Mercor CEO：为什么应用层公司没有护城河，以及招聘 AI 研究员的成本

摘要

• Mercor CEO 正面回应黑客传闻：事件确实发生过——攻击者利用“一群编码代理”获取了系统访问权限——但营收停滞的说法不实。 Mercor 在过去60天新增净 ARR 3亿美元，第一时间聘请 Mandiant，并将安全列为公司第7项价值观。他表示，Twitter 上的叙事还包括“一个非常有影响力、投资了多家竞争对手的人”发帖，声称中国方面访问了数据，但这完全不实。
• 这些是实打实的收入，不是 GMV：客户购买的是任务（例如支付1000美元完成一项模型改进），毛利率为30-40%，而 Mercor 覆盖完整链条——专家招募、平台、AI 项目管理和质量检查。 这项业务“非常赚钱”，账上现金超过5亿美元，现金多于公司历史累计融资额；自2025年秋季、约4亿美元年化收入、100亿美元融资轮以来，业务规模已“接近增长4倍”。
• 核心投资判断是：未来12个月，OpenAI/Anthropic 上游的基础设施公司将跑赢下游的应用层公司。 原因在于“模型就是产品”，而应用层的防御性越来越难建立。2025年是让模型生成一次 PR 的一年；“2026年要解决的是，如何让模型端到端克隆 Slack”——这些能力将在12个月内进入模型。SaaS 能否存活的试金石是网络效应（Salesforce 的集成、Slack Connect、Carta）；没有网络效应的公司将面临极大困难。
• 未来5年内，平均企业在 token 上的支出将超过人力成本——Mercor 已经如此： “现在，我们为内部代理支付的 token 费用，已经超过员工人力成本。” Benioff 每年向 Anthropic 支出的3亿美元，仅相当于 Salesforce 开发人员薪酬的约3.8%，说明这一转变仍处于早期。每家《财富》500强公司都需要一个按工作流建立的评估“记录系统”；这会让 API 层商品化（零切换成本，每2个月出现一个新的前沿模型），而粘性将留在工作流中。
• 这位嘉宾认为，5年后 OpenAI/Anthropic 中至少有一家估值将超过10万亿美元。 这是他的态度转变：他过去怀疑实验室能否保持定价权，但“这些公司的收入爬坡速度”让他相信它们会成为全球最有价值的公司。然而，他同时预计，5年后大多数推理任务将运行在开源、微调或蒸馏模型上，而非前沿模型；按工作流进行评估往往是“价格性能的10倍杠杆”。Nvidia 可能因多芯片格局失去垄断，但即使只占“遥遥领先的全球最大市场”30-40%的份额，仍会是全球最有价值的公司。
• 训练代理是“历史上创造速度最快的职业类别”： Mercor 每天向其500万+人才网络支付300万美元，预计12个月内大致增长至3倍，甚至4倍。 在 Mercor 的 Apex 基准上，前沿模型目前得分约40%，而仅仅12个月前 o1 只有1%。
• 定价弹性方面： Harry 提到 Nebius 提价30%却对需求毫无影响；Mercor“有能力一夜之间将需求翻倍”，但受限于产能——不过嘉宾认为，定价必须在短期优化与竞争之间取得平衡，因为“高利润率会招来竞争”。
• 人才市场已经失衡： 一名候选人拿到了 Meta 超级智能团队每年2000万美元的现金报价，顶尖 AI 研究员的成本是“每年数千万美元的股票”，需求与供给之比达到10:1。 他认为欧洲已经因人才网络效应输掉了模型竞赛，应该接受这一现实——实验室只需“在法国招聘1万人，教模型法国法律”，主权论据就会被削弱。

精读

1. 黑客事件被还原：过去60天新增净 ARR 3亿美元

• Harry 先抛出传闻：公司被黑，收入自此停滞。CEO 的回应是：“事件确实发生过，其他部分全是假的。” Mercor 立即聘请 Mandiant 及其他安全公司，主动与客户沟通，此后“与所有前沿实验室的合作关系都进一步扩大，并在过去60天新增净 ARR 3亿美元”。公司还将安全列为第7项价值观，“确保它真正融入文化”。
• Twitter 上的风波比现实更严重：他提到“一个非常有影响力、投资了多家竞争对手的人，发帖称我们的全部数据都被中国访问了，但这完全不实”；律师建议不要明确反击。他从危机中得出的结论是：这“绝对算不上公司历史上压力最大的时刻”，深厚的客户关系和完整的内部信息，比 X 上的“回音室”更重要。

