Nvidia estaria de olho em financiamento da Mercor enquanto sua fornecedora de dados para IA busca avaliação de US$ 20 bilhões

A Nvidia estaria discutindo um financiamento para a Mercor enquanto a fornecedora de dados para IA busca uma avaliação próxima a US$ 20 bilhões. Esse valor dobraria a avaliação da Mercor em relação à sua última rodada anunciada, apesar de questões ainda não resolvidas sobre os termos do acordo, concentração de clientes e segurança.

A alegação sobre o financiamento surgiu em um alerta de notícias chinês em 20 de agosto. O alerta não especificou o possível investimento da Nvidia, a estrutura de financiamento proposta nem se a fabricante de chips havia assinado uma term sheet.

Nem a Nvidia nem a Mercor haviam confirmado publicamente a participação da Nvidia quando este artigo foi preparado. A interpretação cautelosa, portanto, é simples: as discussões não constituem um investimento concluído.

Ainda assim, a reportagem importa por ir além de mais uma grande avaliação de capital de risco. A Nvidia supostamente compra serviços da Mercor enquanto financia empresas em toda a cadeia de suprimentos de IA. Uma participação conectaria a principal fornecedora de chips para IA a uma das empresas que produzem feedback especializado, avaliações e ambientes de treinamento para os principais desenvolvedores de modelos.

Essa conexão aproximaria financeiramente dois insumos escassos. A Nvidia fornece capacidade computacional. A Mercor organiza a expertise humana que os laboratórios usam para melhorar modelos após seu treinamento inicial.

O possível acordo também surge após um ano movimentado para a Mercor. A empresa relatou rápido crescimento de receita, adquiriu uma startup de ambientes de treinamento para IA e abordou um incidente de segurança na cadeia de suprimentos. Ao mesmo tempo, compete com Scale AI, Surge AI, Turing, Handshake e outros fornecedores de dados.

A questão central é se a Nvidia vê a Mercor como um investimento promissor ou como infraestrutura estrategicamente importante para o mercado mais amplo de IA.

As conversas reportadas entre Nvidia e Mercor ainda são preliminares

O que mudou foi a identidade reportada de um possível financiador, não a certeza sobre a captação de recursos da Mercor.

A Mercor já buscava novo capital antes da reportagem mais recente. Em julho, fontes da Bloomberg disseram que a empresa discutia uma rodada com avaliação de aproximadamente US$ 20 bilhões.

Essas conversas foram descritas como iniciais. A Mercor teria informado investidores de que recebeu uma term sheet na avaliação proposta, segundo a cobertura sobre a avaliação.

Uma term sheet normalmente registra termos de investimento propostos antes dos acordos finais e das condições de fechamento. Ela sinaliza interesse sério, mas não garante que uma transação será concluída.

A nova reportagem acrescenta a Nvidia às discussões. Ela não estabelece se a Nvidia lideraria a rodada, se participaria com outro investidor, forneceria dívida ou usaria outro arranjo.

Essa distinção importa porque a Nvidia agora participa de várias formas de financiamento de IA. A empresa realiza investimentos convencionais em participações acionárias, apoia clientes e trabalha com instituições financeiras no financiamento de infraestrutura.

A Mercor não constrói principalmente data centers nem compra frotas de GPUs. Seu negócio central conecta desenvolvedores de IA a especialistas que criam tarefas, julgamentos e avaliações para o treinamento de modelos.

Isso torna um possível investimento da Nvidia diferente de financiamentos concebidos para estimular compras de hardware. O vínculo estratégico seria menos direto, embora os clientes da Mercor ainda consumam extensos recursos computacionais da Nvidia.

A Mercor também se apresentou como fornecedora de grandes laboratórios de IA e empresas de tecnologia. Reportagens anteriores disseram que seus clientes incluíam a Nvidia, além de Amazon, Google, Meta, Microsoft e OpenAI.

Nem todos esses nomes de clientes foram detalhados de forma independente por meio de contratos ou divulgações de receita. A Mercor é privada, e a economia de sua base de clientes continua muito menos transparente do que a de uma empresa listada em bolsa.

