智东西
编译 | 茄子
编辑 | 程茜
智东西 7 月 22 日消息，昨日，The Information 根据一份财务文件报道，美国 AI 数据训练独角兽 Mercor 今年上半年实现 6.14 亿美元（约合人民币 41.6 亿元）营收，同比增长 70%，超过去年全年收入，其中约 91% 的收入来自 AI 基础模型公司。
Mercor 成立于 2023 年，最初做 AI 招聘工具，后转型为 AI 公司提供训练数据和模型评估服务。该公司通过组织全球专业人才参与 AI 模型训练，帮助大模型提升回答质量和推理能力。Mercor 主要客户包括 OpenAI、Anthropic 和 Google DeepMind 等头部 AI 企业，以及 Reflection AI、Thinking Machines Lab 等新兴 AI 实验室。
The Information 7 月 9 日援引知情人士报道，Mercor 正在计划融资 5 亿美元（约合人民币 34 亿元），投后估值可能达到 200 亿美元（约合人民币 1355 亿元）。Mercor 上一轮融资是 2025 年 10 月完成的 3.5 亿美元（约合人民币 23.7 亿元）C 轮融资，投后估值达到 100 亿美元（约合人民不 677 亿元）。此次 5 亿美元（约合人民币 34 亿元）融资若顺利完成，Mercor 估值有望在一年内翻倍。
Mercor 由 Brendan Foody、Adarsh Hiremath 和 Surya Midha 三人共同创立。其中，Brendan Foody 担任 CEO，Adarsh Hiremath 担任 CTO，Surya Midha 为董事会主席。三人均为 00 后创业者，高中时期在辩论队相识并成为挚友，后分别从乔治城大学和哈佛大学辍学，全职创立 Mercor。目前，他们被认为是全球最年轻的白手起家亿万富翁之一。
Mercor 创始人合照，从左至右依次为 CTO Adarsh Hiremath、CEO Brendan Foody、董事会主席 Surya Midha（图源：Mercor）
一、收入高速增长背后，客户依赖和成本压力仍是挑战
The Information 透露，今年 6 月，Mercor 月收入折算后的年化收入达到 20 亿美元（约合人民币 135 亿元），营收增速较年初增长一倍。Mercor 还向投资者透露，该公司预计今年年底年化收入将达到 28 亿美元（约合人民币 190 亿元）。
财务文件披还披露，Mercor 今年上半年收入约 91% 都来自 AI 基础模型公司。这意味着，如果大型 AI 公司减少外部采购，或者选择自行建设数据训练能力，可能会影响 Mercor 未来增长。
这种风险也是投资者关注的问题之一。越来越多 AI 基础设施创业公司依赖少数大型客户，如果这些客户一旦调整供应链策略，可能直接影响公司的收入增长。
此外，今年 3 月发生的供应链攻击事件，也增加了外界对其业务稳定性的担忧。据 Wired 报道，Meta 因安全事件暂停与 Mercor 合作，目前尚未恢复。
除了客户集中问题，人工专家成本也是 Mercor 面临的重要挑战。Mercor 目前依靠大量专业人才参与模型评估，该公司需要将约三分之二的收入支付给这些承包商。受此影响，Mercor 去年毛利率约为 27%，今年第二季度提升至 33%。
The Information 称，Mercor 预计，随着规模扩大和业务结构调整，该公司毛利率将在明年提升至 46%，并在 2030 年达到 56%。
二、服务 OpenAI、Anthropic 等巨头，Mercor 聚合领域专家优化模型
随着大模型竞争进入能力优化阶段，模型提升已经不再只依赖参数规模和算力，高质量训练数据的重要性正在不断提升。
相比早期依靠大规模人工标注的数据，当前 AI 公司需要更加专业、贴近真实任务的数据，例如法律推理、医疗分析、复杂代码生成等场景，都需要领域专家参与评估和反馈。
Mercor 正是在这一趋势下快速增长。不同于传统数据标注公司，Mercor 主要通过连接全球专业人才，为 AI 公司提供更复杂的数据训练和模型评估服务。这些训练人员包括律师、医生、作家以及拥有博士背景的研究人员，他们负责评价 AI 模型生成的答案，帮助模型提升准确性、推理能力和专业能力。
当前，Mercor 主要为 OpenAI、Anthropic 为代表的基础模型公司和以 Reflection AI、Thinking Machines Lab 为代表的新型 AI 实验室提供数据训练和模型评估服务。
Mercor 并非是 AI 训练数据赛道的唯一玩家。Scale AI、Surge AI、Handshake AI 等公司也在为 AI 企业提供训练数据和模型评估服务，帮助前沿模型进行优化和微调。
其中，Scale AI 是 AI 训练数据领域的龙头，长期服务 OpenAI、谷歌、微软等巨头；Surge AI 则专注高质量 RLHF 和专家偏好数据；Handshake AI 依托其学术网络，同样聚焦高质量专家数据生产和模型评估。
三、拓展客户、布局强化学习环境，Mercor 寻找下一增长曲线
为了降低对基础模型公司的依赖，Mercor 正在扩大客户范围。据 The Information 报道，Mercor 预测其客户在基础模型公司中的集中度将在未来五年内逐渐下降，因为他们将向更多 AI 初创公司（包括需要评估定制模型的应用开发者）以及 AI 领域之外的大型企业销售评估和训练服务。该公司的募资材料还中列出了 Ramp、Blue Owl 和 Citi 等金融机构作为客户。
Mercor 还称，未来几年，该公司来自 AI 初创企业以及大型企业的收入占比将持续提升。预计到 2028 年，AI 初创公司和财富 2000 强企业为 Mercor 带来的收入将超过基础模型公司；到 2030 年，来自基础模型公司的收入在 Mercor 的收入占比预计下降至不足三分之一。
除了拓展客户，Mercor 也开始布局新的 AI 训练方式。部分研究人员认为，强化学习环境（Reinforcement Learning Environment）可能在部分场景中替代人工反馈。通过构建模拟的软件环境，AI 可以直接学习完成任务，而不再完全依赖人工评价。
7 月 9 日，Mercor 宣布收购专注于强化学习环境设计的初创公司 Deeptune，希望帮助企业快速构建更加真实的 AI 训练环境。
不过，Mercor 认为，在法律等高风险、高复杂度领域，人类专家仍然具有不可替代的价值。
结语：从大模型客户到企业市场，Mercor 试图降低收入依赖
随着大模型竞争从规模扩张进入能力优化阶段，高质量训练数据和模型评估服务的重要性正在提升，AI 数据训练也正在从单纯的数据标注业务，向更专业、更复杂的模型优化基础设施演变。
Mercor 凭借连接全球专家资源，快速切入 OpenAI、Anthropic 等头部模型公司的训练流程，并实现高速增长。但与此同时，客户集中、人工成本以及训练方式变化，也成为其未来发展的关键挑战。
通过拓展企业客户、布局强化学习环境等方式，Mercor 正在尝试降低对单一业务模式的依赖。不过，随着 AI 生成数据和自动化训练技术不断发展，Mercor 能否从人工驱动的数据服务商成长为更大规模的 AI 训练基础设施平台，仍需要时间验证。
来源：The Information
