AREX Feed Article
AI 数据公司 Mercor 完成 7.5 亿美元 D 轮融资，估值 200 亿美元，资金将投向企业级 AI 评估与后训练
11 月 10 日，总部位于旧金山的 AI 数据与评估公司 Mercor 宣布完成 7.5 亿美元 Series D 融资，估值 200 亿美元。公司在与 中列出的投资方包括 Benchmark、Felicis、Fundomo、Apollo 关联机构管理的基金、G Squared、General Catalyst、Glade Brook Capital、NVIDIA、Salesforce、Sapphire Ventures、StepStone Group、XTX Ventures 与 Zoom 共 13 家，本轮还包含一项员工股份回购（employee tender）。公告称，资金将用于扩张企业级 AI 评估（evals）与后训练（post-training）基础设施。融资金额与估值均为公司口径，尚未见独立确认。
这距上一轮约一年：2025 年 10 月 27 日，Mercor 宣布 3.5 亿美元 C 轮融资，估值 100 亿美元。联席 CEO Brendan Foody 在 称，公司 run-rate revenue（按当前业务节奏年化的收入）在 27 个月内从 100 万美元增至 30 亿美元。据 今年 7 月报道，公司当时正洽谈新一轮融资；最终公布的 7.5 亿美元高于当时的洽谈金额，估值与报道一致。
Foody 点名 5 家投资方，回购规模未披露
新闻稿附录的公司信息显示，Mercor 成立于 2023 年，登记员工 700 人，CEO 为 Brendan Foody。他与 Adarsh Hiremath 同为联合创始人兼联席 CEO；Forbes 的报道还提到第三位联合创始人、董事长 Surya Midha。《时代》杂志 8 月底将 Foody 列入 时介绍，他与两位高中朋友共同创办了这家公司，当时 23 岁。
Foody 在 X 上点名了 13 家投资方中的 5 家：Benchmark、General Catalyst、NVIDIA、Salesforce 与 Zoom，其余 8 家出现在公司博客的完整名单里。业务上， 介绍，Mercor 搭建的基础设施把 AI 开发者与能够评估、改进模型表现的专家连接起来；新闻稿则列明其客户覆盖前沿 AI 实验室、大型科技公司、AI 创业公司和财富 500 强。至于那项员工股份回购，两份公告文本均未披露规模与结构。
估值较上一轮翻倍，与此前报道的洽谈数字吻合
上一轮 C 轮由 Felicis 领投，Benchmark、General Catalyst 与 Robinhood Ventures 参与；据 ，100 亿美元的估值是 B 轮的 5 倍。
围绕 D 轮的公开信息此前已经出现。Forbes 7 月 9 日援引一位知情人士称，公司正洽谈以 200 亿美元估值融资 5 亿美元，并写道若交易完成，公司估值将在不到一年内翻倍。《时代》8 月 27 日则援引 The Information 的报道称，NVIDIA 曾讨论以 200 亿美元估值参与投资。如今公布的数字与报道吻合：估值与洽谈数字一致，金额比 5 亿美元多出 2.5 亿，NVIDIA 也出现在投资方名单中。
客户重心从实验室转向企业
Foody 在官方博客中写道：「过去两年，我们用人类智能搭建了在真实工作上训练和评估前沿模型的基础设施。现在，我们正把同样的能力带给各行各业的企业——用来评估这些智能体能做什么、成本多少、如何改进。」他在 X 上补充，过去 6 个月公司增长在加速，「随着企业开始评估和训练自己的模型……对许多公司而言，拥有自己的智能是存亡问题」。
Sapphire Ventures 总裁、合伙人兼联合创始人 Jai Das 在新闻稿中点出了买家结构的变化：「过去几年，前沿实验室一直是专家驱动训练数据的主要买家，这即将改变。随着开源模型好用到可以直接在其上构建，每家企业都会想在自己的业务上评估和训练智能体。」
联席 CEO Adarsh Hiremath 在新闻稿里解释了其中的机制：「每家部署 AI 的公司都需要知道它到底行不行，而答案因公司而异。模型在公开基准上得分很高，仍可能在一个具体业务赖以运转的系统、政策和边界情况上失败。我们与每家企业一起构建定制基准，用企业自己的标准衡量模型，这个基准随后成为后训练的起点。」Mercor 的官方博客把这条路概括为：先建公开评估，再通过后训练压低成本，然后为自己的客户训练模型；从足够强的开源模型出发，企业只需要前沿训练所需资源的一小部分。
500 万专家网络、APEX 基准与 Deeptune 仿真环境
支撑这套业务的是三块资产。第一是专家网络：公司博客称网络中有超过 500 万名专家，靠培训前沿模型换取报酬，仅美国就有 800 多种职业的工作流尚未被模型评估过；《时代》转述公司口径称，Mercor 每周向数万名专家支付数千万美元。第二是评估体系：新闻稿介绍，公司运营公开基准系列 APEX，衡量 AI 在有经济价值的工作上的表现；补充说，APEX 覆盖数千个真实工作流。
第三是训练环境，来自今年完成的收购。7 月 9 日，Mercor 宣布收购强化学习环境公司 Deeptune：这支团队在过去两年里复刻了数百个企业应用——从电子表格到 Salesforce——做成模型可以反复练习的仿真环境；Andreessen Horowitz 今年早些时候领投了 Deeptune 4300 万美元 A 轮。Foody 在收购公告中写道，他两年前就认识了 Deeptune 创始人兼 CEO Tim，后来成为其早期投资人，而 Mercor 本来就是 Deeptune 的客户。团队并入后，Mercor 今年在纽约和伦敦开设了新办公室。
公司口径的收入数字与这笔钱的去向
关于资金用途，新闻稿写明：加速在研究、评估与后训练基础设施上的投入，包括让智能体（agent）学习复杂职业工作流的仿真环境。Pulse2 的报道补充说，资金还将用于评估方法的研发，公司预计金融、医疗、法律、工程等专业服务行业会带来更多需求，这些行业的任务往往需要在特定领域内处理复杂流程。
新的收入数字目前只有公司口径。Foody 同时自称，公司「史上最快」做到了 30 亿美元 run-rate revenue。作为对照，《时代》8 月援引 The Information 的报道称，Mercor 2026 上半年的总收入为 6.14 亿美元，比 2025 全年高出 70%。两个数字口径不同——一个是年化 run-rate，一个是已实现收入——时点也不同，30 亿美元的数字至今未见独立核实。
Foody 在博客中还给出一个数字和一个推演：公司花在模型推理上的支出已是员工工资的 3 倍；他推演，如果这一比例随着 AI 扩散到整个经济而保持，未来五年 GDP 增速将接近两位数，约为人们习惯水平的 3 倍。这轮估值所依赖的判断尚未得到验证：企业需求是否真的接棒实验室，成为专家数据与评估服务的主要买家。Foody 自己在 X 上给出的顺序是：实验室是先行指标，AI 创业公司随后，然后是财富 500 强。