【量子位 2026年1月2日讯】AI大模型的进化，正依赖一群特殊“导师”的投喂。成立三年的初创公司Mercor凭借独特商业模式，已成长为估值100亿美元的AI行业“中间人”——它一边对接OpenAI、Anthropic等顶尖AI实验室，一边网罗高盛、麦肯锡、顶级律所的前员工，以最高200美元/小时的高薪，邀请他们分享行业专业知识，为AI模型训练提供核心“养料”。而这些训练出的AI，未来可能会自动化替代他们前雇主的部分工作。
在TechCrunch Disrupt大会上，Mercor CEO Brendan Foody揭开了这场“AI训练革命”的面纱：高技能人才而非大众劳动力，才是AI模型突破的关键，而整个知识工作领域，正朝着“为AI代理提供训练数据”的方向收敛。
一、核心模式：连接顶尖人才与AI实验室，打造高端训练数据供应链
Mercor的崛起，精准击中了AI行业的核心痛点——大模型需要高质量、专业化的训练数据，而非泛化的 crowdsourced 内容：
1. 供需两端精准匹配
-
需求方：OpenAI、Anthropic等AI实验室，需要具备行业深度的专业知识，来优化模型在金融、咨询、法律等垂直领域的表现，解决“通用模型不懂行业规则”的问题；
-
供给方：高盛、麦肯锡、顶级律所的前员工，他们掌握着行业核心逻辑、实操经验和专业判断，能提供AI模型最需要的“专家级数据”；
-
服务形式：这些高技能承包商以兼职身份参与，按小时获取报酬，最高时薪达200美元，核心工作是分享行业知识、标注专业数据、测试模型在垂直场景的表现。
2. 为何拒绝大众劳动力？
Brendan Foody直言，AI模型的性能提升，80%依赖于顶部10%-20%的高技能承包商：
-
专业门槛：金融建模、法律咨询、战略咨询等领域的知识，需要长期行业浸润才能掌握，大众劳动力无法提供精准、专业的训练数据；
-
效率差异：高技能人才能快速理解AI实验室的需求，输出的内容质量更高、针对性更强，能大幅降低模型训练的试错成本；
-
结果导向：Mercor的数据显示，顶尖承包商贡献的训练数据，能让模型在垂直场景的准确率提升30%以上，这是 crowdsourced labor 难以企及的。
二、崛起密码：抓住行业痛点，借Scale AI困境实现弯道超车
Mercor能在三年内突破百亿估值，除了精准的模式定位，还得益于行业格局的变化：
1. 填补高端数据缺口
此前AI训练数据市场，Scale AI等公司主打“规模化标注”，但这类数据多为通用场景，难以满足垂直行业的深度需求。Mercor聚焦“高技能专家知识”，开辟了高端数据赛道，成为AI实验室的刚需合作伙伴。
2. 借Scale AI troubles加速崛起
2024年，Scale AI遭遇管理层变动（CEO及核心员工被Meta挖走）和战略调整，导致其在高端数据服务领域的供给出现空缺。Mercor抓住这一窗口期，快速吸纳了大量原本与Scale AI合作的AI实验室客户，同时扩充自身的高技能承包商团队，实现了用户与收入的双重爆发。
3. 创始人的早慧基因
Brendan Foody的创业天赋早有显现——高中时期就开始提供AWS信用咨询服务，积累了企业服务领域的经验。这让他更懂企业客户（AI实验室）的需求，也能精准把握高技能人才的合作痛点，让Mercor的平台模式快速跑通。
三、争议与思考：知识边界模糊，AI训练引发行业震荡
Mercor的模式虽高效，却也触碰了“知识产权与商业秘密”的灰色地带，引发行业广泛讨论：
1. 员工知识 vs 企业秘密：界限在哪里？
高盛、麦肯锡等公司的核心竞争力，在于员工积累的行业经验、客户资源和专业方法论。当这些前员工将相关知识分享给Mercor，用于训练AI模型时，难免引发“是否泄露企业商业秘密”的质疑：
-
潜在风险：如果AI模型通过训练掌握了某家公司的独特工作流程、客户偏好或行业策略，可能会让其竞争对手受益，损害原企业的利益；
-
Mercor的平衡：Brendan Foody并未详细透露具体的风控措施，但强调平台会严格筛选训练内容，避免涉及明确的商业机密，聚焦于“行业通用知识与专业逻辑”的分享。
2. 终极影响：知识工作者沦为AI的“训练师”？
这是Mercor模式引发的更深层思考——Brendan Foody直言，他认为“所有知识工作最终都会成为AI代理的训练数据”：
-
职业重构：未来，金融分析师、咨询顾问、律师等知识工作者，除了传统工作，还可能面临“为AI提供训练数据”的新角色；
-
就业震荡：这些被高薪聘请的“AI训练师”，正在亲手训练可能替代自己前同事甚至自己未来岗位的AI。这种“自我颠覆”的模式，是否会引发大规模知识型岗位失业，成为行业关注的焦点。
四、行业趋势：AI训练成新赛道，高技能人才成核心资产
Mercor的成功，印证了AI行业的一个重要趋势：当大模型的参数规模逼近瓶颈，高质量的专业训练数据成为新的竞争壁垒。
这一趋势正在催生新的行业生态：
-
人才争夺：AI实验室将越来越多地争夺高技能人才资源，为其提供兼职或全职的训练岗位，高技能人才的“知识变现”渠道将更加多元；
-
平台崛起：类似Mercor的“高端数据中介”可能会批量出现，聚焦不同垂直领域（如医疗、教育、制造），连接行业专家与AI公司；
-
规则完善：针对“知识边界、商业秘密、数据产权”的行业规则和法律条款可能会逐步完善，避免因AI训练引发的商业纠纷。
结语：AI重塑工作，是颠覆还是共生？
Mercor的百亿估值，不仅是其商业模式的成功，更标志着AI与工作场景的融合进入了新阶段。高技能人才以时薪200美元的方式参与AI训练，既是知识价值的体现，也折射出AI对传统知识工作的冲击。
未来，AI与知识工作者的关系，可能并非简单的“替代”，而是“共生与重构”——AI承担重复性、流程化的工作，人类则聚焦更具创造性、战略性的任务，同时通过为AI提供训练数据，持续放大自身的知识价值。
但如何平衡商业利益、知识产权与就业稳定，如何让AI的发展惠及更多人而非仅少数高技能人才，将是整个行业需要共同面对的课题。Mercor的探索，只是这场“AI工作革命”的一个开端。
要不要我帮你整理一份AI训练师职业机会分析报告？涵盖高需求领域、技能要求、薪资水平及风险提示，助力把握新职业风口。
