剛剛，史上增長最快的公司誕生了，創始人是3位00后

Mercor是歷史上發展最快的公司。其CEO最新透露，短短17個月內，公司的營收從100萬美元飆升至5億美元。據媒體報道，Mercor在洽談最新一輪融資，估值將高達100億美元。

此前，這一紀錄保持者是開發人工智能編程助手Cursor的初創公司Anysphere。Anysphere在產品推出約一年后就實現了5億美元的年度經常性收入(ARR)。據《福布斯》，與仍在燒錢的Anysphere不同，Mercor在今年上半年實現了600萬美元的利潤。

Mercor也迅速成為了硅谷“二十多歲創始人”群體的代表之一。其創始團隊的CEO Brendan Foody、CTO Adarsh Hiremath和COO Surya Midha均年僅22歲，且都是蒂爾獎學金（Thiel Fellows）獲得者。（蒂爾獎學金是由億萬富翁彼得·蒂爾設立，專門為那些愿意從大學輟學并投身創業的年輕人提供10萬美元的資助）。

Mercor于2023年成立，起初并不專注于數據標注領域。公司的初衷是利用AI和高科技匹配算法來革新招聘流程。它最早推出的產品是一個平臺，讓求職者先接受AI虛擬形象的面試，再被匹配到需要人才的公司，就像是新一代的德勤（Deloitte）或埃森哲（Accenture）。

然而，就在公司成立幾周前，OpenAI推出了ChatGPT，科技巨頭們之間開始了一場激烈的競賽，紛紛投入資源訓練最先進的AI模型。Mercor很快意識到自己所處的位置，并調整了公司戰略，將目光鎖定在為訓練AI模型提供高技能專家的市場上。

Mercor的競爭優勢在于專注于為客戶提供高技能專家，如博士和律師等，這些專業人才的時薪通常在90到150美元之間，相比之下，像Scale和Surge等競爭對手的薪資通常只有30美元每小時。

這些專家在訓練最先進的推理模型時至關重要，因為此類模型需要領域專家來指導它們如何執行復雜的多步驟任務。Mercor創始人尤其引以為傲的是，他們曾成功招聘到了國際象棋大師和私家偵探作為AI模型訓練師。Foody還強調，Mercor的匹配算法能夠為每個項目精準挑選最合適的人選。

但數據標注領域的競爭非常激烈。Surge作為較早入局的公司，估值曾達到250億美元；Turing AI估值22億美元，并在今年7月完成1.1億美元融資。何況還有最大競爭對手Scale AI。

但今年6月的一天，一切都改變了。Meta宣布以140億美元收購Scale AI的近半股份，并挖走了其明星CEO Alexandr Wang。

作為一家規模較小的公司，Mercor自然看到了這機會。Scale與Meta結盟后，許多AI實驗室開始擔心該公司的中立性問題，不再愿意與之合作，而這恰好為Mercor提供了市場空白。

Foody表示，最初他對這一變動感到驚訝，但很快，這份驚訝轉化為對未來的激動和期待。Adarsh Hiremath補充道：“你的最大競爭對手一夜之間栽了跟頭，這在創業界并不常見。”

Foody稱，自從Scale被收購以來，Mercor的規模已增長了四倍。Mercor目前為五大頂級人工智能實驗室提供數據標注承包商，包括亞馬遜、谷歌、Meta、微軟、OpenAI以及英偉達。

Mercor的發展不僅吸引了行業的廣泛關注，也得到了許多重量級投資人的支持，包括知名風投公司Benchmark，Twitter聯合創始人杰克·多爾西（Jack Dorsey），以及前美國財政部長拉里·薩默斯（Larry Summers）。公司最近還聘請了前Uber首席產品官Sundeep Jain擔任總裁，為Mercor注入更多來自科技巨頭的經驗。

為了進一步實現商業模式多元化，Mercor正在增加更多用于強化學習的軟件基礎設施。（強化學習是一種訓練方法，可以驗證或質疑模型或代理的決策，使其能夠吸收反饋并不斷改進）。

Mercor計劃最終打造一個由人工智能驅動的招聘市場，他的長期目標是為每個人匹配到最合適的工作，像為律師對接律所、為醫生對接醫院。

今天這篇文章，系Mercor CEO 、創始人Brendan Foody于9月15日做客20VC播客的訪談，盛景新經濟編譯整理（有刪改），內容涵蓋了以下幾個方面，希望能給大家帶來啟發：

