据报道，Nvidia考虑参与Mercor融资，这家AI数据供应商寻求200亿美元估值

据报道，随着AI数据供应商Mercor寻求接近200亿美元的估值，Nvidia正就为其融资展开讨论。尽管交易条款、客户集中度和安全性仍存在未解问题，这一估值将是Mercor上轮公开融资估值的两倍。

这一融资消息于8月20日通过一则中文新闻快讯传出。消息并未说明Nvidia的潜在投资金额、拟议融资结构，或这家芯片制造商是否已签署投资意向书。

截至本文撰写时，Nvidia和Mercor均未公开确认Nvidia的参与。因此，审慎的解读很简单：讨论并不等于已完成投资。

不过，这一报道的重要性不止于又一个高额风投估值。据报道，Nvidia既从Mercor采购服务，也在整个AI供应链中为企业提供资金支持。若持股，将把主导AI芯片供应的企业与一家为领先模型开发者提供专家反馈、评估和训练环境的供应商联系得更紧密。

这种联系会让两种稀缺投入处于更紧密的财务关系中。Nvidia提供算力。Mercor则组织实验室在模型初始训练后用于改进模型的人类专业知识。

这笔潜在交易也发生在Mercor经历了颇为活跃的一年之后。该公司报告称营收快速增长，收购了一家AI训练环境初创公司，并应对了一起供应链安全事件。同时，它还在与Scale AI、Surge AI、Turing、Handshake及其他数据供应商竞争。

核心问题在于，Nvidia究竟将Mercor视为一项有前景的投资，还是视为更广泛AI市场中具有战略重要性的基础设施。

据报道，Nvidia与Mercor的洽谈仍处于初步阶段

变化的是潜在支持者的身份，而非Mercor融资的确定性。

在最新报道出现前，Mercor就已经在寻求新资金。7月，Bloomberg援引消息人士称，该公司正讨论一轮估值约为200亿美元的融资。

这些谈话被形容为处于早期阶段。据估值报道，Mercor据称已告诉投资者，公司收到了按该拟议估值进行融资的投资意向书。

投资意向书通常在最终协议和交割条件确定前，记录拟议的投资条款。它表明存在严肃兴趣，但并不保证交易一定会完成。

新报道将Nvidia加入了讨论之中。它并未确定Nvidia会领投这一轮融资、与其他投资者共同参与、提供债务融资，还是采用其他安排。

这一差异很重要，因为Nvidia如今以多种方式参与AI融资。它进行传统的股权投资，支持客户，并与金融机构合作开展基础设施融资。

Mercor的主营业务并非建设数据中心或采购大规模GPU集群。其核心业务是将AI开发者与为模型训练创建任务、判断和评估的专业人士对接起来。

这使得Nvidia可能的投资不同于旨在刺激硬件采购的融资。其战略联系会更间接，尽管Mercor的客户仍消耗大量Nvidia算力资源。

Mercor还将自己定位为大型AI实验室和科技公司的供应商。此前报道称，其客户包括Nvidia，以及Amazon、Google、Meta、Microsoft和OpenAI。

这些客户名称并非都能通过合同或营收披露得到独立细节佐证。Mercor是一家私营公司，其客户经济状况的透明度远低于上市公司。

据报道的200亿美元也只是估值，并非Mercor将获得的资金金额。没有可靠的公开报道确定Nvidia潜在承诺的规模。

因此，读者不应将不同数字混为一谈。Mercor的估值目标并不意味着Nvidia正考虑进行一笔200亿美元的投资。

已确认的基准来自Mercor此前的融资。2025年10月，该公司宣布完成3.5亿美元C轮融资，估值为100亿美元。

根据Mercor的C轮融资公告，Felicis领投该轮融资，Benchmark、General Catalyst和Robinhood Ventures也参与其中。

