Secondo quanto riportato, Nvidia valuta un finanziamento per Mercor mentre il suo fornitore di dati AI punta a una valutazione di 20 miliardi di dollari
Secondo quanto riportato, Nvidia sta discutendo un finanziamento per Mercor, mentre il fornitore di dati AI punta a una valutazione vicina ai 20 miliardi di dollari. Tale cifra raddoppierebbe la valutazione di Mercor rispetto al suo ultimo round annunciato, nonostante restino irrisolte questioni su termini dell’operazione, concentrazione dei clienti e sicurezza.
La notizia sul finanziamento è emersa attraverso un lancio di notizie cinese il 20 agosto. Non specificava il potenziale investimento di Nvidia, la struttura di finanziamento proposta né se il produttore di chip avesse firmato un term sheet.
Né Nvidia né Mercor avevano confermato pubblicamente la partecipazione di Nvidia quando questo articolo è stato preparato. L’interpretazione prudente è quindi semplice: le discussioni non equivalgono a un investimento concluso.
Eppure, il rapporto conta più di un’altra grande valutazione nel venture capital. Secondo quanto riportato, Nvidia acquista servizi da Mercor mentre finanzia aziende lungo tutta la catena di fornitura dell’AI. Una partecipazione collegherebbe il principale fornitore di chip AI a uno dei vendor che producono feedback di esperti, valutazioni e ambienti di addestramento per i principali sviluppatori di modelli.
Questo legame avvicinerebbe finanziariamente due input scarsi. Nvidia fornisce capacità di calcolo. Mercor organizza l’esperienza umana che i laboratori usano per migliorare i modelli dopo il loro addestramento iniziale.
La potenziale operazione arriva inoltre dopo un anno intenso per Mercor. L’azienda ha riferito di una rapida crescita dei ricavi, ha acquisito una startup di ambienti di addestramento AI e ha affrontato un incidente di sicurezza nella catena di fornitura. Allo stesso tempo compete con Scale AI, Surge AI, Turing, Handshake e altri fornitori di dati.
La domanda centrale è se Nvidia consideri Mercor un investimento promettente o un’infrastruttura strategicamente importante per il più ampio mercato dell’AI.
Le trattative riportate tra Nvidia e Mercor sono ancora preliminari
Ciò che è cambiato è l’identità riportata di un possibile finanziatore, non la certezza della raccolta fondi di Mercor.
Mercor stava già cercando nuovo capitale prima dell’ultimo rapporto. A luglio, fonti di Bloomberg hanno affermato che l’azienda stava discutendo un round con una valutazione di circa 20 miliardi di dollari.
Tali conversazioni sono state descritte come iniziali. Secondo la copertura sulla valutazione, Mercor avrebbe detto agli investitori di aver ricevuto un term sheet alla valutazione proposta.
Un term sheet di norma registra i termini d’investimento proposti prima degli accordi definitivi e delle condizioni di chiusura. Segnala un interesse serio, ma non garantisce che una transazione venga conclusa.
Il nuovo rapporto aggiunge Nvidia alle discussioni. Non stabilisce se Nvidia guiderebbe il round, si unirebbe a un altro investitore, fornirebbe debito o userebbe un accordo diverso.
Questa distinzione conta perché Nvidia partecipa oggi a diverse forme di finanziamento AI. Effettua investimenti azionari tradizionali, supporta i clienti e collabora con istituzioni finanziarie per il finanziamento delle infrastrutture.
Mercor non costruisce principalmente data center né acquista flotte di GPU. La sua attività principale mette in contatto gli sviluppatori AI con specialisti che creano compiti, valutazioni e verifiche per l’addestramento dei modelli.
Ciò rende un possibile investimento di Nvidia diverso dai finanziamenti progettati per stimolare gli acquisti di hardware. Il legame strategico sarebbe meno diretto, sebbene i clienti di Mercor consumino comunque ingenti risorse di calcolo Nvidia.
