Mercor CEO Brendan Foody 谈专家数据、AI 评测与增长

Harry Stebbings 采访 Mercor 联合创始人兼 CEO Brendan Foody，讨论 AI 专家劳动、模型评测、快速增长和公司建设。Foody 与 Mercor 的主张有直接利益关系。Stebbings 说自己对该公司进行了小额投资，这与他的称赞和提问有关。

Foody 回忆自己在中学卖甜甜圈：他批量采购，在竞争者出现时调整价格。他说母亲担心他惹麻烦，于是把他送到一所天主教高中，他在那里遇到了未来的联合创始人。这是他对早期销售兴趣的个人叙述。

被问到是否一直预期自己会成功时，他说自己有雄心勃勃的目标，但不可能预测 Mercor 的增长规模和速度。他回忆自己卖运动鞋、帮助转售商获得 AWS 初创企业抵用额度，并说自己在高中赚了数十万美元。

Foody 说线上信息让他质疑大学的教育价值，尽管他享受其社交价值。Stebbings 说自己也早早离开大学。他们的经历是个人看法，不能确立大学对其他学生或职业的价值。

Stebbings 引用一位竞争对手的说法，称该行业是“人力外包”。Foody 不认同，称 Mercor 是为 AI 实验室寻找和筛选专家的研究伙伴。这是公司对自身服务的描述，并非与竞争对手的独立比较。

他说 Scale AI 曾使用 Mercor 雇用数千人，让创始人看到了从普通众包数据转向专业人士承担更复杂工作的趋势。他列举了软件工程师、医生、律师和金融专业人士。他对其他供应商及其工作人员的描述属于竞争性主张。

Stebbings 问，随着模型能力增强，能够提供帮助的专家供给是否会越来越窄。Foody 认同随着模型进步，人们可能无法继续为某项特定任务作贡献，但他说增加工具和更长的工作流程可以创造新任务，让人类识别错误。他的例子是对一个项目的叙述，而非适用于所有模型任务的证据。

Foody 不认为模型正在达到平台期，但看到能力提升方式发生变化：更多使用经过精心筛选的复杂数据和强化学习环境。Mercor 提供相关工作，因此这一判断和他对持续进步的预测具有商业关联。

谈到差异化，他认为少数贡献者能带来很大一部分改进，寻找人才、推荐网络和将专家匹配到任务可以形成优势。他提出的贡献分布及护城河主张是公司观点，并非独立测量的结果。

Stebbings 引用一种批评，称竞争对手无法衡量自己所生产数据的质量。Foody 不同意，称 Mercor 使用模型和算法，并根据模型表现测试数据。主持人和 Foody 都没有提供比较供应商的独立评估。

被问到 AI 实验室是否有意将支出分散给多个供应商时，Foody 说有些会，但声称客户可能把工作集中到看到最佳结果的地方。他预计分散的市场会整合，因为匹配基础设施和专家网络存在固定成本。访谈没有核实他对客户行为和未来整合的说法。

Stebbings 问客户集中度。Foody 拒绝透露最大客户的确切比例，称分布与 Nvidia 相对类似。他认为服务重要客户仍能建立有价值的企业；这一比较没有披露 Mercor 的实际集中度，也不能消除相关风险。

Foody 说 Scale 交易后需求加速，Mercor 在业务增长至原来四倍之前，收入运行率已经达到九位数。他称收入运行率在 17 个月内从 100 万美元增长至 5 亿美元。运行率是把当前速度年化，并非 5 亿美元的已实现年度收入、利润或经审计的现金收入。

他称这是最快的收入增长，并与 Cursor 比较。访谈没有提供口径一致、经过独立审计的跨公司比较，因此这一排名仍是他的主张。他认为公司与前沿实验室的既有关系以及 Scale 交易共同帮助 Mercor 获得扩张机会。

Stebbings 转述了对 Scale 质量的批评。Foody 称赞其创始人的分销和销售能力，但说 Scale 不再重视产品质量和对贡献者的待遇。这些是竞争对手的指控和观点；访谈没有呈现 Scale 的详细回应或比较质量的证据。

Foody 称平台平均报酬为每小时 95 美元，并声称 Scale 和 Surge 通常支付约每小时 30 美元。访谈没有提供可比样本、日期、工作类型构成或报酬计算方法。这些数字不应视为竞争平台经独立核实的平均值。

Stebbings 问合成数据是否会取代人类数据工作。Foody 预计合成数据会起到增强作用，但认为仍需要人来定义和衡量人类比模型更擅长的任务。他相信十年后人仍会参与训练；这是与 Mercor 业务方向一致、但不确定的预测。

两人都批评学术基准与企业实际工作之间存在差距。Foody 认为出色的考试分数不能证明模型能够可靠地构建财务模型、研究演示文稿或网页应用。他的例子说明一种衡量方面的担忧，并非对所有基准的全面比较。

他希望设计反映真实工作流程的评测，并评估模型如何使用工具，例如为投资研究制定评分标准。他说，缩小真实工作与模拟测试的差距，可以让模型改进更贴近用户需求。具体评测是否有效仍需要测试。

Stebbings 问 Foody 作为领导者如何成长，并讨论此前的融资估值。Foody 说投资人应考虑公司可能的未来，而不只是收入倍数。他回顾融资时的运行率，并说公司后来大幅增长；估值和运行率本身不能确立投资人的回报。

