Mercor 是什麼？一句話說清楚
如果你最近在關注 AI 產業，可能聽說過一個名字——Mercor。
簡單來說，Mercor 是一個 AI 驅動的人才媒合平台，專門將各領域的人類專家（工程師、律師、醫生、銀行家、記者）媒合給 AI 公司，讓這些專家幫助訓練下一代 AI 模型。
聽起來很正常？但仔細想想，這個商業模式有個讓人不寒而慄的邏輯：這些被雇用的專家，其實是在訓練一個將來可能取代自己的 AI。
這家公司，2023 年才成立，2025 年估值已達 20 億美元，到了 2025 年 10 月更跳升到驚人的 100 億美元。創辦人三人全都不到 30 歲，被 Forbes 選入 30 Under 30，成為全球最年輕的自創身家億萬富翁。
這是一個值得深挖的故事。
Mercor：連接人類專家與 AI 公司的橋梁（圖：Unsplash）
三個輟學的辯論隊朋友，如何建立百億帝國？
Mercor 的故事，從三個高中同學開始。
Brendan Foody（CEO）、Adarsh Hiremath（CTO）、Surya Midha（Chairman），三人在加州聖荷西的 Bellarmine College Preparatory 是同學，一起參加辯論隊，從那時起就建立了深厚的默契。
高中辯論隊出身，聽起來和「科技億萬富翁」沒什麼關係——但其實恰恰相反。辯論訓練讓他們學會快速分析問題、構建論點、在壓力下清晰表達。這些能力，在創業路上比任何課程都實用。
Thiel Fellowship：輟學也能成功的那張門票
三人都獲得了傳奇的 Thiel Fellowship——Peter Thiel（PayPal 共同創辦人）每年選出 20-25 位年輕人，給他們 10 萬美元，條件是：輟學去創業。
這個獎學金的選拔極為嚴格，錄取率遠低於哈佛。過去的得主包括了 Vitalik Buterin（以太坊創辦人）、Dylan Field（Figma 創辦人）等人。
Brendan、Adarsh、Surya 同時獲得這個獎學金，然後一起輟學，去舊金山 181 Fremont 租了辦公室，開始打造 Mercor。
“我們不是不想讀大學，而是我們相信現在這個機會更重要。AI 正在重塑整個就業市場，我們想在這個浪頭上。”
— Brendan Foody，Mercor CEO
矽谷新創文化：年輕、大膽、不按牌理出牌（圖：Unsplash）
2025 年：Forbes 最年輕的億萬富翁
2025 年，三人同時入選 Forbes 30 Under 30，並被認定為當年全球最年輕的自創身家億萬富翁（self-made billionaire）。他們還不到 25 歲。
這不是靠家世、不是靠繼承——是三個辯論隊的高中同學，用兩年時間做到的。
商業模式解析：為什麼 AI 公司需要「人類專家」？
要理解 Mercor，你得先理解 AI 模型是怎麼訓練出來的。
RLHF：AI 需要人類的判斷
現代 AI 模型（像 ChatGPT、Claude）的訓練過程中，有一個關鍵步驟叫做 RLHF（Reinforcement Learning from Human Feedback，人類回饋強化學習）。
簡單說：AI 生成答案後，需要真人來評分、指正、提供更好的答案。這個過程讓 AI 學會什麼是「好」的回應。
但問題來了——當 AI 需要幫助律師的工作，你不能找一個不懂法律的人來評分。當 AI 要學習醫療診斷，你需要真正的醫生告訴它哪裡對、哪裡錯。
這就是 Mercor 的切入點。
從印度外包到全球白領
Mercor 最初的商業模式，是連接印度自由工作者與美國科技公司——類似 Upwork 的版本，但用 AI 做更好的人才篩選。
但他們很快發現了一個更大的機會：AI 公司（OpenAI、Anthropic、Google 等）需要各領域的高端人才來幫忙標注數據、提供領域知識、訓練模型。
