对话Mercor：我们仅为强大AI提供了所需的1%数据，半年后模型会再有一次大跨越｜Assembling2026

旧金山Tech Week之前，我们在旧金山举办了千人规模的AI领域大聚会 Assembling 2026，三个舞台，近20场对话和讨论，涵盖了今天AI创业者关心的各个层面的话题。这些对话实录我们会陆续放出。今天的内容是Assembling 2026的Founder舞台里，我与估值已达200亿美金的硅谷当红公司Mercor的部分对谈实录。

Mercor是一家今天在硅谷AI圈人人谈论的公司，它的核心业务是“数据标注”。我们对这家公司的系统研究可以见此前的文章。

最新传出的消息是，英伟达正在洽谈投资这家2023年才成立的公司，融资估值则已经达到200亿美元。此前，Mercor 于 2025 年完成3.5亿美元C轮融资，估值100亿美元。

今天模型的发展与数据高度相关，这是Mercor走红的关键。数据行业到底经历了怎样的变化走到今天，作为与这些顶尖模型厂商合作最密切的公司，Mercor对接下来的AI行业的发展怎么判断，以及这样一个当红公司自己的战略决策如何制定，这些都成为很关键，也很让我感兴趣的话题。

在Assembling 2026的大会上，我们和Mercor团队做了多场交流。

Chirag Mahapatra 是 Mercor VP，全面负责领导前沿实验室部署、大模型评估（Evals）、研究工程以及代码数据业务部门，也就是Mercor最核心的这些业务。他也联合发表了多篇 Mercor 比较有影响力的论文，如 Apex-SWE 和 APEX-agents 等。

在加入 Mercor 之前，Chirag 曾创立 AI 驱动的营销平台 Blaze AI（入选 Y Combinator W22 并被成功收购），并先后在 Meta 和 Airbnb 担任过工程领导职务。同时，他自己也是一位活跃的天使投资人，专注于投资 AI 基础设施、数据工具及 SaaS 领域的初创企业，这都使得他拥有多维度的视角，和他的对话内容对今天的AI创业者们有很多参考价值。

以下是对话实录部分。

王兆洋：接下来我们再和 Chirag 聊聊。我觉得上一场圆桌里很多问题的答案，其实都可以从另一个视角——数据——来看。没错，AI 行业正在变得越来越像一个数据行业。先问现场一个问题：有多少人听说过 Mercor？——很多。那有多少人已经是 Mercor 的客户？（并没有太多）——是不是比你想象的要少？

Chirag Mahapatra：我们当初其实是决定把重心放在前沿实验室上。回顾我们的历史，前沿实验室对创造高质量的评测（evals）和高质量数据集有一种执念，而且会用科学的方法去做这件事。创业之初你必须聚焦，得搞清楚自己有多少能力，而前沿实验室大概是最好的合作对象——它们走在创新周期的最前面。

现在我们看到了新的机会。随着模型变得非常好，我们看到企业对我们这些用例的采用在扩大。第一类用例，刚才几位嘉宾也提到了，是路由（routing）。模型很贵，企业想搞清楚哪些场景真的需要前沿模型，哪些场景用更简单的模型就够了。这是最常见的用例。第二类，是企业想在自己的代码仓库上评测 coding agent。因为正如上一场圆桌指出的，大多数情况下 coding agent 是在开源代码或公开仓库上做基准测试的，而真实企业里的真实代码非常不一样，有各种细微差别，有第二层、第三层、第四层的复杂性。我们看到这里有一个可观的市场。第三类，是企业意识到它们想用自己正在产生的数据来训练自己的模型，在企业自己的数据集上针对特定用例做后训练。这些都是我们正在帮助客户解决的用例。

王兆洋：你已经提到了数据市场的很多变化。我看你的资料时发现你写博客，有自己的网站，我读了你的博客——你写过在 Facebook 时做推荐算法的事情。我觉得你很擅长用简单的语言把复杂的概念讲清楚。所以能不能带我们过一遍现在数据市场的状况？它和我们所说的"Scale AI 时代"已经完全不同了。也讲讲 Mercor 一路走来的一些关键时刻和转折点。

Chirag Mahapatra：当然。Mercor 刚起步的时候，数据标注是一个完全不同的市场。如果回到 Mechanical Turk 那个年代，用来训练模型的任务非常简单：分类、垃圾**分类、诈骗识别、图像标注，或者给自动驾驶标注停车标志。这些任务可以由一批勤恳的人力完成，他们不一定需要是某个领域的专家。

我们看到的第一个转变发生在需求端。随着数据集变得越来越复杂，你需要每一个领域的专家来创建推理轨迹（reasoning traces）、一步步写出精确的解题步骤，并制定一套可泛化的评分标准（rubrics），用来评估不同的解法。我们现在说的是 MIT 和哈佛的博士、IMO 奖牌得主这样高度资深的人在做这些工作。

更让我意外的是供给端：这些极其聪明的人真的愿意来做这些工作。这很反直觉。疫情可能是一个因素——很多人多出了时间和精力，他们发现这份工作要么可以帮他们付学费，要么可以赚一份额外收入。这就催生了围绕专家网络的整个市场。