2. 攻击者动用了代理群：AI 网络安全的黄金时代将至

• 入侵方式本身揭示了下一个市场机会：“攻击者使用了一群编码代理，帮助其获取系统访问权限。”人类攻击者只能按人的速度审查代码；代理群则能“非常彻底地审查整个代码库”，让攻击者的推进速度大幅提升。
• 嘉宾的判断是：“AI 网络安全工程工具将迎来巨大繁荣。”客户正专注于提升模型的网络防御能力，目标是打造“能够保护每一家企业的最佳 AI 安全工程师”；而这一轮又一轮的事件，“才刚刚开始”。

3. 客户与传闻：OpenAI“比以往更强”，Meta 暂停合作，没有 Micro 1 offer

• Mercor 是否因黑客事件失去 OpenAI 和 Meta？“假的。我们与 OpenAI 的关系比以往任何时候都更强。”Meta 是例外——“目前双方关系仍处于暂停状态”。CEO 表示，Meta 还有其他事项在推进，并提到 Scale 的收购可能是原因之一：Meta 自然会更多与 Scale 合作。此后，其他所有前沿实验室都扩大了与 Mercor 的合作。他直接否认 Harry 关于 Handshake 收入飙升源于 Meta 将预算从 Mercor 转走的推测：“不是这样”，但不愿展开。
• 关于 Micro 1 以“数百万美元签约包”挖人的说法：一名员工对外发送消息，提出50万美元签约奖金，部分收件人参加了第一次会谈——“我们没有向任何 Micro 1 的人发出过一份 offer。”媒体却把这些消息包装成正式法律 offer。
• 关于 Amazon 以130亿美元收购的传闻：“那是假的。”如果出价300亿美元，他会不会出售？“不会……我可以拿着几十亿美元现金离开，但这不是驱动我的东西。”他的使命是回答“人类如何融入经济”，而如果公司不是独立主体，“我们实现这一愿景的概率不会那么高”。

4. 收入真实存在，毛利率30-40%，业务几乎从未真正烧钱

• 针对“这只是 GMV”的质疑，客户购买的是端到端任务——“他们会支付1000美元，购买一项能够改进模型的任务”——Mercor 从专家招募、AI 项目经理到自动化质量检查全部负责，毛利率为30-40%。“我们和 Uber 依靠司机网络驱动业务一样，依靠人才网络，但人才网络不是最终产品。”收入“远高于”公开披露的约10亿美元。
• 垂直整合会产生复利效应：下游质量信号反过来改善上游专家招募，而数据价值呈幂律分布——“在1万个任务组成的数据集中，前2000个任务会创造大部分价值”，因此质量本身会带来定价权。
• 财务状况方面：“种子轮之后我们烧了50万美元，此后基本一直盈利……我们的现金比历史累计融资额还多。”公司账上现金超过5亿美元，刻意为市场回归理性做准备：在融资狂热期，任何人都可以承受负利润；“等市场回到现实……那时才会出现整合期”。

5. 训练代理是历史上创造速度最快的职业类别

• 面对裁员潮（Intuit 1.6万人、Meta 8000人、ClickUp 裁员22%），嘉宾的回答是“劳动总量谬误”：过去250年生产率提高25倍，“相当于自动化了某个人约96%的工作”，结果是创造了更多岗位，而不是更少。Harry 的反驳在于速度：过去的革命需要几十年；如今“用 Nano Banana Pro，我几乎可以一夜之间让媒体公司的所有设计师失去工作”。嘉宾承认，岗位替代将“非常显著”，但认为如今的经济也更擅长创造新的职业类别。
• Mercor 就是样本：公司每天向人才网络支付“超过300万美元”——这正是“历史上创造速度最快的职业类别”；他预计未来12个月大致增长3倍，“甚至可能4倍”。在 Apex 基准（Mercor 衡量顾问、银行家、律师和工程师 AI 生产力的指数）上，前沿模型目前得分约40%；12个月前，o1 的得分还只有1%。
• 未来5年的新职业是代理训练师。“所有知识工作都在向训练代理汇聚，因为做一次在结构上更高效。”客服代表不再重复回答数百张工单，而是训练一个代理。人类仍能贡献的部分是隐性知识：“人脑中存在海量模型无法从其他地方获取的上下文”；而随着模型推理能力提升，数据清洗本身会交给模型完成。