主持人披露自己做过一笔小额投资，并询问投资时间。Foody 回忆，公司曾有一段时间平均月环比增长约 54%，因此两次谈话之间收入可能发生显著变化。这是公司报告的历史增长率，并非这种增长会持续的预测。

被问及传闻中的 100 亿美元估值时，Foody 说公司收到了报价，可能很快融资，部分原因是向市场展示领先地位。他没有确认已经按该估值完成融资。潜在估值、融资和投资人最终回报是不同的概念。

Foody 说 Mercor 在积极投资的同时仍然盈利，额外现金不一定会大幅改变投资速度。他认为强健的资产负债表有价值。访谈没有提供经审计的报表或对盈利主张的调节说明。

谈到可能上市时，他说自己没有考虑太多，并回忆 Jack Dorsey 建议公司尽可能长时间保持私有。Foody 重视没有公开市场季度压力、能够追求长期目标的能力。这是个人偏好，并非上市时间表。

被问到私募市场是否有太多现金时，Foody 说投资人可能看到过度竞争，一些较弱的竞争者也获得大量资金。他认为短期狂热可以与长期机会共存，并引用 20 世纪 90 年代末的例子。他对未来回报的看法具有推测性。

回应 Stebbings 提到的一项研究时，他说学术分数与企业实际结果可能不同，团队应定义并评估希望 AI 完成的工作。访谈没有确立所有企业 AI 项目的普遍失败率。

对于应用收入，Foody 建议考察客户留存并与客户交谈，而不是只依赖早期试点。他将失败的试点与强劲留存、客户热情对比，认为后者可能是产品契合的信号。这些是投资判断方法，并不保证回报。

谈及利润率，他说 Mercor 的毛利率和净利率都明显为正，同时认为如果未来效率提高且客户留存，低利润率也可能有合理性。他提醒，在切换成本低的市场中，补贴风险更高。公司利润率主张没有附带财务报表、会计细节或确切数字。

从十年视角看，他对整体 AI 资本支出不那么担忧，同时承认市场存在狂热，并说个别项目需要产生正回报。这是一项长期投资判断，并非所有基础设施支出都会获得回报的证据。

Foody 说 Mercor 工程师使用 Cursor 和 Claude Code 等工具，用量会随着产品改进而变化。他认为编程工具的切换成本低、竞争激烈，同时指出供应商正试图通过定制化和用户数据建立竞争壁垒。他对其他公司利润率的描述没有经过独立核实。

被问到五年后公司工程师数量会增多还是减少时，他预测会增多：更高的生产率可能使构建更多软件成为可能。这是关于自身公司与需求的有条件预测，不能证明 AI 会让各地的工程师就业增加。

Foody 认为最大的模型开发商可能已经存在，因为数据、算力和研究团队都很昂贵，但他明确为新突破和初创公司留下可能性。他称赞较小的 Gemini 模型，并说自己转向认为通用和专业系统将共同存在。

谈到主权，他认为专门服务某地区法律或其他本地需求的模型可能存在机会，但预计最大的公司会服务更广泛的用例。他对哪些模型提供商会获胜的判断是预测，而非已定结果。

Stebbings 将 Mercor 描述为支持 996 文化。Foody 澄清公司从未强制规定工作时间：他说 996 描述的是早期团队的工作方式，有些人工作时间甚至更长。他仍重视高强度工作，同时说公司越来越关注产出和人才，而不是到场时间。这是管理层对其文化的叙述。

被问到如果不那么害怕会做什么时，Foody 思考 Mercor 是否应该消耗更多现金来补贴平台供给或客户项目。他说公司一直优先考虑资本效率，并声称如果能满足产能，现有需求足以让业务翻倍。这一需求说法并非已证实的收入预测。

作为 Mercor 投资人的 Stebbings 说，在竞争压力很大的情况下，他可能使用现金补贴业务，但在其他情况下不一定会这样做。Foody 说他和投资人 Peter Fenton 更倾向资本效率和基本面。他们讨论的是战略取舍，不能证明补贴一定有效。

Foody 说 Mercor 会拒绝一些项目，正专注于扩大服务客户的能力。他说自己通过二级交易出售了少量股票，希望这种活动不要分散对长期使命的注意力。他的说法并非经独立核实的交易数据。

在快问快答中，他不认同三年内会出现各方面都优于人类的超级智能。他建议人们追问，如果一两年后模型能力大幅提高，初创企业的业务会因此改善还是受损。两项评论都涉及不确定的未来能力。

Foody 认为定制化很有吸引力，也说通用基础模型可能成为大型业务。他称赞自己眼中 OpenAI 在消费者市场的地位，以及 Anthropic 在编程和企业市场的地位。这些是竞争观察，并非已经确立的未来市场份额。

他说 Mercor 在 2023 年创立时，自己希望能更早关注基础模型实验室。被问到市场份额时，他粗略估计公司在强化学习环境领域占 50% 至 60%，同时将其与其他人类数据类别区分开来。访谈没有提供市场定义或独立测量。

Foody 说一些实验室高管预计强化学习环境将扩展到经济的大部分领域，由人设计模型可以学习的工作流程。他也持乐观态度，但这一变化的速度、范围及就业影响都具有推测性。Mercor 对这个市场的扩张有直接商业利益。