• Scale、Surge、Mercor、Turing，數據標注商如何脫穎而出

• 從100萬美元到5億美元：Scale被收購后，公司規模增長了四倍

• 為什么人工智能的評估基準完全是胡扯

• 人工智能公司的收入可持續性

• 投資者在分析人工智能公司時是否應該關注利潤率

• 人工智能模型提供商的未來：誰是贏家

• 沒有“9-9-6”的工作文化，你就無法創建價值100億美元的公司

• 快速問答環節：關于AI，普遍的錯誤看法

Harry Stebbings：當我請

Edwin

（注：

Edwin Chen

Surge CEO &

創始人）來上節目時，他說，整個行業其實就是一個人力資源市場，這個說法公平嗎？你怎么回應這個觀點？

Brendan Foody：我一點也不覺得這個說法公平。我們實際上和我們的客戶是非常緊密的研究合作伙伴，幫助他們動員世界上最頂尖的人才，推動模型能力的前沿發展。但我覺得我們對市場的理解非常不同，尤其是我們如何認識到高素質人才的重要性，而不是忽視他們。

我可以講一下我們是怎么進入市場的。其實Scale AI找到了我們，他們使用我們的平臺招聘了成千上萬的人。我們意識到，有一個巨大的轉變正在發生，那就是從Scale和Surge所開創的眾包模式，轉向了一個尋找和篩選高素質人才的模式。

我們開始處理那些需要高復雜度RL環境的項目，在這些項目中，模型使用一種工具與其交互，而一個人類完成這些任務可能需要幾個小時。這個產品后來成為了非常有名的，但一開始我們只用了100個人，模型很容易出錯，能很快發現錯誤。隨著時間的推移，只有20%的人，或者說20個成員能夠繼續參與進來，正是你說的這種動態。

但后來我們開始增加其他復雜度，比如如何讓模型使用其他工具，比如訪問Google Drive、日歷、Gmail、Slack等。如何讓它完成那些人類可能花10小時、100小時做的任務，突然之間，所有其他人也能重新參與到項目中，因為他們也能讓模型出錯。這表明，只要有些任務是人類能夠完成的，模型無法完成的，我們就需要人類來幫助創建這些驗證器，衡量這個前沿，最終提升模型能力。

Harry Stebbings：Cohere

的創始人說我們正處于擴展法則的臨界點，模型的效率正在成為瓶頸，

Gpt-5

專注于效率，這實際上體現了這一點。你同意模型已經達到了一個瓶頸，開始進入一個平臺期嗎？

Brendan Foody：我不同意模型已經達到平臺期?；仡欉^去12個月模型的進展，我感到非常震撼。但我們確實看到人們改善模型能力的方式有所不同，不再是將大量低質量或中等質量的數據輸入模型，而是更多地依賴這些經過精心策劃的高質量數據集和極具高素質的人才。

我認為，向RL環境和這些高復雜度數據的過渡，是支撐Mercor增長軌跡最重要的因素之一。

Harry Stebbings：說到數據的供應端，你顯然是一個出色的供應商，而且這個市場似乎也有很多其他供應商，包括

Turing

Surge

等。你們是如何在數據供應端實現差異化的？

Brendan Foody：是的，很有趣，因為我們看到市場在眾包模式向尋找和篩選人才模式轉變后發生了劇烈變化。很多其他勞動市場看到了我們的增長，他們也想追趕這波趨勢，開始在播客里講同樣的事情，并試圖以類似的方式定位自己。但我們意識到的一個重要點是，數據的結果和為其做出貢獻的人是強烈的冪律分布。

就像一家公司，如果一個項目有100人，往往大部分模型的改進都是來自頂尖的10%到20%的人。類似的，公司的大部分價值通常也是來自最頂尖的10%到20%的人。這意味著，當我們能夠在我們建立的專有優勢中找到那些頂級貢獻者時，不僅是供應鏈和推薦網絡，還是我們能夠匹配這些專家與他們能夠做出卓越工作的機會時，我們就能為客戶創造極大的價值，競爭對手很難復制這種模式。當我們能夠找到那些10倍貢獻者時，重建這一點是非常困難的。

Harry Stebbings：我認為很多人批評這個行業，說他們在衡量數據效率方面做得不好。你說

Edwin

說過，競爭對手的算法無法衡量他們所產生的數據質量，是真的嗎？

Brendan Foody：完全不是事實。實際上，我們使用各種模型和算法來評估數據質量。我們通過訓練數據來觀察它是如何提升模型能力的，我們確實在為客戶提供深度研究合作伙伴。

我覺得我們和那些傳統的眾包公司不同的是，我們的業務位于勞動市場和AI研究的交匯點，我們利用我們在尋找世界級人才方面的核心競爭力，并將其與我們與頂級研究實驗室在模型能力前沿的深度合作結合起來。我們不像那些眾包公司那樣隱藏平臺上的人，支付低工資。

Harry Stebbings：我的一個朋友是你們競爭對手公司董事會的成員，他說實驗室的激勵機制是確保沒有一家企業能夠主導市場，他們會故意分散業務，確保沒有一家公司變得太強大。這是真的嗎？你能幫我理解一下這種動態嗎？

Brendan Foody：我認為在某些情況下確實發生過這樣的情況。但最終，實驗室最關心的是如何提升模型性能，如何找到那些頂尖的10%到20%的人，推動大部分模型的進步。所以他們如何分配資源，如何選擇戰略合作伙伴，最終取決于能否交付這些成果，以及如何與這些合作伙伴進行盡可能深入的合作。

