华人 AI 招聘 2 年 ARR 超 1000 万美金，Mercor 年化收入已 5 亿美金

昨天，马斯克旗下 xAI 宣布裁员 500 名数据标注员，已经占到该团队的 1/3，这个团队主要负责 Grok 标注与整理训练数据的核心部分。

此次裁员的背后原因，是行业整体的需求已经从通用 Generalist AI Tutors 转向专业 Specialist AI Turtors，涵盖 STEM、金融、医学、安全等。

这种需求也反应在 Mercor 的快速增长中，3 月份的时候 Mercor 的年化收入刚突破 1 亿美金《从 100 万到 1 亿美金收入，AI 招聘平台 Mercor 只用了 11 个月》。

今天，Mercor CEO Brendan 说，Mercor 的年化收入（Revenue Run Rate）已经突破 5 亿美金了，从 100 万美金到 5 亿美金只用了 17 个月时间。而且增长速度仍然在加速，7 月份，其平均周环比增长 11%，8 月份周环比增长 18%，9 月份周环比增长 19%。

Brendan 说，推动这一迅猛增长的趋势在于：经济正在变成一个强化学习（RL）的环境模拟器（the Economy is Becoming an RL Environment Machine）。而强化学习变得如此高效，以至于智能体（Agent）能攻克任何基准测试，但前提仍需人类来定义奖励函数，以期实现万物自动化。

当每个人都担心失业时，我们正在以前所未有的速度创造一种新的知识型工作，未来的工作将集中在培训 Agent 上。Mercor 现在每天向平台上的人们支付超过 100 万美金，并迅速招聘几乎所有领域的专家：软件工程师、医生、律师、顾问、银行家等等。

他专门写了一篇文章谈这个趋势，Brendan 说，每次技术革命都引发了人们对失业的恐惧。工业革命用机器取代了家庭手生产者，计算机革命用电子表格和数据库取代了手工文书工作。

然而，如今的失业率却低于这些革命发生前后——而它们都催生了全新的工作类别。关于 AI 对就业市场的讨论中，一种新的工作类别正在出现，那就是训练 AI Agent。

技术发展的历史是一部普及 access 的史诗：印刷机传播思想，工业规模化劳动力，计算机数字化知识。每次革命都催生了整个新兴产业。如今，AI 正在让人类能力本身变得可共享。

人类工作的价值将发生转变。尝试试比较一下自己报一次税，与教会 AI 模型如何永远替你报税的区别。前者是变动成本，由个人和企业反复支付；后者是固定成本，一旦知识被编码，就能无限次应用。

公司规模化的关键不是靠一人包揽一切，而是建立流程并培训他人执行。同样，随着人类教会 AI 智能体自动化每个工作流，经济也将实现规模化。 

强化学习（RL）已变得如此高效，足以攻克任何评测基准，但学术指标并不能反映消费者和企业关心的真实结果。我们的基准存在“模拟-现实差距”：报税是否最小化了税负？医疗建议是否改善了患者结局？教案是否真正帮助学生学到东西？ 

真实世界拥有更丰富的数据室、更复杂的应用与工具环境，以及来自程序员和会计师的双重要求。模型评估的前沿在于构建更丰富的环境：模拟 Google Drive 工作空间的数据室，复刻你笔记本电脑或手机上的多种应用的脚手架，以及能评估你在现实世界中近乎无限行动可能性的奖励函数。 

模型还需接受更长周期任务和协作环境的评估：由医师委员会评审的纵向患者案例、并购交易中的多方谈判、市场周期波动中的风险对冲。

我们需要为经济中的每项工作、工具和任务创建环境，而这无一不需要人类劳动来构建、验证和完善——这才是工作的真正未来。

人类训练模型的市场规模，取决于人类能做而智能体尚不能完成的任务量。许多相信 ASI 必然实现的研究者轻视人类数据的作用，认为一旦 AI 在所有任务上超越人类，人类数据就将失去价值，能贡献于模型改进的人群将会大幅缩减。 

他说他们曾开展过一个项目，让 100 人团队寻找前沿智能体使用工具时犯的错误，并制定评估模型错误的准则。起初，人人都能轻易难倒频繁出错的模型；六个月后，只有 20 人还能找出它的漏洞——这似乎印证了人类数据怀疑论的观点。 

但当他们为智能体增加更多可访问工具，并开始推送需人类耗时十小时以上的长周期任务时，模型突然在这些挑战中频频失败，100 名参与者再次全部为项目做出了有意义贡献。因此，只要经济中还存在人类能完成而智能体无法胜任的任务，我们就将继续需要人类创建评估体系和训练智能体。 

长远来看，Brandan 认为，所有人都聚焦于 AI 可能淘汰的工作（如文案撰写、律师助理、医疗记账），却极少关注它将创造的产业——由那些塑造 AI 判断、设计训练环境、确保输出符合人类标准的人群推动。 

我们正进入“经验时代”，模型学习在真实世界中优化奖励。正如人类通过他人指导学习，AI 也需要强大反馈。教授设计考试和评分标准以帮助我们进步，经理通过绩效评估跟踪我们的工作表现。下一代 AI 模型同样需要这类脚手架。

工业革命创造了设计机器并保持其运行的新阶层；AI 革命也将创造新阶层，其任务是引导机器并普及其能力。这是一个巨大的悖论：AI 的未来，终将归于人类。

虽然核心已经聚焦到 RL 训练这块，但 Mercor 目前对自己的定位还是一个 AI 招聘平台。

与 Mercor 专注于为 AI 企业提供 RL 人才不同，它解决的是一个比较通用、简单但也很刚需的点，也就是当你做线上面试时，AI 可以给你