出品｜虎嗅科技组

作者｜SnowyM、陈伊凡

编辑｜苗正卿

头图｜三位创始人照片，来自网络

“AI原生100”是虎嗅科技组推出针对AI原生创新栏目，这是本系列的第“04”篇文章。

“AI原生的招聘公司，没有人定义过应该是什么样，如今被这帮年轻人做成了。”

一位硅谷投资人聊起这家由三个00后创造的公司时，如是评价。

2023年，ChatGPT引爆全球AI热潮的同一年，加州圣何塞三个刚从大学辍学的年轻人在硅谷一间小办公室里敲下了第一行代码。他们要解决的问题听起来很简单：为什么印度有那么多优秀的程序员找不到好工作，而硅谷的AI公司却招不到合适的人？

700多天后，他们给出了一个价值20亿美元的答案——AI招聘企业Mercor 。

这家叫Mercor的公司，用AI面试官重塑招聘：求职者对着摄像头和AI聊20分钟，24小时内就能拿到offer并开始远程工作。OpenAI、硅谷顶级AI实验室的员工就是这样招来的。

更疯狂的是增长速度：从零起步到年收入1亿美元，月环比增长率50%，连续三轮融资估值翻了80倍。Peter Thiel、Twitter创始人Jack Dorsey都在排队投资。这三个“辍学生”创造了硅谷近年来最快的造富神话。

一位接触过Mercor创始团队的硅谷投资人告诉虎嗅，Mercor给他的印象是“超卷”的年轻团队，完全All in创业，几乎实行“996”模式（大部分美国创业者还是有自己的生活节奏），执行力极强，单个人能创造极高价值；其次是开放，有足够想象力，没有边界。

虎嗅与嘉和资本投资人袁子恒、硅谷投资人交流，拆解这家公司背后的造福密码：Mercor瞄准了一个数字化渗透不足的领域——人力资源招聘，让这个行业跳过SaaS，直接进入了Agent阶段。

传统招聘领域的AI造富神话

MercorAI是一家用AI改造招聘的独角兽初创公司，搭建全球人才招聘平台，通过自动筛简历、AI面试和智能匹配来提高企业招人效率。

这家公司盯上了全球最大但最没效率的市场——招聘市场。 创始团队发现了一个问题：全世界有很多优秀人才因为地理位置或传统招聘方式限制而找不到好机会，特别是印度等地区的工程师很难被硅谷公司发现。同时，ChatGPT等AI技术爆火后，AI行业对人才需求暴增，但传统招聘流程太慢太复杂，跟不上AI公司快速发展的节奏。

现在AI技术足够成熟，可以大规模自动筛选人才。所以Mercor把AI当作解决人才错配问题的工具，在AI将要大幅改变就业市场的时候推出了他们的解决方案。他们的系统会自动从简历、GitHub、个人网站等地方收集信息，给每个求职者建立完整档案，能从几百万份资料中筛选，进行几千次面试，最终找到全球范围内最适合某个职位的一两个人。

创始人称之为“迎接 AGI 的人才配置挑战”。

短短两年内，Mercor就成了独角兽公司。最新估值达到20亿美元（2025年初B轮融资后），比一年前的2.5亿美元暴涨了8倍。这个高估值背后是一串顶级投资机构的支持：Mercor的投资人名单很豪华，包括Felicis Ventures（领投2025年B轮）、Benchmark（领投2024年A轮）、General Catalyst（领投2023年种子轮），还有DST Global、Menlo Ventures等知名基金。

除此之外，还有一堆重量级天使投资人，比如硅谷大佬Peter Thiel（就是那个支持年轻人辍学创业的Thiel Fellowship创始人）、Twitter联合创始人Jack Dorsey，还有Quora创始人/前Facebook CTO Adam D'Angelo，前美国财政部长Larry Summers等。豪华的投资阵容说明资本市场对Mercor这个团队和想法非常看好。Benchmark 的新任合伙人 Victor Lazarte 甚至还加入了Mercor的董事会。

