一句话看懂：AI 数据标注初创公司 Mercor 正与投资者谈判新一轮融资，估值约 200 亿美元，计划筹集 5 亿美元。这笔交易若完成，将使这家仅成立三年的公司估值翻倍，反映出顶尖 AI 实验室对高质量专业训练数据的饥渴需求。
事件核心：发生了什么
Mercor 是一家为 OpenAI 等顶级 AI 实验室提供高质量训练数据的平台。它通过招募博士、律师、银行从业者、科学家等高端专业人才，利用 AI 驱动的系统筛选简历、评估能力并完成匹配，为客户按需发布任务。公司目前与全球多数顶尖 AI 实验室和科技巨头建立了合作。
本轮融资谈判尚处早期阶段，但公司已收到至少一份以 200 亿美元估值出具的投资条款清单。去年 9 月 Mercor 完成 3.5 亿美元融资时，估值为 100 亿美元。若按计划于本月底完成融资，三位创始人（相识于高中辩论队，去年以 22 岁年龄成为全球最年轻白手起家亿万富豪）每人身家预计将达 43 亿美元。
值得注意的是，尽管今年 3 月遭遇 LiteLLM 开源库供应链攻击导致数据泄露，主要客户 Meta 一度暂停合作，但 Mercor 营收增长势头未减。公司 6 月称年化营收突破 20 亿美元，较 2 月的 10 亿美元翻倍。Mercor 声称自成立以来保持盈利，每日向承包商支付超过 400 万美元报酬。
为什么重要
Mercor 的估值飙升直接证明了 AI 数据供应链的商业价值。在 AI 模型从预训练转向推理应用、从通用能力转向垂直领域精度的当下，高质量、专业化的训练数据（尤其在法律、医学、金融等需要深度领域知识的任务中）已成为关键的瓶颈和稀缺资源。Mercor 的模式——将人类专家的判断力与 AI 匹配效率结合——正在重新定义数据标注行业：不再是简单的“打标签”，而是“专家即服务”。这一点对依赖闭源模型训练数据的 OpenAI、Meta 等公司尤为关键，因为自营数据标注团队成本高昂且难以规模化。
对用户/开发者/创作者的影响
对开发者而言，Mercor 的持续增长意味着未来 AI 的输出质量（尤其是在专业、高风险场景下）可能越来越多地依赖于背后的人类专家团队，而不仅仅是模型参数。这会形成新的付费层——开发者在调用 API 时，可能需为“经过人类专家验证”的高质量训练数据支付更高成本。对内容创作者来说，数据标注的专业化趋势意味着 AI 生成的内容在事实准确性、逻辑一致性上的要求将更高，纯靠模型“发散”的低质量内容会更难被接受。对企业采购方，Mercor 案例提示：在评估 AI 服务时，除了关注模型性能指标，也应关注其数据标注的质量控制体系——这直接决定模型在行业应用中的可靠性。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
1. 数据安全复原能力。Mercor 在遭遇数据泄露后仍能翻倍营收，但其能否彻底修复信任问题、重新赢得 Meta 等大客户的长期合作，尚待观察。2. 竞争对手的融资动作。数据标注赛道已出现 Scale AI（估值约 140 亿美元）等对手，Mercor 的高估值是否会引发该领域新一轮资本追逐？3. 估值合理性验证。若年化营收 20 亿美元的 Mercor 实现 200 亿美元估值（PS 约 10 倍），需看其能否持续保持盈利和高速增长，以及新的融资是否伴随更多业绩对赌条款。目前公开信息显示，投资条款清单的具体细节尚未完全披露。
来源：Readhub · AI
