Según informes, Nvidia evalúa financiar a Mercor mientras su proveedor de datos de IA busca una valoración de 20.000 millones de dólares
Según informes, Nvidia está conversando sobre financiar a Mercor mientras el proveedor de datos de IA busca una valoración cercana a los 20.000 millones de dólares. Esa cifra duplicaría la valoración de Mercor respecto de su última ronda anunciada, pese a las dudas aún no resueltas sobre los términos del acuerdo, la concentración de clientes y la seguridad.
La afirmación sobre la financiación surgió a través de una alerta de noticias china el 20 de agosto. No especificaba la posible inversión de Nvidia, la estructura de financiación propuesta ni si el fabricante de chips había firmado una hoja de términos.
Ni Nvidia ni Mercor habían confirmado públicamente la participación de Nvidia cuando se preparó este artículo. Por tanto, la interpretación prudente es sencilla: las conversaciones no constituyen una inversión cerrada.
Sin embargo, el informe importa por algo más que otra gran valoración de capital de riesgo. Según informes, Nvidia compra servicios a Mercor mientras financia empresas de toda la cadena de suministro de IA. Una participación vincularía al principal proveedor de chips de IA con uno de los proveedores que producen comentarios de expertos, evaluaciones y entornos de entrenamiento para desarrolladores de modelos líderes.
Esa conexión acercaría financieramente dos insumos escasos. Nvidia suministra capacidad de cómputo. Mercor organiza la experiencia humana que los laboratorios utilizan para mejorar los modelos después de su entrenamiento inicial.
El posible acuerdo también llega tras un año intenso para Mercor. La empresa informó de un rápido crecimiento de ingresos, adquirió una startup de entornos de entrenamiento de IA y abordó un incidente de seguridad en la cadena de suministro. Al mismo tiempo, compite con Scale AI, Surge AI, Turing, Handshake y otros proveedores de datos.
La cuestión central es si Nvidia considera a Mercor una inversión prometedora o una infraestructura estratégicamente importante para el mercado de IA en general.
Las conversaciones reportadas entre Nvidia y Mercor siguen siendo preliminares
Lo que cambió es la identidad reportada de un posible financiador, no la certeza de la recaudación de fondos de Mercor.
Mercor ya buscaba nuevo capital antes del último informe. En julio, fuentes de Bloomberg dijeron que la empresa conversaba sobre una ronda con una valoración de aproximadamente 20.000 millones de dólares.
Esas conversaciones se describieron como iniciales. Según la cobertura sobre la valoración, Mercor habría dicho a los inversores que recibió una hoja de términos con la valoración propuesta.
Una hoja de términos normalmente recoge las condiciones de inversión propuestas antes de los acuerdos finales y las condiciones de cierre. Señala un interés serio, pero no garantiza que la operación se concrete.
El nuevo informe incorpora a Nvidia a las conversaciones. No establece si Nvidia lideraría la ronda, se uniría a otro inversor, proporcionaría deuda o utilizaría otra modalidad.
Esa distinción importa porque Nvidia participa actualmente en varias formas de financiación de IA. Realiza inversiones convencionales de capital, respalda a clientes y trabaja con instituciones financieras en la financiación de infraestructura.
Mercor no construye principalmente centros de datos ni compra flotas de GPU. Su negocio principal conecta a desarrolladores de IA con especialistas que crean tareas, evaluaciones y juicios para el entrenamiento de modelos.
Eso hace que una posible inversión de Nvidia sea distinta de la financiación diseñada para estimular compras de hardware. El vínculo estratégico sería menos directo, aunque los clientes de Mercor sigan consumiendo amplios recursos de cómputo de Nvidia.
Mercor también se ha presentado como proveedor de importantes laboratorios de IA y empresas tecnológicas. Informes anteriores señalaron que sus clientes incluían a Nvidia, además de Amazon, Google, Meta, Microsoft y OpenAI.
No todos esos nombres de clientes se han detallado de forma independiente mediante contratos o divulgaciones de ingresos. Mercor es una empresa privada y la economía de sus clientes sigue siendo mucho menos transparente que la de una empresa cotizada.
