编辑 | 小龙、子钺
图源 | Mercor官方
一家靠“教AI打工”赚钱的公司，竟然把自己做成了估值200亿美元的超级独角兽。
这家公司叫Mercor，它请医生、律师、工程师和金融从业者出题，让AI做一遍他们平时做的工作，再判断它哪里做对了、哪里出了错。模型公司花钱买这些题目、评分标准和训练环境，好让下一版AI少犯同样的错误。
11月10日，Mercor宣布完成7.5亿美元D轮融资，约合人民币50亿元，估值达到200亿美元，约合人民币1,334亿元。Benchmark、Felicis、General Catalyst、英伟达、Salesforce、Zoom，以及由阿波罗关联方管理的基金等参与了这轮融资。
Mercor的增长速度非常快。
从B轮到D轮，约21个月，Mercor的估值变成了原来的10倍。
融资当天，联合创始人Brendan Foody披露，Mercor的ARR（年化经常性收入）达到了30亿美元。
站在这家超级独角兽背后的三位00后年轻创业者，目前均为23岁，按最新估值，每人身家约42亿美元（约合人民币280亿元）。他们从大学宿舍起步，最初只想给美国企业匹配印度工程师，却意外闯入了AI产业链中最炙手可热的生意。
三位创始人Foody、Adarsh Hiremath和Surya Midha是圣何塞Bellarmine高中的辩论队队友。
从左到右依次是Adarsh Hiremath、Brendan Foody、Surya Midha
Hiremath和Midha搭档拿下过美国政策辩论的三项全国赛事。上大学后，Foody和Midha去了乔治敦，Hiremath去了哈佛。
三人在2023年1月创办Mercor，后来离校全职创业，并入选2024年的Thiel Fellowship（泰尔奖学金）。
他们最早想解决的是一个很具体的招聘痛点。印度有不少技术过硬的工程师，美国小公司也缺人，但一家小公司没有时间为了招一个程序员去面试几百人。
三人就让大模型帮助企业读简历，按候选人的项目经历提问，再用统一标准给回答打分。
第一版AI面试官生成一个问题要等七八秒，但已经能把筛选做到更大规模。
按Mercor当时的披露，在公布首轮融资前，团队已靠自筹资金做到七位数美元的年化经常性收入，人才库覆盖25个国家、约10万名用户。
2023年夏天，三位创始人坐进了湾区一间特斯拉办公室。对面是刚成立不久的xAI创始团队成员。他们非常好奇，这几个年轻人怎么找到那么多擅长数学和编程的印度工程师。
这场谈话让三人想到，同一批工程师也能给AI出编程题、写参考答案，再检查模型生成的代码哪里有错。这些题目、答案和反馈都可以成为训练数据。当时xAI还在做预训练，尚未到需要这类专家数据的阶段。
Foody后来回忆，这场会面让他们意识到，自己做出来的筛选能力，可能比原先设想的招聘生意值钱得多。
Mercor手里已经有招募、面试和筛选专家的工具，只需要换一个问题：这次找到的人，能教会AI做什么？
假设一家企业想让AI做月末结账。
会计师可以给它银行流水、发票和总账，让它找出对不上的款项，判断哪些是入账时间不同，哪些需要纠正，最后把调整分录和依据交上来。
专家还要提前写好评分标准：金额算对了、却把款项记进了错误的科目，这一步就得扣分。
这就是Mercor卖的东西。一道题、一个能操作的工作环境，以及一套能反复使用的评分标准。
OpenAI、Anthropic和Google DeepMind都是Mercor主要客户。对这些模型公司而言，题目能暴露模型目前的短板，评分结果则能告诉研发团队下一轮训练要补什么。
Mercor和金融软件公司Ramp共建的APEX-Accounting，就把模型放进模拟账套，考它能不能完成多步骤会计任务。2026年7月，Mercor宣布收购Deeptune。
后者花了约两年时间复刻数百款企业应用，让AI能在类似真实办公室的软件环境里反复练习。
这套做法也让企业能用自己的标准验收AI。比如两家公司的报销流程都叫“审核发票”，但审批权限、税务规则和例外处理可能完全不同。
企业可以先用自己的流程出一套题，比较几个模型的正确率和单次成本，再用结果训练表现最合适的模型。以后更换模型或修改流程，还能拿同一套题再测一遍。
Mercor由此逐渐形成涵盖专家招募、数据生产、模型评估、强化学习环境和后训练的完整业务体系。它的核心价值不再是提供廉价劳动力，而是将分散在全球的专业知识转化为可供AI学习的数据资产。
Mercor这轮融资的参投名单里，有一家和山东颇有渊源的公司Zoom。它的创始人袁征出生于山东泰安。融资当天，《福布斯》估算，袁征及其家族的身家约为55亿美元。