我們發現，有些客戶剛開始是多供應商模式，與不同的供應商合作，但最終他們意識到，如果他們太過分散，試圖多樣化供應商，會對模型的表現和數據集的質量帶來犧牲，他們最終幾乎將所有的工作轉移到一個供應商那里。

Harry Stebbings：這真有意思。所以你認為，像是多供應商的策略，最終會隨著時間推移而集中嗎？你是這樣理解支出的方式嗎？

Brendan Foody：是的，如果你看看很多市場的類比，它們通常一開始非常分散，有很多不同的玩家，但隨著時間的推移會逐漸整合。

整合的一個主要原因是，成為第一個進入市場的玩家會帶來結構性優勢和規模經濟，比如擁有世界上最優秀的專業人才，像高盛的銀行家、麥肯錫的分析師，還有與之相關的專業網絡，以及所有匹配基礎設施，幫助你了解這些人能在哪些任務和工作上表現優異。所以，很多公司都在做那些重復性投資，沒有必要去做這些。而市場的火熱，給了這些公司更多的資金和動力。但隨著市場逐漸回歸理性，整合通常會發生。

Harry Stebbings：我常常擔心一個問題，就是收入的集中化。你可以從英偉達身上看到這一點，我記得他們有

51%

的收入來自兩家客戶，在某個業務領域甚至占到

36%

。那你們最大的客戶，收入集中度是多少？

Brendan Foody：我們最大客戶的具體百分比我不能透露，但分布大致和英偉達類似。集中化確實是相關的，但更重要的是建立一個優秀的商業模式，創造出為最重要的客戶提供巨大價值的公司。英偉達的市值達到了數萬億美元，這也證明了依賴少數幾個客戶的公司是沒問題的，尤其是當這些客戶是全球最優秀的客戶時。

Harry Stebbings：

話說回來，

Scale

收購后，你的電話是不是幾乎炸了？需求量一下子暴增了嗎？

Brendan Foody：確實是這樣，我們已經有了9位數的年收入預期，而自從收購Scale后，公司增長了四倍。為了給你提供一個參考，Scale收購時的新聞并沒有透露全部信息，但我們可以分享的是，我們在過去的17個月里將公司規模從100 萬美元增長到5億美元，這是有史以來最快的收入增長，比之前最快的公司還快了一個月。

Harry Stebbings：所以你們是從

100

萬到

5

億，對吧？

Brendan Foody：是的，有些新聞報道出來的時候信息并不完全，抱歉，我沒有想要提前劇透的意思。不過，我們要分享的是，過去17個月我們將公司收入從100萬美元增長到5億美元，這個增長速度是前所未有的，比其他公司更快。

Harry Stebbings：你認為這其中有多少是由于

Scale

收購帶來的？

Brendan Foody：這確實是一個加速點，我們看到明顯的加速效應。事實上，現在公司的增長速度比以往任何時候都要快，增長勢頭持續加快。但我也認為，我們之前的增長已經非常迅猛，而我們與所有前沿實驗室的深度合作，是我們在Scale收購發生時能夠迅速擴展關系并支持客戶的關鍵因素。

Harry Stebbings：當我和行業里的人交談時，他們說，他們覺得

Scale

已經

拖了很久

。我比較直接，屬于那種反對做作的人，他們說其實大家早就知道，只是當別人都意識到這點時才公開了。你覺得大家之前都知道

Scale

的質量并不算好嗎？

Brendan Foody：我覺得大家大體上都知道。Alex（注：Scale AI 的前首席執行官 Alexandr Wang ）在很多方面非常優秀，尤其是在分銷和銷售方面，但在某些方面，Scale確實忽視了產品的質量和擴展問題，這也是公司面臨的最大挑戰之一。

但如果讓我選擇最重要的因素，那就是與質量掛鉤的內部聯系。擁有優秀的人才，并且妥善對待他們，是這個市場上最重要的事情，讓這些人才把他們的朋友推薦過來，幫助提升模型的前沿能力。所以，Mercor從一開始就非常注重優秀人才，比如我們平臺的平均工資是每小時95美元，而Scale和Surge通常支付每小時30美元。這完全是不同的方式，體現了我們對模型能力的要求，以及我們如何對待那些幫助實現這些能力的人。

Harry Stebbings：當我們想到從供應端獲取的人類創造的數據時，有一個挑戰是在我的腦海里，那就是合成數據的創造，它如何取代人類創造的數據需求。你怎么看待未來合成數據創造會否取代人類創造數據的情況？

Brendan Foody：合成數據會出現，也會有合成數據增強來提高與人類的互動效率，但最終，如果你想推動前沿，讓模型做一些人類知道怎么做而模型不會做的事情，你仍然需要一些人類的基準點來衡量這個差距。每當有人質疑我們是否會擁有超級智能，模型可以自行學習和完成所有任務時，事實證明這一點是錯誤的。我們仍然在不斷擴大貢獻者的范圍，尤其是在各個專業領域，推動這些模型的進步。