专家网络本身不是什么新东西，AlphaSights、GLG 这样的公司早就存在了。我们真正解开的关键，是识别出一类特殊的、极度资深的专家，他们特别适合做模型训练——他们能用大多数人做不到的方式把问题拆解开。这是我们的第一个论点。

随着时间推移，我们意识到，只提供高质量的专家是不够的。你还需要搭建环境（environments），让这些专家在里面演示工作是怎么完成的。光有一个 Python 很厉害的软件工程师是不够的，你想看到的是他在一个真实的环境里——比如在一个 CRM 里——是怎么做一个集成的。

于是任务就变成了：如何创建一组多样化的、能复现人类工作的环境？这些环境必须是高质量的：任务要有经济价值，验证器（verifier）要能在不同解法之间泛化，环境还要能长期保持有用。这些环境的市场就是在那时候真正起飞的。

再下一个转变，是转向领域专属的评测和数据集。AI 里第一个找到广泛产品市场契合的领域是 coding agent，然后是法律 agent、金融 agent、医疗 agent。我们看到每个领域都冒出了多家数据公司，这些行业的需求非常可观。举个例子，我们最近和 Ramp 一起发布了 APEX-Accounting 基准。Ramp 非常关心怎么用 AI 去解决企业里真实的会计问题，并且想把这种能力提供给它所有的客户。这就是我们正在看到的需求。

王兆洋：我对 Mercor 了解得越多，听你们在做的事情，越会冒出一个自然的问题：为什么 Mercor 不是一家模型公司？你们为什么不自己做模型？我知道 Mercor 的估值已经很高了，但模型公司是另一回事，经济账不一样。你们是怎么想这个战略的？

Chirag Mahapatra：我们从根本上相信，每家公司都应该专注于自己的长处。我们的重心是数据、evals 以及相关的基础设施。我们想帮助每一家企业训练自己的模型。我们的愿景是，不管是 Databricks、Visa、Mastercard 还是 DoorDash，这些公司都需要在内部构建定制模型，我们想帮它们做到这一点，而不是自己变成一家模型公司。

王兆洋：另外，上一场圆桌有一个关于规模化的问题，你当时没来得及回答。有人提到他不认为一个基于评测的商业模式会是好生意，因为很难规模化。从我的角度看，这更像是长尾理论：一边是单个的大数据集，但分散在各个行业里的长尾加起来也是一个非常大的市场。看起来 Mercor 正是在聚焦这个长尾和不同的行业。你怎么看？

Chirag Mahapatra：我来拆解一下。即使在前沿实验室这个层面，对于科学、材料科学、生物这些复杂领域，我们大概只收集到了构建极高质量模型所需数据的 1% 到 2%。第二块是物理世界：第一人称视角（egocentric）数据、遥操作（teleoperation）数据等等，这一块我们大概也只走到了 1% 到 2%。就实验室整体需要的数据而言，我们可能只到了 2% 到 5%。我们持续看到实验室对继续获取这些数据有巨大的热情。

你关于长尾的观点非常好。我们认为，不只是财富 500 强，财富 2000 强里的每一家公司最终都会有自己围绕数据和 evals 的策略。我们希望成为这个市场里第一个、也是最好的那个。

王兆洋：最后两个问题。第一个，你们应该是离下一代模型最近的人——可能是那些还没发布的模型，因为你们正在和它们合作。基于你看到的，我们会看到模型能力的大跳跃吗？第二个，现在不止一家前沿实验室，有好几家。如果它们都能拿到同样质量的数据，那模型之间的竞争最终比的是什么？

Chirag Mahapatra：我当然不能评论具体的模型发布。但我从根本上相信，在接下来的六到八个月里，我们会有强大得多的模型（significantly more powerful models），这主要是因为研究者们正在提出非常迷人的问题。

你问的第二个问题很有意思：数据对每家来说是一样的吗？很多情况下，实验室会采购现成的数据集。但还有很多数据集，需要研究者的直觉加上数据公司的能力，两者紧密合作去设计和构建。这些数据集是提供给特定实验室的，它们是独有的，不会被共享。

如果说我有一个愿望清单，那就是希望有越来越多的研究者去做更多实验，去创造全新类型的数据集——我认为这是现在最大的缺口。我也希望有更多人去做新的评测能力、新的基准（benchmark），帮助我们理解模型到底掌握了什么能力、还能怎么改进。

王兆洋：好。最后一个，你自己也是一位创业者，能不能分享一些经验教训，或者说"苦涩的教训"？

Chirag Mahapatra：前几天我和别人聊天时说，我真希望自己晚出生八年，因为现在可能是有史以来做创业者最好的时候。能做出极其有趣的生意的机会之多，前所未见。我祝愿在座的每一位创业顺利，做出了不起的公司。我相信今天在座的各位当中，会出现很多独角兽，甚至十角兽（decacorn）。

点个“爱心”，再走吧