La cifra reportada de 20.000 millones de dólares también es una valoración, no el importe que recibiría Mercor. Ninguna fuente pública fiable ha establecido el tamaño del posible compromiso de Nvidia.
Por ello, los lectores deberían evitar combinar cifras distintas. El objetivo de valoración de Mercor no significa que Nvidia esté considerando una inversión de 20.000 millones de dólares.
El punto de partida confirmado procede de la financiación anterior de Mercor. En octubre de 2025, la empresa anunció una Serie C de 350 millones de dólares que la valoró en 10.000 millones de dólares.
Felicis lideró esa ronda. Benchmark, General Catalyst y Robinhood Ventures también participaron, según el anuncio de la Serie C de Mercor.
Ese acuerdo ya había multiplicado por cinco la valoración de Mercor respecto a la de su Serie B. Una ronda exitosa de 20.000 millones de dólares produciría otra duplicación en menos de un año.
Un aumento así sería notable en cualquier circunstancia. Resulta especialmente llamativo para una empresa que opera en un mercado que antes se describía principalmente como etiquetado de datos.
Mercor sostiene que la categoría ha cambiado. Los modelos de frontera requieren cada vez más evaluaciones creadas por expertos, flujos de trabajo realistas y comentarios que pongan a prueba el razonamiento, en lugar de la simple identificación de objetos.
Este cambio genera la verdadera tensión del artículo. Los inversores no solo están valorando un mercado de trabajadores temporales. Están asignando un gran valor a los sistemas humanos que enseñan a los modelos de IA cómo se realiza el trabajo profesional.
Por qué a Nvidia le interesaría un proveedor de datos de IA
El interés de Nvidia sugeriría que la experiencia humana se ha convertido en un complemento estratégico del cómputo, no en un sustituto temporal de mejores modelos.
Construir un modelo de frontera comienza con entrenamiento a gran escala sobre texto, imágenes, código y otros datos. Esa etapa consume una enorme capacidad de cómputo, donde Nvidia ocupa su posición más sólida.
El entrenamiento inicial no produce de manera fiable un agente capaz de completar trabajo profesional complejo. Los desarrolladores deben probar el modelo, identificar fallos y generar comentarios que mejoren su comportamiento.
Mercor recluta especialistas para ese proceso. Un abogado podría evaluar el razonamiento sobre precedentes legales. Un ingeniero podría diseñar tareas de programación o valorar si una solución propuesta cumple los requisitos técnicos.
Estas asignaciones crean señales de entrenamiento, es decir, ejemplos o puntuaciones que guían a un modelo hacia un comportamiento más útil. Pueden respaldar el ajuste fino supervisado, las evaluaciones y el aprendizaje por refuerzo.
El aprendizaje por refuerzo entrena un modelo recompensando un mejor desempeño frente a tareas definidas. Su valor depende en gran medida de que las tareas y los sistemas de puntuación representen trabajo real.
Un modelo puede rendir bien en una prueba académica y, sin embargo, fallar dentro del software de una empresa. Podría interpretar mal una solicitud ambigua, gestionar incorrectamente una excepción o elegir la siguiente acción equivocada.
Esa brecha incrementa el valor de los expertos de dominio. Pueden describir el flujo de trabajo, crear ejercicios realistas y juzgar resultados que no pueden puntuarse mediante una simple regla automatizada.
Mercor amplió esta estrategia en julio al acordar la adquisición de Deeptune. Mercor afirmó que Deeptune desarrolla entornos de software donde los agentes de IA pueden practicar tareas en aplicaciones empresariales simuladas.
El anuncio de la adquisición de la empresa describía tres partes de un entorno: software, tareas asignadas y verificadores que evalúan si la finalización fue satisfactoria.
Mercor afirmó que su red incluía más de cinco millones de expertos de dominio. Esa cifra es una afirmación de la empresa y no debe interpretarse como cinco millones de contratistas activos.
El acuerdo con Deeptune ofrece a Mercor una historia de producto más clara. Los expertos pueden definir trabajo realista, mientras que el software adquirido recrea los sistemas en los que practican los agentes.
Esta combinación lleva a Mercor más allá de la contratación. Sitúa a la empresa más cerca del ciclo técnico utilizado para evaluar y mejorar agentes de IA.