Mercor成立后的增长可谓瞬息万变。从零起步仅两年时间，公司已经崛起为业内成长最快的企业之一。Mercor在创立半年内即获得种子轮投资，一年多即完成A轮融资并达到2.5亿美元估值，创立后 第2年初即完成巨额B轮成为独角兽。

种子轮（2023年9月） – Mercor拿到360万美元起步资金，General Catalyst领投。当时公司刚“开张”没多久，这笔钱用来开发AI招聘平台的第一版。

A轮（2024年9月） – Mercor拿到3000万美元，Benchmark领投，估值约2.5亿美元。参投的还有General Catalyst以及Peter Thiel、Jack Dorsey、Larry Summers等个人投资者。A轮的钱用来加速平台扩张和增加功能。据说A轮融资时平台用户已经超过30万了。

B轮（2025年2月） – Mercor拿到1亿美元，Felicis Ventures领投，估值跳到20亿美元。这轮还有Benchmark、General Catalyst、DST Global、Menlo Ventures等老投资方跟投。《华尔街日报》最先报道了这个消息，说Mercor估值比上一轮翻了八倍。公司说B轮的钱主要用来扩大平台上的人才数量，以及继续研发AI评估和匹配技术。

2024年初公司年收入已经达到百万美元级别。到2024年9月，年收入进入“几千万美元”范围。据科技媒体TechCrunch报道，2024年下半年公司一度保持50%的月收入增长率。进入2025年，Mercor的年收入继续飙升，B轮融资时已达7500万美元。更令人瞩目的是，创始人兼CEO 的Brendan Foody在接受采访时透露，公司最近年收入突破1亿美元，过去6个月平均每月增长59%，堪称"全球增长最快的公司之一"。在高速增长的同时，Mercor据说已经开始盈利，业务具有相当的造血能力 。

一群辍学生的故事

Mercor由Brendan Foody（CEO）、Adarsh Hiremath（CTO）和Surya Midha（COO）于2023年创立。三人都是加州圣何塞同一所高中的同学，还是校辩论队队友。其中Adarsh和Surya是美国历史上最成功的高中辩论搭档，拿过全美三大高中辩论比赛的大满贯。

Mercor团队成员：CEO Brendan Foody（中） 、CTO Adarsh Hiremath（中）、COO Surya Midha（右）

Brendan，有阅读障碍但从小就会编程，高中时用AWS免费额度创业做云计算咨询。Adarsh是个技术天才，从哈佛退学时还放弃了桥水基金的工作机会。Surya负责运营，他从乔治城大学退学加入创业。

最开始三人合作开发——Seros，但在雇佣印度远程程序员时他们意外发现：全球人才分布很不均匀。

印度等地有很多优秀但被埋没的技术人才，而硅谷本地人才虽然集中但竞争激烈且价格昂贵。2023年ChatGPT出现后，他们意识到AI已经能做很多招聘工作了。于是想用大语言模型模拟资深面试官，自动评估全球人才，打破地域限制找到最合适的匹配。这成了Mercor的核心想法：让合适的人在合适的时间出现在合适的位置。

2023年，三人同时退学，公司正式成立。当年9月就拿到General Catalyst领投的360万美元种子轮。早期他们手动帮AI创业公司对接印度自由工程师，几个月内就创造了100万美元收入和8万美元利润。之后没多久，公司很快就开始赚钱了。2024年，所有创始人都入选了Thiel Fellowship，成为历史上第一个集体入选的创业团队。

Mercor还有个独特的创业文化，大量招募同龄的优秀辍学生，员工平均年龄只有22岁，打造了一个充满干劲的年轻团队。Brendan认为，创业门槛比以前低多了，越来越多年轻人不再浪费时间按部就班读完大学，而是直接去搞创新实践。

“当天找人当天上岗”，打通AI招聘链路

Mercor提供的是一个AI驱动的招聘平台，本质上就是一个连接全球供需的在线人才市场。和传统招聘网站或HR软件不同，Mercor平台覆盖了招聘的各个环节，并通过AI实现高度自动化。

他们的用户主要分两类：企业客户和求职者/自由职业者，两边在平台上形成供需关系。目前付费客户以科技公司和AI研究机构为主，特别是顶尖AI实验室和快速发展的初创公司。