这笔交易已使Mercor的估值较其B轮估值增长五倍。若成功完成200亿美元融资，其估值将在不到一年内再次翻倍。

无论在何种情况下，这样的上涨都值得关注。对于一家所在市场曾主要被称为数据标注的公司而言，这尤其引人注目。

Mercor认为，这个类别已经发生变化。前沿模型越来越需要由专家创建的评估、真实的工作流程，以及检验推理能力而非简单物体识别的反馈。

这一转变构成了本文真正的张力。投资者估值的并不只是一个临时工市场，而是帮助AI模型理解专业工作如何完成的人类系统，并为此赋予极高价值。

为什么Nvidia会关注一家AI数据供应商

Nvidia的兴趣将表明，人类专业知识已成为算力的战略性补充，而非等待更好模型出现前的临时替代品。

构建前沿模型始于对文本、图像、代码和其他数据的大规模训练。这一阶段消耗巨量算力，而Nvidia在此拥有最强势的地位。

初始训练并不能可靠地让智能体完成复杂的专业工作。开发者必须测试模型、识别失败之处，并生成能改善其行为的反馈。

Mercor为这一过程招募专业人士。律师可能评估涉及法律判例的推理；工程师可能设计编程任务，或评估某个建议方案是否符合技术要求。

这些任务会产生训练信号，即引导模型朝着更有用行为发展的示例或评分。它们可以支持监督微调、评估和强化学习。

强化学习通过奖励模型在既定任务上的更好表现来训练模型。它的价值高度取决于任务与评分系统是否代表真实工作。

模型可能在学术基准上表现良好，却在企业软件中失效。它可能误解含糊的请求、错误处理例外情况，或选择了错误的下一步行动。

这种差距提高了领域专家的价值。他们可以描述工作流程、创建真实练习，并判断无法通过简单自动化规则评分的输出。

Mercor在7月通过同意收购Deeptune扩展了这一战略。Mercor表示，Deeptune构建的软件环境可让AI智能体在模拟的企业应用中练习完成任务。

该公司的收购公告描述了一个环境的三个组成部分：软件、分配的任务，以及判断是否成功完成的验证器。

Mercor表示，其网络拥有超过500万名领域专家。这一数字是公司说法，不应被理解为有500万名活跃承包商。

Deeptune交易让Mercor拥有了更清晰的产品叙事。专家可以定义真实工作，而收购的软件则重建智能体练习所在的系统。

这种结合使Mercor超越了招聘业务。它让公司更接近用于评估和改进AI智能体的技术闭环。

当开发者找到更有价值的算力用途时，Nvidia将从中受益。更好的训练环境能鼓励实验室进行更多实验、训练更多智能体策略，并将模型部署到新的工作流程中。

不过，这并不意味着Mercor是一笔传统的Nvidia客户融资交易。Mercor的主要成本结构涉及人才、软件和运营，而非大规模芯片采购。

这项潜在投资更像是供应链布局。Nvidia可以获得对一个瓶颈的敞口，而该瓶颈决定了算力投入能否产出具有商业价值的模型。

Nvidia已展示出更广泛的融资战略。8月10日，它宣布与Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs和KKR建立合作关系。

根据Nvidia的融资公告，这些独立平台旨在长期调动超过5000亿美元资金用于AI基础设施。

该基础设施计划专注于将算力资产和与使用量挂钩的收入转化为适合外部资本参与的投资。Nvidia表示，参与机构将自行作出投资决策。

Mercor处于技术栈的另一环节。它帮助决定开发者在拥有算力后如何使用这些算力。

正是这种差异使得据报道的谈判在战略上颇具吸引力。Nvidia将同时支持AI的物理算力，以及一家帮助将这些算力转化为经过训练的行为的公司。

这一关系可能为Nvidia提供有用的市场洞察。服务于多家实验室的数据供应商能够观察哪些任务、专业领域和训练方法正在吸引需求。

Nvidia仍需谨慎管理客户中立性。AI实验室可能会犹豫是否通过一家与其主要芯片供应商存在财务联系的供应商，暴露敏感的开发优先事项。

没有公开证据表明Nvidia会获得Mercor的客户数据。任何认为它会自动取得这类信息的说法都属于推测。

即使没有特权数据，战略价值依然存在。随着实验室在后训练和智能体评估上投入更多资金，Nvidia可以仅仅从Mercor的增长中受益。

Mercor的增长对Scale AI及其他数据供应商形成压力

200亿美元的估值将把专家生成的训练数据定位为AI领域最有价值的剩余瓶颈之一。

竞争市场变化迅速。早期的数据标注企业通常依赖庞大劳动力完成标准化分类任务。

如今，前沿实验室需要更细分的专业知识。它们需要软件开发者、研究人员、金融专业人士、医生、律师及其他能够评估复杂输出的专家。

这一转变提高了每个项目的潜在价值，也提高了招聘、质量控制、隐私和客户管理方面的要求。

Mercor通过招聘技术进入市场。它使用自动化面试和匹配系统连接求职者与雇主，随后进一步进入AI训练业务。

公司当前的叙事将人类判断视为基础设施。其专家创建评估和工作流程数据，帮助模型处理具有经济价值的任务。

Scale AI仍是最显眼的比较对象。Meta在2025年向Scale投资约150亿美元，获得了较大的经济权益，同时招募创始人Alexandr Wang加入其AI组织。

