主题 先锋 趋势 方法 作者
返回

Mercor以200亿美元估值融资7.5亿美元|CEO Brendan Foody

·Sourcery

正在生成长图…

本篇主题 AI训练数据与评测基准 模型普及后人类还有何独特价值 头部模型护城河之争 企业私域AI训练与真实算力需求 科技创始人特质与心智剖析
本篇先锋 Brendan Foody

摘要

  • Mercor专家的报酬在24个月内,从每年100万美元升至每天远超500万美元。 Foody表示,累计支付金额接近10亿美元;但Mercor交付的不是撮合劳动力、收取服务费,而是一整套RL环境。专家只是其中“一项要素、一道护城河”(one ingredient, one moat),产品还包括应用复刻、模拟工作内容和带评分的任务。
  • Mercor的市场能否长久,取决于人类是否仍具备模型不具备的能力。 Foody称,专家借助副驾驶工具工作1小时,带来的模型进步可能达到原来的3至5倍,生产率提升反而会通过“杰文斯悖论”扩大需求。他的判断仍有前提:模型需要人类来衡量自身能力的边界。
  • DeepTune补上了Mercor的主要产品短板,为专家提供他们需要填充的应用复刻。 一家客户主动促成双方合作,因为Mercor在这些应用周边的“世界”和“任务”上更强。此次收购将两种互补能力合到一起;Foody称这是“1+1=3”的组合(a one plus one equals three kind of thing)。
  • Foody认为,品牌、差异化训练数据和定制模型,比软件或转售GPU更能构成护城河。 Harvey展示了垂直领域模型的打造方式,Fireworks则体现了推理环节的定制能力。他说:“转售GPU的切换成本为零。”Mercor每天根据评测结果切换API,这也解释了他为何担心投资者有时高估API收入的质量。
  • 企业推理账单是Foody判断新一轮评测和后训练需求的首要指标。 推理支出达到1000万至1亿美元时,他认为约10%应投向评测;超过1亿美元后,后训练才开始足以支撑可观的固定成本。O’Shea质疑这个区间过宽,Foody则以Mercor每天近100万美元的推理支出为例,说明企业可以很快扩大规模。
  • Foody的企业市场判断,建立在企业会保护自身智能资产、不把竞争数据交给前沿实验室的前提上。 Foody称Anthropic和OpenAI“完全可能成为市值超过10万亿美元的公司”,同时预测每家《财富》500强企业都会像一家“Neo lab”。他以Goldman Sachs为例:让实验室用员工、流程和文件训练模型,就像把这些竞争优势拱手交给对手。
  • Foody和Adarsh曾有套现机会,但他们表示这不是自己的动力;相比之下,他们宁愿每周“工作100小时”来解决这个问题。 谈及Scale与Meta的安排,Foody说:“我不认为我们会做那样的事。”他更看重客户和专家的体验,而非每周营收曲线;他预计Mercor未来12个月内不会上市。

精读

1. Mercor交付完整RL环境,专家只是其中一环

  • Foody的万亿美元目标,起点是改变人们参与经济活动的方式:重复的客服回复、合同修改和播客剪辑,都可以变成由人教会智能体执行的工作。人的贡献将转向设计评测、更新技能文件和训练智能体。Mercor想定义这个新类别,而不只是改进招聘。
  • 交付内容分为3部分:“应用”,即Google Workspace等工具的克隆版本;“世界”,即其中的消息、幻灯片、文档和表格;以及“任务”,即提示词和评分标准。模型尝试完成任务、获得评分并据此学习。专家负责填充“世界”和“任务”,构成Foody所说Mercor交付给实验室的产品中的“一项要素、一道护城河”(one ingredient, one moat)。
  • Mercor通过3个平台支撑这套交付:拥有超过500万名活跃求职者的人才网络;Studio,专家可以在其中借助AI副驾驶、自动化质量检查和智能体搭建环境;以及AI项目经理。Foody将这项工作比作人类项目经理设定KPI、评估表现并提供反馈;如今Mercor的智能体已能自主运行项目、招聘人员、判断数据质量,并对客户结果负责。
  • DeepTune补上了缺失的一环:Salesforce、Adobe和Google Workspace等应用的克隆版本。一家客户主动促成双方合作,因为Mercor在“世界”和“任务”上更强。DeepTune曾获得Andreessen Horowitz领投的A轮融资;这是Mercor的第2笔收购,规模远大于第1笔。Foody看重创始人Tim以及纽约团队的文化契合度,称这是“1+1=3”的组合(a one plus one equals three kind of thing)。

2. 专家供给依靠面试扩张,可靠付款留住人才

  • 推荐渠道贡献了70%的候选人;Foody称,这类候选人的质量往往最高。Mercor累计完成超过700万次面试。公司在2023年4月用GPT-4搭建的首个AI面试官,延迟约为7至8秒。他对劳动力撮合的关键洞察是“可规模化的数据采集”:招聘5名斯坦福AI博士,或许就能找到优秀人选;但要在印度偏远地区找到世界级软件工程师,可能需要面试数百人甚至1,000人。Mercor也会分析推荐信息和个人项目等额外背景。
  • 目前每日支付金额远超500万美元,而24个月前还只是每年100万美元;历史累计支付金额接近10亿美元。Foody还表示,自上年9月以来,公司在“中九位数规模的基数”上增长“超过5倍”。他称这段加速期“超现实”,并把人类参与模型训练形容为“历史上增长最快的职业类别”。
  • Mercor与实验室直接合作,部分源于业内另一家公司的支付失灵:Mercor曾为该公司提供超过1,000名工人,后来却收到未获报酬的人员发来的求助工单,他们甚至难以养家糊口。Foody因此希望掌控专家体验,并在付款可靠性上投入更多。底层支付由Stripe Connect支持;他说,迄今为止Mercor没有遇到重大付款问题。

