高薪专家训练AI：Mercor估值百亿，行业从数据标注转向智力外包

事件概述

全球顶尖人才正以高薪受雇于Mercor等AI训练初创公司，通过提供专业领域知识来训练人工智能模型。这一趋势标志着AI数据供应行业从依赖低薪发展中国家的机械数据标注，转向利用高学历专家的深度智力支持。尽管行业巨头如Mercor估值暴涨，但专家们在推动AI进步的同时，也面临着自身技能被机器取代的悖论风险。

核心信息

1. Mercor崛起与行业估值暴涨

• 公司表现：总部位于旧金山的Mercor成立于三年前，专注于连接AI实验室与全球专家。2025年10月，其三位22岁的大学辍学创始人（Brendan Foody, Adarsh Hiremath, Surya Midha）成为全球最年轻的白手起家亿万富翁，公司估值达到100亿美元。
• 薪酬规模：Mercor目前拥有超过10万名专家承包商（包括软件工程师、科学家、建筑师等），每天向专家支付高达500万美元的费用。平均时薪约为125美元，相当于医生水平，是普通高管的两倍。
• 市场需求：CEO Brendan Foody表示，AI实验室对专家的需求是公司供应能力的三到四倍，预计未来十年经济中的大多数工作都将涉及某种形式的“代理训练”。

2. AI训练模式的范式转移

• 从低端标注到高端专家：过去，AI训练依赖非洲和亚洲的低薪合同工进行机械任务（如框选图片、标签分类）。如今，行业重心转向需要深厚学术或行业背景的专业人士。
• 其他参与者：
  • Scale AI (Outlier)：老牌玩家，邀请专家作为AI的学习对象。
  • Surge AI：由Edwin Chen创立，估值150亿-250亿美元，客户包括OpenAI、Google等，强调利用人类大脑力量而非简单标注。
  • Ethos & Wirestock：分别融资2275万美元和2300万美元，构建语音专家网络和创作者数据变现平台。
  • Shift：通过免费保洁服务换取家庭环境视频数据，用于具身AI训练。

3. 专家参与动机与自我替代风险

• 多元动机：参与者包括博弈论博士Lazaros-Antonios Chatzilazarou、黑洞研究员Stefanos Aretakis、医生Arshom Foroutan等。他们主要受好奇心、参与技术变革的使命感以及高额报酬吸引。
• “火鸡效应”：国际货币基金组织预测生成式AI将触及全球约40%的岗位。专家每帮助AI弥补一个盲点，都在降低该领域对人类专家的依赖。例如，数学家设计难题教AI解决，可能导致未来无需雇佣数学家。
• 乐观视角：部分专家认为AI能扩大服务能力（如医生提供更多照护），或被超越是教学的自然结果，“学生变得比老师更好”是值得付出的代价。

4. 行业隐忧与不公现象

• 通才承包商的困境：对于非特定领域的通才承包商，工作稳定性较差。Reddit和Trustpilot上大量投诉指出存在冗长无偿的技能评估、面试无果以及账户在未获报酬前被封禁等问题。
• 伦理担忧：牛津大学学者Carissa Véliz警告，过度追求“足够好”的生产力可能压缩人的能动性，导致在真实性和美感领域用平庸交换效率。
• 能力边界移动：专家发现AI能力提升速度极快，原本确信两年内无法破解的问题可能在半小时内被最新模型解决，迫使专家不断站在能力边缘工作。