据公开报道，该交易对 Scale 的估值约为 290 亿美元。它为所有向前沿实验室提供数据和评估服务的私营公司设定了参考点。

若 Mercor 的估值达到 200 亿美元，双方差距将缩小。这也将向投资者表明，市场能够容纳不止一个高估值数据平台。

这些公司的战略并不完全相同。Scale 的运营历史更长，拥有广泛的政府业务，以及更全面的数据管道管理工具。

Mercor 强调专家招募和灵活的承包商网络。收购 Deeptune 为其增加了训练环境，将专家判断与可重复执行的智能体任务连接起来。

Surge AI 呈现了另一种竞争模式。它通过提供高质量人工数据建立了庞大业务，同时保持着相对低调的公开形象。

Turing、Handshake、Invisible Technologies、Labelbox 以及多家专业服务商也在争夺 AI 实验室的预算。一些公司侧重软件，另一些则侧重托管劳动力或技术评估。

市场可以增长，而不必出现唯一的赢家。模型开发者通常会使用多家供应商，以比较质量、扩充产能并降低依赖。

这种多供应商模式限制了定价权。当质量下降、出现安全担忧或研究重点变化时，实验室可以重新分配项目。

客户集中度带来了另一重压力。前沿模型开发由少数预算极高的机构主导。

赢得一家实验室可能带来快速增长；失去同一客户，也可能在几乎没有预警的情况下失去相当大一部分业务。

这种风险不仅适用于投资者，也适用于承包商。当实验室调整研究议程、完成实验或将工作流程转移至内部时，项目可能暂停。

Mercor 报告的增长表明需求强劲，但收入质量与表面规模同样重要。投资者需要了解有多少收入可重复获得，又有多少依赖短期项目。

他们还需要区分向承包商支付的总额与留存收入。一个平台可以报告很大的交易流量，但在支付工人报酬后仅保留其中一小部分。

Mercor CEO Brendan Foody 在 7 月表示，该公司的年化收入运行率已超过 20 亿美元。年化运行率是将近期业务活动推算至完整一年的指标。

这并不等同于公司在已完成的十二个月中获得的经审计收入。该公司尚未公开足够细节，无法重建这一计算过程。

在评估一家估值 200 亿美元的公司时，这一区别至关重要。投资者必须判断，拟议估值反映的是可持续利润率，还是少数实验室暂时高强度的支出。

Mercor 的收购战略增添了另一个变量。Deeptune 或许能帮助公司销售软件和集成式训练方案，其经济效益可能优于单纯的承包商匹配。

收购也可能增加执行风险。Mercor 必须将快速增长的劳动力网络，与敏感研究项目内部使用的技术基础设施整合起来。

Nvidia 的参与无法解决这些问题。它可能验证该类别的战略重要性，却无法验证 Mercor 估值背后的每一项假设。

更有力的结论在于竞争压力。Scale AI 及其他供应商如今面临一个竞争对手：后者据报道融资势头强劲，并拥有更完整的智能体训练方案。

200 亿美元估值仍面临安全与估值考验

Mercor 面临的最大挑战，是证明快速增长能够与持久的安全保障、中立的客户关系以及可靠的项目经济效益并存。

Mercor 在 2026 年 3 月经历了一起安全事件，涉及 LiteLLM 的受损版本。LiteLLM 是一款用于连接应用与多个 AI 模型的开源工具。

据报道，一名恶意行为者植入了旨在从安装受影响版本的系统中提取凭证的代码。Mercor 确认其环境受到影响。

4 月，Meta 在调查该事件期间暂停了与 Mercor 的合作。据泄露事件报道，其他实验室也审查了自身受到的影响。

风险并不止于普通个人信息。训练任务和评估数据可能暴露实验室正在测试什么、模型在哪些方面失败，以及其计划如何改进模型。

这些材料可能具有显著的竞争价值。因此，同时为多家实验室服务的供应商会成为攻击者颇具吸引力的目标。

Mercor 后来表示，客户信息受到的影响非常有限。该公司还称，其专家网络中只有有限一部分人的敏感信息受到影响。

这些说法来自 Mercor 的调查更新。它们应被明确归因，因为该公司尚未公布独立验证所需的完整取证证据。

Mercor 还表示，所有前沿实验室在随后的数月里都增加了与该公司的合作。如果属实，这将表明客户关系已有显著恢复。

潜在的 Nvidia 融资可能会强化这一解读。成熟的企业投资者通常会在尽职调查中审查安全控制、客户留存和事件相关负债。

然而，投资者并不为运营安全背书。当预期回报仍具吸引力时，即使存在已知风险，投资也可能完成。

Mercor 还必须应对与 Scale AI 的法律纠纷。Scale 于 2025 年起诉 Mercor 及一名前 Scale 员工，指控其涉嫌窃取机密文件。

Scale 指称，该员工在加入 Mercor 前下载了 100 多份文件。Mercor 表示其未访问这些文件，也不希望获得 Scale 的商业机密。

