AI实验室如何用Mercor挖掘数据公司不愿公开的信息

AI 初创公司 Mercor 正在颠覆传统的数据获取方式。它不与企业签订昂贵的数据合同，而是直接雇佣来自投资银行、咨询和法律等行业的资深前员工，利用他们头脑中的专业知识来训练 AI 模型。尽管这种做法引发了关于数据泄露和商业道德的争议，但 Mercor 发展迅速，估值已达百亿美元，并预示着 AI 将可能替代传统的高端专业服务。

一种获取数据的新策略

AI 实验室正在尝试一种新的策略来获取数据：不再与公司签订昂贵的数据合同，而是直接利用这些公司前高级员工的行业知识。初创公司 Mercor 正是连接这些行业专家与 AI 实验室的关键平台。

• 主要客户: 包括 OpenAI、Anthropic 和 Meta。
• 核心逻辑: 这些 AI 实验室的目标是自动化传统行业，但这些行业的公司本身并不愿意提供数据来帮助实现这一点。
• Mercor 的解决方案: 雇佣曾在这些公司工作、理解其工作流程的承包商，来训练 AI 模型。

“高盛（Goldman Sachs）不会喜欢一个能够自动化其价值链的模型的想法……这正是 AI 实验室需要我们的原因。”

利润丰厚的商业模式

Mercor 的模式已被证明非常成功。通过向行业专家支付高额报酬，它获得了 AI 实验室愿意花更高价格购买的宝贵数据。

• 专家时薪高达 200 美元。
• 拥有数万名承包商。
• 年收入约 5 亿美元。
• 近期估值达到 100 亿美元。

创始人 Brendan Foody 认为，这揭示了市场中的一种低效率，但他不称其为“漏洞”。他认为，一些公司已经开始接受这种“新的工作未来”，类似于十几年前 Uber 创造的零工经济。

知识所有权的灰色地带

Mercor 的模式引发了关于商业道德的讨论，即行业知识是否通过前员工从“后门”流失。

该公司试图防止承包商从事商业间谍活动，并指示他们不要上传前公司的文件。然而，创始人也承认，鉴于其运营规模，无法完全杜绝问题发生。

一个核心的争议点在于：

员工头脑中的知识属于员工个人，而非他们所在的公司。

这种观点比许多企业的看法要宽松得多。此外，Mercor 的一些招聘信息也模糊了“员工知识”和“公司数据”之间的界限，例如寻找愿意“授权访问大量生产代码库”的初创公司 CTO。

市场竞争与未来展望

在 AI 发展的早期，数据公司主要雇佣发展中国家的廉价劳动力进行简单的标注工作。如今，市场已经转变，AI 模型的改进需要高度专业的知识。Mercor 的竞争对手，如 Surge 和 Scale AI，也已开始采用类似的策略。

Mercor 的未来计划是将其业务从服务少数几家 AI 实验室扩展到与法律、金融和医疗等行业的公司直接合作，帮助它们利用自身数据训练 AI 代理。

创始人 Foody 预测，这种变革将是深远的：

“随着时间的推移，ChatGPT 将比最好的咨询公司、最好的投资银行和最好的律师事务所更出色。这将从根本上改变经济。”