在AI竞赛持续升温的背景下，训练数据正成为决定模型能力上限的关键资源。近期，AI数据服务公司Mercor因其独特的数据获取模式受到广泛关注。该公司并不直接向大型企业采购内部数据，而是搭建平台，将OpenAI、Anthropic、Meta等AI实验室与来自投行、咨询、法律等高度保密行业的前资深从业者连接起来，以结构化报告、表单填写等形式输出专业知识，供模型训练使用。
这一模式之所以引发市场讨论，在于它绕开了传统企业对核心数据的层层防护。对于许多AI实验室而言，获得高质量、可落地的行业数据，一直是推动模型进入金融、法务、医疗等复杂场景的瓶颈。传统路径通常意味着漫长谈判、高额合同成本，甚至直接遭到企业拒绝。Mercor则试图通过“个人经验与行业认知”这一通道，快速补足AI训练所需的现实世界知识。
以专家知识替代企业直接授权
根据Mercor联合创始人兼CEO Brendan Foody在Bitcoin World Disrupt 2025上的说法，Mercor向行业专家支付最高每小时200美元的报酬，邀请他们完成针对AI训练设计的结构化任务。这些内容并非简单的数据标注，而是带有专业判断、流程理解与业务细节的知识型输出。相比AI早期依赖低成本外包进行基础标注的模式，这类“专家型数据供给”显然更适合提升模型在复杂行业中的推理与执行能力。
从业务规模来看，Mercor增长迅猛。报道显示，该平台拥有数以万计的承包者，每天向他们发放超过150万美元报酬；公司在不到三年时间内实现约5亿美元年化经常性收入，并在最新一轮融资中达到100亿美元估值。此外，Uber前首席产品官Sundeep Jain已加入Mercor担任总裁，这被视为公司进一步扩张的重要信号。
商业价值明显，争议同样尖锐
Mercor模式的吸引力在于，它解决了AI行业一个长期存在的痛点：企业最懂自己的业务流程，但也最不愿把这些流程变成可被AI复制的能力。Foody以高盛为例指出，如果AI模型能够自动化一家公司的价值链，那么这家公司在客户关系中的中介地位就可能被削弱。因此，许多传统企业天然抗拒向AI开发者开放内部数据。
也正因为如此，Mercor所代表的路径颇具颠覆性——企业不愿公开的数据与知识，可能通过前员工头脑中的经验被重新组织并进入模型训练流程。这种方式虽然高效，却也迅速触及知识产权、商业机密和雇佣伦理的灰色地带。
Foody表示，Mercor会尽力防止商业间谍行为，且明确要求承包者不要上传其前雇主的机密文件。不过他也承认，在平台规模快速扩张、任务数量庞大的情况下，仍可能出现边界模糊的情况。报道还提到，Mercor部分招聘需求甚至包括能够“授权访问大规模生产代码库”的CTO或联合创始人，这类描述无疑会进一步放大外界对合规性的担忧。
AI训练市场正在从“标注”走向“知识工程”
从行业发展看，Mercor的崛起反映出AI训练数据市场正在发生结构性变化。早期数据供应商如Scale AI，更多依赖发展中国家的外包劳动力完成图像、文本等基础标注工作；而Mercor则把重点放在美国高技能知识工作者身上，以更高成本换取更高附加值的数据。其核心卖点不再是低成本和可扩展性，而是能够提供复杂行业的“隐性知识”。
这一趋势也说明，随着大模型能力不断逼近通用任务边界，市场对“高质量垂直数据”的需求明显上升。金融、法律、咨询、医疗等行业具有高度流程化和专业门槛，若AI要真正进入这些领域，仅靠公开互联网数据显然不足。谁能更快、更合规地获得这些高价值知识，谁就可能在下一轮AI竞争中占据优势。
值得注意的是，Mercor还受益于竞争格局变化。报道指出，在Meta对Scale AI进行重大投资并聘请其CEO之后，不少AI实验室据称减少了与Scale AI的合作。相比之下，虽然Mercor目前体量仍小于Scale AI和Surge AI，但其估值在过去一年内已实现五倍增长，显示资本市场对这一模式的高度认可。
对市场意味着什么
对AI产业链而言，Mercor的成功传递出两个明确信号。其一，训练数据的竞争已从“量”转向“质”，尤其是具备行业上下文和业务逻辑的专业知识，将成为更稀缺的战略资产。其二，数据来源的边界正在被重新定义：未来AI公司未必只能通过企业授权和公开语料获得训练素材，个人职业经验、专家协作网络以及模拟训练环境，都可能成为新的重要供给来源。
但从更广泛的市场影响看，这种模式也可能促使传统企业重新审视自身的数据治理与员工知识资产管理。若越来越多AI公司通过外部专家网络重建行业流程，企业可能需要在竞业约束、知识产权协议、内部AI战略和员工离职管理方面采取更严格措施。换言之，Mercor不仅在改变AI实验室获取数据的方式，也可能倒逼传统行业加快拥抱AI，而不是单纯防御。
长期来看，Foody认为，像ChatGPT这样的先进AI最终可能在咨询、投行和法律服务等领域超越顶尖人类机构。无论这一判断是否会完全实现，Mercor都已展现出一种新型“专家零工经济”的雏形：知识本身，正在被更细粒度地拆解、定价并流入AI产业链。对于加密与科技投资者而言，这也再次说明，未来最具价值的基础设施未必只是算力和芯片，围绕高质量行业数据的组织能力，同样可能成为决定AI商业化成败的关键。