当OpenAI、英伟达们砸千亿造芯片、炼模型时，三个二十出头的哈佛辍学生正靠“卖人”赚走百亿估值。这家叫Mercor的公司不产算力、不炼模型，只干一件事：把医生、律师、科学家“打包”卖给AI巨头，按小时收费。结果三年时间，它的估值从2亿飙到100亿，年化营收4.5亿美元，还赚了600万美元——在AI创业公司集体烧钱的当下，这伙年轻人硬是把“人力中介”做成了独角兽。

更魔幻的是，它的客户名单比硅谷创投圈的通讯录还豪华：OpenAI、Meta、谷歌、亚马逊、微软、英伟达，六大巨头全在列。尤其OpenAI，给它贡献的营收“相当可观”。当外界还在讨论AI会不会取代人类时，Mercor已经用最原始的“卖人脑”生意，卡住了AI巨头的脖子。

一、AI算力过剩后，“人类专家”成了新刚需

Mercor的崛起，藏着AI产业一个被忽视的真相：当算力和通用数据不再稀缺，“人类智能接口”成了新的护城河。

过去五年，AI圈的战争围绕“算力”和“数据”展开。英伟达靠GPU芯片成了万亿巨头，OpenAI靠海量文本数据炼出GPT-4。但到2025年，情况变了：大模型预训练数据日趋同质（无非是爬遍全网的文本、图片、视频），算力也成了“白菜价”（云厂商疯狂降价抢订单）。真正能拉开差距的，是“精调”环节——用行业专家的知识给模型“补课”，让它从“啥都懂点”变成“某个领域的专家”。

比如训练一个医疗大模型，光喂医学论文不够，得让心脏科医生标注CT影像、解读病例；训练法律大模型，不能只看法条，还得让律师分析庭审案例、拆解合同漏洞。这些活儿，普通数据标注员干不了，AI自己更干不了——毕竟，连GPT-4都可能把“心肌梗死”误诊为“胃炎”，人类专家的经验成了不可替代的“校准工具”。

Mercor就看准了这个缺口。它不养专家，而是搭了个“高端人才滴滴”：左边接入OpenAI等巨头的需求（“需要50个肿瘤医生标注PET-CT影像”“要30个专利律师做RLHF反馈”），右边对接科学家、医生、律师等行业专家，按小时抽成（比如专家时薪200美元，Mercor抽20%）。这种“轻模式”让它避开了算力军备竞赛，直接切入AI产业链最“难标准化”的环节。

更聪明的是，它卖的不是“人力”，而是“专家网络”。普通外包公司可能找兼职大学生凑数，Mercor却能精准匹配“有10年临床经验的神经外科医生”“前最高法院书记员”——这些人要么在顶尖机构任职，要么有行业认证，时间宝贵，不会随便接外包。Mercor怎么搞定他们？靠蒂尔奖学金的人脉（三创始人都是获奖者，这个奖学金专门资助“不按常理出牌”的创业者），以及“按小时计费+灵活接单”的模式：专家不用坐班，有空时登录平台接任务，时薪比本职工作还高（有律师透露，在Mercor接单时薪可达500美元，是律所的2倍）。

这种“高端匹配”能力，让Mercor成了AI巨头的“刚需供应商”。OpenAI的GPT-4精调、Meta的LLaMA医学版本训练、英伟达的自动驾驶算法优化，都得靠它找专家。有投资人直言：“现在大模型拼的不是谁算力多，而是谁能搞到稀缺专家的时间——Mercor手里攥着的，就是AI圈最硬的‘硬通货’。”

二、辍学三兄弟的“闪电战”：从2亿到100亿，靠什么跑赢99%的AI公司？

Mercor的三个创始人，放在硅谷也是“异类”：CEO Brendan Foody、CTO Adarsh Hiremath、COO Surya Midha，全是哈佛辍学生，年龄最大的24岁，最小的22岁。2023年成立时，三人挤在旧金山一间公寓办公，靠蒂尔奖学金的10万美元启动资金，硬生生把公司做到估值100亿。

他们的“逆袭密码”，藏在三个反常识操作里。

第一个操作：不追风口，只啃“硬骨头”。 2023年正是AI大模型最火的时候，所有创业者都在喊“做下一个OpenAI”，Mercor却反其道而行之——不做模型，只做模型的“服务员”。当时行业默认“数据标注是低端生意”，但三兄弟发现：RLHF（人类反馈强化学习）和精调环节的专家需求，根本没人满足。Scale AI虽然做数据服务，但重心在普通标注（比如给图片打标签），对高知专家匹配能力弱。Mercor直接把目标客户锁定为“愿意为专家付高价”的巨头，第一年就靠OpenAI的订单活了下来。