6. 横向聚合胜过细分数据供应商：实验室想要一个灵活的合作伙伴

• 针对外界关于数据供应会走向拆分的判断（外科医生戴摄像头出售医疗数据），嘉宾表示：“我们为律师构建的数据形态，往往与为医生构建的数据形态非常相似。” Mercor 拥有500万人才网络，且成员会推荐朋友，因此寻找边际上的医生并不困难；实验室更希望与一个具备横向能力的供应商合作，而不是面对“100个不同领域、需要分别培训的供应商”。
• 实验室真正需要的是全覆盖能力：“能够把所有你可以输入 Google Workspace 的东西，以及在经济中的每个职业类别里你希望从另一端得到的所有东西，全部覆盖。”同时，他们需要既是专家、又是 ChatGPT 或 Claude 的“高级用户”，能够找出模型出错的地方。

7. 直升机、法拉利、军舰：2年内从2300万美元估值走到100亿美元

• 按融资轮次回看：2023年9月种子轮时，年化收入约100万美元；General Catalyst 在36小时内发出 term sheet，投后估值2300万美元、融资230万美元。A 轮时，Benchmark 的 Victor 在第二次会面被拒后追问：“你坐过直升机吗？”最终公司以约250万美元收入拿到2.5亿美元投后估值。B 轮时，Felicis 把创始人带上私人飞机，在拉斯维加斯 F1 赛道开法拉利——收入2000万美元时估值20亿美元，增长100倍。随后在2025年9月或10月，公司以约4亿美元年化收入达到100亿美元估值，约25倍；“此后业务又接近增长4倍。”下一轮“估值可能高得多”，但公司盈利，因此并不着急。Harry 按交通工具统计：“D 轮现在需要一艘军舰。”
• 对这些疯狂估值的辩护是：连续6个月实现50%的月环比增长，随后又维持了12个多月——“我当时预计年末收入年化达到5000万美元，次年年底达到5亿美元……而我们超过了预测。”事后回看最不舒服的一轮是 B 轮：“在收入250万美元时做到100倍，和在收入2000万美元时做到100倍，完全是两回事。”

8. 模型就是产品：应用层防御性越来越难建立

• 撑起本期节目的核心判断是：未来12个月，“Anthropic 和 OpenAI 上游的基础设施公司，将明显优于下游的应用层公司”。第一个原因是，“过去2年，所有人越来越清楚地认识到，模型就是产品”；端到端训练的模型胜过所有拼装出来的抽象层，包括拖拽式代理构建器。第二个原因是软件复刻速度：“2025年要解决的是，如何让模型在代码库里生成一次 PR；2026年要解决的是，如何让模型端到端克隆 Slack。”他预计这些能力将在12个月内进入模型；Claude CoWork 要增加医疗和法律领域的能力，并不是很大的跨越。
• Harry 以 Legalese 为例反驳：深度的律师专属工作流、GTM 和 CS 团队都构成壁垒——“防御性就在这里。请你反驳。”嘉宾回应称，真正的护城河不是售前 GTM，而是“前置部署式服务”。一个每年支付100万美元 SaaS 费用的精明客户，“只需告诉 Claude 把它复制出来”；但一个经过公司隐性知识训练的代理，“极其差异化，也很难复制”。这正是 Sequoia 所说的：“服务就是新软件。”
• 判断传统 SaaS 能否存活的试金石是网络效应。Salesforce 的集成市场、Slack Connect、Carta 的跨公司关系图谱，都建立在真实护城河上，能够将产品迭代速度提升10倍。“没有网络效应的公司将陷入极大困境……这就是判断一家公司是否会变得一文不值的试金石。”
• 服务自动化正在 Mercor 内部发生：一个 AI 项目经理刚刚端到端完成了第一个项目——招募专家、回答问题、用自己的编码工具搭建标注工具——这些工作过去由约100-150人的交付组织完成。“专家们向 AI 项目经理汇报时，体验都非常好。”“我们正在实时看到，服务正在被自动化。”

