编辑｜靖宇
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。
Mercor 平台上各种专家数据标注职位 ｜图片来源：Mercor
「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 B 轮融资 1 亿美元 ｜图片来源：Mercor
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。
Mercor 的三名创始人 ｜图片来源：Mercor
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
Scale AI 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」。
扎克伯格与 Scale AI 的创始人 Alexandr Wang｜图片来源：X
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。」
跳槽到 Mercor 的员工称被 Scale AI 起诉 ｜图片来源：X
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。
平台以每小时几十美元的价格招募学科专家 ｜图片来源：Mercor
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。
Mercor 联合创始人兼 CEO 公开博文 ｜图片来源：Mercor
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。