Mercor si è inoltre presentata come fornitrice di grandi laboratori AI e aziende tecnologiche. Rapporti precedenti indicavano che i suoi clienti includevano Nvidia insieme ad Amazon, Google, Meta, Microsoft e OpenAI.
Non tutti questi nomi di clienti sono stati dettagliati in modo indipendente tramite contratti o comunicazioni sui ricavi. Mercor è privata e l’economia dei suoi clienti resta molto meno trasparente di quella di una società quotata.
La cifra riportata di 20 miliardi di dollari è inoltre una valutazione, non l’ammontare che Mercor riceverebbe. Nessuna fonte pubblica affidabile ha stabilito l’entità del possibile impegno di Nvidia.
I lettori dovrebbero quindi evitare di combinare numeri distinti. L’obiettivo di valutazione di Mercor non significa che Nvidia stia considerando un investimento da 20 miliardi di dollari.
Il punto di partenza confermato viene dal precedente finanziamento di Mercor. Nell’ottobre 2025, la società ha annunciato un Series C da 350 milioni di dollari che la valutava 10 miliardi di dollari.
Felicis ha guidato quel round. Hanno partecipato anche Benchmark, General Catalyst e Robinhood Ventures, secondo l’annuncio del Series C di Mercor.
Quell’operazione aveva già quintuplicato la valutazione di Mercor rispetto alla valutazione del suo Series B. Un round da 20 miliardi di dollari concluso con successo produrrebbe un ulteriore raddoppio in meno di un anno.
Un simile aumento sarebbe notevole in qualsiasi circostanza. È particolarmente rilevante per un’azienda che opera in un mercato un tempo descritto soprattutto come etichettatura dei dati.
Mercor sostiene che la categoria sia cambiata. I modelli di frontiera richiedono sempre più valutazioni create da esperti, flussi di lavoro realistici e feedback che metta alla prova il ragionamento anziché la semplice identificazione di oggetti.
Questo cambiamento crea la vera tensione dell’articolo. Gli investitori non stanno semplicemente valutando un marketplace per lavoratori temporanei. Stanno attribuendo grande valore ai sistemi umani che insegnano ai modelli AI come si svolge il lavoro professionale.
Perché Nvidia dovrebbe interessarsi a un fornitore di dati AI
L’interesse di Nvidia suggerirebbe che l’esperienza umana è diventata un complemento strategico al calcolo, non un sostituto temporaneo di modelli migliori.
La costruzione di un modello di frontiera inizia con un addestramento su vasta scala su testi, immagini, codice e altri dati. Questa fase consuma enormi capacità di calcolo, dove Nvidia detiene la sua posizione più forte.
L’addestramento iniziale non produce in modo affidabile un agente in grado di completare lavori professionali complessi. Gli sviluppatori devono testare il modello, identificare gli errori e generare feedback che ne migliori il comportamento.
Mercor recluta specialisti per questo processo. Un avvocato potrebbe valutare il ragionamento sui precedenti legali. Un ingegnere potrebbe progettare compiti di programmazione o verificare se una soluzione proposta soddisfi i requisiti tecnici.
Questi incarichi creano segnali di addestramento, ovvero esempi o punteggi che guidano un modello verso comportamenti più utili. Possono supportare il fine-tuning supervisionato, le valutazioni e il reinforcement learning.
Il reinforcement learning addestra un modello premiando prestazioni migliori rispetto a compiti definiti. Il suo valore dipende fortemente dal fatto che i compiti e i sistemi di punteggio rappresentino lavoro reale.
Un modello può ottenere buoni risultati in un benchmark accademico pur fallendo nel software di un’azienda. Potrebbe interpretare male una richiesta ambigua, gestire in modo scorretto un’eccezione o scegliere l’azione successiva sbagliata.