Harry Stebbings：十年后，模型是否仍然需要人類來幫助訓練？

Brendan Foody：我堅信是的。原因就在于，當我們談論超級智能時，如果模型比人類更聰明，能夠做到一切，當然就不需要人類參與進來了。但我認為這是一條漫長的路。這些模型在奧林匹克數學競賽中拿金牌，推理能力超過最優秀的博士，但它們不能為我起草電子郵件，不能安排會議，也無法做許多基本的任務，只是用一些工具做幾小時的工作。而要實現全面自動化經濟并構建各種智能代理，這一切都依賴于人類為這些工作流創建評估標準。

Harry Stebbings：你認為目前的評估方法是胡說八道嗎？我們根據像人類最后考試、奧林匹克數學這些東西來評估模型的效果和效率，但這些并不能真正衡量模型在社會中的實際應用。

Brendan Foody：完全正確。我們很快會發布一些公告，但我認為，AI研究中最大的不效率之一就是，大家一直使用人類最后考試、博士級推理或奧林匹克數學這些評估方法，這些完全和消費者和企業真正關心的結果脫節。

企業和消費者真正關心的是能夠像高盛銀行家一樣構建財務模型，像咨詢師一樣制作研究報告，或像工程師一樣開發網頁應用的模型。所以我認為，這種從學術評估到衡量真正用戶關心的能力的轉變，將是AI在經濟中變得真正有用的最重要的變化之一。

Harry Stebbings

：那么，既然你認為評估方法是胡說八道，那如果我給你一根魔杖來改變評估方法，你會怎么做，才能讓評估更有效呢？

Brendan Foody：最重要的一點是彌合現實與模擬之間的差距——如何確保我們構建的評估任務和爬升過程盡可能反映人們真正關心的能力分布。

舉個例子，Harry，想想你在日常工作中做的事，如何把這些任務轉化成模型可以評估的內容。比如，你進行投資機會的研究，可能會涉及大量的在線資料查找、交叉對比Pitchbook數據、使用各種工具等。想象一下，你可以創建一個評分標準，類似于教授給論文評分的方式，評估模型如何高效地進行這些在線研究、使用這些相關工具。我認為，這將是我們從學術評估向衡量用戶實際能力過渡時最重要的趨勢之一。

Harry Stebbings

當你籌集資金時，

20

億的估值大家都覺得很瘋狂，老實說，那樣的價格就像是一個非常激進的報價。而現在，看起來簡直便宜得離譜。你是如何考慮估值的，尤其是在籌資時？

Brendan Foody ：很多人把估值看作是市場對比和收入倍數的角度，而沒有從這個公司能夠實現什么非凡目標的角度來考慮。這個公司能做成什么特別的事情，尤其是在如此迅速增長的情況下？所以我可以給你幾個有趣的數字，在我們每次估值時的收入情況。比如在我們遇到Victor時，我們的年收入是150萬美元。他給我們提供了條款書，那時我們的年收入有點超過200萬美元。所以那時候的收入倍數超過了100倍。

因為他支付了2.5億作為我們B輪融資的估值，你知道，在那個時候Benchmark伙伴一定覺得那是瘋狂的。B輪的時候，我們的年收入達到2000萬美元。所以，收入倍數是100倍。但他們在和客戶交談時，看到的是我們為客戶創造的非凡體驗，我們的增長會繼續。所以現在我們的收入規模比B輪時大了25倍，而且我們的業務如此盈利，以至于我們其實不太需要去融資，也不需要花太多時間考慮融資，盡管我們經常收到很多融資的提議和興趣。

Harry Stebbings

：我根本不知道你們那時有

2000

萬的收入，我以為你們規模大得多。

Brendan Foody ：我覺得我們是在稍晚一些時候才讓你投入那筆小投資的，因為公司當時在快速增長，記得我們曾經每個月增長超過50%，那段時間我們的月均增長率是54%。所以，幾個月后，我們的收入規模就已經大大提升了。

Harry Stebbings

我真是太高興了，否則我會大錯特錯地對我的合伙人說，“他們怎么能低估這塊業務？”我很喜歡這個。那你們需要再籌集更多資金嗎？你知道，我一直直接到有點過于直接的地步，關于

100

億美元估值的傳聞，你看，如果你現在已經有了

5

億的收入，那就只是

20

倍的估值，考慮到你們的增長速度，這估值其實很便宜。

Brendan Foody ：確實，我也在思考這個問題。老實說，我們并沒有花太多時間考慮這個問題。我們確實收到了一些來自現有投資者的提議，但我們并沒有分享太多的公司材料。只是有一些基于現狀的投融資提案。