作为AI驱动的平台，Mercor提供了一系列围绕招聘流程的智能化功能，改变了传统招聘体验。企业可以在Mercor平台上像用搜索引擎一样找人才。Mercor建了一个全球候选人数据库，AI会对每个候选人的简历、技能和过往经历进行处理。企业HR在平台输入想招的岗位或技能关键词，系统马上给出匹配的候选人列表，还会为每个候选人提供AI评估分数和匹配理由。

Mercor通过招聘流程中积累的数据，首先，构建了自己专注于人才评估的垂直模型，可以分析候选人的回答内容、进行思维逻辑、沟通能力等软性指标的评估。

另外，Mercor还针对细分领域，开发专属的评估模型。例如医疗领域，他们与梅奥诊所合作开发了手术机器人操作员的评估模型；在金融领域，为高盛定制高频交易员压力测试模块等。

Mercor还做了一个多模态人才评估系统，这里整合了视频面试、代码实操、项目成果解析三重模型。最终，求职者只需要通过这个AI面试官。在平台提交简历，和AI系统进行约20分钟的视频面试。整个面试过程由AI通过摄像头和麦克风与候选人实时互动提问。通常前一半时间AI会针对候选人的履历提问，深入了解过往项目、技术细节、职业喜好等；后半部分进行与目标职位相关的案例分析或情景题，考察候选人的实际解决问题能力。这个过程类似真人HR和技术主管联合面试，但由AI一次性完成。这些面试数据也用来训练Mercor自己的模型，不断提高面试问题和评价的有效性。

Mercor提供了大量模拟面试，AI面试官体验感非常真实

完成AI面试后，Mercor平台会把候选人的综合数据（简历+面试表现）与平台上的开放职位进行匹配。

如果有合适的岗位，系统会自动把候选人推荐给相关企业。 从企业角度看，他们登录Mercor后可以在人才池中浏览AI筛选过的优质候选人，有意向的可以一键发送面试/录用意向。Mercor还引入了一个Start Instantly（立即开始）按钮，企业一旦选中某个候选人，点击这个按钮就能触发后续流程：Mercor平台会自动生成合同发给候选人签署，候选人签约后马上就能开始远程工作。整个过程可能一天内就搞定，实现“当天找到人，当天上班”。 Mercor和一般猎头或招聘网站的一大区别是，平台直接整合了签合同和发工资功能。也就是说，企业通过Mercor找到人后，不需要再自己处理复杂的境内外雇佣合同、法律合规和支付流程，全都由Mercor平台包办。企业只需按约定向Mercor支付薪资费用，由Mercor转给人才（扣除服务费）。

Mercor的价值在实际案例中已经得到体现。比如，OpenAI就是他们的大客户。OpenAI作为全球顶尖AI实验室，在训练AI模型时需要大量高质量数据和内容。他们通过Mercor发布了一些岗位，招聘专业作家和视频创作者来产出训练数据（比如编写对话脚本、制作教学视频等）。

由于这些岗位很特殊且要求高（既懂内容创作又理解AI需求），传统招聘可能要花几个月才能找到合适的自由职业者Mercor的AI评估帮OpenAI快速找到全球范围内有相关技能的候选人，短时间内就完成了签约。 可以说，Mercor的产品以AI技术为核心，覆盖了招聘的搜、筛、测、聘、付全流程，创造了一种全新的招聘体验。

让传统招聘跳过SaaS直接进入AI原生阶段

Mercor是一个非常典型的长在生成式AI之上的原生应用，其找到了一个之前数字化渗透率不高的领域——招聘，做的并不是某一个环节的自动化，而是打通招聘链路，靠对垂直行业的理解，实现全流程的AI自动化，同时构建了自己的竞争壁垒，这一点，在2023年大部分AI Agent公司还没有看清楚创业方向的时候，这个意识是非常超前的。

很多AI原生的应用，将会让原本数字化渗透率不那么高的行业直接跳过SaaS阶段，进入AI Agent阶段。

招聘和人力资源服务市场是个体量很大且正在被技术改变的领域。据市场研究数据，2024年全球招聘和人员派遣市场规模约5200亿美元（包括企业用于招聘、猎头、临时用工等各类花费）。这个市场预计2024-2030年将保持接近10%的年增长率。

