Mercor估值200亿美元：三个00后辍学创业，靠给AI补课起家

图源 | Mercor官方

一家教AI怎么干活的公司，把自己做成了估值200亿美元的超级独角兽。这家公司叫Mercor。

它的做法是请医生、律师、工程师和金融从业者出题，让AI把他们日常的工作做一遍，再判断哪些地方做对了、哪些地方出了错。

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。参投方包括Benchmark、Felicis、General Catalyst、英伟达、Salesforce、Zoom，以及由阿波罗关联方管理的基金等。

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。

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。

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。

三个00后的创业野心

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

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。

给AI出题再给它一间模拟办公室

就以月底结账这件事为例：企业把银行流水、发票和总账一并交给AI，请它挑出账目对不上的地方，分清哪些只是入账时点不同、哪些得动手改，再把调整分录连同依据一起交回来。

一道题要扣分，得先把标准写在前头。金额算对还不够，款项记错科目，照样失分。

Mercor卖的正是这套东西：一道题、一个能动手操作的工作环境，外加一套可以反复拿来用的评分标准。

OpenAI

Mercor与金融软件公司Ramp合作搭出的APEX-Accounting，把模型塞进模拟账套里，看它能不能走完多步骤的会计任务。2026年7月，Mercor宣布收购Deeptune。

被收购的Deeptune花了大约两年，复刻出数百款企业应用，让AI在接近真实办公室的软件环境里一遍遍练手。

企业也因此能拿自己的标准来验收AI。两家公司的报销流程都叫“审核发票”，可审批权限、税务规则、例外处理未必一样。

办法是先按自家流程出一套题，把几个模型的正确率和单次成本摆在一起比，再用结果去训练最合用的那个模型。日后换模型、改流程，同一套题还能再测一轮。

一路下来，Mercor的业务体系逐渐铺开：专家招募、数据生产、模型评估、强化学习环境、后训练，几块都在里面。它卖的不再是便宜人力，而是把散落全球的专业知识变成AI能学的数据资产。

Mercor这轮融资的参投名单里，有一家和山东颇有渊源的公司

其实在D轮融资公布之前，Mercor已经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。

一名知情人士介绍，当年第二季度，中国AI实验室贡献的收入约占Mercor总收入的2%，公司还专门请人对接中国客户。

中国模型同样进了Mercor自家的实验室。

Mercor与SkyRL拿1,928道专家编写的任务，对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。

此外，Mercor还在物色能按中国规则出题的人。

2026年秋天，它放出面向中国大陆普通话场景的岗位，招金融、法律、医疗和咨询领域的专家合同工。

金融岗开价65美元一小时，要求懂中国会计准则、A股和中国税务申报。法律岗开价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显示，试点期定在10月23日至11月19日。任务得由专家用中文撰写，评分规则也由他们来定，之后还要核查AI是否把当地实务用对了。

拿“月末结账”这道题来说，放到中国，哪些款项怎么入账、哪些异常该转人工复核，都需要请懂本地实务的人重新敲定。Mercor每开辟一个新市场，手上可卖给客户的专业任务就多出一批，同时也要多掏一笔钱去招募专家、设计题目并做质检。

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。

数据显示，2026年上半年Mercor营收约6.14亿美元，较2025年全年高出约70%，基础模型开发商贡献了其中约91%。二季度毛利率约33%。有投资人提到，公司收入里有约60%-70%流向了承包商。

往企业市场走的原因也在这里。以银行为例，每换一次模型，贷款材料审核就得重新测一遍。题库和模拟环境若能复用，同一笔开发投入就能被Mercor卖出多次。

招聘公司凭什么吃这碗饭？海外同赛道的Handshake和Turing给出了两种打法：一个扎根校园与职业网络筛专家，一个依托全球工程师网络找既会写代码、又能判断代码质量的人。

Handshake走的是校园和职业网络这条路，为模型实验室招研究生与专业人士，培训、项目管理、质检都由自己承担。其母公司最近一次公开融资停留在2022年1月的2亿美元F轮，估值35亿美元。据报道，到2026年4月，仅AI训练业务的总收入年化运行率已逼近10亿美元。

Turing则把全球软件工程师资源投向代码训练数据、评测以及强化学习环境。2025年3月，公司宣布拿到1.11亿美元E轮承诺出资，估值22亿美元。第三方估算，到2025年末其整体年化收入运行率约3.5亿美元。

国内同样有创业者在做这门生意。

原壤智能借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，该公司完成数亿元人民币Pre-A轮，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，当时平台累计专家已逾10万名，付给专家的费用达数千万元。

智能知识方向的千识，把筛选专家、试做校准、派单、质检串成一条生产流程。2026年6月，公司宣布完成天使轮，由耀途资本、锦秋基金联合投资，金额未披露。平台每月已有数千名专家成功接单，公司也拿到了头部大模型公司的订单。

UniPat AI从评测入手，再延伸到训练与验证数据。其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，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3,000万美元。

这些公司起点各异，有的做招聘，有的做评测，但眼下盯上的是同一类订单：把一项真实工作改造成AI能反复练、企业能反复验收的任务。

对Mercor而言，接下来要证明的是：客户买完第一批训练数据，等到换模型、改流程时，还愿意回来买下一次评测。做到这一点，一次性项目才可能变成长期生意。

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靠谱的程序员。如今，200亿美元的估值压在另一个更具体的问题上：企业让AI上岗之后，有多少愿意在每次换模型时，再给它安排一场“面试”？