Harry Stebbings

你喜歡這樣嗎？這是種很好的感覺，還是說，“嘿，讓我專注工作”？

Brendan Foody ：我覺得有些部分是令人感到有成就感的，但也有一些部分讓人覺得有點分心，因為我們其實想要專注于為客戶和我們市場中的專家創造卓越的體驗。但我覺得我們很可能很快就會進行融資，回答你的問題，融資時會盡量減少稀釋，主要是因為作為市場領導者，我們在高復雜度數據領域的地位和信號化有很多好處。

Harry Stebbings

你覺得大的融資會起到作用嗎？如果你考慮一下這個問題，我只是好奇，像你說的，

Surge

他們現在已經有超過

10

億的收入，像你們這樣，融資能做到嗎？

Brendan Foody：當然，融資本身不會直接決定一切，但我覺得它能從信號層面起到作用，可能會引起更多關于我們的關注，展示我們如何看待市場的發展，可能會很有趣。

Harry Stebbings

如果你有無限的資源，你會做什么不同的事情？

Brendan Foody ：這是個難回答的問題，因為我覺得我們現在正盡可能地投資，但公司依然是盈利的，我們并不想追求利潤。所以，我不認為擁有更多幾億現金會顯著改變我們的投資方式。不過，我確實認為擁有堅實的資產負債表有它的好處，比如公司在資金方面的穩固性等。所以，我不認為這會改變我們投資的方式太多。

Harry Stebbings

你們現在

5億收入并保持如此增長，快到一個階段了，考慮到目前公眾定價比私人定價更好，公開上市的可能性非常高。你們想早點上市嗎？

Brendan Foody ：這不是我想過的問題，因為考慮到我們是2023年1月才成立的公司，而我所有的大學同學才剛在5月畢業，真的是挺不可思議的。不過我覺得保持私有公司有很多好處。很有趣的是，我記得我和Jack Dorsey談話時，他給我的一條建議就是我們應該盡可能保持私有。

Harry Stebbings

他當時為什么這樣說？這個理由太有意思了。

Brendan Foody ：我想就是這樣，它讓你能夠保持長期的視角。即便是創始人主導的公司，也常常會被公眾公司困擾，雖然他們更抗拒這種情況，但公眾公司還是會更注重季度業績，而不是像他們應該做的那樣，關注長期的價值和護城河的打造。所以這是其中一個原因，讓我們能更專注于長期的目標，尤其是私有市場能提供大量的資金支持。

Harry Stebbings

你覺得現在私有市場現金太多嗎？

Brendan Foody ：我不確定，因為這是一個供需問題。如果我是投資者，我肯定會覺得市場里有太多資金，市場正在升溫。

Harry Stebbings

你可以說有很多競爭者正在獲得數百萬的資金，而他們本不應該得到這些資金。

Brendan Foody ：我確實這么認為。我對這個的判斷標準來自天使投資人常說的那個觀點，至少有部分是這樣的，它可能在短期內被高估，在長期卻被低估。如果我們從三年的時間線來看，可能會覺得現在的市場過于火爆，但如果我們從萬年時間線來看，所有這些正在建設的非凡企業，未來都會被看作是折扣價。而現在的挑戰就是，是否我們現在處在1996、1997年，還是在其他某個時期。

Harry Stebbings

你提到過很多

AI

公司的營收數字簡直讓人震驚，這種規模的增長是我以前從未見過的。你怎么認為大多數

AI

公司的營收可持續性？你會如何建議我、一個朋友和投資人？

Brendan Foody ：我認為最重要的事情是看留存率的數據和故事，從中判斷收入健康狀況以及是否有真正的價值。舉個例子，如果你遇到一個應用層公司，他們95%的試點都失敗了，可能不是個好投資。但是如果你遇到一個公司，他們有著極高的留存率，你和這些客戶交談，聽他們說他們有多喜歡這個產品，那當然，這是一個非常激動人心的機會。所以，我認為，真正的市場適配跡象是最重要的，尤其是在獲取初期試點或合同時的摩擦較低時。

Harry Stebbings

完全明白你的意思。另一個因素是利潤率，很多情況下利潤率都很糟糕，尤其是考慮到免費的用戶贈品，很多公司都有這種情況?？紤]到我們現在還處于周期的初期階段，我們應該關心利潤結構嗎？還是說，不用擔心，利潤結構總是基本面的核心？

Brendan Foody ：我認為答案是肯定的，兩個因素都很重要，而且需要根據具體情況來看。一方面，我非常相信資本效率。比如我們公司的毛利潤和凈利潤都非常好，不像大多數AI公司那樣。但另一方面，我也能理解，如果你能夠在12個月內將模型的效率提升幾個數量級，那就有可能做出非常激進的利潤率來服務這些模型，關鍵是要看這些補貼是否正在推動那些長期看起來合理的大客戶生命周期價值（LTV）。但我會謹慎的情況是，當市場競爭激烈、轉換成本低時，如果公司投入了數億美元甚至數十億美元的補貼，客戶可能會因為這些補貼消失而轉向競爭對手。

