Mercor Can't Spend Money Fast Enough & Why Large Enterprise is Scared to Partner with Frontier Labs

Mekor CPO Oswald Nitski 透露：他们每周现金流净增数百万美元，AI 数据服务需求大到“钱都花不完”，而头部客户（如 OpenAI、Anthropic）数据采购预算已逼近甚至超过工程师工资。

AI让执行廉价，判断与数据反而更贵

Oswald Nitski 是 Mercor 的 CPO，负责连接专家与岗位的 marketplace，以及人类数据标注和评测平台。他加入后，Mercor 员工规模增长超过 10 倍，客户则包括需要训练数据和评测集的前沿模型实验室。这个位置让他同时看到两件事：模型能力怎样向前推，企业又会在哪些环节真正掏钱。整场对话并不把 AI 当成一个“替人干活”的笼统概念，而是拆开看：哪些能力会很快廉价，哪些需求会在模型变强后反而更贵。

这期回答了 8 个问题：

1. 开源模型越强，为什么反而不必然挤压数据公司的生意？
2. 为什么“90% 工作流已自动化”的说法可能问错了问题？
3. Token 支出占工资的 100%，在什么情况下仍是理性的？
4. 企业真正不敢交给前沿模型公司的，到底是哪类工作？
5. AI 产品开发变快后，产品团队为什么更该少做而不是多做？
6. 当工具技能不再稀缺，PM 和候选人靠什么拉开差距？
7. 为什么 AI 落地服务会繁荣，却可能只是一个阶段性行业？
8. 机器人会迎来 ChatGPT 时刻，还是更像 Waymo 式的慢扩张？

被问到开源模型进步会不会蚕食 Mercor 核心业务时，Oswald 没有把开源和闭源看成零和关系。客户购买训练数据和评测集，并不是为了重复已经解决的任务，而是要填补当前模型能力的具体缺口。用他的话说，"data is most valuable on the frontier of model performance."（数据在模型能力的前沿最有价值。） 开源模型的作用，是抬高市场对“基础能力”的预期：一个任务如果 K3 已经能稳定完成，客户就不会再为让模型完成它而采购数据。

但这不等于需求消失。Oswald 举了一个尚未被充分计入市场规模的场景：让采购 agent 连续数月自动运转整个采购团队，人每周只检查一次。今天多数企业甚至还没尝试这种长周期任务，因此也不会把它算进“现有工作流有多少可自动化”的分母。模型一旦能处理简单采购流程，企业就会提出更长、更复杂、更需要容错的采购要求。

这意味着，数据供应商的市场会随能力上移，而不是按“开源替代闭源”的静态逻辑缩小。昨天的标注需求会被商品化，明天的需求则出现在更靠前的位置。当然，这个逻辑有前提：客户必须持续出现新的能力诉求。若模型进步和新增需求同时停滞，所谓“前沿数据”的溢价也会被压低。

被追问“90% 企业工作流可由开源模型完成”是否靠谱时，Oswald 先给出 Mercor 自家 Apex benchmark 的结果：顶级模型在长周期工作流上的表现更接近 50%，而不是 90%。这里的长周期，指模型不是回答一道题就结束，而是要跨多步执行、处理例外、维持状态，并在较长时间里把事情做完。50% 不能直接外推成所有企业任务的统一自动化率，但它至少说明，“90%”这个数字过于轻松。

更关键的是，他认为完成率框架本身只适合一类任务。更新 CRM 属于“充分性任务”：信息录进去、字段填对，基本就做完了，继续优化的空间很小。但医疗建议、法律论证并不是这样。模型即使已经可用，仍可以更准确、更全面、更能处理边缘案例。对此他提出，"we need to be thinking more about continuous uncapped rewards."（我们需要更多地用持续、没有上限的回报来思考。）

这意味着，企业不该只问“这个流程有没有被自动化”，还要问“模型每提升一点，结果还能多创造多少价值”。医疗建议不是从 0 到 1 的开关；网络安全也不是完成一次防御就结束的流程。那些判断密度高、结果持续可改进的领域，模型达到“能用”并不意味着需求封顶，反而可能刚进入真正竞争的阶段。

被问到 Salesforce 每年向 Anthropic 支出 3 亿美元、约相当于开发者薪资 3.8%时，Oswald 认为未来宏观比例会高于 3%。当主持人提到 Mercor 创始人 Brandon 预测模型支出最终可能达到工资的 100%，他的回答很直接："100% sounds reasonable."（100% 听起来是合理的。）

这句话的重点不在于“AI 越贵越好”，而在于不能只按公司总工资的比例管账。Oswald 把 token 支出拆成两类。第一类是给工程师用的编码 agent。即使这笔钱很高，它也不一定是产品直接成本；如果工程师因此更快迭代、能接住更多需求，收益可能像滚雪球一样累积。第二类是客服 agent。若它服务客户消耗的 token 成本，已经高过这些客户带来的收入，公司就处在很糟糕的位置。

