Mercor凭什么估值10亿美元
Mercor登上了美国CBS的《60分钟》节目。这家旧金山创业公司出现在公众视野的方式有点特别——不是发布新产品,也不是宣布融资,而是把镜头对准了自家平台上那些给AI打分的人。节目在2026年10月4日播出,重点介绍了超过10万人规模的自由职业者网络,这些人的工作说起来也简单:让AI模型知道什么样的回答才算好答案。
Mercor这家公司到底是做什么的?
这家公司做的事情说起来其实不复杂。它在AI实验室和专业从业者之间搭了一座桥,客户名单里包括OpenAI和Anthropic这样的头部机构。Mercor把实验室的需求拆解成具体的任务,分发给平台上的各个领域专家,让他们给出专业意见。
这些专家来自医学、金融、法律等不同领域。他们的任务听起来简单——给AI的回答打分、纠错、提建议。但背后的要求可不低,需要从业者有真实的行业经验和判断力。
具体怎么工作的?
行业里管这套流程叫RLHF,全称是reinforcement learning from human feedback,翻成大白话就是「用人类反馈来训练AI」。你可以把它理解成一个特别严格的老师在批改作业,只不过学生是语言模型,而且作业永远写不完。
除了打分,Mercor的专家还要做模型评估。这是一种结构化的测试,用来检验AI的输出是否经得起专业人士的审视,确保模型在上线前达到基本标准。
标注师能挣多少钱?
这部分可能是很多人关心的。根据公开数据,平台上的专家平均时薪是$95,最低$20,最高能达到$375。差距这么大,关键在于任务的专业难度和所属领域。
平台活跃度方面,接入网络的总人数超过10万人,但每周实际参与任务的差不多有3万人左右。这意味着大部分人是按需接活,不是全职干。
算个账的话,平台每天给标注师的支出大概在$1.5m到$4m之间。这个数字在行业内算是相当高的,说明愿意为专业判断力付溢价。
公司是怎么发展起来的?
Mercor成立于2023年,最初并不是做AI训练的,而是帮程序员找工作的招聘平台。后来业务转型,切入到AI数据标注赛道。这个时间点踩得很准——ChatGPT发布后,整个行业对高质量标注数据的需求开始激增。
公司的增长曲线很陡峭。早期收入只有$1m左右,两年内就涨到了数亿美元。2025年10月完成$350m的C轮融资后,估值直接冲到了$10b。到2026年中期,年化收入预估已经达到$2b。
这种增长速度让创始人Brendan Foody在23岁就成了亿万富翁。在《60分钟》的采访里,他把自家平台定义为一种新型工作的先驱——人类教AI判断力和细微差别,这是原始数据本身无法提供的东西。
外界怎么看这件事?
《60分钟》的报道发出后,在业内引发了不少讨论。支持者觉得这是生产力的提升,专业人士可以用自己的经验换取额外收入,同时推动AI进步。但反对的声音也很直接:你在花钱让人训练AI,训练的目标恰恰是让AI能替代或辅助这些人的工作。这个循环本身就成了争议的焦点。
一些观点认为,当AI逐步掌握各个领域的判断能力后,相关岗位的需求可能会受到影响。尤其是那些高度依赖专业判断的细分领域,这种替代效应会更明显。
结语:人类判断力正在被重新定价
Mercor的案例揭示了AI发展中一个容易被忽视的环节——训练AI需要大量真实的专业判断,而这些判断本身正在成为一门生意。从$20到$375的时薪差距也说明,不同领域的专业知识在AI训练市场的价值差异巨大。这种供需关系会如何演变,值得持续观察。
本文基于公开媒体报道整理,仅作信息参考,不构成任何投资依据,内容以原文为准。