Harry Stebbings

那么你對銀行方面經常提到的那種擔憂怎么看，關于資本支出的水平很令人擔憂，因為為了彌補這些資本支出，收入必須達到一定的水平。你是否認同這種擔憂，還是你認為這只是一個超級周期？

Brendan Foody ：我對資本支出這個問題有些擔憂，因為如果你有10年的投資視角來看，所有這些事情或者說整個市場通常會顯得像是折扣價。但我也認為確實有一些過于樂觀的情況，人們需要更加謹慎，思考哪些投資在未來十年內能夠帶來正向回報，而哪些則不太能產生預期的效果。

Harry Stebbings

你覺得哪個行業現在被過度炒作了？不是說公司，而是行業本身。

Brendan Foody ：目前沒什么特別突出的地方，因為顯然，我覺得現在最被炒作的行業是代碼和基礎模型，也許還有金融領域的應用案例。但我覺得這些行業所創造的價值也非常真實，我們的工程師從像Cursor、Cloud Code等產品中獲得的效用非常巨大。

Harry Stebbings

你認為在這些產品之間有轉換成本嗎？

Brendan Foody ：轉換成本出乎意料地低，這讓我認為，肯定有一些產品正在朝著增加更多轉換成本的方向發展。比如了解如何與平臺互動，圍繞數據形成飛輪效應，或者為你的代碼庫定制模型。但我認為這些防御性手段還需要時間來發展，而現在市場競爭激烈，這也導致了我們看到很多編程領域公司擁有較低的毛利潤。

Harry Stebbings

五年后，你們會有更多還是更少的工程師？

Brendan Foody ：我認為會更多。原因是工程師這一角色非常靈活。如果我們能讓工程師提高10倍的效率，那么我們可能會寫出100倍的軟件，盡管可能不完全是平臺級別的，但這些人會發布更多的功能，優化每一個排名算法等等。所以，我非常相信AI，尤其是在軟件工程這樣的領域，會成為一個放大器，提升人們的生產力和價值，而不是讓他們的價值下降。

Harry Stebbings

你提到代碼是其中之一，模型是另一個。你認為最大的模型提供商已經出現了嗎？還是說未來的某些大公司還沒有出現？

Brendan Foody ：我認為最大的模型提供商已經存在了，但我不敢完全確定。我對這個問題持保留態度。為什么我這么認為？主要是因為這些公司已經投入了巨額的資本支出，涵蓋數據和計算資源，同時還建立了龐大的研究團隊，成本極高。但與此同時，我也認為可能會有一些突破，幫助推動模型的進步，這些突破可能會來自一些初創公司。

Harry Stebbings

我喜歡你提到的那種雙重心態。人才的擴展就是宇宙的擴展，而今天在

AI

領域，尤其是舊金山，關于人才的經濟真的是瘋了。

Brendan Foody ：確實如此。我幾年前完全無法想象會是這樣，但我認為這實際上放大了擁有強大使命感的重要性，遠遠超出了單純的給員工支付高薪，因為很多公司都能給員工高薪。我認為確保你所做的工作有意義，能激勵人們的使命感，遠比單純的高薪更為重要。

Harry Stebbings

我的意思是，我真的很尊重你，而且你真是太棒了，但說實話，當Zuckerberg

投入

1

億美元時，你會怎么想？

Brendan Foody ：好吧，我同意。你仍然需要顯然在經濟方面達到平衡。當然，要給員工提供很多向上的機會。使命的一部分不僅僅是公司使命本身，還有與這個使命相關的經濟收益。當然，創業公司不能給員工一億現金，但我們可以提供股權獎勵，讓股權快速升值，作為公司愿景的一部分，幫助員工在這個使命中獲得更多收益。所以，我確實認為，擁有一支由使命感驅動的團隊，而不是雇傭兵，越來越重要，尤其是那些愿意長期奮斗的人。

Harry Stebbings

你認為哪個團隊被低估了，沒能得到應有的關注？

Brendan Foody ：這很有意思，因為我覺得，雖然AI有很多關注，比如ChatGPT是大家都談論的品牌，Anthropic也在代碼和Claude等領域獲得了很多關注，尤其在消費者端。我確實覺得很多Gemini的閃電模型也非常出色，尤其是在評估方面，我一直對他們的小模型感到驚訝。所以，如果我不得不選擇，可能不是公司，而是一組模型，我認為DeepMind團隊在這些小模型上做得非常出色。

Harry Stebbings

你認為我們生活在一個有許多拆分的專業化模型的世界里，還是在一個有更少的宏大通用模型的世界里，就像你提到的那些提供商？

Brendan Foody ：我以前更多傾向于很多專業化模型的陣營，現在我認為這兩者都會有很多。我現在的看法比較模糊，顯然有很多通用化的趨勢。

Harry Stebbings： 是什么改變了你的思維方式？

Brendan Foody ：尤其是像O3這樣的一些通用化模型讓我感到震撼，真的很了不起，模型的表現和通用性都非常好。我認為gpt5也是一款非常棒的模型。所以，我認為，在這些基礎能力還有很大發展空間的時候，單獨投資于這些模型的能力提升會顯得結構上更有效。但我依然認為，我們現在正處于模型定制的初期，每個企業都希望能定制出適合自己工具集、知識庫等的模型，這將會是未來十年的另一大投資領域。