O valor reportado de US$ 20 bilhões também é uma avaliação, não o montante que a Mercor receberia. Nenhum relato público confiável estabeleceu o tamanho do possível compromisso da Nvidia.

Os leitores devem, portanto, evitar combinar números distintos. A meta de avaliação da Mercor não significa que a Nvidia esteja considerando um investimento de US$ 20 bilhões.

A base confirmada vem do financiamento anterior da Mercor. Em outubro de 2025, a empresa anunciou uma rodada Série C de US$ 350 milhões que a avaliou em US$ 10 bilhões.

A Felicis liderou essa rodada. Benchmark, General Catalyst e Robinhood Ventures também participaram, segundo o anúncio da Série C da Mercor.

Esse acordo já havia aumentado em cinco vezes a avaliação da Mercor em relação à avaliação da Série B. Uma rodada bem-sucedida de US$ 20 bilhões produziria outra duplicação em menos de um ano.

Tal aumento seria notável em quaisquer circunstâncias. É particularmente marcante para uma empresa que atua em um mercado antes descrito principalmente como rotulagem de dados.

A Mercor argumenta que a categoria mudou. Modelos de fronteira exigem cada vez mais avaliações criadas por especialistas, fluxos de trabalho realistas e feedback que teste raciocínio, em vez de simples identificação de objetos.

Essa mudança cria a verdadeira tensão do artigo. Os investidores não estão apenas avaliando um marketplace para trabalhadores temporários. Eles atribuem alto valor aos sistemas humanos que ensinam modelos de IA sobre como o trabalho profissional é realizado.

Por que a Nvidia se importaria com uma fornecedora de dados para IA

O interesse da Nvidia sugeriria que a expertise humana se tornou um complemento estratégico à computação, e não um substituto temporário para modelos melhores.

A construção de um modelo de fronteira começa com treinamento em larga escala com textos, imagens, código e outros dados. Essa etapa consome enorme capacidade computacional, área em que a Nvidia ocupa sua posição mais forte.

O treinamento inicial não produz de forma confiável um agente capaz de concluir trabalhos profissionais complexos. Os desenvolvedores precisam testar o modelo, identificar falhas e gerar feedback que melhore seu comportamento.

A Mercor recruta especialistas para esse processo. Um advogado pode avaliar o raciocínio sobre precedentes jurídicos. Um engenheiro pode criar tarefas de programação ou avaliar se uma solução proposta atende aos requisitos técnicos.

Essas atribuições criam sinais de treinamento, ou seja, exemplos ou pontuações que direcionam um modelo a comportamentos mais úteis. Elas podem apoiar ajuste fino supervisionado, avaliações e aprendizado por reforço.

O aprendizado por reforço treina um modelo recompensando melhor desempenho em tarefas definidas. Seu valor depende fortemente de as tarefas e os sistemas de pontuação representarem trabalho real.

Um modelo pode ter bom desempenho em um benchmark acadêmico enquanto falha dentro do software de uma empresa. Ele pode interpretar mal uma solicitação ambígua, lidar inadequadamente com uma exceção ou escolher a próxima ação errada.

Essa lacuna aumenta o valor dos especialistas de domínio. Eles podem descrever o fluxo de trabalho, criar exercícios realistas e julgar resultados que não podem ser pontuados por meio de uma regra automatizada simples.

A Mercor ampliou essa estratégia em julho ao concordar em adquirir a Deeptune. A Mercor disse que a Deeptune cria ambientes de software nos quais agentes de IA podem praticar tarefas em aplicativos empresariais simulados.

O anúncio da aquisição da empresa descreveu três partes de um ambiente: software, tarefas atribuídas e verificadores que avaliam a conclusão bem-sucedida.

A Mercor disse que sua rede incluía mais de cinco milhões de especialistas de domínio. Esse número é uma alegação da empresa e não deve ser interpretado como cinco milhões de contratados ativos.

O acordo com a Deeptune dá à Mercor uma narrativa de produto mais clara. Especialistas podem definir trabalho realista, enquanto o software adquirido recria os sistemas nos quais os agentes praticam.

Essa combinação leva a Mercor além do recrutamento. Ela aproxima a empresa do ciclo técnico usado para avaliar e melhorar agentes de IA.