Questo divario aumenta il valore degli esperti di settore. Possono descrivere il flusso di lavoro, creare esercizi realistici e giudicare risultati che non possono essere valutati tramite una semplice regola automatizzata.
Mercor ha ampliato questa strategia a luglio accettando di acquisire Deeptune. Mercor ha dichiarato che Deeptune sviluppa ambienti software in cui gli agenti AI possono esercitarsi su compiti in applicazioni aziendali simulate.
L’annuncio dell’acquisizione della società descriveva tre parti di un ambiente: software, compiti assegnati e verificatori che giudicano il completamento con successo.
Mercor ha dichiarato che la sua rete includeva oltre cinque milioni di esperti di settore. Tale cifra è un’affermazione dell’azienda e non dovrebbe essere interpretata come cinque milioni di collaboratori attivi.
L’operazione Deeptune offre a Mercor una storia di prodotto più chiara. Gli esperti possono definire lavoro realistico, mentre il software acquisito ricrea i sistemi in cui gli agenti si esercitano.
Questa combinazione porta Mercor oltre il reclutamento. Colloca l’azienda più vicina al ciclo tecnico utilizzato per valutare e migliorare gli agenti AI.
Nvidia trae vantaggio quando gli sviluppatori trovano usi più preziosi per il calcolo. Ambienti di addestramento migliori possono incoraggiare i laboratori a condurre ulteriori esperimenti, addestrare più policy per agenti e distribuire modelli in nuovi flussi di lavoro.
Tuttavia, ciò non rende Mercor una convenzionale operazione di finanziamento clienti di Nvidia. La struttura principale dei costi di Mercor riguarda talenti, software e operazioni piuttosto che enormi acquisti di chip.
Il potenziale investimento assomiglia invece a un posizionamento nella catena di fornitura. Nvidia può ottenere esposizione a un collo di bottiglia che determina se la spesa per il calcolo produca modelli commercialmente utili.
Nvidia ha già dimostrato una strategia di finanziamento più ampia. Il 10 agosto ha annunciato partnership con Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR.
Secondo l’annuncio sul finanziamento di Nvidia, queste piattaforme indipendenti puntano a mobilitare oltre 500 miliardi di dollari nel tempo per l’infrastruttura AI.
Il programma infrastrutturale si concentra sulla trasformazione degli asset di calcolo e dei ricavi legati all’utilizzo in investimenti adatti a capitale esterno. Nvidia ha affermato che le istituzioni partecipanti avrebbero preso le proprie decisioni di investimento.
Mercor si colloca altrove nello stack. Aiuta a determinare cosa gli sviluppatori facciano con il calcolo una volta ottenuto.
Questa differenza rende strategicamente interessanti le trattative riportate. Nvidia sosterrebbe sia la capacità fisica per l’AI sia un’azienda che aiuta a convertire tale capacità in comportamento addestrato.
La relazione potrebbe offrire a Nvidia una utile visibilità sul mercato. Un fornitore di dati che opera con vari laboratori può osservare quali compiti, domini professionali e metodi di addestramento attirino domanda.
Nvidia dovrebbe comunque gestire con attenzione la neutralità verso i clienti. I laboratori AI potrebbero esitare a esporre priorità di sviluppo sensibili attraverso un vendor finanziariamente collegato al loro principale fornitore di chip.
Nessuna prova pubblica mostra che Nvidia riceverebbe accesso ai dati dei clienti di Mercor. Qualsiasi suggerimento che otterrebbe automaticamente tali informazioni sarebbe speculativo.
Il valore strategico può esistere senza dati privilegiati. Nvidia potrebbe semplicemente beneficiare della crescita di Mercor, mentre i laboratori spendono di più per il post-addestramento e la valutazione degli agenti.
La crescita di Mercor mette sotto pressione Scale AI e altri fornitori di dati
Una valutazione di 20 miliardi di dollari definirebbe i dati di addestramento generati da esperti come uno dei più preziosi colli di bottiglia rimasti nell’AI.