近年来企业越来越多用数字化工具来提高招聘效率，招聘管理软件市场2024年约30亿美元规模，预计未来几年保持9%以上年增长率。但这些软件并没有解决人力资源招聘的痛点，比如传统招聘流程高度依赖人工，周期长且浪费资源严重。从发布职位、筛选上百份简历，到多轮面试、背景调查，一个岗位招聘往往要花几个月。

Mercor选择的AI驱动的自动化招聘，目前还是个相对蓝海的细分市场。虽然已有不少ATS（候选人跟踪系统）开始加入AI辅助筛选，但像Mercor这样试图用AI全面替代人工筛选和初面、并打造全球化人才市场的全流程平台，Mercor的竞品并不多。

在招聘和人才服务领域，已有一些根基深厚的大公司，它们不是Mercor的竞品，但提供的服务在一定程度上能替代Mercor部分功能。

比如，LinkedIn是全球最大职业社交平台，有强大数据和网络效应，但主要做信息撮合，缺乏AI自动评估功能。微软背景让它有AI研发能力，是潜在最大威胁。还有像Indeed/Glassdoor这样的传统招聘网站，有庞大数据库但仍需人工筛选，正在尝试加入AI功能但与Mercor完整解决方案有差距。任命前Uber高管为CEO的非洲人力资源独角兽 Andela也是其竞争对手之一。

AI招聘初创公司中，Eightfold AI是硅谷AI平台，主做企业内部SaaS工具，已融资超2亿美元，在AI算法方面领先；Paradox（Olivia）是AI聊天机器人，主攻大批量基层岗位初筛，客户包括麦当劳等。

高质量的数据标注，是Mercor的核心，这方面，Mercor其实本质上做的是和Scale AI类似的事情。嘉和资本CEO袁子恒指出，Mercor的竞争壁垒在于，第一是双边网络效应，一面是企业，一面是求职者，企业越多，求职者越多，形成双轮驱动；第二是增长飞轮，每一个新增的企业客户可以带来2000多的标注样本，通过分析求职者的表现数据优化评估模型，形成数据积累——模型优化——客户增长的飞轮。Mercor的发展战略也有技巧，其先攻克高标准化领域，再向低标准化的领域延伸。

招聘界的Scale AI

Mercor的商业模式本质上是人才双边市场，类似“AI驱动的人才中介”。它通过技术平台为两端用户（企业和人才）创造价值，并从撮合成功中获取收益。

嘉和资本CEO袁子恒分析Mercor的竞争壁垒，一是双边网络效应，平台一边是企业，一边是求职者，企业越多、求职者越多，求职者越多、企业越多；第二是增长飞轮效应，每新增一个企业客户可以带来2000多标注样本，通过分析求职者的表现数据优化评估模型，形成数据积累、模型优化、客户增长的飞轮。

Mercor按小时收取“推荐费（hourly finders’ fees）”。具体运作是：企业通过Mercor雇佣一名候选人后，该候选人与Mercor签合同成为Mercor的派遣人员，企业每给该人员支付1小时薪酬，就需要额外支付一定比例或固定金额的服务费给Mercor。

换句话说，Mercor从人才工作小时中抽取佣金。

这类似传统外包派遣公司的收入模式，但Mercor以平台形式实现。这样做的好处是收入与服务使用量直接挂钩，企业不用提前支付高昂招聘费用，而是在实际雇佣过程中支付随薪资变化的费用，降低了客户心理门槛。

MercorAI资费

Mercor背后，是对人力资源行业变革机会的把握。正如Mercor CEO所说，劳动力市场长期以来是规模最大却效率最低的市场之一，人才没有被最好配置的问题到处都有。传统方法解决不了这个痛点，但AI和互联网的结合创造了解决机会。