A Nvidia se beneficia quando desenvolvedores encontram usos mais valiosos para a computação. Melhores ambientes de treinamento podem incentivar laboratórios a realizar experimentos adicionais, treinar mais políticas de agentes e implantar modelos em novos fluxos de trabalho.

No entanto, isso não torna a Mercor uma transação convencional de financiamento a clientes da Nvidia. A principal estrutura de despesas da Mercor envolve talentos, software e operações, e não compras massivas de chips.

Em vez disso, o possível investimento se assemelha a um posicionamento na cadeia de suprimentos. A Nvidia pode obter exposição a um gargalo que determina se os gastos com computação produzem modelos comercialmente úteis.

A Nvidia já demonstrou uma estratégia mais ampla de financiamento. Em 10 de agosto, anunciou parcerias com Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs e KKR.

Essas plataformas independentes pretendem mobilizar mais de US$ 500 bilhões ao longo do tempo para infraestrutura de IA, segundo o anúncio de financiamento da Nvidia.

O programa de infraestrutura se concentra em transformar ativos computacionais e receitas vinculadas ao uso em investimentos adequados para capital externo. A Nvidia disse que as instituições participantes tomariam suas próprias decisões de investimento.

A Mercor ocupa outra posição na cadeia. Ela ajuda a determinar o que os desenvolvedores fazem com a computação depois de obtê-la.

Essa diferença torna as conversas reportadas estrategicamente interessantes. A Nvidia estaria apoiando tanto a capacidade física para IA quanto uma empresa que ajuda a converter essa capacidade em comportamento treinado.

O relacionamento poderia oferecer à Nvidia uma visibilidade útil do mercado. Uma fornecedora de dados que trabalha com vários laboratórios pode observar quais tarefas, domínios profissionais e métodos de treinamento atraem demanda.

A Nvidia ainda precisaria administrar cuidadosamente a neutralidade em relação aos clientes. Laboratórios de IA podem hesitar em expor prioridades sensíveis de desenvolvimento por meio de uma fornecedora financeiramente conectada à sua principal fornecedora de chips.

Não há evidência pública de que a Nvidia receberia acesso aos dados de clientes da Mercor. Qualquer sugestão de que obteria automaticamente essas informações seria especulativa.

O valor estratégico pode existir sem dados privilegiados. A Nvidia poderia simplesmente se beneficiar do crescimento da Mercor à medida que os laboratórios gastam mais em pós-treinamento e avaliação de agentes.

O crescimento da Mercor pressiona Scale AI e outros fornecedores de dados

Uma avaliação de US$ 20 bilhões enquadraria os dados de treinamento gerados por especialistas como um dos gargalos remanescentes mais valiosos da IA.

O mercado competitivo mudou rapidamente. Os primeiros negócios de rotulagem de dados muitas vezes dependiam de grandes forças de trabalho que executavam tarefas padronizadas de classificação.

Laboratórios de fronteira agora exigem expertise mais específica. Eles precisam de desenvolvedores de software, pesquisadores, profissionais de finanças, médicos, advogados e outros especialistas capazes de avaliar resultados difíceis.

Essa transição eleva o valor potencial de cada projeto. Também aumenta as exigências de recrutamento, controle de qualidade, privacidade e gestão de clientes.

A Mercor entrou no mercado por meio de tecnologia de contratação. Ela usava entrevistas automatizadas e sistemas de correspondência para conectar candidatos a empregadores, antes de avançar para o trabalho de treinamento de IA.

A narrativa atual da empresa trata o julgamento humano como infraestrutura. Seus especialistas criam avaliações e dados de fluxos de trabalho que ajudam modelos a lidar com tarefas economicamente valiosas.

A Scale AI continua sendo a comparação mais visível. A Meta investiu aproximadamente US$ 15 bilhões na Scale em 2025, recebendo uma grande participação econômica enquanto recrutava o fundador Alexandr Wang para sua organização de IA.

Essa transação avaliou a Scale em cerca de US$ 29 bilhões, segundo reportagens públicas. Ela estabeleceu um ponto de referência para todas as empresas privadas que vendem dados e serviços de avaliação a laboratórios de IA de fronteira.

