医生、律师、程序员、科研人员等专业人士创造出来的高质量推理数据（Reasoning Data）。

谁能够组织这些专家，谁就掌握了 AI 下一阶段最重要的生产资料。

也正因如此，一家几乎不做模型、不卖 GPU 的公司，在短短两年时间里，从一家招聘创业公司成长为估值有望达到200亿美元的 AI 独角兽。

它就是Mercor。

01

两年估值增长80倍，Mercor为什么突然爆发？

Mercor 成立于 2023 年，由三位获得Thiel Fellowship的年轻创业者共同创立。

公司最新一轮融资正在进行中，市场消息显示，本轮计划融资约5亿美元，目标估值达到200亿美元。如果交易完成，这意味着 Mercor 的估值将在不到一年时间内再次翻倍。此前，公司于 2025 年完成3.5亿美元 Series C 融资，估值100亿美元；更早之前，公司估值仅约2.5亿美元。短短两年，估值增长接近80倍。

更令人震惊的是业务增长速度。

2026 年 6 月，公司披露其年化收益已经突破20亿美元，相比四个月前再次实现翻倍增长。

如今，Mercor 已拥有超过3万名专业专家，每天向专家支付超过400万美元报酬，已经成为全球最大的 AI 专家数据平台之一。

其背后投资机构同样十分豪华，包括Benchmark、General Catalyst、Felicis Ventures、Robinhood Ventures等硅谷顶级基金。随着公司进入新一轮融资，Mercor 已成为一级市场最受关注的 AI 基础设施项目之一。

02

Mercor 做的，并不是招聘

很多人第一次看到 Mercor，会误以为它是一家 AI 招聘公司。

事实上，这只是它最初的切入点。

Mercor 真正做的，是建立一个连接全球顶级专业人才与 AI 实验室的双边市场。

随着大模型进入后训练（Post-training）时代，仅依赖互联网数据已经无法持续提升模型能力。越来越多模型开始依赖医生、律师、金融分析师、软件工程师等专业人士，对模型输出进行评价、纠错、打分和推理指导。

这些工作并不是传统的数据标注，而是直接决定模型专业能力的核心训练数据。

Mercor 所提供的，正是这样一套高质量专家供给体系。

AI 公司提出需求，Mercor 利用自己的 AI 面试和筛选系统快速匹配全球专家，再由这些专家持续参与模型训练、评估与强化学习。

换句话说，Mercor 并不是一家招聘平台，而是在构建AI 世界的人才基础设施。

03

Mercor 如何赚钱？

Mercor 的商业模式非常简单，但也极具规模效应。

AI 实验室按照小时向平台采购专业人才服务，Mercor 从每一笔交易中收取平台服务费。目前业内普遍估计，其平台抽成比例约为30%—35%。

例如，一家 AI 公司希望聘请医学专家参与模型训练，每小时支付 150 美元，Mercor 会向专家支付其中约 95 美元，其余部分则作为平台收入。

因此，Mercor 公布的20亿美元 ARR，本质上是平台年化交易规模（Gross Payment Volume），而非传统 SaaS 意义上的收入。

按照约 30% 的平台抽成计算，公司实际年化收入已经达到约6亿美元，对于一家成立仅两年的创业公司而言，这一数字已经相当惊人。相比传统猎头需要大量人工运营，Mercor 利用 AI 自动完成专家筛选、能力评估和项目匹配，大幅降低了交付成本，也使平台能够快速扩张。

这种模式更接近 Uber、Airbnb 等双边平台，而不是传统软件公司。

04

为什么 AI 公司越来越离不开 Mercor？

过去，大模型主要依赖公开互联网文本进行预训练，但随着互联网高质量数据逐渐被消耗殆尽，行业开始进入后训练时代。

真正能够继续提升模型能力的，不再是更多网页，而是专家知识。

医生能够判断医学诊断是否正确，律师能够评估法律分析是否严谨，资深程序员能够评价代码质量，科研人员能够帮助模型理解复杂科学问题。这些专业判断，是模型无法仅靠网络文本学习到的。

因此，各家 AI 实验室都开始大规模采购专业人才。

Mercor 恰好站在这一趋势中央。它不是帮助企业招聘员工，而是在帮助 OpenAI、Anthropic 等公司持续获取训练下一代模型所需要的人类知识。随着模型能力不断向专业领域深入，Mercor 提供的专家网络也将持续扩大，这使得平台本身具备越来越强的网络效应。

05

为什么 Mercor 能够快速建立壁垒？

理论上，任何人都可以建立一个专家数据库；真正困难的是，如何高效验证专家能力，并持续完成全球范围内的大规模供需匹配。

Mercor 从创业初期便将 AI 引入整个筛选流程：平台利用 AI 自动完成专家面试、履历分析、技能评估和项目匹配，大幅缩短传统招聘周期。

与此同时，随着越来越多 AI 公司通过 Mercor 发布项目，平台积累了大量关于不同专家能力、项目表现以及训练效果的数据。

这些数据不断优化平台匹配效率，也让后来者越来越难复制。

对于 AI 公司而言，更重要的是速度。一家模型公司可能需要在几天内找到数百名具备专业背景的人参与训练，而传统猎头几乎无法完成这样的任务。

Mercor 建立的并不是一个专家名单，而是一套可以持续、快速、高质量输出专家能力的基础设施。

06

为什么投资人持续加码？

Mercor 的成长速度，本质上反映的是 AI 行业需求结构的变化。

过去几年，资本主要关注模型本身。而今天，越来越多投资机构开始意识到，真正限制 AI 能力提升的瓶颈，已经不是模型，而是高质量专家数据。

Mercor 正好占据了这一关键节点。相比单一 AI 应用，它服务的是几乎所有前沿 AI 实验室。随着 OpenAI、Anthropic、Google DeepMind、xAI 等公司持续增加后训练投入，对专家数据的需求也将不断扩大。

与此同时，Mercor 也已经开始从单纯的人才平台，逐渐向整个 AI 数据生产基础设施延伸。近期，公司宣布收购 AI Agent 训练公司 Deeptune，进一步完善 AI 数据生产能力，也显示出其希望打造完整 AI 数据供应链的长期战略。

对于投资机构而言，这意味着 Mercor 并不是一家短期受益于 AI 热潮的公司，而有机会成长为 AI 时代新的基础设施平台。

07

Mercor 真正值得关注的地方

很多人看到 Mercor，会觉得它只是把招聘搬到了 AI 时代，但真正吸引资本的，并不是招聘业务本身，而是它站在 AI 产业链最核心的位置。

未来几年，AI 行业竞争的重点，很可能从模型能力逐渐转向高质量数据、专业知识以及持续优化能力，而 Mercor 正在成为连接全球专家与 AI 模型之间最重要的桥梁。

它既不训练模型，也不生产芯片，却掌握着未来 AI 发展过程中越来越重要的一项资源——人类专业知识。随着 AI 持续进入医疗、法律、金融、科研等专业领域，对高质量专家数据的需求只会越来越大。

结语

AI 的下一场竞争，不只是模型，而是知识

未来几年，更重要的问题或许会变成：谁能够持续获得最优质的人类知识。

Mercor 的价值，不在于它开发了新的模型，而在于它正在建立一个连接全球专业人才与 AI 的新型基础设施。

如果说 GPU 是 AI 的算力，数据中心是 AI 的工厂，那么像 Mercor 这样的公司，则正在成为 AI 世界的知识供应链。

这也是为什么，越来越多顶级投资机构愿意持续押注这家公司。

本文来自微信公众号“硅兔君”，作者：硅兔君