这些是相互对立的指控，而非已被确立的事实。对该纠纷的公开讨论不应假定任何一方已经证明了自己的主张。

不过，这起诉讼仍说明了该市场中客户战略的敏感性。供应商在争夺可能塑造下一代商业模型的保密项目。

与 Nvidia 更紧密的关系可能带来额外的治理问题。Nvidia 向可能也会雇用 Mercor 的实验室提供计算技术。

客户将希望获得关于数据隔离的明确保证。他们可能会询问，投资者是否能影响供应商的优先级，或获得有关私密项目的洞察。

这些担忧可以通过合同、访问控制和独立治理加以管理。但仅因各方将投资描述为战略性投资，它们并不会自动消失。

估值本身也需要进行压力测试。从 100 亿美元翻倍至 200 亿美元，意味着 Mercor 能在不出现同等程度风险增长的情况下维持扩张。

据报其年化收入运行率达到 20 亿美元，使这一估值看起来不像对一家尚未产生收入的初创公司那样极端。然而，这些收入的质量和利润率仍不明确。

如果很大一部分收入直接流向承包商，传统软件估值倍数的参考价值就会下降。Mercor 需要证明，其匹配技术和训练平台能够形成具防御性的留存经济效益。

自动化是另一项长期不确定因素。更好的模型可能生成更多合成训练数据，即由其他 AI 系统创建的样本。

对于某些任务，合成数据可以降低对人类的依赖。但它无法自动判断智能体是否正确处理了微妙的法律、医疗或组织决策。

更可能的结果是人类工作发生变化，而非被完全取代。专家可能会减少撰写基础示例的时间，转而更多地设计环境、评估失败案例以及处理模糊情形。

这一转变支持 Mercor 的战略，但也要求持续进行产品开发。仅靠承包商平台，无法无限期支撑基础设施级别的估值。

Deeptune 通过加入软件能力，有助于解决这一问题。投资者仍应寻找证据，证明整合后的产品能够提升模型性能，并产生可重复的客户需求。

最后一个不确定因素涉及 Nvidia 的动机。一笔小规模财务投资，与董事会关系或深度商业合作所代表的含义不同。

在各方披露条款之前，市场不应将每一种可能的交易结构视为同等重要。

三项信号将揭示报道的真正含义

下一批证据应来自已签署的条款、客户行为和可衡量的产品采用情况，而不是又一个匿名估值标题。

第一个信号是正式融资公告。投资者应关注融资规模、领投方、Nvidia 的确切角色以及最终估值。

这些细节将显示 Nvidia 是交易核心，还是仅为其中一个参与者。它们也将揭示报道所称的 200 亿美元估值是否经受住了谈判。

较低的估值将表明，投资者在尽职调查后施加了更多纪律约束。若 200 亿美元估值得到确认，则会强化这样一种观点：专家训练系统仍属稀缺资源。

第二个信号是安全事件后的客户留存。Mercor 称前沿实验室扩大了合作，但私营公司的说法提供的可见度有限。

未来的客户引用、续签项目或独立报道的支出，将强化 Mercor 的论据。若出现更多暂停合作的情况，则会削弱增长已完全克服安全担忧的观点。

承包商可以提供一个并不完美的早期信号，因为项目可用性反映客户活动。不过，个别报告不应被视为公司整体数据的替代品。

第三个信号是整合后 Mercor 与 Deeptune 产品的采用情况。只有当客户以有意义的规模购买整合的专家服务和训练环境时，这项收购才有意义。

应关注具名使用案例、重复部署，以及智能体在真实工作场景任务上取得改进的证据。关于模型更强的笼统说法并不足够。

这些信号对企业 AI 买家同样重要。选择数据或评估供应商的公司，应审查供应商如何招募专家、保护敏感工作流程，以及验证输出质量。

开发者应当关注，因为模型能力日益依赖评估设计。获得更多 GPU 无法修复一个奖励错误行为的基准测试。

知识工作者也应当关注，因为他们的专业知识正成为训练材料。重要问题包括同意、报酬、保密性，以及公司如何复用专业判断。

跨供应商管理研究的团队，可能需要保存有关主张、安全披露和不断变化的项目条款的长期记录。可搜索的 AI 知识库 可以帮助保留这些背景信息，而不必依赖零散的提醒。

有关 Nvidia 的谈判报道，并不能证明 Mercor 值得 200 亿美元。它们表明，围绕模型训练构建的系统，如今正吸引 AI 行业最具影响力供应商的关注。

如果 Nvidia 投资，这笔交易将把计算资本与有组织的人类专业知识连接起来。这种组合可能强化 Mercor，同时加剧对中立性、安全性和客户依赖的审视。

如果谈判未能达成交易，基础市场并不会消失。实验室仍需要专家、评估，以及能够揭示智能体是否能完成真实工作的环境。

实际的下一步是关注已签署的融资条款、客户留存和 Deeptune 整合情况。这些事实将决定，这究竟是一次战略转变，还是又一个雄心勃勃的私募市场估值。