6个月估值暴涨5倍突破100亿美元，三个“00后”逼急Scale AI
本文来自微信公众号：极客公园 （ID：geekpark），作者：芯芯，编辑：靖宇，原文标题：《6 个月估值暴涨 5 倍突破 100 亿美元，三个「00后」逼急 Scale AI》
AI浪潮里，数据标注可能是不起眼，但却最重要的一环。
比如数据标注巨头Scale AI的创始人，被扎克伯格用上百亿美元收编，辍学生摇身一变成了Meta AI团队重要人物。
而与此同时，另一家公司借Scale AI「不再中立」的机会，挖走了Scale AI原来的客户，甚至逼得Scale AI亲自下场起诉。
这家公司叫Mercor，2023年成立，创始人都是00后。两年间，他们把「数据标注」的苦差事，变成了一个平台生意，收入飞速增长。
今年2月，公司估值已经突破20亿美元，半年后的当下，居然还有人开出100亿美元的投资邀约。
半年时间估值狂涨5倍，Mercor做对了什么？
01、AI「专家」撮合平台
通常，人们提起数据标注，想到的是印度、菲律宾、非洲外包公司，几百万匿名「众包工人」在屏幕后苦撑，如同数据血汗工厂，平台管工、千人同做、质量靠抽检。
但Mercor的逻辑有点不同，这家公司并不依赖低价劳动力，而是聚焦领域专家，比如律师、医生、金融分析师、化学研究员，或者博士、STEM领域人才。复杂任务需要高质量数据，而高质量数据只能靠「懂行的人」产出，不能只是学生和众包工人。
它搭建了个AI驱动的招聘平台，靠着最近AI模型大厂对「专家级人类数据」的需求激增，正好切中痛点，于是撮合了大量数据标注业务。客户可以发出需求，平台用模型筛简历、做测评、AI自动面试与对接，最后连工资都代发，最后向甲方收取佣金或服务费。
「我们的爬虫会自动从简历、GitHub、个人作品集网站等平台抓取信息，从而完整地展现每位申请人的形象。这使我们能够浏览数百万份个人资料，进行数千次面试，最终在全球找到一两位最适合特定职位的人才。」Mercor的首席执行官称。
2025年初，Mercor的全球候选池据称有30万人，其平台用AI工具做准入筛查，每一次合作都会产生表现数据，反哺匹配算法。需求端和客户包括很多顶尖AI实验室和科技公司，任务难、单价高。
简言之，Mercor现在做的不是简单的数据标注外包，而是「AI时代的按需专家外包」。
对于疯狂训练大模型的公司来说，这意味着可以不养冗余人力，就能在项目周期内迅速拉起一支懂行的队伍。而且，如果供应商没被任何一家巨头捆绑，能在竞争激烈的市场保持「中立」，那听起来比任何炫技都可靠。
据Mercor联合创始人兼CEO称，该公司目前已与「七巨头」中的6家合作，同时也覆盖了全球前五大AI实验室以及大多数顶级应用层公司。
Mercor的创立时间很短，但融资路径算是教科书级的。2023年，它拿下General Catalyst领投的360万美元种子轮，奠定平台雏形。
一年后，Benchmark在2024年10月领头投3000多万美元，公司估值跃升至2.5亿美元。那一轮的投资人名单有不少硅谷名流，比如Peter Thiel、Twitter联合创始人Jack Dorsey、Quora联合创始人Adam D'Angelo，甚至还有前美国财政部长进行了个人投资。
接着是2025年2月的B轮融资，由Felicis领投，General Catalyst、DST Global、Benchmark和Menlo Ventures跟投，一共1亿美元，直接把Mercor的估值推到20亿美元。这笔交易仅用两周完成，甚至由公司主导条款。
当时，Mercor披露的数据有一定诱惑力：年化营收约7500万美元，月环比增长50%，并已实现月度盈利。市场因此愿意按27倍ARR的溢价买单。
半年后，Mercor并未主动寻求新一轮融资，却接连收到「不请自来」的要约，投资邀约最高甚至喊到100亿美元。就这样一家两岁的初创公司，被市场追着投。
