成立仅三年的初创公司Mercor已成为AI数据淘金热中估值100亿美元的中介平台。该公司将OpenAI和Anthropic等AI实验室与高盛、麦肯锡及顶级律师事务所的前员工连接起来，向这些专业人士支付高达每小时200美元的费用，让他们分享行业专业知识并训练大语言模型——而这些模型最终可能会让他们的前雇主业务自动化。

在今年的Disrupt大会上，CEO Brendan Foody解释了为什么AI实验室需要高技能承包商而非众包劳动力，Scale AI的困境如何加速了Mercor的崛起，以及他为什么认为整个经济将汇聚于训练AI智能体。

Foody从高中时期的AWS信贷咨询业务起步，最终打造出估值100亿美元的公司。他指出，排名前10-20%的承包商推动了模型改进的主要进展，而Mercor专门寻找这些顶尖人才。

在员工知识与企业机密之间存在灰色地带，这引发了关于高盛等公司是否应该担忧的讨论。Foody相信，所有知识工作最终都将成为训练AI智能体的数据来源，这种趋势将重新定义整个劳动力市场的结构。

这一商业模式反映了AI发展的关键转变：从依赖大规模数据收集转向需要高质量、专业化的训练数据。Mercor的成功表明，在生成式AI时代，人类专业知识的价值不是被贬低，而是以新的形式得到重新评估和货币化。

Q&A

Q1：Mercor是什么公司？主要做什么业务？

A：Mercor是一家成立三年、估值100亿美元的初创公司，主要业务是连接AI实验室与高技能专业人士。公司将OpenAI、Anthropic等AI实验室与来自高盛、麦肯锡等知名企业的前员工匹配，让这些专业人士以每小时高达200美元的报酬分享行业专业知识，用于训练大语言模型。

Q2：为什么AI实验室需要高技能承包商而不是普通众包工人？

A：根据Mercor CEO的说法，排名前10-20%的承包商能够推动模型改进的主要进展，这些高技能专业人士拥有深度的行业知识和专业经验，能够提供高质量的训练数据，这是普通众包劳动力无法替代的核心价值。

Q3：员工将前雇主的知识用于AI训练是否存在法律风险？

A：文章提到在员工知识与企业机密之间存在灰色地带，这确实引发了关于高盛等公司是否应该担忧的讨论。不过具体的法律边界和风险程度需要根据具体情况和相关法律法规来判断。