Nvidia se beneficia cuando los desarrolladores encuentran usos más valiosos para el cómputo. Mejores entornos de entrenamiento pueden alentar a los laboratorios a realizar experimentos adicionales, entrenar más políticas de agentes y desplegar modelos en nuevos flujos de trabajo.
Sin embargo, eso no convierte a Mercor en una operación convencional de financiación de clientes de Nvidia. La estructura principal de gastos de Mercor implica talento, software y operaciones, en lugar de compras masivas de chips.
La posible inversión se asemeja más bien a un posicionamiento en la cadena de suministro. Nvidia puede obtener exposición a un cuello de botella que determina si el gasto en cómputo produce modelos comercialmente útiles.
Nvidia ya ha demostrado una estrategia de financiación más amplia. El 10 de agosto anunció asociaciones con Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs y KKR.
Según el anuncio de financiación de Nvidia, esas plataformas independientes aspiran a movilizar más de 500.000 millones de dólares con el tiempo para infraestructura de IA.
El programa de infraestructura se centra en convertir activos de cómputo e ingresos vinculados al uso en inversiones adecuadas para capital externo. Nvidia indicó que las instituciones participantes tomarían sus propias decisiones de inversión.
Mercor se sitúa en otra parte de la cadena. Ayuda a determinar qué hacen los desarrolladores con el cómputo una vez que lo tienen.
Esa diferencia hace que las conversaciones reportadas resulten estratégicamente interesantes. Nvidia respaldaría tanto la capacidad física para la IA como a una empresa que ayuda a convertir esa capacidad en comportamiento entrenado.
La relación podría ofrecer a Nvidia una visibilidad útil del mercado. Un proveedor de datos que trabaja con varios laboratorios puede observar qué tareas, dominios profesionales y métodos de entrenamiento atraen demanda.
Nvidia aún tendría que gestionar cuidadosamente la neutralidad frente a los clientes. Los laboratorios de IA podrían dudar en revelar prioridades sensibles de desarrollo a través de un proveedor vinculado financieramente a su principal suministrador de chips.
No hay pruebas públicas de que Nvidia recibiría acceso a los datos de clientes de Mercor. Cualquier sugerencia de que obtendría automáticamente esa información sería especulativa.
El valor estratégico puede existir sin datos privilegiados. Nvidia podría beneficiarse simplemente del crecimiento de Mercor a medida que los laboratorios gasten más en postentrenamiento y evaluación de agentes.
El crecimiento de Mercor presiona a Scale AI y a otros proveedores de datos
Una valoración de 20.000 millones de dólares presentaría los datos de entrenamiento generados por expertos como uno de los cuellos de botella restantes más valiosos de la IA.
El mercado competitivo ha cambiado rápidamente. Los primeros negocios de etiquetado de datos a menudo dependían de grandes plantillas que realizaban tareas de clasificación estandarizadas.
Los laboratorios de frontera ahora demandan experiencia más específica. Necesitan desarrolladores de software, investigadores, profesionales financieros, médicos, abogados y otros especialistas que puedan evaluar resultados difíciles.
Esta transición eleva el valor potencial de cada proyecto. También incrementa los requisitos de contratación, control de calidad, privacidad y gestión de clientes.
Mercor entró en el mercado a través de tecnología de contratación. Utilizó entrevistas automatizadas y sistemas de emparejamiento para conectar candidatos con empleadores, y luego se adentró más en el trabajo de entrenamiento de IA.
La narrativa actual de la empresa trata el juicio humano como infraestructura. Sus expertos crean evaluaciones y datos de flujos de trabajo que ayudan a los modelos a abordar tareas de valor económico.
Scale AI sigue siendo la comparación más visible. Meta invirtió aproximadamente 15.000 millones de dólares en Scale durante 2025, obteniendo una importante posición económica mientras reclutaba al fundador Alexandr Wang para su organización de IA.
Esa transacción valoró a Scale en alrededor de 29.000 millones de dólares, según informes públicos. Estableció un punto de referencia para todas las empresas privadas que venden datos y servicios de evaluación a laboratorios de frontera.
Una valoración de 20.000 millones de dólares para Mercor reduciría la brecha. También indicaría a los inversores que el mercado puede sostener más de una plataforma de datos altamente valorada.
