正文
4.
AI Agents 替代初级工程师的潜在威胁
长期来看，AI Agents 可能取代部分初级工程师任务，压缩自由职业者招聘市场。
策略：
Mercor 的战略重心是高质量、高难度、边缘案例的“Human Data”，这些任务目前 AI Agents 难以胜任，需要专家级人工判断。
数据标注业务的核心正从提供海量的数据，转移至供给高质量、专家驱动的数据。
市场分化为两个部分：低端任务将被模型自身或合成数据所侵蚀，而高端、复杂任务是一个具备高利润和壁垒的市场。未来的领导者将是那些能够高效组织、管理并交付专家级（Expert-level）数据服务的公司，而非仅仅是劳动密集型的数据工厂。
这是宏观趋势，Scale AI 的运营模式在客观上为 Mercor 这类敏捷型挑战者创造了一个利基市场：
1.
AI 能力的“最后一公里”难题
模型的持续进步，其瓶颈已不再是数据量，而是数据的质量、多样性与复杂性。为了解决模型泛化能力、处理边缘案例和进行复杂逻辑推理，AI 系统需要由人类专家（而非普通工人）生产的、超越现有模型认知边界的数据。这是价值密度最高的环节。
2.
对人类专家的持久需求
•
Human Eval 需求持续性：
来自 Google 等一线客户的判断，未来 5-10 年，对高质量人工评估的需求将持续增长。即使合成数据可行，仍需人类专家对模型进行评估，确保其性能不随迭代而退化。
•
专业及复杂任务：
简单任务的人工需求将减少，但专业领域（如医疗、法律、金融）和需深度逻辑推理的任务，仍将长期依赖人类专家。Mercor 的客户 Google 判断大模型在未来 2 年内难以生成同等质量的专业领域数据。
3.
“高质量溢价”形成的人才壁垒
•
人才稀缺性：
市场对高质量标注者的需求远超供给，尤其是在英语母语市场和特定专业领域（如拥有博士学位的专家）。
•
支付意愿：
顶级科技公司（Hyperscalers）已展现出强烈的支付意愿，愿意为获取顶尖人才（如高价聘请美国研究生进行复杂推理任务标注）支付高额溢价。
4.
Scale AI 的运营惯性，催生了“长尾市场”的机会
•
Scale AI 的局限性：
运营模式和成本结构使其难以适配预算低于 5 万美元的小型项目，并且其交付和迭代速度较慢。
•
AI 实验室的敏捷需求：
前沿模型的探索阶段，需要大量快速、小规模的迭代。AI 实验室对低于 5 万美元的小规模项目，在响应速度和交付质量上的要求日益提升。
•
Mercor 的市场切入点：
这一“小预算、高难度、快周期”的市场空白，恰好为 Mercor 提供了独特的切入空间。它能以更快的速度和更灵活的方式承接这些项目。
总市场（TAM）
根据 Grand View Research 数据，2023 年全球数据标注市场约 37 亿美元。预计到 2030 年达 171 亿美元，CAGR 约 23.5%。其中，约 20%-30% 属于高复杂度、人类专家参与型标注。
LLM 驱动下的高价值子市场（SAM）
LLM 发展催生了对 RLHF、专家评估等新需求。
据我们估算，2024 年全球约有 5-7 亿美元专门投入此类高质量人类数据项目。预计该子市场将以 50-80% CAGR 增长至数十亿美元。
需求侧：
OpenAI、Anthropic、Google DeepMind、Meta 等十余家领先 AI 实验室，每年在人类评估和模型对齐环节的预算普遍在 $5M–$20M 区间，仅前 10 家合计即超 $100M–$200M。随着企业客户（如医疗、金融、法律等）开始微调自有模型，这一需求正在迅速扩散。
供给侧：
Scale AI、Surge AI、Mercor 等标注服务商中，仅 Mercor 的 2025 年 ARR 即达 $75M，且主要来自该类任务；Scale AI 亦有估计 $50M+ 的 RLHF 相关收入，表明该细分市场实际支出已达 $200M–$300M+，并仍在加速增长。
Mercor 可获取市场（SOM）潜力
公司目前年 ARR 约 7500 万美元（2025 年 2 月），对应高端 Human Data 子市场 10-15% 的份额（2024 年口径）。若维持 >50% 年增速，未来两年收入可达 2.5-3 亿美元，对应细分市场 20-30% 的份额。
Mercor 最初的定位是 AI 招聘平台。在此基础上，它发现了一个机会：作为 BPO（业务流程外包）服务商，为像 Scale AI 这样的大型数据标注公司提供“合同制人才（contract people）”。在这个过程中，Mercor 发现其高效匹配与供给专家的能力，在 Human Data 领域具有强烈的市场需求（PMF）。因此，Mercor 开始直接向 AI Labs 提供人力数据创建服务，
从 Scale AI 的上游劳务供应商，转变为数据标注服务市场的直接竞争者 。
核心业务线：
目前，Mercor 主要运营两大业务线，两者共享其底层的 AI 人才匹配技术和专家网络：
1.
AI 招聘与人才派遣：
传统业务，Mercor 为科技公司提供 AI 招聘服务，帮助它们寻找和雇佣全职或合同制工程师。例如，Epsilon Labs 通过 Mercor 招聘海外 MLOps 合同工程师，Mercor 从中收取基于薪资的佣金（如 30%）。
2.
Human Data Services：
这是公司当前的核心增长引擎，也是与 Scale AI 等巨头直接竞争的领域。
Mercor 为 AI labs（如全球五大 AI labs）提供用于模型微调、评估和 RLHF 的专家级 human data 标注服务。
Mercor 通过三条线构建了端到端的专家数据（Human Data）交付系统：
1.
精英人才库（The Asset）：
Mercor 的核心资产是一个拥有超过 30 万名专家的经过深度索引和筛选的人才网络。不同于传统外包商隐藏标注者背景，Mercor 向客户完全透明化展示候选人档案（教育背景、工作经验、技能评估等）。
2.
灵活的工作流整合（The Workflow）：
Mercor 的产品形态极具弹性，有效降低了客户的采纳阻力。
•
轻量接入：
客户可继续使用其自有标注平台，Mercor 仅作为高质量人才的“即插即用”供应商。
•
完整方案：
对于没有现成工具的客户，Mercor 提供自有平台，快速搭建从数据管道到质量控制的完整工作流程。
3.
结构化的质量与激励（The Framework）：
Mercor 摒弃了传统按任务计件的模式（其天然导向牺牲质量），而是价值定价，推行“按小时付费”模式。对于顶尖 AI 实验室而言，
研发迭代速度
和
数据质量
的价值远高于单纯的人力成本节约。按时计费直接激励了高质量的投入与灵活的调整，完美契合了前沿模型探索阶段的需求。
Mercor 还承担了将标注者分类为独立承包商（Independent Contractors）所带来的全部法律与合规风险。这为客户移除了一个关键的运营障碍，使其可以无顾虑地快速启动和扩展团队。
Explore 提供的岗位中，除极少数为全职薪资员工职位外，绝大多数为合同工形式。平台为候选人提供了丰富的 AI 面试选项与体验，并配有详细反馈。在某些特定项目中，还设置相应的定制化面试流程。
