据媒体报道,2026 年 11 月 10 日,硅谷 AI 数据基建公司 Mercor 官宣完成 7.5 亿美元 D 轮融资,投后估值 200 亿美元(约合人民币 1343 亿元)。本轮投资方包括英伟达、Salesforce、Zoom 等产业方,以及 Benchmark、General Catalyst 等机构。距离它 2025 年 10 月以 100 亿美元估值完成 C 轮,只过去一年出头。
这家公司的年纪很轻,创始人也一样。CEO Brendan Foody、CTO Adarsh Hiremath 和董事长 Surya Midha,三人既是高中辩论搭档,又都是“泰尔奖学金”得主;2023 年初,还在乔治城大学和哈佛就读的他们选择辍学创业。
他们最初想做的,只是用 AI 面试官解决跨境程序员招聘难题。真正让他们跑起来的是一个判断:大模型的下一道关卡不是参数,而是高质量的人类反馈与强化学习环境。于是公司从“帮人找工作”变成了“给模型上课”。
目前 Mercor 集结了超过 500 万名软件工程师、律师、医生、投行分析师等专业人才;据 CEO 在播客访谈中披露,平台每天发出的酬劳已超过 400 万美元(他说“现在已远超这个数”,并提到某天为 500 万美元),累计发放约 10 亿美元;70% 的专家通过内推加入,公司已完成超过 700 万次面试。营收方面,ARR 从 2025 年初的数千万美元,到今年年中突破 20 亿美元,如今站上 30 亿美元。
要理解它为什么值 200 亿美元,得先看它到底在卖什么。CEO 在访谈里说得很清楚:外界最大的误解,是把他们当成 Uber 那样的撮合平台。实际上,专家只是交付物里的一个组成部分,真正的产品是“RL 环境”,由三部分构成:Apps(各类办公软件的克隆版)、Worlds(里面的消息、PPT、文档、表格)、Tasks(提示词与评分标准)。
这套东西的壁垒不在技术,而在覆盖度。要自动化整个经济,就得覆盖人们用到的所有软件、所有内容世界、所有任务。谁能把这三样铺得最全,谁就掌握定价权。这也是它收购 Deeptune(第二笔收购,第一笔是 Sepal AI)的原因——自己擅长 Worlds 和 Tasks,Apps 则靠并购补齐。
从创业视角看,这位 20 多岁的 CEO 有几句话值得记下来。
“模仿是成为市场老二的绝佳捷径,而我们对当老二毫无兴趣。”他说公司内部有一种近乎狂热的紧迫感,但他特别警惕盯着对手看的陷阱——那会让人从“定义品类”滑向“对标模仿”。
“混乱才是常态。”早期一年半,他们的客户几乎全是种子轮公司,结果 12 个月内 80% 都倒闭了,团队得不断承受客户流失的张力。他用马斯克那句“嚼着玻璃凝视深渊”形容创业的真实手感。
“我们宁愿每周工作 100 个小时去解决一个真正重要的问题。”他说自己和联合创始人以前有不少机会直接套现走人,但那不是动力;“比起财富自由,每周花 100 个小时解决难题更有吸引力”。
他还提到公司三条价值观:高标准(招聘门槛绝不妥协)、时间旅行者(站在 5 年后看现在再倒推)、客户痴迷。第二点解释了他们为什么能比其他人更早发现这个市场——从实验室前沿到应用层再到全球经济,顺着技术渗透曲线看。
接下来是希鸥网的观察。
第一,这个案例真正值得看的,不是 200 亿美元这个数字,而是它对“数据”的重新定价。CEO 的说法是:数据仍是逆向共识,投资者普遍以为三年内就会实现超级智能、不再需要人类造评估与训练集;但过去三年这个判断一直没应验。他的反驳是杰文斯悖论——专家效率提高 3 到 5 倍,反而让社会需要更多人去教模型。
第二,他对同行的判断也值得国内 AI 创业者参考。他认为应用层与推理层的大部分业务会被商品化:GPU 会被商品化,软件构建成本越来越低,所以应用层能立住护城河的只有两个——品牌与数据。而 API 业务的切换成本太低,“投资者高估了 API 业务营收的质量”,因为客户每天都会在表现最好的模型之间切换。这段话不是说给投资人听的,是说给定价听的。
第三,也是最需要保持冷静的一点:这家公司的天花板,取决于“还有多少事人类能做、模型做不到”的时间表。CEO 自己也承认,这个市场的边界由那道能力边界决定——只要还有 Google Meet 上的说服、湿实验室里的实验、修车这类事,就需要人类去丈量。反过来说,一旦模型在某个领域能自我评估(像数学那样有计算器验算),那部分需求就会消失。
所以,200 亿美元买的不是一个确定的市场,而是一段窗口期。Mercor 赌的是窗口足够长(“未来几十年模型仍会以这种方式学习”),而质疑者赌的是它会快速关闭。两种判断都可能对,但都不应该被当成定论。
本文根据公开报道及 Mercor 创始人在播客访谈中的表述整理,融资与估值数据以官方披露为准。