Il mercato competitivo è cambiato rapidamente. Le prime aziende di etichettatura dei dati si affidavano spesso a grandi forze lavoro impegnate in compiti di classificazione standardizzati.
I laboratori di frontiera ora richiedono competenze più ristrette. Hanno bisogno di sviluppatori software, ricercatori, professionisti della finanza, medici, avvocati e altri specialisti in grado di valutare risultati difficili.
Questa transizione aumenta il valore potenziale di ogni progetto. Aumenta inoltre i requisiti di reclutamento, controllo qualità, privacy e gestione dei clienti.
Mercor è entrata nel mercato attraverso la tecnologia di assunzione. Ha utilizzato colloqui automatizzati e sistemi di matching per mettere in contatto candidati e datori di lavoro, quindi si è spinta più in profondità nel lavoro di addestramento AI.
L’attuale narrazione dell’azienda tratta il giudizio umano come infrastruttura. I suoi esperti creano valutazioni e dati sui flussi di lavoro che aiutano i modelli a gestire compiti economicamente preziosi.
Scale AI resta il confronto più visibile. Meta ha investito circa 15 miliardi di dollari in Scale nel 2025, ottenendo una grande posizione economica e reclutando al contempo il fondatore Alexandr Wang per la propria organizzazione AI.
Quella transazione ha valutato Scale intorno ai 29 miliardi di dollari, secondo quanto riportato pubblicamente. Ha fissato un punto di riferimento per ogni azienda privata che vende dati e servizi di valutazione ai laboratori di frontiera.
Una valutazione di Mercor pari a 20 miliardi di dollari ridurrebbe il divario. Indicherebbe inoltre agli investitori che il mercato può sostenere più di una piattaforma dati altamente valutata.
Le aziende non seguono strategie identiche. Scale ha una storia operativa più lunga, un ampio lavoro con il settore pubblico e strumenti più estesi per la gestione delle pipeline di dati.
Mercor punta sul reclutamento di esperti e su una rete flessibile di collaboratori. L'acquisizione di Deeptune aggiunge ambienti di addestramento che collegano il giudizio degli esperti a compiti ripetibili per gli agenti.
Surge AI propone un altro modello competitivo. Ha costruito un grande business fornendo dati umani di alta qualità, mantenendo al contempo un profilo pubblico relativamente discreto.
Anche Turing, Handshake, Invisible Technologies, Labelbox e diversi fornitori specializzati competono per i budget dei laboratori di IA. Alcuni privilegiano il software, altri le forze lavoro gestite o le valutazioni tecniche.
Il mercato può crescere senza produrre un unico vincitore. Gli sviluppatori di modelli spesso utilizzano più fornitori per confrontare la qualità, ampliare la capacità e ridurre la dipendenza.
Questo approccio multi-fornitore limita il potere di determinazione dei prezzi. Un laboratorio può reindirizzare i progetti quando la qualità cala, emergono preoccupazioni per la sicurezza o cambiano le priorità di ricerca.
La concentrazione dei clienti crea un'altra pressione. Lo sviluppo di modelli di frontiera è dominato da un piccolo numero di organizzazioni con budget molto elevati.
Conquistare un laboratorio può generare una crescita rapida. Perdere quello stesso cliente può eliminare una quota sostanziale del lavoro con poco preavviso.
Il rischio riguarda sia i collaboratori sia gli investitori. I progetti possono essere sospesi quando un laboratorio cambia agenda di ricerca, conclude un esperimento o internalizza un flusso di lavoro.
La crescita riportata da Mercor indica una forte domanda, ma la qualità dei ricavi conta quanto la loro dimensione dichiarata. Gli investitori devono sapere quale quota dei ricavi si ripete e quale dipende da progetti di breve durata.