早在D轮融资公布前，Mercor就已和中国模型厂商做起了生意。
2026年8月，《福布斯》报道称，Mercor与腾讯有业务往来，阿里巴巴也在Mercor的客户清单上。
据一名知情人士介绍，当年第二季度，来自中国AI实验室的收入约占Mercor总收入的2%，公司还聘请专人对接中国客户。
中国模型也进了Mercor自己的实验室。
Mercor与SkyRL用1,928道专家编写的任务给阿里的开放权重模型Qwen做后训练。其中一个版本在APEX-Agents留出的测试题上，首次尝试通过率从16.11%升到27.29%。
DeepSeek、Kimi和Qwen也出现在Mercor的公开评测榜单上。
Mercor还在找能按中国规则出题的人。
2026年秋天，它发布了面向中国大陆普通话场景的金融、法律、医疗和咨询专家合同岗位。
金融岗标价65美元一小时，要求懂中国会计准则、A股和中国税务申报。法律岗标价85美元一小时，要求通过中国法律职业资格考试。
金融等岗位的职位页把10月23日至11月19日列为试点期。专家要用中文写任务、定评分规则，再检查AI有没有把本地实务用对。
同样是“月末结账”这道题，到了中国，哪些款项该怎么入账、哪些异常要交给人工复核，都得请熟悉本地实务的人重新定。对Mercor来说，每进入一个新市场，就多了一批可以卖给客户的专业任务，也多了一笔找专家、出题和质检的成本。
客户为训练和评测项目付费，Mercor组织专家交付，再向专家结算。
公司披露，其全球专家网络已超过500万人。2026年5月，Mercor每周有逾3万名活跃承包商。到了D轮融资公布时，Foody称公司每天向专家支付约500万美元。
据报道，2026年上半年，Mercor总营收约6.14亿美元，比2025年全年高约70%，其中约91%来自基础模型开发商。二季度毛利率约33%。另有投资人透露，Mercor约60%-70%的收入用于支付承包商。
这也解释了公司为什么要往企业市场走。比如一家银行每换一次模型，都要重新测一遍贷款材料审核。只要题库和模拟环境能复用，Mercor就有机会在同一笔开发投入上赚到多次收入。
招聘公司为什么能做这门生意？海外的Handshake和Turing与Mercor同处一个赛道，给出了两条不同路径。一个从校园和职业网络里找专家，一个从全球工程师网络里找会写代码、也会判断代码质量的人。
Handshake利用校园和职业网络，为模型实验室招募研究生和专业人士，自己负责培训、项目管理和质检。其母公司最近一轮公开融资是2022年1月的2亿美元F轮，当时估值35亿美元。据报道，到2026年4月，单是AI训练业务的总收入年化运行率就已接近10亿美元。
Turing把全球软件工程师资源用于代码训练数据、评测和强化学习环境。2025年3月，公司宣布获得1.11亿美元E轮承诺出资，估值22亿美元。有第三方估算，到2025年末，公司整体年化收入运行率约为3.5亿美元。
中国也已经有创业者在做相关生意。
原壤智能通过TalentsAI招募跨行业专家，旗下Humanlaya参与制作真实职业任务评测。2026年9月，公司完成数亿元人民币Pre-A轮，由鼎晖香港基金领投，红杉中国、今日资本和BAI资本等追投。据报道，当时平台累计已有逾10万名专家，向专家支付的费用达数千万元。
智能知识的一面千识把筛选专家、试做校准、派单和质检做成一套生产流程。2026年6月，公司宣布完成由耀途资本、锦秋基金联合投资的天使轮，金额未披露。平台已做到每月数千名专家成功接单，公司也已获得头部大模型公司的订单。
UniPat AI从评测切入，再做训练与验证数据。它的SaaS-Bench有一个版本覆盖23套企业软件、106项任务。据11月6日的报道，公司已完成3亿美元融资，投前估值25亿美元，由阿里巴巴领投，腾讯和红杉中国参与。此前有报道称，其客户订单约为3,000万美元。
这些公司有的从招聘起家，有的从评测切入，如今都在争取同一类订单：帮客户把一项真实工作变成AI可以反复练习、企业可以反复验收的任务。
对Mercor来说，下一步要证明的是，客户买完第一批训练数据之后，等到换模型、改流程，还会回来买下一次评测。只有这样，一次性的项目才有机会变成长期生意。
三年前，三个高中辩友在宿舍里写AI面试官，想帮美国小公司挑出一个靠谱的程序员。如今，200亿美元的估值押在一个更具体的问题上：当企业准备让AI上岗，有多少会愿意在每次换模型时，再给它安排一场“面试”？
本文为创业邦原创，未经授权不得转载，否则创业邦将保留向其追究法律责任的权利。如需转载或有任何疑问，请联系editor@cyzone.cn。