3. 只要人类能力仍领先,专家需求就会延续

  • Foody称,AI副驾驶可能让专家投入1小时,换来原来3至5倍的模型进步。他不认为这会压缩劳动力需求,反而是“杰文斯悖论”:生产率提升会释放更多教学需求,因为“99%的知识仍在人们脑子里”。
  • 对于O’Shea提出的行业持久性问题——这一类别会不会只是昙花一现?——Foody给出的答案有条件:只要人类仍能在数字或物理层面完成模型做不到的事,需求就有上限空间。这既可能是湿实验室实验,也可能是纯数字工作。Foody把模型自我评估比作让英语学生独自给所有作文打分:要衡量超出自身能力的表现并不容易。数学有可核验的答案,大多数领域则需要外部反馈。
  • Foody称,过去3年里,投资者每年都预测超智能会在未来3年内出现;Mercor在种子轮阶段也曾因市场可能消失而遭到质疑。他的反驳取决于前沿能力仍在推进;他说,实验室里许多顶尖研究人员预计人类反馈在未来几十年仍然重要。怀疑论也让竞争减少,而Mercor仍能获得资金;不过他认为,这套判断“正接近成为共识”。

4. 长期经营纪律支撑继续独立

  • 高标准、“穿越者”和客户至上,是Foody的3项经营原则。AI原生应用走在研究前沿之后,而更广泛的经济体又落在AI原生应用之后;与其模仿竞争对手,不如从未来倒推规划。某位高管展示每周营收曲线时,他提出反对,更看重客户满意度、专家满意度和专家利用率。“我们不想在任何市场里屈居第二。”
  • Foody谈到的挫折包括安全事件、失去一名早期团队成员,以及最初约18个月服务种子阶段客户;他说,这类公司中有80%会在12个月内倒闭。“混乱才是常态。”O’Shea提到Alfred Lin关于“减震器”的比喻;Foody认同,领导者应在形势高涨时认真审视问题,在低潮时则成为团队的支持者。
  • Foody称,他和Adarsh曾有机会套现,从此不再工作,但他们宁愿每周在这个问题上“工作100小时”。谈到Scale与Meta的安排——核心团队转入Meta,其余业务则主要聚焦Meta——Foody说:“我不认为我们会做那样的事。”他仍看好并购,但认为并购会同时放大错误和正面影响。

5. AI护城河取决于品牌、差异化数据和切换成本

  • O’Shea提到Foody曾说AI应用层公司会消亡;Foody纠正说:“不完全是。”Harvey的护城河由品牌,以及识别客户真正关心的问题、再围绕这些问题创建基准和训练集的能力构成——“不是拿客户数据训练”。要在市场中存活,企业必须在自己的领域具备前沿能力,因为“模型就是产品”。Mercor公开发布的法律基准APEX和APEX Agents,也让Harvey对其工作产生兴趣。
  • 前沿实验室拥有规模经济:分发能力和收入带来更多算力与RL环境,进而改善后续模型。Foody还补充了品牌和递归式自我改进;但后者“不会带来垂直起飞”,只会让进展随时间略微加快。
  • 对推理服务商而言,“转售GPU的切换成本为零”。Foody认为,买入GPU后若其升值50%,确实能带来暂时的毛利,却不能证明商业模式具有持久性。他特别肯定Fireworks走了更有防御性的路线:帮助客户定制模型,而这些模型切换成本高,不能轻易搬到竞争对手的基础设施上。
  • Foody认为,API收入质量很容易被高估。“我们每天都会切换API”,按Mercor评测的结果选择表现最好的模型。他预计推理账单庞大的成熟企业也会这么做;收入规模大,并不能消除切换成本问题。

6. 推理支出上升,企业将成为模型构建者

  • Foody预测,“每家《财富》500强企业都会像一家Neo lab”,自行整理评测和训练任务。Anthropic和OpenAI“完全可能成为市值超过10万亿美元的公司”,但他不希望它们吞并整个经济,让企业只能从这些公司获取前沿智能。Goldman Sachs说明了原因:员工、流程和文件都承载着竞争优势;让前沿实验室用这些内容训练,就像把优势交给竞争对手。
  • Foody以推理支出作为判断企业采用进度的经验指标。低于1,000万美元时,企业通常还不太关心评测或优化,仍处于摸索阶段;达到1,000万至1亿美元时,他建议约10%的推理预算用于评测数据集和路由决策。O’Shea质疑:“这个区间也太宽了。”Foody承认确实很宽,但指出Mercor每天的推理支出接近100万美元;有些企业会很快跨过这个区间。
  • 推理支出超过1亿美元后,Harvey和Cursor等公司就需要认真考虑后训练。Foody称,企业一年可以投入数千万美元,有时达到数亿美元甚至数十亿美元,Cursor就是例子;因为训练固定成本可以摊到推理支出上。他预计企业推理账单会显著上升,采用也会按这一顺序推进。他最期待的是传统《财富》50强企业意识到其中的机遇与威胁;他预计Mercor未来12个月内不会上市。
  • 实际做法是“从评测开始”。Foody称,目前前沿训练算力的大部分已用于RL:模型反复尝试问题并获得评分标准打分,而不只是阅读文档,或通过SFT学习输入输出对。领域专家必须设计任务和评分标准;先建立可信的评测,再扩大任务分布,让模型围绕评测结果持续改进。把公司文件一股脑倒进模型,并不符合他所说的学习方式。