Las empresas no siguen estrategias idénticas. Scale tiene una trayectoria operativa más larga, amplio trabajo con el gobierno y herramientas más extensas para gestionar canalizaciones de datos.
Mercor pone el énfasis en la contratación de expertos y una red flexible de contratistas. La adquisición de Deeptune incorpora entornos de entrenamiento que conectan el criterio experto con tareas repetibles para agentes.
Surge AI presenta otro modelo competitivo. Ha construido un gran negocio proporcionando datos humanos de alta calidad, mientras mantiene un perfil público relativamente discreto.
Turing, Handshake, Invisible Technologies, Labelbox y varios proveedores especializados también compiten por los presupuestos de los laboratorios de IA. Algunos ponen el acento en el software, mientras otros priorizan plantillas gestionadas o evaluaciones técnicas.
El mercado puede crecer sin producir un único ganador. Los desarrolladores de modelos suelen utilizar varios proveedores para comparar calidad, ampliar capacidad y reducir la dependencia.
Ese enfoque con múltiples proveedores limita el poder de fijación de precios. Un laboratorio puede redirigir proyectos cuando la calidad baja, surgen preocupaciones de seguridad o cambian las prioridades de investigación.
La concentración de clientes crea otra presión. El desarrollo de modelos de frontera está dominado por un pequeño número de organizaciones con presupuestos muy elevados.
Conseguir un laboratorio puede producir un crecimiento rápido. Perder a ese mismo cliente puede eliminar una parte sustancial del trabajo con poca antelación.
El riesgo se aplica tanto a los contratistas como a los inversores. Los proyectos pueden pausarse cuando un laboratorio cambia su agenda de investigación, termina un experimento o traslada un flujo de trabajo internamente.
El crecimiento reportado por Mercor indica una fuerte demanda, pero la calidad de los ingresos importa tanto como su escala destacada. Los inversores necesitan saber qué parte de los ingresos se repite y qué parte depende de proyectos cortos.
También deben distinguir los pagos brutos a contratistas de los ingresos retenidos. Un marketplace puede reportar un gran flujo de transacciones mientras conserva solo una fracción tras pagar a los trabajadores.
El CEO de Mercor, Brendan Foody, dijo en julio que la tasa anualizada de ingresos de la empresa superaba los 2.000 millones de dólares. Una tasa anualizada proyecta la actividad reciente a lo largo de un año completo.
No equivale a ingresos auditados ya obtenidos durante doce meses completos. La empresa no ha proporcionado públicamente suficiente detalle para reconstruir ese cálculo.
La diferencia importa al evaluar una empresa de 20.000 millones de dólares. Los inversores deben determinar si la valoración propuesta refleja márgenes duraderos o un gasto temporalmente intenso de unos pocos laboratorios.
La estrategia de adquisiciones de Mercor añade otra variable. Deeptune podría ayudar a la empresa a vender software y programas de entrenamiento integrados con mejores condiciones económicas que la mera intermediación de contratistas.
La adquisición también puede aumentar el riesgo de ejecución. Mercor debe combinar una red laboral de rápido crecimiento con infraestructura técnica utilizada dentro de programas de investigación sensibles.
La participación de Nvidia no resolvería estas cuestiones. Podría validar la importancia estratégica de la categoría sin validar cada supuesto detrás de la valoración de Mercor.
La conclusión más sólida se refiere a la presión competitiva. Scale AI y otros proveedores se enfrentan ahora a un rival con un impulso de financiación reportado y una propuesta más completa de entrenamiento de agentes.
El caso de los 20.000 millones de dólares aún enfrenta pruebas de seguridad y valoración
El mayor reto de Mercor es demostrar que el rápido crecimiento puede coexistir con una seguridad duradera, relaciones neutrales con los clientes y una economía de proyectos fiable.
Mercor experimentó un incidente de seguridad en marzo de 2026 relacionado con versiones comprometidas de LiteLLM, una herramienta de código abierto utilizada para conectar aplicaciones con múltiples modelos de IA.
Según los informes, un actor malicioso insertó código diseñado para extraer credenciales de sistemas que instalaron las versiones afectadas. Mercor confirmó que su entorno se vio afectado.