第二个操作：用“盈利”敲开资本大门。 2024年AI创业圈流行“先烧钱后盈利”，Anysphere（Cursor母公司）靠5亿ARR估值50亿，却还在亏损；而Mercor成立第二年就盈利了——2025年上半年利润600万美元。秘诀在于“高毛利+轻运营”：专家匹配抽成率20%-30%，几乎没有固定成本（不用租实验室、买设备），平台靠算法自动匹配，人力成本极低。投资人说：“在AI泡沫期，盈利就是最大的‘核武器’——当别人还在讲‘未来故事’时，Mercor已经把钱赚进了口袋。”

第三个操作：踩着Scale AI上位。 2024年，Scale AI创始人汪滔跳槽Meta，成了Mercor的“神助攻”。Scale AI曾是OpenAI、DeepMind的头号数据服务商，但汪滔离开后，客户担心“业务不稳定”，纷纷终止合作。Mercor趁机挖走Scale AI的核心客户——它甚至不用打价格战，只需要告诉OpenAI：“我们能找到更顶尖的专家，时薪虽然高10%，但标注准确率提升30%。”对巨头来说，模型训练出错的成本远高于专家时薪，这笔账不难算。很快，OpenAI把原本给Scale AI的订单转了过来，成了Mercor的“大客户”。

当然，这也引来了麻烦：Scale AI把Mercor告上法庭，说前员工带走了100多份客户资料。但对Mercor来说，这场官司更像“免费广告”——投资人反而更看好它：“能被行业老大告，说明它真的威胁到了对方的地位。”

三、百亿估值的泡沫？巨头在“去Mercor化”，250亿对手已杀到

Mercor的百亿估值，看起来风光，实则坐在“火山口”上。

最大的威胁来自客户“反水”。OpenAI正在自建“专家招聘平台”，试图把RLHF和精调环节的人力收归内部。为什么？因为Mercor的抽成不便宜，长期依赖等于“给别人打工”。有消息称，OpenAI已经联系了200多名医学专家，计划直接签约，绕过中间商。谷歌、Meta也在跟进——巨头们的逻辑很简单：短期可以外包，但核心环节必须自己掌控。

更狠的对手是Surge AI。这家公司比Mercor成立早两年，靠“垂直领域专家网络”（比如专门做生物医学、金融量化）估值已达250亿，是Mercor的2.5倍。Surge AI的杀手锏是“专家驻场”：派专家直接入驻客户公司，参与模型训练全流程，粘性比Mercor的“远程接单”强得多。OpenAI虽然还在给Mercor下单，但已经把30%的医学模型精调订单分给了Surge AI。

合规风险也在逼近。Mercor的专家来自全球100多个国家，其中不乏涉及医疗、军事等敏感领域的从业者。2025年6月，欧盟出台《AI训练数据法案》，要求服务商必须公开专家资质和数据标注流程，否则面临10%营收的罚款。Mercor的专家信息一直是“商业机密”，一旦公开，可能被对手挖角；不公开，又可能失去欧洲市场——要知道，Meta、谷歌在欧洲的AI业务占全球30%，这块订单丢不起。

面对这些挑战，Mercor正在转型。它不再满足于“中介”角色，而是开发强化学习训练工具（比如帮专家更高效标注数据的AI辅助系统），甚至计划做“AI招聘平台”——帮AI公司招全职专家，而不只是临时接单。这步棋能不能成？不好说。但至少，它看到了“纯中介模式”的天花板：靠巨头订单吃饭，永远是“寄人篱下”；只有把自己变成“基础设施”，才能真正站稳脚跟。

AI的“人类基建”时代，才刚刚开始

Mercor的故事，本质上是AI产业的一次“补课”。当我们沉迷于“AI取代人类”的讨论时，却忽略了一个基本事实：AI越强大，越需要人类专家来“校准”和“引导”。从数据标注到RLHF，从精调到行业落地，人类智慧始终是AI不可或缺的“燃料”。

Mercor的百亿估值，或许有泡沫，但它撕开的“缺口”真实存在：AI产业正在从“算力驱动”转向“人力驱动”，谁能掌控高质量的人类专家网络，谁就能在下一代AI竞争中占据先机。无论是Mercor、Surge AI，还是巨头自建的平台，本质上都在抢同一个赛道——AI的“人类基建”。

这三个哈佛辍学生的冒险，还没结束。他们能不能把“人力中介”做成真正的AI训练平台？能不能在巨头围剿和合规风暴中活下来？答案或许要等下一轮融资揭晓。但至少现在，他们用最“原始”的生意，给AI圈上了一课：在算力过剩的时代，“人类智能”才是最稀缺的资源。而这，可能比任何千亿模型都更值得我们警惕和思考。"

#优质图文扶持计划#