Harry Stebbings

我不知道你是否知道，我在歐洲特別不受歡迎，因為我對

996

工作文化有著深厚的喜愛。真的，我的私信簡直是一片戰場。

996

是你非常推崇的一種工作模式，你能告訴我為什么你如此看好

996

嗎？

Brendan Foody ：其實不完全是這樣。我需要澄清一下，我們從來沒有強制要求工作時間。我們談到996，更多的是描述早期團隊的工作方式。事實上，我們之所以談996，是因為大家工作的時間已經超出了996，所以我們才希望大家能早點下班，好讓大家休息得更好。我認為，這種強度在打造一項跨時代的事業時當然是非常重要的。但同時，我也認為我們現在不再那么專注于這種強度的面對面表現，而是更注重通過輸出的方式來體現強度。因為當人才市場如此競爭激烈時，尤其是現在，我們更注重與最優秀的人才合作，而不是過分優化面對面的時間。

Harry Stebbings

這真是太有意思了。所以現在你們到了需要引入高管的階段，開始讓你們的語言變得更加保守一些嗎？

Brendan Foody：嗯，我不太確定。

Harry Stebbings

我喜歡這個。我和很多公司合作過，他們一直是

996

996

996

，然后突然間就變了，“糟了，我們得引入

CPO

了，他永遠不會

996

，因為他來自大公司?！蹦銈儠f，“不不不，這全是關于影響力的?！庇谑?，語言就變得更加中性了。我覺得我的經驗教訓就是，其實你們得這么做。

Brendan Foody ：你看，當我們大家都在一個20人的小團隊里工作，和我們的印度團隊一起合作時，我覺得大家都非常喜歡自己做的事情。如果有人下班去吃晚飯，或者有其他事情要做，我們也不會有什么反應。

Harry Stebbings

那我想，直接把他們開除，給他們幾塊錢就行了，我覺得明天就該這么做。

Brendan Foody ：其實說到底，最重要的還是招到那些真心熱愛自己工作、為之癡迷的人，像我們一樣，而不是去管他們每天工作多少小時。早期，我們確實發現工作時間和熱情是高度相關的。但隨著公司發展，工作時間和熱情之間的關系變得沒有那么緊密了，當然也有例外情況。

Harry Stebbings

是的，我最后想問一個問題。我前幾天被問了一個非常棒的問題，已經在我腦海里揮之不去，那就是：“如果你不害怕，你會做什么？”舉個例子，給你一個框架：比如我會去硅谷，而不是呆在倫敦做個大魚在小池塘里。如果你不害怕，你會做什么？

Brendan Foody ：這是個有趣的問題，因為我覺得我一直生活在一個非?！帮L險前行”的方式中，始終在嘗試做出大的賭注，也許這與資本效率有關，部分原因，可能是好也可能是壞。我們以非常資本高效的方式運營公司，其中一個原因就是我一直非常關注市場如何隨著時間發展，如何確保我們在構建一個非常耐用、可持續的企業，能夠在十年后仍然存在。但我常常想，也許我們應該每年燒掉幾億美元，看看結果如何。

Harry Stebbings

但你會如何花錢在人才上呢？比如……

Brendan Foody ：我認為可以通過補貼市場的供需兩端，看看我們如何吸引優秀的人才，或者如何補貼客戶項目。我認為公司確實不需要做這些事情。你知道，我們有需求，如果能滿足產能的話，需求可以一夜之間翻倍，而我們的供應鏈非常喜歡我們，并且增長非?？臁５c此同時，我確實認為，如果我想要燒掉1億美元，我肯定能找到方法。

Harry，作為一個投資者，你怎么看？你會害怕嗎？還是會保持資本高效？你會害怕并保持資本高效，還是會盡量燒錢，最大化地進攻？

Harry Stebbings

我并不像你一樣身處競爭激烈的環境。如果我感到來自競爭對手的持續壓力，并且我有能力以他們無法反擊的方式削弱他們，我絕對會利用現金儲備進行補貼，做一個虧損領頭羊，直到能把他們從市場上擠出去。

Brendan Foody ：有意思，嗯。

Harry Stebbings

但這得看你是否感受到競爭壓力，顯然你的數字并沒有顯示這種情況。如果沒有的話，我就不會這么做?，F金，在某些階段其實可能會成為問題。你知道，面對大公司，你必須讓現金為你工作，你真的得用現金去買增長，很多情況下，你不想達到那個階段。