這些工作不是隨便找個人就能做的。你需要：
- 💼 律師 幫 AI 理解法律文件的語言和邏輯
- 🏥 醫生 幫 AI 學習臨床診斷推理
- 📰 記者 幫 AI 判斷新聞的可信度與寫作品質
- 🏦 銀行家 幫 AI 理解金融分析的框架
- 💻 工程師 幫 AI 審查和改善程式碼
Mercor 就是那個連接這些專家與 AI 公司的橋梁，利用 AI 技術本身做超高效率的人才篩選和匹配。
AI 模型的訓練需要大量人類專家的回饋與標注（圖：Unsplash）
爆炸性成長：從 0 到百億估值只花了兩年
Mercor 的融資歷程，堪稱近年 AI 新創中最驚人的故事之一：
| 時間 |
事件 |
估值 |
| 2023 年 |
公司成立，Thiel Fellowship 支持 |
— |
| 2025 年 2 月 |
Series B 完成 |
$20 億 |
| 2025 年 5 月 |
聘請 Uber 前 CPO Sundeep Jain 擔任總裁 |
— |
| 2025 年 9 月 |
年化營收 ARR 達 $4.5 億 |
VC 搶著投 |
| 2025 年 10 月 |
Series C 融資 $3.5 億 |
$100 億（🚀 五倍跳升） |
| 2026 年 |
Bloomberg 24 家最值得關注 AI 新創 |
— |
從 Series B 到 Series C，短短 8 個月，估值從 20 億跳到 100 億——成長了 5 倍。
更驚人的是，他們在 2025 年 9 月就已經達到年化營收 4.5 億美元。這不是「靠故事融資」的新創，是真的有大量客戶和真實收入的公司。
Sundeep Jain 的加入：從新創到正規軍
2025 年 5 月，Mercor 聘請了 Sundeep Jain（Uber 前首席產品官 CPO）擔任總裁。這個人事任命意義重大：
當一家新創開始從外部引入有 Uber 資歷的高管，通常代表兩件事：公司已經從「摸索期」進入「執行期」，準備大規模擴張；以及為未來的 IPO 或更大規模融資做準備。
最大爭議：白領幫 AI 訓練，取代的是自己？
2026 年 1 月，科技媒體 Cybernews 發表了一篇引發廣泛討論的報導：
「Mercor 雇用失業的白領工作者，讓他們訓練 AI——而這個 AI，可能正是讓他們失業的原因。」
這個描述讓很多人不舒服，但它準確嗎？
現實的兩面性
從一個角度來看，這確實是令人心疼的現實：一位因 AI 浪潮而失業的律師，現在靠著幫 AI 公司訓練法律 AI 維持生計。他的專業知識，正在被用來加速取代更多像他一樣的律師。
從另一個角度來看，這也可以理解為：人類專業知識在 AI 時代仍然有價值，只是形式在改變。就像工業革命時，熟練工匠轉型成為機器操作員和品管師一樣。
問題在於：這個「轉型」是否公平？是否只是讓少數科技公司（和 Mercor 這樣的平台）獲益，而專業工作者只能以低薪換取短暫的就業機會？
AI 時代的白領困境：專業知識還有多少籌碼？（圖：Unsplash）
「Mercor 效應」正在發生
不管你怎麼看這個議題，「Mercor 效應」正在全球蔓延：
- 越來越多的高學歷、高薪白領，在傳統雇主減少招聘的同時，開始接受 AI 訓練相關的外包工作
- 這些工作通常按小時計費，缺乏保障，沒有傳統員工福利
- 但對許多人來說，這是目前能找到的、最能運用自身專業的選項
這個現象背後的問題，不只是 Mercor 的商業模式，而是整個 AI 產業對就業市場衝擊的縮影。
最新爭議：LiteLLM 供應鏈攻擊，讓 Mercor 陷入更大的信任危機
如果說前面的爭議還停留在「商業模式與倫理」層次，那麼 2026 年 4 月爆出的資安事件，則讓 Mercor 面對的是更直接的信任危機。