Devono inoltre distinguere i pagamenti lordi ai collaboratori dai ricavi trattenuti. Un marketplace può registrare un grande flusso di transazioni, pur trattenendo solo una frazione dopo aver pagato i lavoratori.
A luglio, il CEO di Mercor Brendan Foody ha affermato che il tasso annualizzato dei ricavi dell'azienda superava i 2 miliardi di dollari. Un tasso annualizzato proietta l'attività recente su un intero anno.
Non equivale a ricavi certificati già maturati nell'arco di dodici mesi completi. L'azienda non ha fornito pubblicamente dettagli sufficienti per ricostruire quel calcolo.
La differenza conta nella valutazione di un'azienda da 20 miliardi di dollari. Gli investitori devono stabilire se la valutazione proposta rifletta margini durevoli o una spesa temporaneamente intensa da parte di pochi laboratori.
La strategia di acquisizioni di Mercor aggiunge un'altra variabile. Deeptune potrebbe aiutare l'azienda a vendere software e programmi di addestramento integrati con un'economia migliore rispetto al solo abbinamento tra collaboratori.
L'acquisizione può anche aumentare il rischio di esecuzione. Mercor deve combinare una rete di lavoro in rapida crescita con infrastrutture tecniche usate all'interno di programmi di ricerca sensibili.
La partecipazione di Nvidia non risolverebbe questi interrogativi. Potrebbe convalidare l'importanza strategica della categoria senza convalidare ogni presupposto alla base della valutazione di Mercor.
La conclusione più solida riguarda la pressione competitiva. Scale AI e altri fornitori devono ora confrontarsi con un rivale dotato di un impulso di raccolta fondi riportato e di una proposta più completa per l'addestramento degli agenti.
Il caso da 20 miliardi di dollari deve ancora superare test di sicurezza e valutazione
La sfida principale di Mercor è dimostrare che una crescita rapida possa coesistere con una sicurezza durevole, rapporti neutrali con i clienti e un'economia dei progetti affidabile.
Mercor ha subito un incidente di sicurezza nel marzo 2026 che ha coinvolto versioni compromesse di LiteLLM, uno strumento open source usato per collegare applicazioni a più modelli di IA.
Secondo quanto riferito, un attore malevolo ha inserito codice progettato per estrarre credenziali dai sistemi che installavano le release interessate. Mercor ha confermato che il proprio ambiente era stato coinvolto.
Ad aprile, Meta ha sospeso il proprio lavoro con Mercor mentre indagava sull'incidente. Anche altri laboratori hanno riesaminato la propria esposizione, secondo quanto riportato sulla violazione.
Il rischio andava oltre le normali informazioni personali. I compiti di addestramento e i dati di valutazione possono rivelare cosa sta testando un laboratorio, dove i suoi modelli falliscono e come intende migliorarli.
Quel materiale può avere un valore competitivo significativo. Un fornitore che lavora con più laboratori diventa quindi un bersaglio attraente per gli attaccanti.
Mercor ha successivamente dichiarato che le informazioni dei clienti avevano subito un impatto molto limitato. Ha inoltre affermato che solo un sottoinsieme limitato della sua rete di esperti aveva informazioni sensibili coinvolte.
Tali dichiarazioni provenivano dall'aggiornamento dell'indagine di Mercor. Meritano attribuzione perché l'azienda non ha pubblicato le prove forensi complete necessarie per una verifica indipendente.
Mercor ha anche affermato che tutti i laboratori di frontiera avevano aumentato il lavoro con l'azienda nei mesi successivi. Se accurato, ciò indicherebbe un sostanziale recupero della fiducia dei clienti.
Il potenziale finanziamento di Nvidia potrebbe rafforzare questa interpretazione. Un sofisticato investitore aziendale esaminerebbe normalmente i controlli di sicurezza, la fidelizzazione dei clienti e le passività legate all'incidente durante la due diligence.