9. Token 支出超过工资单：评估体系让 API 层商品化

• 这个头条数据是嘉宾随口说出的：“现在，我们为内部代理支付的 token 费用，已经超过员工人力成本。”他对未来5年的判断是：“平均企业在算力上的支出将超过人力成本。”相比之下，Benioff 目前每年向 Anthropic 支出的3亿美元，只相当于 Salesforce 开发人员薪酬的约3.8%。尽管效率提升，token 成本仍在上涨，这是 Jevons 悖论的一个“有趣案例”。
• 企业将使用的机制，是按工作流建立的评估体系，作为“记录系统”。Mercor 为每个内部代理运行一套评估：已完成500万+次面试的面试代理、候选人排序、会计和欺诈检测等，都据此在价格性能的 Pareto 前沿上选择模型。企业会利用这些评估“让模型层商品化”，追求零切换成本的完全竞争。API 层会商品化——每2个月出现一个新的前沿模型，按评估得分即可热插拔；但工作流粘性仍然存在：“我有所有这些流程在 Claude Code 里运行，可能不会花时间把它们迁走。”
• 工作流评估通过将任务蒸馏到开源模型上，“往往是价格性能的10倍杠杆”。因此他的预测是两段式的：OpenAI 和 Anthropic 都是“不可思议的投资”，未来需求还会增长4—5个数量级；但“5年后，大多数推理任务将使用开源、定制微调或蒸馏模型，而不是前沿模型”。估值方面：“我完全可以想象其中一家成为10万亿美元公司……至少有一家市值超过10万亿美元。”在快速问答中，他说自己已经改变看法：实验室的收入爬坡，让他从怀疑其定价权转变为“确信它们将成为全球最有价值的公司”。
• 与其直接买 Nvidia？“不是个疯狂的想法。”但多芯片格局正在形成：Cerebras 已经在执行，Etched 也在推进，实验室还在自研芯片，因此 Nvidia 的垄断可能消退。“即使它们在遥遥领先的全球最大市场中只拿到30%或40%的份额，也仍然会是全球最有价值的公司。”Harry 提到 Nebius 提价30%却没有需求影响；Mercor“有能力一夜之间让需求翻倍”，但没有相应产能。嘉宾认为，定价必须在赢下这10年与招来竞争之间取得平衡，因为“高利润率会招来竞争”。

10. 2000万美元现金 offer、输掉竞赛的欧洲，以及取消美国底层50%人口的所得税

• 人才市场的一个真实案例是：嘉宾正在招聘的一名候选人，手里有一个“每年2000万美元现金”的 offer，来自 TBD——Meta 的超级智能团队，股票但具备流动性。顶尖研究员的成本是“每年数千万美元的股票”，需求与供给之比达到10:1。他预计最顶尖人才的竞价还会继续升级，但受实验室训练的人才供给会在“第99百分位”趋于正常。
• 关于欧洲（Harry 说，Mistral 的排名“像欧洲歌唱大赛一样——大概排在最末”），欧洲输掉模型竞赛，根源在于人才网络效应：法国最聪明的研究员聚集到 OpenAI、Anthropic 和 DeepMind，形成“美国所拥有的、最大的经济优势之一，也是最大的地缘政治优势之一”。他的建议是接受现实，保留部分后训练和应用能力，不要“激进地与 Anthropic 正面竞争”。主权论据同样有限：“实验室只会在法国招聘1万人，教模型如何更好地处理法国法律”，迁移学习会完成剩下的工作。
• 他大一时写过、如今被 Bezos 转发的文章主张：取消美国底层50%人口的所得税。这部分税收仅占政府收入约3%，而“经济中最大的正外部性是就业”，但政府恰恰对就业征税。他建议改为征收资本利得税，尤其是短期资本利得税，以及碳税：“在我看来，不对碳征税，却对美国底层一半人口征税，简直不可理喻。”Harry 激烈反驳：“我带着最大的尊重这么说。这就是错的……你跑去一个没有资本利得税的地方，最后税收收入全部消失。”嘉宾同意，任何方案都需要对资本外逃进行“敏感性分析”。
• 快问快答中还有几条值得保留：约一半数据供应商竞争对手“其实只是交易型人才市场”；他最尊重的竞争者是 Surge 的 Edwin，因为对方始终贴近研究；IPO 会在“未来几年”发生，但不是今年或明年；996 传闻不实——“我们从未强制规定工时”，不过他和 Adarsh “从醒来到睡觉一直在工作”。他认为最善良的是 Prod 非营利社区：每周开会、提供营运资金，并带来第一个大客户——“他们没有拿任何股权……如果没有这些人，Mercor 根本不会存在。”