Uma avaliação de US$ 20 bilhões para a Mercor reduziria essa diferença. Também sinalizaria aos investidores que o mercado pode sustentar mais de uma plataforma de dados altamente valorizada.

As empresas não seguem estratégias idênticas. A Scale tem uma trajetória operacional mais longa, amplo trabalho com governos e ferramentas mais abrangentes para gerenciar pipelines de dados.

A Mercor enfatiza o recrutamento de especialistas e uma rede flexível de contratados. A aquisição da Deeptune adiciona ambientes de treinamento que conectam o julgamento de especialistas a tarefas repetíveis de agentes.

A Surge AI apresenta outro modelo competitivo. Ela construiu um grande negócio fornecendo dados humanos de alta qualidade, enquanto mantém um perfil público relativamente discreto.

Turing, Handshake, Invisible Technologies, Labelbox e vários provedores especializados também disputam os orçamentos dos laboratórios de IA. Alguns priorizam software, enquanto outros priorizam forças de trabalho gerenciadas ou avaliações técnicas.

O mercado pode crescer sem produzir um único vencedor. Desenvolvedores de modelos frequentemente usam vários fornecedores para comparar qualidade, ampliar capacidade e reduzir dependência.

Essa abordagem com múltiplos fornecedores limita o poder de precificação. Um laboratório pode redirecionar projetos quando a qualidade cai, surgem preocupações de segurança ou as prioridades de pesquisa mudam.

A concentração de clientes cria outra pressão. O desenvolvimento de modelos de fronteira é dominado por um pequeno número de organizações com orçamentos muito grandes.

Conquistar um laboratório pode gerar crescimento rápido. Perder esse mesmo cliente pode eliminar uma parcela substancial do trabalho com pouco aviso.

O risco se aplica tanto aos contratados quanto aos investidores. Projetos podem ser pausados quando um laboratório muda sua agenda de pesquisa, conclui um experimento ou internaliza um fluxo de trabalho.

O crescimento reportado pela Mercor indica forte demanda, mas a qualidade da receita importa tanto quanto sua escala de manchete. Investidores precisam saber quanto da receita se repete e quanto depende de projetos curtos.

Também precisam distinguir os pagamentos brutos a contratados da receita retida. Um marketplace pode reportar um grande fluxo de transações enquanto retém apenas uma fração após pagar os trabalhadores.

O CEO da Mercor, Brendan Foody, afirmou em julho que a taxa anualizada de receita da empresa superava US$ 2 bilhões. Uma taxa anualizada projeta a atividade recente para um ano inteiro.

Ela não equivale a uma receita auditada já obtida durante doze meses completos. A empresa não divulgou detalhes suficientes para reconstruir publicamente esse cálculo.

A diferença importa ao avaliar uma empresa de US$ 20 bilhões. Investidores devem determinar se a avaliação proposta reflete margens duráveis ou gastos temporariamente intensos por alguns laboratórios.

A estratégia de aquisições da Mercor acrescenta outra variável. A Deeptune pode ajudar a empresa a vender software e programas integrados de treinamento com uma economia melhor do que a simples conexão entre contratados.

A aquisição também pode aumentar o risco de execução. A Mercor precisa combinar uma rede de trabalho em rápido crescimento com infraestrutura técnica usada em programas de pesquisa sensíveis.

A participação da Nvidia não resolveria essas questões. Ela poderia validar a importância estratégica da categoria sem validar todas as premissas por trás da avaliação da Mercor.

A conclusão mais sólida diz respeito à pressão competitiva. A Scale AI e outros fornecedores agora enfrentam uma rival com impulso reportado de captação de recursos e uma proposta mais completa de treinamento de agentes.

O Caso de US$ 20 Bilhões Ainda Enfrenta Testes de Segurança e Avaliação

O maior desafio da Mercor é provar que o rápido crescimento pode coexistir com segurança durável, relações neutras com clientes e uma economia de projetos confiável.

A Mercor sofreu um incidente de segurança em março de 2026 envolvendo versões comprometidas do LiteLLM, uma ferramenta de código aberto usada para conectar aplicações a vários modelos de IA.

Um agente malicioso teria inserido código projetado para extrair credenciais de sistemas que instalaram as versões afetadas. A Mercor confirmou que seu ambiente foi afetado.