Tuttavia, gli investitori non certificano la sicurezza operativa. Un investimento può concludersi nonostante rischi noti quando il rendimento atteso rimane interessante.
Mercor deve anche affrontare una controversia legale con Scale AI. Scale ha citato in giudizio Mercor e un ex dipendente di Scale nel 2025 per il presunto furto di documenti riservati.
Scale ha sostenuto che il dipendente avesse scaricato più di 100 documenti prima di entrare in Mercor. Mercor ha dichiarato di non aver avuto accesso ai file e di non volere i segreti commerciali di Scale.
Si tratta di accuse contrapposte, non di accertamenti consolidati. Il dibattito pubblico sulla controversia non dovrebbe presumere che una delle due parti abbia dimostrato il proprio caso.
La causa illustra comunque la sensibilità delle strategie dei clienti in questo mercato. I fornitori competono per programmi riservati che possono plasmare la prossima generazione di modelli commerciali.
Un rapporto più stretto con Nvidia potrebbe sollevare ulteriori questioni di governance. Nvidia fornisce tecnologia di calcolo a laboratori che potrebbero anche avvalersi di Mercor.
I clienti vorranno garanzie chiare sulla separazione dei dati. Potrebbero chiedere se un investitore possa influenzare le priorità del fornitore o ricevere informazioni sui progetti privati.
Queste preoccupazioni sono gestibili tramite contratti, controlli di accesso e governance indipendente. Non scompaiono semplicemente perché le parti descrivono l'investimento come strategico.
La valutazione stessa richiede una verifica rigorosa. Raddoppiare da 10 a 20 miliardi di dollari presuppone che Mercor possa sostenere la propria espansione senza un aumento comparabile del rischio.
Un tasso annualizzato di ricavi riportato di 2 miliardi di dollari fa apparire la valutazione meno estrema di quanto sarebbe per una startup priva di ricavi. Eppure, la qualità e il margine di tali ricavi restano poco chiari.
Se una grande quota passa direttamente ai collaboratori, i multipli tradizionali del software diventano meno utili. Mercor dovrebbe dimostrare che la sua tecnologia di abbinamento e la sua piattaforma di addestramento creano un'economia trattenuta difendibile.
L'automazione è un'altra incertezza di lungo periodo. Modelli migliori potrebbero generare più dati sintetici per l'addestramento, ossia esempi creati da altri sistemi di IA.
I dati sintetici possono ridurre la dipendenza dagli esseri umani per alcuni compiti. Non possono stabilire automaticamente se un agente abbia gestito correttamente una decisione legale, medica o organizzativa complessa.
L'esito più probabile è una trasformazione del lavoro umano, piuttosto che la sua completa eliminazione. Gli esperti potrebbero dedicare meno tempo alla stesura di esempi di base e più tempo alla progettazione di ambienti, alla valutazione degli errori e alla gestione di casi ambigui.
Questa transizione sostiene la strategia di Mercor, ma richiede anche uno sviluppo continuo del prodotto. Un marketplace di collaboratori da solo non giustificherà indefinitamente una valutazione da infrastruttura.
Deeptune aiuta ad affrontare questo problema aggiungendo software. Gli investitori dovrebbero comunque cercare prove che il prodotto combinato Mercor e Deeptune migliori le prestazioni dei modelli e generi una domanda dei clienti ripetibile.
L'ultima incertezza riguarda le motivazioni di Nvidia. Un piccolo investimento finanziario avrebbe un significato diverso da un rapporto nel consiglio di amministrazione o da una profonda partnership commerciale.
Finché le parti non divulgheranno i termini, il mercato non dovrebbe considerare ogni possibile struttura come ugualmente significativa.
Tre segnali mostreranno cosa significa davvero il rapporto
Le prossime prove dovrebbero provenire da termini firmati, comportamento dei clienti e adozione misurabile del prodotto, non da un altro titolo anonimo sulla valutazione.
