今天我们邀请到了史上增长最快的公司——他们在短短17个月内将收入从100万美元飙升至5亿美元，自Scale.ai被收购后业务规模翻了四倍。这简直是个不可思议的故事，我非常激动地欢迎Mercor联合创始人兼首席执行官布兰登·富迪来到我们的访谈席位。《20VC》访谈

https://www.thetwentyminutevc.com/brendan-foody

{"highlight": [ {"answer":"这种说法完全不公平。我们和所有客户都是深度研究合作伙伴，帮助他们集结全球顶尖人才突破模型能力边界。我认为我们对市场的深刻洞察在于：我们深知高端人才的重要性，而不是把他们排除在叙事之外。我来讲讲我们进入这个市场的背景：Scale AI曾使用我们的平台招聘了数千人，我们由此发现行业正在发生巨大转变——从Scale和Search开创的“众包模式”（即招募中低技能人员为早期大型语言模型撰写勉强符合语法的文本），快速转向“精准招募模式”：如何找到高盛银行家、麦肯锡分析师、谷歌软件工程师、顶尖医生和律师，让他们直接与研究人员合作，构建地球上最复杂的数据并理解这些数据。因为当我们处理本科水平的数学题时，研究人员能轻松看出模型出错的原因；但当涉及高盛五年资历分析师的工作内容时，研究人员就无法解读评估结果和所需数据，也就无法逐步提升模型能力。正是这种不同的合作模式和更高质量的工作内容，推动我们实现了爆发式增长。","question":"埃德温在节目中说这个领域的公司都只是“人力中介”。这种总结公平吗？或者你会反驳说Mercor不只是人力中介？"}, { "question": "随着模型不断进步，理论上你的供应端会越来越窄。模型越智能，你需要的人才就越顶尖，而这类人才数量必然更少。当我们耗尽顶尖人才时，这个模式最终会如何演变？", "answer": "总可寻址市场受限于人类比模型更擅长的任务数量。举个例子帮助理解：我们曾启动一个高复杂度强化学习环境项目，模型需要使用工具完成一项人类几小时就能完成的任务。一开始我们有100人参与，很容易发现模型的漏洞和错误。但随着时间推移，最后只剩20人能贡献价值——这就是你说的动态变化。后来我们增加了复杂度，比如让模型使用谷歌云盘、日历、 Gmail、Slack等多种工具，完成人类需要10到100小时的任务轨迹。突然之间，所有人又能参与项目了，因为他们能发现模型的不足。这表明：只要存在人类能做而模型不能做的事，并且我们希望模型具备这些能力（无论是安排会议、写邮件还是其他任务），就需要人类创建验证器，帮助衡量并最终提升模型能力。" }, { "question": "说到供应端的人力数据时薪，我想到的一个挑战是合成数据的兴起可能会取代人工数据。你如何看待合成数据最终消除人工数据需求的未来？", "answer": "这和我之前说的“总可寻址市场受限于人类比模型更擅长的任务数量”有关：当然会有合成数据和合成增强来提高人类参与的效率，但归根结底，如果你想推动模型完成人类会但模型不会的任务，就需要人类作为基准来衡量。每次有人问“我们会有能自学一切的超级智能吗？”答案都是否定的。事实是，我们仍在不断扩大专家队伍，尤其是在最具经济价值的专业领域。" },{"answer":"太多人通过市场可比公司和收入倍数的视角看待估值，却很少从这家公司潜力的角度出发。这家公司能实现什么非凡成就，尤其是当你处于如此飞速的增长阶段时？我可以给你讲讲我们每次估值时的几个收入数据。我们见到维克多时，收入运行率是150万美元。他给我们提供条款清单时，我们的收入运行率略高于200万美元。所以收入倍数超过100倍。他给出的估值是2.5亿美元。我敢肯定当时的投资伙伴肯定觉得这太疯狂了。B轮融资时，弗利西斯给我们条款清单时，我们的收入运行率是2000万美元。所以收入倍数也是100倍。但他们通过与客户交流发现，我们正在创造非凡的体验，而且我们的增长将会持续。如今，我们的收入规模是B轮融资时的25倍，但公司盈利能力很强，所以我们不需要出去融资，也不用花太多时间考虑融资，尽管我们收到了很多邀约和关注。","question":"融资时你是如何看待估值的？"},{"answer":"我认为最重要的是查看留存率相关的数据和案例，以了解收入的健康状况以及是否存在真正的价值。如果你遇到一家应用层公司，其95%的试点项目都失败了，那它可能不是一个好的投资。但如果你遇到一家公司拥有极高的留存率，和客户交谈时听到他们对产品的热爱，那么这当然是一个令人兴奋的机会。所以我认为，当获取初始试点项目或合同的门槛较低时，真正的市场契合迹象是最重要的。","question":"兄弟，我需要你的帮助。你说过凭感觉在AI上花钱。我们看到应用层一些公司的收入数字令人惊叹，增长速度是前所未有的。你如何看待大多数AI公司收入的可持续性？作为朋友和投资者，你会给我什么建议？"},{"answer":"最大的模型创建者已经存在，但我对此并不完全确定。我当然有一些疑问。我认为最大的模型构建者之所以存在，显然是因为在数据和计算投资方面的巨额资本支出，以及组建研究团队的成本迅速变得非常昂贵。但同时，我认为可能会有其他突破有助于推动模型进步，而这些突破可能来自初创公司。","question":"你提到了代码，提到了模型。你认为最大的模型提供商已经出现了吗？还是说未来一些最大的模型提供商尚未诞生？"}]}