这意味着，企业应该按业务单元看“单位经济模型”——也就是一笔业务带来的收入，能不能覆盖为了交付它发生的直接成本。客服、交付、运营等直接面向客户的环节，账要算得很硬；研发、增长、效率工具则可以允许更长回收周期。Mercor 能容忍高支出，是因为其员工规模增长超过 10 倍，收入也同步增长，需求多到“钱花得不够快”。不能带来增长或效率复利的 token 消耗，换个漂亮比例说法，本质仍是成本黑洞。

被问到大型企业为何对前沿模型公司共享数据感到怀疑时，Oswald 的划分标准并不是“数据敏不敏感”，而是这项工作是否构成企业的差异化。HR、采购等几乎所有公司都要做的通用流程，敏感度相对低，企业更愿意把它们放在专有模型上，优先换取能力、便利和部署速度。

但律所不同。律所真正写给客户的法律备忘录、提供的法律建议，不只是内部文档，而是它向市场出售的核心能力。这里面包含专业判断、客户关系、工作方法，也决定了它与其他律所的区别。对这类工作，企业担心的不是某一份文件泄露，而是把自己最关键的生产过程交给外部平台后，失去控制权。

这意味着，企业 AI 架构会按“战略性”分层，而不是粗暴地把所有敏感数据都塞进同一种方案。通用后台任务可以偏向最强、最好用的专有模型；核心差异化流程则会偏向隔离性和可控性更高的部署方式。Oswald 也提醒，开源权重模型的推理可以在多个地点运行，企业因而拥有更多部署控制权。但“开源”不自动等于“安全”：模型到底部署在哪里、谁能访问、日志如何留存、数据怎样流转，才决定了这份控制权是不是实打实的。

被问到微软、Palantir 等公司服务业务增长，是否说明企业 AI 的未来是“靠人驻场部署”时，Oswald 的判断是：短期会这样，长期未必。眼下真正懂得部署 agent、评测 agent，并把工程流程改成 AI-first 的人才，大量集中在旧金山。多数企业内部没有这类人，买到模型接口后也不知道如何定义任务、搭建评测、处理失败案例，只能找外部团队搭建第一套系统。

他把问题概括得很准确："I think that it's a knowledge dissemination problem."（我认为这本质上是一个知识扩散问题。） 企业需要服务，并不必然因为产品很差，也可能是使用产品的知识还没有扩散到足够多的人手里。今天会部署 agent 的人稀缺，和早期会写可靠软件工程系统的人稀缺，本质类似。

Oswald 预计这会是一个可能长达十年的变化。长期看，企业内部会像拥有软件工程师一样，拥有懂 AI 部署、评测和运营的人；产品也会把部分经验固化成标准能力，减少人工交付。这意味着服务业务可以很繁荣，但繁荣未必永久。边界在于，服务团队必须把反复出现的部署经验沉淀为产品、模板和流程。若每个客户都只能靠一支新团队从头搭建，服务就可能从“过渡方案”变成“产品不够成熟的借口”。

被问到哪些产品决策事后看来不该做时，Oswald 讲了 Mercor 标注平台的一次教训。人类数据项目的形态变化很快：从监督微调、偏好排序，到环境类项目和多模态项目，客户对工具的要求各不相同。Mercor 的交付团队又很擅长拿下项目，于是产品团队做了一个极其灵活的平台，尽量满足各类研究实验，并同时跑起数百个不同项目。

问题是，灵活很快变成混乱。Oswald 的总结是："We tried to serve every ask."（我们试图满足每一个需求。） 一个系统既要支持不同数据格式，又要兼容客户各自的流程和边缘情况，运营团队就很难管理。后来团队才开始为支持的服务类型设置护栏，收窄范围，并和运营团队一起定义最佳实践。

这意味着，AI 把写功能的成本压低后，组织的稀缺能力不再是“能不能做出来”，而是“该不该把它固化成产品”。功能越容易做，产品表面积——也就是用户要理解、团队要维护的功能总面积——越容易膨胀。每多一块表面积，测试、文档、客服、数据质量和跨团队协作都会多一笔隐形账单。但收窄也不能机械执行：客户需求与数据形式仍在快速变化，太早封死边界，可能错过新的前沿工作流。难点不在于拒绝一切，而在于判断哪些需求会反复出现，值得长期维护。

被问到 AI 时代优秀产品经理与过去有什么不同时，Oswald 说 Mercor 正从 Figma 更多转向 Claude Design，团队需要学习和管理的工具种类在减少。工程实现不再是主要瓶颈，因此 PM 与工程师的比例会提高：代码写得更快之后，真正卡住团队的，是有没有看懂用户需求、业务需求，以及什么功能最能带来收入。