Brendan Foody：我完全同意，我認為這也是為什么我們一直保持資本高效和專注基本面的原因。

Harry Stebbings

最后一個問題，我保證是最后一個。如果需求和供應翻倍，而供應端是如此受限，如果你有數據端的資源或儲備，你能翻倍這個業務嗎？

Brendan Foody ：肯定可以。我們每天都在拒絕項目，原因是我們非常專注和有紀律地與世界上最好的客戶合作，并為他們提供卓越的服務。所以，擴展的關鍵是我們如何提升自己的能力，能夠做到這一點。這是我現在最大的關注點。

Harry Stebbings

我想做一個快速問答環節。我會說一個簡短的陳述，你給我你的即時想法，怎么樣？

Brendan Foody ：聽起來不錯。

Harry Stebbings

關于

AI

，你認為一個廣泛持有的觀點是錯誤的，應該停止？

Brendan Foody ：我認為我們三年內會擁有比人類更強的超智能，這完全是錯的。

Harry Stebbings

哇，好的，我完全同意。你可以做一天的

OpenAI CEO

，你會做什么他們沒有做的事情？

Brendan Foody ：我認為模型定制是一個非常激動人心的機會，因為API的轉換成本低，定價能力弱，這不是一個好生意。專注于模型定制是一個非常激動人心的機會。

Harry Stebbings

你認為

OpenAI

會通過

ChatGPT

占領消費者市場，而

Anthropic

會通過

Claude

代碼占領商業和企業市場，并贏得那個細分市場嗎？

Brendan Foody ：看起來確實是這樣。

Harry Stebbings： 每個AI公司應該問自己什么問題，而他們沒有問？

Brendan Foody ：我非常喜歡Sam Altman說的話，模型在一到兩年內會顯著改善，它是提升你的業務還是讓它更糟。我認為這是最重要的問題，能幫你判斷是否在建設一個耐久且為未來做好準備的業務。

你知道，我曾說過會有很多模型定制的情況。現在看來，我更多傾向于認為，模型通用化會占主導地位，基礎模型將成為龐大的商業，我依然認為他們應該更多投資定制化，但我現在對通用化的看法更多了。

Harry Stebbings

你最想要的投資人是誰？不一定是基金，可能是個人，任何人。

Brendan Foody：我認為是Jeff Bezos。我非常欽佩亞馬遜，尤其是他早期的商業思維清晰和長期專注。我認為他有很多可以借鑒的經驗，所以我很想向他學習。

Harry Stebbings

如果你能給自己一條回到

2023

1

月的建議，剛開始

Mercor

的時候，你現在知道的事情，曾經希望那時候能告訴自己什么？

Brendan Foody ：我會說專注于基礎模型應用。像2023年1月時，我并沒有完全理解基礎模型實驗室的機會規模。我認為能成為第一個意識到這一點的公司，尤其是如何將我們的市場適配其中，是最具影響力的事。如果我能在9到12個月前意識到這一點，效果會更好。

Harry Stebbings

他們的市場滲透率怎么樣？你知道，當你看這些公司時，他們完全摧毀了很多經濟學，想要贏得這場競爭。他們能這么做多久？我們在他們的支出中滲透了多少？

Brendan Foody ：他們的人工數據支出有不同的分類，比如有些是RHF分類，我們做得不多，但像Surge是RHF最大的玩家。然后是大家都在轉向的新數據類型，叫RL環境，我們粗略估計它占據了50%到60%的市場。所以，在這個領域我們做得相當好，市場份額在迅速擴展。

Harry Stebbings

你認為市場份額還在持續擴大嗎？市場本身還剩下多少擴展空間？

Brendan Foody：我和多家領先實驗室的CEO交流過，他們認為RL環境將會吞噬整個經濟，因為讓人類做單調、重復的工作——例如每周研究不同公司，或者為你的播客找嘉賓，這沒有意義。更合理的做法是讓人類建立框架，讓模型學會如何做這些事情，然后為我們代勞。所以我認為這將是一次極為激動人心的轉型。

Harry Stebbings

我真是非常享受這次的訪談。這就是為什么我不提前發問題給你。我們提前準備了這么多內容，但都沒用到，因為這更有趣。非常感謝你對我的問題這么靈活，你真是太棒了。

Brendan Foody ：我也很喜歡，謝謝你邀請我，Harry。

2025盛景半年回顧

人生只有四千周，而企業生存期更短，跨越10年經營期的企業少之又少，企業要想有質量地活下去，活得更好更久，“極簡增長”就是看透并掌控事物本質的那個關鍵點。

選對了路，路就不會遠。盛景推出《極簡增長 立竿見影》在線課程，期望能夠幫助更多的企業走上增長道路。未來有多近，在于我們已經走了多遠。未來有多遠，在于我們與誰同行。期待與你同行、共勉。

歡迎大家點擊底部【閱讀原文】觀看《極簡增長 立竿見影》的在線視頻課程，了解如何用極致簡單的增長方法論，實現快速增長。