一家由三位00后创立的公司，如何在两年内实现从零到百亿美元估值的跨越，并撼动整个AI数据行业？
2025年10月28日，AI初创公司Mercor宣布完成3.5亿美元的C轮融资，估值飙升至100亿美元。这一估值较其2月份的B轮融资时暴涨了5倍，而距离公司成立仅过去两年多时间。
更令人惊讶的是，这家创造奇迹的公司由三位00后青年创立，他们均从名校辍学，通过Thiel奖学金项目走上创业道路。从AI招聘平台起步，到如今管理着超过3万名合约专家，Mercor的日均薪资支付额超过150万美元，成为AI数据服务领域一股不容忽视的新力量。
资本狂热：从360万到35亿的融资跃迁
Mercor的融资历程堪称硅谷教科书级的案例。2023年，公司获得由General Catalyst领投的360万美元种子轮融资。
一年后，Benchmark领投了A轮融资，金额达3000万美元，使公司估值跃升至2.5亿美元。
2025年2月，Mercor完成由Felicis领投的1亿美元B轮融资，估值升至20亿美元。而仅仅过了半年多，公司估值已飙升至100亿美元，成长速度令人咋舌。
此次C轮融资仍由Felicis领投，Benchmark、General Catalyst和新投资方Robinhood Ventures跟投。这笔新融资将用于扩大公司的人才网络、升级匹配系统以及提升服务交付速度。
商业模式：从AI招聘到专家数据标注的华丽转身
Mercor最初定位是一家AI招聘公司，通过分析面试记录、简历及个人作品集网站评估候选人，为企业提供招聘决策支持。
公司在无意中构建起一个专业专家网络后，将业务方向转向“招聘高技能专业人才，为人工智能模型提供训练支持”。
与传统数据标注公司不同，Mercor专注于领域专家，如律师、医生、金融分析师、化学研究员等。这些专家的时薪通常在90至150美元之间，远高于传统数据标注人员。
Mercor的执行长Brendan Foody强调，他们的优势在于为每个具体项目挑选最合适的人才，这使得他们能够为客户提供更高质量的数据标注服务。
时代机遇：Meta收购Scale AI引发的行业洗牌
Mercor的崛起恰逢AI数据服务行业的重大变局。2025年中旬，Meta花费143亿美元收购了Scale AI 49%的股份，导致这家曾经的数据标注巨头失去了“中立性”。
这一收购引发了连锁反应，包括Google和OpenAI在内的一些大型AI实验室开始减少与Scale AI的合作。
Mercor联合创始人Adarsh Hiremath对此评论：“它（指竞争对手被收购）只是不常发生，你的最大竞争对手一夜之间被鱼雷击中。”
凭借中立第三方的定位，Mercor迅速填补了市场空白，甚至吸引了Meta内部团队的合作。行业格局的突变，为Mercor提供了难得的发展窗口。
团队传奇：三位00后辍学生的造富神话
Mercor由Brendan Foody、Adarsh Hiremath和Surya Midha于2023年创立，三人都是加州圣何塞同一所高中的同学和校辩论队队友。
其中，Adarsh和Surya曾是美国历史上最成功的高中辩论搭档，拿过全美三大高中辩论比赛的大满贯。
2023年，三人同时从大学辍学，全职投入创业。早期他们手动帮AI创业公司对接印度自由工程师，几个月内就创造了100万美元收入和8万美元利润。
2024年，所有创始人都入选了Thiel Fellowship，成为历史上第一个集体入选的创业团队。公司员工平均年龄只有22岁，打造了一个充满干劲的年轻团队。
挑战并存：数据质量与规模化的平衡难题
尽管发展迅猛，Mercor仍面临诸多挑战。专家数据标注模式难以规模化是其首要难题。
与依赖廉价劳动力的传统数据标注不同，Mercor需要为每个项目独立匹配具有背景知识的专家，这些专家不仅数量有限，而且成本高昂。
同时，公司还陷入与Scale AI的法律纠纷。Scale AI起诉Mercor存在“商业间谍行为”，指控其挖走高管并窃取客户资料以“策反”客户。
此外，Mercor因实行“996工作制”引发争议。员工每天早上9点到岗，一直工作到晚上9点，每周工作6天，在硅谷这种文化颇为罕见。
行业影响：AI发展驱动力从模型转向数据
Mercor的崛起反映了AI行业竞争焦点的转变。随着模型本身的差异逐渐收敛，竞争的关键逐渐前移到数据与人类反馈。
在AI发展的早期，大厂热衷自己全网爬数据，给模型“喂料”。但这两年来，大部分标注工作都被外包给了第三方，这不仅是成本控制，也是竞争加剧后的必然选择。
Mercor的执行长Brendan Foody认为：“如果有复杂的概念需要训练模型，人类AI训练员就必不可少。”
Mercor的快速发展证明，数据品质已成为新一代AI训练的稀缺资源，企业将不再只比拼“数据量”，而是比拼“数据质”。
三位20岁出头的年轻人，用两年时间打造了一家估值千亿的公司，他们从AI招聘切入，意外地在专家级数据标注领域找到了属于自己的赛道。
“如果AI自动化了经济中90%的工作，那么余下10%将由人类担当，而人类每贡献一个单位，就能产生10倍的价值，因为其他部分已被自动化所放大。”Foody曾这样说道。
当模型能力逐渐趋同的背景下，高质量的人类专家数据正成为新的稀缺资源，这可能重塑整个AI时代的价值分配格局。
📌 相关推荐
碾压 OpenAI，DeepSeek-R1 发布！如何在本地实现 DeepSeek？
0元本地部署！体验 OpenAI 价值20000美金/月的博士级智能体
更上层楼！仅用2GB资源，让最火的DeepSeek-R1在本机上奔跑！
再上层楼，让DeepSeek-R1在16G内存，无GPU的Windows笔记本上本地运行！
月上西楼！一行命令让本地大模型学会 DeepSeek 的深度思考！
👇点击阅读原文，获取开源地址
🚀帮我们点亮一颗🌟，愿您的开发之路星光璀璨
扫一扫
468
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
