- 初创公司 Mercor 每天向约 30,000 名兼职人员支付超过 400 万美元，用以创建训练数据，帮助 AI 执行人类的专业工作。
- 市场需求已从简单的数据标注转向深度专业知识，涉及律师、医生、教授、数学家和物理学家等职位。
- 部分工作的报酬极高，包括时薪 225 美元的希伯来语配音演员、卢旺达富有经验的医生以及特定领域的物理学博士。
- Mercor 与 Scale AI 和 Handshake 一起，已成为向 OpenAI、Anthropic 和 Meta 等 AI 巨头提供专家数据的关键环节。
- Mercor 成立于 2023 年，去年 10 月估值达到 100 亿美元，目前正在洽谈新一轮融资，估值约为 200 亿美元。
- Meta 已向 Scale AI 投资超过 140 亿美元，而 Handshake 在 4 月份的年度业务收入指标（annual revenue run rate）突破了 10 亿美元，高于年初的 5.5 亿美元。
- 得益于升级 AI 模型对高质量数据的近乎无限的需求，这些公司获得了巨大的利益。
- 然而，该商业模式也面临风险：一旦 AI 精通了某个领域，就不再需要大量来自人类的训练数据。
- 为了减少对少数大客户的依赖，这些初创公司正在从收集个人数据扩展到将整个企业的流程和知识数字化。
- Mercor 首席执行官布伦丹·富迪（Brendan Foody）认为，收集企业的运营知识是目前 AI 实验室实现几乎所有人类工作自动化的最大瓶颈。
- 📌 结论： AI 浪潮的悖论：专家们获得极高的报酬来传授知识，以帮助 AI 取代他们自己的职业。凭借每天接收超过 400 万美元的 30,000 名兼职人员，Mercor 及其竞争对手正从爆发式增长的专家数据需求中获利。然而，随着 AI 变得越来越熟练，对这类数据的需求本身可能会下降，迫使企业转向收集整个企业的知识和流程以维持增长。