En abril, Meta pausó su trabajo con Mercor mientras investigaba el incidente. Otros laboratorios también revisaron su exposición, según informes sobre la brecha.
El riesgo iba más allá de la información personal habitual. Las tareas de entrenamiento y los datos de evaluación pueden revelar qué está probando un laboratorio, dónde fallan sus modelos y cómo planea mejorarlos.
Ese material puede tener un valor competitivo significativo. Por tanto, un proveedor que trabaja con varios laboratorios se convierte en un objetivo atractivo para atacantes.
Mercor dijo posteriormente que la información de los clientes había sufrido un impacto muy limitado. También afirmó que solo un subconjunto limitado de su red de expertos tenía información sensible afectada.
Estas declaraciones procedían de la actualización de Mercor sobre su investigación. Merecen atribución porque la empresa no ha publicado las pruebas forenses completas necesarias para una verificación independiente.
Mercor también dijo que todos los laboratorios de frontera habían aumentado su trabajo con la empresa durante los meses siguientes. Si es exacto, eso indicaría una recuperación sustancial de los clientes.
La posible financiación de Nvidia podría reforzar esa interpretación. Un inversor corporativo sofisticado normalmente examinaría los controles de seguridad, la retención de clientes y las responsabilidades derivadas de incidentes durante la debida diligencia.
Sin embargo, los inversores no certifican la seguridad operativa. Una inversión puede cerrarse pese a riesgos conocidos cuando el rendimiento esperado sigue siendo atractivo.
Mercor también debe afrontar una disputa legal con Scale AI. Scale demandó a Mercor y a un ex empleado de Scale en 2025 por el presunto robo de documentos confidenciales.
Scale alegó que el empleado descargó más de 100 documentos antes de incorporarse a Mercor. Mercor dijo que no había accedido a los archivos y que no quería los secretos comerciales de Scale.
Se trata de alegaciones contrapuestas, no de conclusiones establecidas. El debate público sobre la disputa no debería asumir que alguna de las partes ha probado su caso.
La demanda ilustra, aun así, la sensibilidad de las estrategias de clientes en este mercado. Los proveedores compiten por programas confidenciales que pueden definir la próxima generación de modelos comerciales.
Una relación más estrecha con Nvidia podría crear cuestiones adicionales de gobernanza. Nvidia suministra tecnología de computación a laboratorios que también pueden contratar a Mercor.
Los clientes querrán garantías claras sobre la separación de datos. Podrían preguntar si un inversor puede influir en las prioridades del proveedor o recibir información sobre proyectos privados.
Estas preocupaciones pueden gestionarse mediante contratos, controles de acceso y gobernanza independiente. No desaparecen simplemente porque las partes describan la inversión como estratégica.
La propia valoración requiere someterse a pruebas de presión. Duplicar de 10.000 millones a 20.000 millones de dólares supone que Mercor puede sostener su expansión sin un aumento comparable del riesgo.
Una tasa anualizada de ingresos reportada de 2.000 millones de dólares hace que la valoración parezca menos extrema que en una startup sin ingresos. Sin embargo, la calidad y el margen de esos ingresos siguen sin estar claros.
Si una gran parte pasa directamente a los contratistas, los múltiplos tradicionales de software resultan menos útiles. Mercor tendría que demostrar que su tecnología de emparejamiento y su plataforma de entrenamiento crean una economía retenida defendible.
La automatización es otra incertidumbre a largo plazo. Mejores modelos pueden generar más datos de entrenamiento sintéticos, es decir, ejemplos creados por otros sistemas de IA.
Los datos sintéticos pueden reducir la dependencia de los humanos para algunas tareas. No pueden juzgar automáticamente si un agente gestionó correctamente una decisión legal, médica u organizativa sutil.
El resultado probable es un cambio en el trabajo humano, más que su eliminación completa. Los expertos podrían dedicar menos tiempo a redactar ejemplos básicos y más a diseñar entornos, puntuar fallos y gestionar casos ambiguos.
Esta transición respalda la estrategia de Mercor, pero también exige un desarrollo continuo de producto. Un marketplace de contratistas por sí solo no justificará indefinidamente una valoración de nivel de infraestructura.