硅谷的资本为何那么积极？
逻辑并不复杂。在市场上，模型本身的差异正在收敛，竞争的关键逐渐前移到数据与人类反馈；Mercor的商业模式又很轻，平台抽成配合灵活外包，不需要庞大的固定成本，就能放大现金效率；更关键的是，头部对手陷入信任危机，中立成为稀缺品。
所有AI实验室都担心：
自己辛苦获得的数据，最终流向竞争对手。
另外比较吸睛的，是创始团队的年龄与履历。硅谷向来痴迷年轻创业者，三名创始人均为00后，都从大学辍学，拿过Peter Thiel设立的奖学金。团队还从OpenAI挖来人力数据运营主管、从Scale AI挖来增长负责人，给了资本「既快又稳」的叙事。
02、ScaleAI成前浪？
无论Mercor的估值是否合理，该公司最近的突然跃升，不得不提Meta和Scale AI的推波助澜。
2025年中旬，Meta的扎克伯格出手，花重金买下Scale AI 49%的股份，把它的估值抬到290亿美元，刷新了AI数据服务领域的纪录，也顺手把Scale AI的「中立性」摧毁殆尽。
过去十年，Scale AI是数据标注的代表性供应商，它靠自研工具和管理大规模标注队伍，为客户交付端到端数据。
但当你的客户里同时有谷歌、微软、OpenAI、马斯克的xAI，而你又被Meta部分「收编」，其他人会怎么想？
答案来得很快：合同缩减、迁移、观望、复审，Scale AI自身的团队也陷入动荡。Scale AI依旧庞大，但外部已经质疑它会变成Meta的「内部基建」。
空出来的订单与信任，可以流向谁？当然是，其他数据标注公司。
Mercor现在可以标榜自己是独立第三方，保证不会把数据喂给竞争对手，还能在短期内组织懂行的专家队伍，尤其擅长复杂、高价值的垂直数据标注任务。
更讽刺的是，即便Meta控了Scale AI的半壁江山，Meta内部的一些团队在训练新模型时，据传依然继续采购Mercor的数据服务。
相比Mercor的专家定制标注，Scale AI更偏向大规模数据标注，适合通用任务，而模型前沿实验室有时需要定制化的数据。
另外还有数据质量和内部团队矛盾的原因。
部分Meta研究员对外爆料称Scale AI的数据「质量不够高」。而且，Scale AI前高管加入Meta不到两个月就离职，也引发外界对双方整合效果的质疑。一些Meta老员工也对空降成领导的Scale AI创始人颇有微词。
内外部同时冲击，意识到风向的Scale AI也坐不住了，开始起诉Mercor，指控其存在「商业间谍行为」，包括挖走高管并窃取客户资料以「策反」客户。
一名从Scale AI跳槽到Mercor的员工在社交媒体上称，「刚得知我要被Scale起诉了。上个月，我从Scale离职，加入了Mercor……后来Scale联系我，说我在个人网盘里还有一些文件，我当时就问能不能直接删掉。但他们让我不要对这些文件做任何处理，所以我现在还在等他们的进一步指示来解决这件事。在Mercor的工作中，我从未使用过这些文件。听起来Scale想起诉我，这是他们的决定。但我只想说，我真的没有任何恶意，也没有不正当的行为。」
03、数据标注的「快」与「慢」
谁能想到，扎克伯格一边把AI人才市场的薪资水准，抬到职业球星的高度，另一边也顺手给数据标注产业添了把火。
这也算给整个行业上了一课，中立、数据需求方向，都是Mercor拿走大单的筹码。而Scale AI，现在和一家巨头绑得太紧，就得接受客户转身离开。
在早期，大厂还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，也是竞争加剧后必然选择。
这门常常被科技从业者视为「打杂」的生意，早期依赖大规模人工众包，让Appen、Lionbridge等平台靠廉价劳动力主导市场，之后是Scale AI、Labelbox等公司借自动化工具迅速扩张，而到了2025年，高质量、专家级标注的需求激增，算是给Surge AI、Mercor等新贵崛起带来机会。