根據 TechCrunch、The Register、Fortune 與 WIRED 等多家媒體報導，Mercor 表示自己受到一起與 LiteLLM 供應鏈攻擊有關的事件波及。LiteLLM 是許多 AI 公司與開發者常用的開源工具，協助應用程式串接不同 AI 模型；但在這次事件中，攻擊者被指控將惡意程式碼植入套件版本中，進而竊取憑證與內部存取資訊。
更麻煩的是，勒索／外洩團體 Lapsus$ 後續宣稱自己拿到了大量 Mercor 內部資料，甚至對外叫價出售。雖然這類說法仍需保守看待，但因為 Mercor 本身正好替多家頭部 AI 公司媒合與管理訓練資料相關工作，外界自然開始擔心：這次事件外洩的，可能不只是 Mercor 自己的系統資料，而是牽涉到更大範圍的 AI 訓練流程、協作模式，甚至客戶內部資訊。
WIRED 進一步指出，Meta 已暫停與 Mercor 的合作；而 OpenAI 也表示正在調查這起事件可能帶來的影響。這讓原本就備受討論的 Mercor，再多了一層新的爭議：它不只是象徵「白領協助訓練 AI」的倫理問題，也開始暴露出 AI 供應鏈安全與外包治理風險。
當 AI 產業越來越依賴外部平台、外包專家與開源工具時，真正的風險不再只是「模型會不會出錯」，而是整條供應鏈中任何一個小環節出事，都可能讓整個生態系跟著爆雷。
換句話說，Mercor 的爭議已經不只是一家新創公司該不該這樣做的問題，而是整個 AI 產業正在共同面對的現實：當訓練資料、外包人才、開源工具、API 串接全部交織在一起，任何單點失守，都可能變成跨公司、跨模型、跨供應鏈的連鎖事故。
未來展望：Mercor 的下一步
Bloomberg 將 Mercor 列入 2026 年 24 家最值得關注的 AI 新創，這個背書意味著什麼？
AI 訓練數據市場的規模
根據研究機構估計，AI 訓練數據服務市場在 2025-2030 年間將以每年超過 30% 的速度成長。隨著 AI 模型越來越複雜，需要的人類專業標注也越來越精細。
Mercor 目前的護城河在於：
- 🤖 AI 篩選技術：用 AI 本身來評估哪些人類最適合特定 AI 訓練任務
- 🌐 專家網絡規模：已建立橫跨多個專業領域的人才庫
- 🔗 客戶關係：與 OpenAI 等頭部 AI 公司的深度合作
潛在風險
當然，也有值得注意的風險：
- 合成數據的崛起：如果 AI 公司越來越能用 AI 生成訓練數據，對人類標注者的需求可能下降
- 監管壓力：歐盟和美國正在加強對 AI 訓練數據使用的監管
- 競爭加劇：Scale AI、Surge AI 等競爭對手同樣在擴張
但以 Mercor 目前的成長速度和資金實力，短期內地位相當穩固。
小八觀點 🐱
Mercor 的故事讓我有很複雜的感受。
從商業角度，這是一個幾乎完美的故事：找對了時機、找對了市場空隙、三個有默契的創辦人、指數級的成長曲線。如果你是 VC，看到這樣的指標，很難不心動。
但從社會角度，我覺得值得停下來想一想：當我們說「AI 正在創造新的工作機會」，我們說的是什麼樣的工作？
一個花了 8 年讀法律、通過律師考試的人，現在以時薪方式幫 AI 公司訓練法律 AI，沒有勞健保、沒有年終、沒有職涯發展空間。這算是「AI 創造的就業機會」嗎？
我並不是說 Mercor 做錯了什麼——他們提供了一個真實的平台，讓供需雙方都能找到彼此。問題更大，它涉及整個社會如何應對 AI 帶來的結構性就業變化。
Mercor 的三位創辦人比大多數人更早看到這個趨勢，並且做到了把它商業化。這值得欽佩。但同時，我認為這個商業模式的成功本身，也是一個警示：AI 時代的財富，正在以加速的方式集中在少數人手中，而大多數的白領，正在成為這個過程的燃料。
這不是悲觀，而是現實。看清楚現實，才能在這個時代做出更好的選擇。
延伸閱讀