Deeptune ayuda a abordar esa cuestión al añadir software. Los inversores deberían seguir buscando pruebas de que el producto combinado de Mercor y Deeptune mejora el rendimiento de los modelos y genera una demanda repetible de los clientes.
La incertidumbre final se refiere a los motivos de Nvidia. Una pequeña inversión financiera tendría un significado distinto al de una relación en el consejo o una asociación comercial profunda.
Hasta que las partes revelen los términos, el mercado no debería tratar todas las estructuras posibles como igualmente significativas.
Tres señales mostrarán qué significa realmente el informe
La próxima evidencia debería proceder de términos firmados, comportamiento de los clientes y adopción medible del producto, no de otro titular anónimo sobre una valoración.
La primera señal es un anuncio formal de financiación. Los inversores deberían buscar el tamaño de la ronda, el inversor principal, el papel exacto de Nvidia y la valoración final.
Estos detalles mostrarán si Nvidia es central en la transacción o simplemente un participante. También revelarán si la cifra reportada de 20.000 millones de dólares sobrevivió a las negociaciones.
Una valoración más baja sugeriría que los inversores impusieron más disciplina tras la debida diligencia. Una valoración confirmada de 20.000 millones de dólares reforzaría la visión de que los sistemas de entrenamiento experto siguen siendo escasos.
La segunda señal es la retención de clientes tras el incidente de seguridad. Mercor afirma que los laboratorios de frontera ampliaron su trabajo, pero las declaraciones de empresas privadas ofrecen una visibilidad limitada.
Futuras referencias de clientes, proyectos renovados o gasto informado de forma independiente fortalecerían el caso de Mercor. Pausas adicionales debilitarían la idea de que el crecimiento ha superado por completo las preocupaciones de seguridad.
Los contratistas pueden proporcionar una señal temprana imperfecta porque la disponibilidad de proyectos refleja la actividad de los clientes. Sin embargo, los informes individuales no deberían tratarse como sustitutos de datos de toda la empresa.
La tercera señal es la adopción del producto combinado de Mercor y Deeptune. La adquisición solo importa si los clientes compran trabajo experto integrado y entornos de entrenamiento a una escala significativa.
Esté atento a casos de uso identificados, despliegues repetidos y pruebas de que los agentes mejoran frente a tareas laborales realistas. Las afirmaciones genéricas sobre mejores modelos no serán suficientes.
Estas señales también importan a los compradores empresariales de IA. Una empresa que selecciona proveedores de datos o evaluación debería examinar cómo reclutan expertos los suministradores, protegen flujos de trabajo sensibles y verifican la calidad de los resultados.
Los desarrolladores deberían interesarse porque la capacidad de los modelos depende cada vez más del diseño de las evaluaciones. El acceso a más GPU no puede corregir un benchmark que recompensa el comportamiento equivocado.
Los trabajadores del conocimiento deberían interesarse porque su experiencia se está convirtiendo en material de entrenamiento. Las preguntas importantes se refieren al consentimiento, la compensación, la confidencialidad y cómo las empresas reutilizan el criterio profesional.
Los equipos que gestionan investigación entre distintos proveedores pueden necesitar un registro duradero de afirmaciones, divulgaciones de seguridad y cambios en los términos de los proyectos. Una base de conocimientos de IA con capacidad de búsqueda puede ayudar a preservar ese contexto sin depender de alertas dispersas.
Las conversaciones reportadas con Nvidia no demuestran que Mercor valga 20.000 millones de dólares. Muestran que los sistemas que rodean el entrenamiento de modelos ahora atraen la atención del proveedor más influyente de la industria de IA.
Si Nvidia invierte, el acuerdo conectará capital de computación con experiencia humana organizada. Esa combinación podría fortalecer a Mercor al tiempo que incrementa el escrutinio sobre su neutralidad, seguridad y dependencia de los clientes.
Si las conversaciones terminan sin acuerdo, el mercado subyacente no desaparece. Los laboratorios siguen necesitando especialistas, evaluaciones y entornos que revelen si los agentes pueden realizar trabajo real.
El siguiente paso práctico es observar los términos de financiación firmados, la retención de clientes y la integración de Deeptune. Esos hechos determinarán si se trata de un cambio estratégico o de otra ambiciosa valoración del mercado privado.