Em abril, a Meta pausou seu trabalho com a Mercor enquanto investigava o incidente. Outros laboratórios também revisaram sua exposição, segundo reportagens sobre a violação.

O risco ia além de informações pessoais comuns. Tarefas de treinamento e dados de avaliação podem revelar o que um laboratório está testando, onde seus modelos falham e como planeja aprimorá-los.

Esse material pode ter valor competitivo significativo. Um fornecedor que trabalha com vários laboratórios torna-se, portanto, um alvo atraente para invasores.

A Mercor afirmou posteriormente que as informações dos clientes sofreram impacto muito limitado. Também disse que apenas um subconjunto limitado de sua rede de especialistas teve informações sensíveis afetadas.

Essas declarações vieram da atualização da investigação da Mercor. Elas merecem atribuição porque a empresa não publicou as evidências forenses completas necessárias para verificação independente.

A Mercor também afirmou que todos os laboratórios de fronteira ampliaram seu trabalho com a empresa nos meses seguintes. Se estiver correto, isso indicaria uma recuperação substancial dos clientes.

O potencial financiamento da Nvidia poderia reforçar essa interpretação. Um investidor corporativo sofisticado normalmente examinaria controles de segurança, retenção de clientes e responsabilidades relacionadas ao incidente durante a diligência prévia.

No entanto, investidores não certificam a segurança operacional. Um investimento pode ser concluído apesar de riscos conhecidos quando o retorno esperado continua atraente.

A Mercor também precisa lidar com uma disputa judicial com a Scale AI. A Scale processou a Mercor e um ex-funcionário da Scale em 2025 por suposto roubo de documentos confidenciais.

A Scale alegou que o funcionário baixou mais de 100 documentos antes de ingressar na Mercor. A Mercor afirmou que não acessou os arquivos e não queria os segredos comerciais da Scale.

Essas são alegações opostas, não conclusões estabelecidas. A discussão pública sobre a disputa não deve presumir que qualquer lado tenha provado seu caso.

Ainda assim, o processo ilustra a sensibilidade das estratégias de clientes neste mercado. Os fornecedores competem por programas confidenciais que podem moldar a próxima geração de modelos comerciais.

Uma relação mais próxima com a Nvidia poderia criar questões adicionais de governança. A Nvidia fornece tecnologia de computação para laboratórios que também podem contratar a Mercor.

Os clientes desejarão garantias claras sobre a separação de dados. Podem perguntar se um investidor pode influenciar as prioridades do fornecedor ou receber informações sobre projetos privados.

Essas preocupações podem ser administradas por meio de contratos, controles de acesso e governança independente. Elas não desaparecem apenas porque as partes descrevem o investimento como estratégico.

A própria avaliação exige testes de estresse. Dobrar de US$ 10 bilhões para US$ 20 bilhões pressupõe que a Mercor consiga sustentar sua expansão sem um aumento comparável de risco.

Uma taxa anualizada de receita reportada de US$ 2 bilhões faz a avaliação parecer menos extrema do que seria para uma startup sem receita. Ainda assim, a qualidade e a margem dessa receita permanecem incertas.

Se uma grande parcela for repassada diretamente aos contratados, múltiplos tradicionais de software se tornam menos úteis. A Mercor precisaria mostrar que sua tecnologia de conexão e plataforma de treinamento criam uma economia de receita retida defensável.

A automação é outra incerteza de longo prazo. Modelos melhores podem gerar mais dados sintéticos de treinamento, isto é, exemplos criados por outros sistemas de IA.

Dados sintéticos podem reduzir a dependência de humanos em algumas tarefas. Eles não conseguem julgar automaticamente se um agente lidou corretamente com uma decisão jurídica, médica ou organizacional sutil.

O resultado mais provável é uma mudança no trabalho humano, e não sua remoção completa. Especialistas podem passar menos tempo escrevendo exemplos básicos e mais tempo projetando ambientes, avaliando falhas e lidando com casos ambíguos.

Essa transição apoia a estratégia da Mercor, mas também exige desenvolvimento contínuo de produtos. Um marketplace de contratados, por si só, não justificará indefinidamente uma avaliação de nível de infraestrutura.