Mercor 的招聘变化很能说明这一点。团队只保留一次 take-home 作业，确认候选人能否独立使用 agent 产出一个作品；通过后，重点转向白板环节，看候选人会不会设计实验、理解统计、做系统设计、作出取舍。Oswald 的标准是："So now it's all about judgment and am I doing what is going to drive the most business value?"（所以现在一切都关乎判断：我正在做的事，是否能带来最大的商业价值？）

这意味着，“会不会用某个工具”的溢价会持续下降。过去工具熟练度是执行门槛，现在 agent 能帮助更多人跨过去。真正拉开差距的，是能否提出一个会产生信息的实验，而不是做一个看似精致却无法验证的功能；是能否定义正确问题，而不是快速回答一个错误问题。反面也很明确：AI 很容易让人把思考外包给模型。候选人会生成内容，不等于能判断内容是否可靠。若团队把决策也交出去，速度提高了，判断肌肉却会萎缩。

被问到产品团队的会议和跨团队协作还该改什么时，Oswald 把难题放在组织协调上。Mercor 的员工规模在过去一年增长超过 10 倍。它的 marketplace 负责连接专家与岗位，annotation platform 则承载专家标注、运营执行、客户查看数据和运行评测。两块产品看似独立，但一个问题可能从一端传到另一端：例如某项产品改动影响了专家体验，专家在另一个产品区域才暴露出问题。

随着人员增加，沟通渠道会爆炸式变多。Oswald 形容这种状态："Keeping it efficient is just really hard as the team grows because we're, you know, the nodes just keep moving around and there's more of them."（随着团队变大，要保持效率真的很难，因为这些节点不断移动，而且节点越来越多。） 这里的“节点”，既是更多团队和成员，也是不断变化的职责、接口与反馈路径。

这意味着，AI 提高单个团队的产出，并不会自动降低公司整体的协调成本。反而因为功能能做得更快、团队扩得更快，产品之间的依赖更容易在后面爆雷。Mercor 目前采取的是让不同产品区域保持各自节奏，同时增加跨产品协作和信息传递。但 Oswald 没有假装已有终局解法：协作太少会信息断裂，协作太多又会把速度耗在会议里。高速增长公司真正要设计的，往往不是更多沟通，而是哪几条信息必须穿透组织、由谁负责、在什么时候同步。

被问到机器人会不会迎来 ChatGPT 式的采用拐点时，Oswald 认为实体世界数据会在未来三年显著增长。相较于生成式 AI，机器人仍是更早期的数据市场。机器要在真实世界中移动、拿取、操作，不只需要识别画面，还要面对物理环境的变化、场景差异和失败后果，因此训练和评测所需的数据会越来越重要。

他用自动驾驶作参照。十多年前，自动驾驶车辆长期需要人在车内监控；如今在旧金山，他乘坐 Waymo 的频率已经高于 Uber。这说明实体 AI 可以跨过可用性门槛，并真正进入日常生活。但它走过这段路用了多年，而不是像软件产品一样一次发布就全球同步扩散。

这意味着，机器人也可能有“拐点”，只是它更可能像 Waymo、robotaxi 或 Cruise 的演进：先在有限城市、有限场景、有限监管条件下跑通，再慢慢向外扩。技术能力上升不会自动变成商业化规模。硬件制造、部署成本、场地适配、安全要求、监管许可，都会拖慢扩散速度。机器人数据的价值可能迅速上升，但企业不能把“模型演示变好了”直接等同于“明年就大规模采用”。在旧金山能顺畅叫到 Waymo，不代表所有城市、所有道路、所有国家都已经准备好了。

“开源模型不会吃掉数据生意，只会淘汰昨天的能力”和“工具门槛消失后，PM 的稀缺性转移到商业判断”，其实指向同一件事：当执行变便宜，决定执行什么、怎样验证结果、下一步该把资源押在哪里，反而更贵。

同样，“企业不是怕 AI，而是怕交出自己的竞争壁垒”说的是部署信任，“超高速扩张最难解的不是招人，而是沟通失控”说的是组织信任。前者要求企业明确哪些流程能外包、哪些必须掌握控制权；后者要求公司在更多人、更快节奏里，仍让关键信息抵达该抵达的人。模型能力再强，也不能替企业划清这些边界。

所以，对正在使用 AI 的团队来说，真正该盯住的未必是又多了多少功能、token 占工资多少比例，或某个模型排行榜涨了几分。更实际的问题是：你的团队是否知道哪些工作已经足够标准化，可以放心交给模型；哪些工作需要持续积累真实数据；哪些判断必须留在人手里；以及当产出速度提高后，组织有没有能力不被自己制造的复杂度拖住。