Il primo segnale è un annuncio formale di finanziamento. Gli investitori dovrebbero cercare l'entità del round, l'investitore capofila, il ruolo esatto di Nvidia e la valutazione finale.
Questi dettagli mostreranno se Nvidia sia centrale nella transazione o semplicemente uno dei partecipanti. Riveleranno inoltre se la cifra riportata di 20 miliardi di dollari abbia resistito alle negoziazioni.
Una valutazione inferiore suggerirebbe che gli investitori abbiano imposto maggiore disciplina dopo la due diligence. Una valutazione confermata di 20 miliardi di dollari rafforzerebbe l'idea che i sistemi di addestramento basati sugli esperti restino scarsi.
Il secondo segnale è la fidelizzazione dei clienti dopo l'incidente di sicurezza. Mercor afferma che i laboratori di frontiera hanno ampliato il lavoro, ma le dichiarazioni di un'azienda privata offrono visibilità limitata.
Future referenze dei clienti, progetti rinnovati o spese riportate indipendentemente rafforzerebbero il caso di Mercor. Ulteriori sospensioni indebolirebbero l'idea che la crescita abbia superato completamente le preoccupazioni per la sicurezza.
I collaboratori possono fornire un segnale iniziale imperfetto, poiché la disponibilità dei progetti riflette l'attività dei clienti. Tuttavia, i singoli resoconti non dovrebbero essere trattati come un sostituto dei dati sull'intera azienda.
Il terzo segnale è l'adozione del prodotto combinato Mercor e Deeptune. L'acquisizione conta solo se i clienti acquistano lavoro esperto integrato e ambienti di addestramento su scala significativa.
Occorre osservare casi d'uso nominati, implementazioni ripetute e prove che gli agenti migliorino rispetto a compiti realistici sul posto di lavoro. Affermazioni generiche su modelli migliori non saranno sufficienti.
Questi segnali contano anche per gli acquirenti aziendali di IA. Un'azienda che seleziona fornitori di dati o valutazione dovrebbe esaminare come i fornitori reclutano esperti, proteggono i flussi di lavoro sensibili e verificano la qualità dell'output.
Gli sviluppatori dovrebbero interessarsene perché la capacità dei modelli dipende sempre più dalla progettazione delle valutazioni. L'accesso a più GPU non può correggere un benchmark che premia il comportamento sbagliato.
I lavoratori della conoscenza dovrebbero interessarsene perché la loro esperienza sta diventando materiale di addestramento. Le domande importanti riguardano consenso, compenso, riservatezza e il modo in cui le aziende riutilizzano il giudizio professionale.
I team che gestiscono la ricerca tra più fornitori potrebbero aver bisogno di una registrazione durevole di dichiarazioni, comunicazioni di sicurezza e termini di progetto in evoluzione. Una base di conoscenza sull'IA ricercabile può aiutare a preservare quel contesto senza dipendere da avvisi sparsi.
Le discussioni riportate con Nvidia non dimostrano che Mercor valga 20 miliardi di dollari. Mostrano che i sistemi che circondano l'addestramento dei modelli attirano ora l'attenzione del fornitore più influente dell'industria dell'IA.
Se Nvidia investirà, l'accordo collegherà il capitale computazionale all'esperienza umana organizzata. Questa combinazione potrebbe rafforzare Mercor, aumentando al contempo il controllo su neutralità, sicurezza e dipendenza dai clienti.
Se i colloqui si concluderanno senza un accordo, il mercato sottostante non scomparirà. I laboratori hanno ancora bisogno di specialisti, valutazioni e ambienti che rivelino se gli agenti siano in grado di svolgere lavoro reale.
Il prossimo passo pratico è osservare i termini del finanziamento firmato, la fidelizzazione dei clienti e l'integrazione di Deeptune. Questi fatti determineranno se si tratti di un cambiamento strategico o di un'altra ambiziosa valutazione del mercato privato.
