**AI数据标注新势力崛起？谁在掌控行业话语权？** **数据质量VS效率之争：科技平台还是劳务中介？** --- **数据标注的「快」与「慢」** 谁能想到，扎克伯格一边把AI人才市场的薪资水准，抬到职业球星的高度，另一边也顺手给数据标注产业添了把火。这算给整个行业上了一课，中立、数据需求方向，都是Mercor拿走大单的筹码。而Scale AI，现在和一家巨头绑得太紧，就得接受客户转身离开。 在早期，大厂还热衷自己全网爬数据，给模型「喂料」。但这两年来，大部分标注工作都被外包给了第三方。这不仅是成本控制，也是竞争加剧后必然选择。这门常常被科技从业者视为「打杂」的生意，早期依赖大规模人工众包，让Appen、Lionbridge等平台靠廉价劳动力主导市场，之后是Scale AI、Labelbox等公司借自动化工具迅速扩张，而到了2025年，高质量、专家级标注的需求激增，算是给Surge AI、Mercor等新贵崛起带来机会。 不过，即使Scale AI被动给Mercor让了道，这不代表它没有风险。它仍需要证明自己配得上数十、甚至上百亿美元估值的预期。因为它做的是数据标注最难标准化的部分，不是给猫画框、识别红绿灯，而是让专家进行复杂判断，比如哪段代码更优，这类任务交付速度更慢，很难靠「人海战术」堆出来。 在Mercor的核心业务逻辑中，「用专家做数据」原本是它区别于Scale AI、Surge等竞争对手的关键，但这也可能导致它难以像后者那样依赖众包或自动化扩张。每一个项目都需要独立匹配具有背景知识的标注者，是博士、是医生、是工程师，不是可以从落后国家随时拉人的兼职工。招人更难、耗时更久，而且这些专家并不便宜，一小时几十美元的成本，远高于传统平台靠众包打标签的方式。 平台以每小时几十美元的价格招募学科专家｜图片来源：Mercor 这种模式能确保数据质量，但无法确保规模速度。如果客户需要的是「快」「便宜」「能迅速上量」，那它提供的就更像是奢侈品，而非标准化的工业品。还值得注意的是，社交媒体上存在一些对Mercor平台的质疑。这些申请人需要进行20分钟的人工智能视频面试，有用户感觉「Mercor AI面试更像是在收集数据而非认真面试」，像是为了「训练其AI模型」的伪招聘。 Reddit上有人讽刺道：「数据已收集，候选人被拒绝。」一名自称沃尔玛数据科学家的用户在LinkedIn上直言：「这是个骗局。」还有人干脆在Medium上写长文，指责「一些公司正在利用求职者的绝望——不是为了招人，而是为了收集机器学习模型的数据。」 当然，有时也会有用户反驳称，「他们在招聘方面非常挑剔。他们不像那些AI数据标注农场。」与此同时，外部竞争在白热化。Surge AI在2024年突破10亿美元营收，超越Scale AI，直接把整个行业的基准线拉高。此外，一些客户已经在探索用大模型为自己生成标注，只保留少数专家校验，压缩成本。这种趋势一旦成型，也可能给Mercor的后期增长带来问题。 说到底，就像Scale AI常常被业内质疑的那样，Mercor虽然也说自己是科技公司，但仍在服务行业的逻辑里。很多数据标注公司估计都需要回答一个问题：它们到底算科技平台，还是高级劳务中介？ 不过，这并不妨碍它现在赚钱。对投资人而言，「打标签」是否性感并不重要，关键在于利润和估值是否可观。只要AI仍然离不开人工标注，像Mercor、Scale AI这样的公司，就依然能吸引资本趋之若鹜。 Mercor联合创始人兼CEO公开博文｜图片来源：Mercor 还值得一提的是，Mercor的长线野心并不只是数据标注。根据Mercor联合创始人兼CEO的说法，AI数据标注，只是他们进入市场的「切入点」，「与全球数十亿的知识型工作机会相比，这显得微不足道。」他明确公布了自己的计划：用AI标注工作起步，学习如何预测工作表现，拓展至所有短期岗位，最终「为所有工作招聘人员」。 「劳动力市场是全球最大、同时也是最低效的市场。更好地将人们与他们日常从事的工作匹配，是提升全球效用的最大杠杆。虽然我们最初聚焦于为AI模型训练招募专家，并取得了令人瞩目的进展，但这只是我们解决全球劳动力配置问题的第一步。」Mercor CEO如此说道。