过去两年，AI 行业的焦点始终围绕模型展开。OpenAI、Anthropic、xAI 及 Google DeepMind 等巨头不断刷新模型能力上限，GPU、算力与数据中心成为资本追逐的热点。然而，决定下一代模型能力的核心并非仅是算力，而是数据。
当前最具价值的数据已不再是互联网文本，而是由医生、律师、程序员、科研人员等专业人士创造的高质量推理数据（Reasoning Data）。谁能组织这些专家，谁就掌握了 AI 下一阶段最重要的生产资料。
正因如此，一家几乎不做模型、不卖 GPU 的公司——Mercor，在短短两年内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。
01 ┃ 两年估值增长 80 倍，Mercor 为何突然爆发？
Mercor 成立于 2023 年，由三位获得Thiel Fellowship的年轻创业者共同创立。公司最新一轮融资计划募资约5 亿美元，目标估值达200 亿美元。若交易完成，其估值将在不到一年内再次翻倍。此前，公司于 2025 年完成3.5 亿美元 C 轮融资，估值为100 亿美元；更早之前估值仅约2.5 亿美元。短短两年，估值增长近80 倍。
业务增长速度同样惊人。2026 年 6 月，公司披露年化收益（ARR）突破20 亿美元，较四个月前再次翻倍。如今，Mercor 已拥有超过3 万名专业专家，每日支付报酬超400 万美元，成为全球最大的 AI 专家数据平台之一。
其背后投资机构阵容豪华，包括Benchmark、General Catalyst、Felicis Ventures、Robinhood Ventures等硅谷顶级基金。随着新一轮融资推进，Mercor 已成为一级市场最受关注的 AI 基础设施项目之一。
02 ┃ Mercor 的本质：并非招聘，而是人才基础设施
初看 Mercor，易被误认为是一家 AI 招聘公司，但这仅是其切入点。Mercor 真正构建的是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无法持续提升模型能力。越来越多的模型需要医生、律师、金融分析师、软件工程师等专业人士对输出进行评价、纠错、打分及推理指导。这些工作超越了传统数据标注，是直接决定模型专业能力的核心训练数据。
Mercor 提供了一套高质量专家供给体系：AI 公司提出需求，Mercor 利用 AI 面试和筛选系统快速匹配全球专家，由专家持续参与模型训练、评估与强化学习。换言之，Mercor 正在构建AI 世界的人才基础设施。
03 ┃ 商业模式：高规模效应的双边平台
Mercor 的商业模式简单且具备极强的规模效应。AI 实验室按小时采购专业人才服务，Mercor 从中收取平台服务费。业内普遍估计，其平台抽成比例约为30%—35%。
例如，若 AI 公司每小时支付 150 美元聘请医学专家，Mercor 向专家支付约 95 美元，其余作为平台收入。因此，Mercor 公布的20 亿美元 ARR本质上是平台年化交易总额（Gross Payment Volume），而非传统 SaaS 收入。按 30% 抽成计算，公司实际年化收入已达约6 亿美元。
相比传统猎头依赖大量人工运营，Mercor 利用 AI 自动完成专家筛选、能力评估和项目匹配，大幅降低交付成本并实现快速扩张。这种模式更接近 Uber、Airbnb 等双边平台，而非传统软件公司。
04 ┃ 刚需驱动：AI 公司为何为 Mercor 买单？
过去，大模型主要依赖公开互联网文本预训练。随着高质量网络数据消耗殆尽，行业进入后训练时代，真正能提升模型能力的不再是更多网页，而是专家知识。
医生可判断诊断准确性，律师可评估法律分析严谨度，资深程序员可评价代码质量，科研人员可辅助理解复杂科学问题。这些专业判断是模型无法仅靠网络文本习得的。因此，各大 AI 实验室开始大规模采购专业人才。
Mercor 恰好处于这一趋势中心。它不仅帮助企业招聘，更协助 OpenAI、Anthropic 等公司获取训练下一代模型所需的人类知识。随着模型能力向专业领域深入，Mercor 的专家网络将持续扩大，形成强大的网络效应。
05 ┃ 核心壁垒：AI 驱动的供需匹配效率
建立专家数据库并不难，难点在于如何高效验证专家能力并完成全球范围内的大规模供需匹配。Mercor 从创业初期便将 AI 引入全流程：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。
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专家能力、项目表现及训练效果的数据。这些数据不断优化匹配效率，构建了后来者难以复制的壁垒。对于追求速度的模型公司而言，Mercor 提供了一套可持续、快速、高质量输出专家能力的基础设施，这是传统猎头无法企及的。
06 ┃ 资本逻辑：押注 AI 数据供应链
Mercor 的成长速度折射出 AI 行业需求结构的变迁。资本关注点已从模型本身转向高质量专家数据这一瓶颈。Mercor 占据了这一关键节点，服务于几乎所有前沿 AI 实验室。随着头部公司持续增加后训练投入，专家数据需求将不断扩大。
此外，Mercor 正从单纯的人才平台向 AI 数据生产基础设施延伸。近期收购 AI Agent 训练公司 Deeptune，进一步完善了数据生产能力，显示出打造完整 AI 数据供应链的长期战略。对投资机构而言，Mercor 有望成长为 AI 时代新的基础设施平台。
07 核心价值：掌握人类专业知识
Mercor 的真正价值不在于招聘业务本身，而在于其占据了 AI 产业链的核心位置。未来几年，AI 竞争重点将从模型能力转向高质量数据与专业知识。Mercor 正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，却掌握了未来 AI 发展至关重要的资源——人类专业知识。随着 AI 深入医疗、法律、金融、科研等领域，对高质量专家数据的需求只会日益增长。
结语 ┃ AI 的下一场竞争：从模型到知识
未来几年的关键问题将是：谁能持续获得最优质的人类知识。Mercor 的价值在于建立了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 Mercor 这类公司正在成为AI 世界的知识供应链。这也是顶级投资机构持续押注该公司的根本原因。
作者提示：个人观点，仅供参考