不过，即使Scale AI被动给Mercor让了道，这不代表它没有风险。它仍需要证明自己配得上数十、甚至上百亿美元估值的预期。
因为它做的是数据标注最难标准化的部分，不是给猫画框、识别红绿灯，而是让专家进行复杂判断，比如哪段代码更优，这类任务交付速度更慢，很难靠「人海战术」堆出来。
在Mercor的核心业务逻辑中，「用专家做数据」原本是它区别于Scale AI、Surge等竞争对手的关键，但这也可能导致它难以像后者那样依赖众包或自动化扩张。
每一个项目都需要独立匹配具有背景知识的标注者，是博士、是医生、是工程师，不是可以从落后国家随时拉人的兼职工。招人更难、耗时更久，而且这些专家并不便宜，一小时几十美元的成本，远高于传统平台靠众包打标签的方式。
这种模式能确保数据质量，但无法确保规模速度。如果客户需要的是「快」「便宜」「能迅速上量」，那它提供的就更像是奢侈品，而非标准化的工业品。
还值得注意的是，社交媒体上存在一些对Mercor平台的质疑。这些申请人需要进行20分钟的人工智能视频面试，有用户感觉「Mercor AI面试更像是在收集数据而非认真面试」，像是为了「训练其AI模型」的伪招聘。
Reddit上有人讽刺道：「数据已收集，候选人被拒绝。」一名自称沃尔玛数据科学家的用户在LinkedIn上直言：「这是个骗局。」还有人干脆在Medium上写长文，指责「一些公司正在利用求职者的绝望——不是为了招人，而是为了收集机器学习模型的数据。」
当然，有时也会有用户反驳称，「他们在招聘方面非常挑剔。他们不像那些AI数据标注农场。」
与此同时，外部竞争在白热化。Surge AI在2024年突破10亿美元营收，超越Scale AI，直接把整个行业的基准线拉高。此外，一些客户已经在探索用大模型为自己生成标注，只保留少数专家校验，压缩成本。这种趋势一旦成型，也可能给Mercor的后期增长带来问题。
说到底，就像Scale AI常常被业内质疑的那样，Mercor虽然也说自己是科技公司，但仍在服务行业的逻辑里。很多数据标注公司估计都需要回答一个问题：
它们到底算科技平台，还是高级劳务中介？
不过，这并不妨碍它现在赚钱。对投资人而言，「打标签」是否性感并不重要，关键在于利润和估值是否可观。只要AI仍然离不开人工标注，像Mercor、Scale AI这样的公司，就依然能吸引资本趋之若鹜。
还值得一提的是，Mercor的长线野心并不只是数据标注。根据Mercor联合创始人兼CEO的说法，AI数据标注，只是他们进入市场的「切入点」，「与全球数十亿的知识型工作机会相比，这显得微不足道。」
他明确公布了自己的计划：用AI标注工作起步，学习如何预测工作表现，拓展至所有短期岗位，最终「为所有工作招聘人员」。
「劳动力市场是全球最大、同时也是最低效的市场。更好地将人们与他们日常从事的工作匹配，是提升全球效用的最大杠杆。虽然我们最初聚焦于为AI模型训练招募专家，并取得了令人瞩目的进展，但这只是我们解决全球劳动力配置问题的第一步。」
Mercor CEO如此说道。
相关推荐
6个月估值暴涨5倍突破100亿美元，三个“00后”逼急Scale AI
估值1000亿，辍学90后华裔天才，刚刚融了72亿
37岁理工男，估值1000亿
百度AI折叠：三大100亿营收业务，估值超400亿美元
7个月估值100亿美元，她才是奥特曼心腹大患
三个90后，估值360亿：黄仁勋的座上宾
如果三个100亿业务做成，百度AI商业化就不是问题了
商汤科技考虑在最近一轮融资后上市 估值100亿美元
4个毛头小子干出700亿，程序员要失业了？00后笑了
收入4个月涨2倍，“最火AI编程神器”Cursor估值达百亿美元
网址: 6个月估值暴涨5倍突破100亿美元，三个“00后”逼急Scale AI http://m.xishuta.com/newsview141611.html
