OpenAI、Anthropic背后的AI“数据工厂”，被曝上半年营收41.6亿，超过去年全年

7月22日消息，一则来自The Information的报道，让一家名为Mercor的AI数据训练公司走进了更广泛的视野。根据一份财务文件，这家公司今年上半年交出了一份相当亮眼的成绩单：营收达到6.14亿美元（约合软妹币41.6亿元），同比增长70%，直接超过去年全年收入。更值得注意的是，其中约91%的收入都来自AI基础模型公司。

Mercor这家公司，2023年才成立，最初做的是AI招聘工具，后来转型为AI公司提供训练数据和模型评估服务。它的核心逻辑不难理解：把全球的专业人才组织起来，参与到AI模型的训练中，帮助大模型在回答质量和推理能力上不断精进。目前，它的客户名单里，既有OpenAI、Anthropic、Google DeepMind这样的头部玩家，也有Reflection AI、Thinking Machines Lab这类新兴AI实验室。

7月9日，The Information曾援引知情人士消息称，Mercor正在计划融资5亿美元（约合软妹币34亿元），投后估值可能达到200亿美元（约合软妹币1355亿元）。要知道，它在2025年10月刚完成3.5亿美元的C轮融资，当时估值是100亿美元。如果这轮融资顺利，意味着Mercor的估值将在一年内翻倍。

公司的三位创始人——Brendan Foody、Adarsh Hiremath和Surya Midha，都是00后。他们高中时在辩论队相识，成了挚友，后来分别从乔治城大学和哈佛大学辍学，全职创业。现在，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

先看几个关键数据。The Information透露，今年6月，Mercor的月收入折算成年化收入已经达到20亿美元（约合软妹币135亿元），营收增速比年初翻了一倍。公司还向投资者透露，预计今年年底的年化收入将达到28亿美元（约合软妹币190亿元）。

但高速增长的背后，也藏着一些隐忧。财务文件显示，今年上半年，Mercor约91%的收入都来自AI基础模型公司。这意味着，如果这些大型AI公司减少外部采购，或者选择自己建数据训练能力，Mercor的未来增长就可能受到直接影响。

这其实是投资者们相当关注的一个问题。越来越多的AI基础设施创业公司，都高度依赖少数几个大客户。一旦这些客户调整供应链策略，市场反应往往是立竿见影的。

此外，今年3月发生的一场供应链攻击事件，也让外界对Mercor的业务稳定性打上了一个问号。据Wired报道，Meta因为安全事件暂停了与Mercor的合作，目前还没有恢复。

客户集中度偏高，只是问题的一个方面。人工专家成本，则是Mercor面临的另一个现实挑战。公司目前依靠大量专业人才参与模型评估，需要把约三分之二的收入用来支付给这些承包商。受此影响，Mercor去年的毛利率约为27%，今年第二季度才提升到33%。

不过，Mercor预计，随着规模扩大和业务结构调整，明年毛利率有望提升至46%，到2030年达到56%。

二、服务OpenAI、Anthropic等巨头，Mercor聚合领域专家优化模型

大模型的竞争，正在从单纯的规模扩张，进入到能力优化的深水区。提升模型能力，已经不再只靠堆参数、堆算力，高质量训练数据的重要性正在快速上升。

早期那种大规模、低成本的标注数据，已经不太够用了。现在的AI公司需要的，是更专业、更贴近真实任务的数据。比如法律推理、医疗分析、复杂代码生成这些场景，都需要领域专家来参与评估和反馈。

Mercor正是在这个趋势下快速成长起来的。它跟传统的数据标注公司不太一样，更像是一个“专家网络”平台，把全球各地的专业人才连接起来，为AI公司提供更复杂的数据训练和模型评估服务。这些训练人员里，有律师、医生、作家，也有拥有博士背景的研究人员。他们的工作，是评价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。

目前，Mercor的核心客户，就是OpenAI、Anthropic这类基础模型公司，以及Reflection AI、Thinking Machines Lab这类新型AI实验室。

当然，这个赛道并非Mercor一家独大。Scale AI、Surge AI、Handshake AI等公司也在提供类似的服务。其中，Scale AI是行业龙头，长期服务OpenAI、谷歌、微软这些巨头；Surge AI则专注于高质量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，未来五年内，客户在基础模型公司中的集中度会逐渐下降，因为他们会向更多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。公司的募资材料里，已经列出了Ramp、Blue Owl和Citi等金融机构作为客户。

Mercor还表示，未来几年，来自AI初创企业和大型企业的收入占比将持续提升。预计到2028年，这块收入就会超过基础模型公司；到2030年，来自基础模型公司的收入占比，预计会下降到不足三分之一。

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宣布收购了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真实的AI训练环境。

不过，Mercor也认为，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的模式，快速切入OpenAI、Anthropic等头部模型公司的训练流程，并实现了高速增长。但与此同时，客户集中、人工成本以及训练方式的变化，也成了它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的不断发展，Mercor能否从一家靠人工驱动的数据服务商，成长为更大的AI训练基础设施平台，仍然需要时间来验证。

来源：The Information