A Deeptune ajuda a enfrentar essa questão ao adicionar software. Ainda assim, investidores devem buscar evidências de que o produto combinado melhora o desempenho dos modelos e gera demanda repetível dos clientes.

A incerteza final diz respeito às motivações da Nvidia. Um pequeno investimento financeiro teria um significado diferente de uma relação com assento no conselho ou de uma parceria comercial profunda.

Até que as partes divulguem os termos, o mercado não deve tratar todas as estruturas possíveis como igualmente significativas.

Três Sinais Mostrarão o Que o Relato Realmente Significa

As próximas evidências devem vir de termos assinados, comportamento dos clientes e adoção mensurável de produtos, não de outra manchete anônima sobre avaliação.

O primeiro sinal é um anúncio formal de financiamento. Os investidores devem observar o tamanho da rodada, o investidor líder, o papel exato da Nvidia e a avaliação final.

Esses detalhes mostrarão se a Nvidia é central para a transação ou apenas uma participante. Também revelarão se o valor reportado de US$ 20 bilhões resistiu às negociações.

Uma avaliação menor sugeriria que os investidores impuseram mais disciplina após a diligência prévia. Uma avaliação confirmada de US$ 20 bilhões reforçaria a visão de que sistemas de treinamento especializados continuam escassos.

O segundo sinal é a retenção de clientes após o incidente de segurança. A Mercor diz que os laboratórios de fronteira ampliaram seu trabalho, mas alegações de empresas privadas oferecem visibilidade limitada.

Futuras referências de clientes, projetos renovados ou gastos reportados de forma independente fortaleceriam o caso da Mercor. Pausas adicionais enfraqueceriam a ideia de que o crescimento superou plenamente as preocupações de segurança.

Os contratados podem fornecer um sinal inicial imperfeito porque a disponibilidade de projetos reflete a atividade dos clientes. No entanto, relatos individuais não devem ser tratados como substitutos para dados de toda a empresa.

O terceiro sinal é a adoção do produto combinado Mercor e Deeptune. A aquisição só importa se os clientes comprarem trabalho integrado de especialistas e ambientes de treinamento em escala significativa.

Observe casos de uso identificados, implantações repetidas e evidências de que os agentes melhoram em tarefas realistas do ambiente de trabalho. Alegações genéricas sobre modelos melhores não serão suficientes.

Esses sinais também importam para compradores empresariais de IA. Uma empresa que seleciona fornecedores de dados ou avaliação deve examinar como os provedores recrutam especialistas, protegem fluxos de trabalho sensíveis e verificam a qualidade das entregas.

Desenvolvedores devem se importar porque a capacidade dos modelos depende cada vez mais do desenho das avaliações. O acesso a mais GPUs não pode corrigir um benchmark que recompensa o comportamento errado.

Trabalhadores do conhecimento devem se importar porque sua especialização está se tornando material de treinamento. As questões importantes envolvem consentimento, remuneração, confidencialidade e como as empresas reutilizam o julgamento profissional.

Equipes que gerenciam pesquisas entre fornecedores podem precisar de um registro durável de alegações, divulgações de segurança e mudanças nos termos de projetos. Uma base de conhecimento de IA pesquisável pode ajudar a preservar esse contexto sem depender de alertas dispersos.

As discussões reportadas com a Nvidia não provam que a Mercor vale US$ 20 bilhões. Elas mostram que os sistemas que cercam o treinamento de modelos agora atraem a atenção do fornecedor mais influente da indústria de IA.

Se a Nvidia investir, o acordo conectará capital de computação a expertise humana organizada. Essa combinação poderia fortalecer a Mercor, ao mesmo tempo em que aumentaria o escrutínio sobre neutralidade, segurança e dependência de clientes.

Se as conversas terminarem sem um acordo, o mercado subjacente não desaparece. Os laboratórios ainda precisam de especialistas, avaliações e ambientes que revelem se os agentes podem realizar trabalho real.

O próximo passo prático é acompanhar os termos assinados do financiamento, a retenção de clientes e a integração da Deeptune. Esses fatos determinarão se esta é uma mudança estratégica ou apenas mais uma ambiciosa avaliação do mercado privado.