AI产业爆发带来了巨大的用人缺口

2022年以来，生成式AI技术快速突破，引发全球科技公司争相投入AI项目。这带来了对AI人才和相关领域专家的爆发式需求。从机器学习工程师、数据标注师，到懂AI应用的各行业专业人士，一时间供不应求。Mercor创始人身处硅谷AI圈子，亲身感受到这个趋势。

Mercor让任何规模的企业都能“即插即用”全球人才。这是个全球化机会，Mercor顺势而为并迅速占领了心智——提到AI远程招聘，人们开始首先想到Mercor。这种品牌和先发优势，让它在全球人才市场抢占先机。Mercor的诞生和崛起，踩中了AI技术发展的特定周期。如果放在五年前，AI自然语言处理技术还不够成熟，Mercor的想法可能实现不了（当时的聊天机器人很难真正模拟人面试官的提问逻辑）。而在2023年，ChatGPT等大语言模型的出现证明了AI已经能理解语言、进行对话甚至展现一定推理能力。这给了Mercor技术实现的基础。

在政策环境方面，Mercor抓住的机会主要是法规还没严厉约束AI招聘的窗口。各国政府都在推动数字经济和就业市场改革，比如印度政府支持IT人才发展，美国政府推出科技移民便利措施等。这些都间接扩大了Mercor的人才供应和市场需求。

General Catalyst的合伙人在种子轮表示，人力资源市场太大且陈旧，用科技革新的空间极大，Mercor如果成功将是个平台级公司。Benchmark在A轮给出高估值，则是押注Mercor已显示出"产品-市场契合"和爆发式增长，这预示它有机会成为下一代招聘领域的Uber或Airbnb。

投资机构喜欢Mercor，因为它站在两个热门赛道的交汇点：AI和Future of Work（工作未来）。无论AI技术怎么发展，人类劳动市场一定会因为AI而改变，Mercor总能在这过程中发挥作用，不会被AI浪潮淘汰反而随之增长。这种顺势而为的商业模式大大降低了投资风险。在投资人看来，哪怕AI真的减少了一些传统岗位，Mercor也可以把那些被替代的人才重新匹配到AI产业的新岗位上，实现人才重新配置。

尽管Mercor目前风头正劲，但未来仍面临不少风险和挑战。这些风险既来自外部环境，也来自商业模式和行业特点。

如果LinkedIn等大公司推出类似的AI招聘服务，凭借用户基础和资源，可能迅速与Mercor正面竞争。他们也正在开发AI面试和匹配功能，传统巨头会很轻易地对Mercor构成威胁。大型招聘网站或人力公司也可能通过收购或自主研发切入AI招聘领域。一旦行业巨头觉醒并发力，Mercor必须面对更强大的竞争对手。

同时，新创抄袭和赛道拥挤也是问题。Mercor模式已获得关注，难保不会出现模仿者。事实上，一些创业者和开发者可能已经在研究类似平台。Mercor虽然有先发优势，但技术本身没有绝对壁垒。

MercorAI作为一家在美国市场崛起的AI独角兽企业，用短短两年时间，以最直观的方式证明了AI在传统招聘领域的巨大颠覆力量。

在Mercor的愿景里，他们想成长为“人才市场的亚马逊”或“下一个LinkedIn级别的平台”。截至几个月前，Mercor在美国只有11名全职员工，印度有20名国际合同工，并计划继续积极招人，为此他们还招聘了OpenAI人类数据运营前负责人和Scale增长前负责人。

用Mercor创始人Foody的一段话作总结:“如果AI自动化了经济中90%的工作，那么余下10%将由人类担当，而人类每贡献一个单位，就能产生10倍的价值，因为其他部分已被自动化所放大。”

（本文感谢嘉和资本CEO袁子恒的专业支持。）

本内容为作者独立观点，不代表虎嗅立场。未经允许不得转载，授权事宜请联系hezuo@huxiu.com如对本稿件有异议或投诉，请联系tougao@huxiu.com

End

7月16日502线上同行研讨会，我们特邀北极九章解决方案专家张晨，拆解某头部乳企的智能数据分析平台实践，解析对话式数据分析在快消行业应用的具体实践、面临的挑战及应对策略，实施前后的成果数据对比等，并展望未来发展趋势。

添加“智库小虎”获取会议号