Startup Mercor, łączący ekspertów z laboratoriami AI do trenowania modeli, zebrał 350 mln dolarów. Jego wycena poszybowała do 10 mld, co czyni go nowym gigantem.
W skrócie:
- Mercor pozyskał 350 milionów dolarów w rundzie Serii C prowadzonej przez Felicis Ventures, osiągając wycenę 10 miliardów dolarów.
- Firma specjalizuje się w dostarczaniu laboratoriom AI wysoko wyspecjalizowanych ekspertów – lekarzy, prawników czy naukowców – do trenowania modeli.
- Jej gwałtowny wzrost napędziło m.in. zerwanie przez czołowe firmy AI współpracy z dotychczasowym liderem rynku, firmą Scale AI.
Rynek sztucznej inteligencji nie znosi próżni. Kiedy jedni tracą, inni zyskują – często w skali, która wymyka się wyobraźni. Mercor, firma działająca dotąd nieco w cieniu wielkich graczy, właśnie potwierdziła zebranie 350 milionów dolarów w rundzie finansowania Serii C, która wywindowała jej wycenę do astronomicznych 10 miliardów dolarów. To pięciokrotny wzrost w stosunku do poprzedniej rundy, gdzie firmę wyceniono na 2 miliardy. Inwestycji przewodził dotychczasowy partner, fundusz Felicis Ventures, a dołączyli do niego m.in. Benchmark, General Catalyst oraz nowy gracz – Robinhood Ventures. Można powiedzieć, że to historia jak z podręcznika Doliny Krzemowej. Tyle że z jednym, bardzo ciekawym zwrotem akcji.
Jak powstał gigant, którego nikt się nie spodziewał?
Mercor nie jest typowym startupem, który od zera budował swoją pozycję. Firma zaczynała jako platforma rekrutacyjna napędzana przez AI. Szybko jednak zrozumiała, gdzie leżą prawdziwe pieniądze. Zamiast łączyć programistów z firmami, dokonała zwrotu (pivoting, jak to się ładnie mówi w branży) i skupiła się na znacznie węższej, ale niesamowicie lukratywnej niszy: dostarczaniu laboratoriom AI ekspertów dziedzinowych. Mówimy tu o lekarzach, prawnikach, naukowcach i inżynierach, którzy pomagają trenować fundamentalne modele językowe w obszarach wymagających specjalistycznej wiedzy. Mercor pobiera opłatę za znalezienie i dopasowanie eksperta, a następnie rozlicza się godzinowo za jego pracę. To genialnie proste i, jak widać, piekielnie skuteczne.
Firma rozwija także infrastrukturę programistyczną do tzw. reinforcement learning. To metoda treningu, w której model otrzymuje informację zwrotną na temat swoich decyzji, co pozwala mu uczyć się na błędach i stopniowo doskonalić swoje działanie. W perspektywie Mercor chce zbudować w pełni zautomatyzowany, napędzany przez AI rynek rekrutacyjny. Na razie jednak koncentruje się na tym, co przynosi największe zyski.
Dlaczego upadek jednego gracza napędził drugiego?
Fortuna Mercor zaczęła rosnąć w momencie, gdy czołowe laboratoria, takie jak OpenAI i Google DeepMind, według doniesień medialnych zerwały współpracę z dotychczasowym potentatem w dziedzinie etykietowania danych – firmą Scale AI. Powód? Meta (dawny Facebook) zainwestowała w Scale AI aż 14 miliardów dolarów i zatrudniła jej prezesa. Dla konkurentów Mety dalsza współpraca ze Scale AI stała się strategicznym zagrożeniem. Nikt nie chce przecież, by jego najcenniejsze dane treningowe trafiały do firmy blisko powiązanej z rywalem.
Ta sytuacja stworzyła na rynku ogromną lukę, którą Mercor idealnie wypełnił. W rozmowach z inwestorami firma miała chwalić się, że jest na dobrej drodze, by osiągnąć 500 milionów dolarów rocznego przychodu (ARR) szybciej niż Anysphere, startup stojący za popularnym narzędziem Cursor. To odważna deklaracja, biorąc pod uwagę, że Anysphere osiągnęło ten kamień milowy w rok od startu produktu. To pokazuje, jak gigantyczne jest zapotrzebowanie na niezależnych dostawców danych i ekspertów.
Ile zarabiają ludzie, którzy uczą sztuczną inteligencję?
Liczby, które podaje Mercor, robią wrażenie. Startup wypłaca swoim kontraktorom ponad 1,5 miliona dolarów dziennie. W jego sieci znajduje się już ponad 30 tysięcy ekspertów, którzy zarabiają średnio ponad 85 dolarów za godzinę. To nie są proste zadania polegające na zaznaczaniu kotów na zdjęciach. To praca wymagająca głębokiej wiedzy i umiejętności krytycznego myślenia.
Jak napisano w komunikacie firmy: “Sztuczna inteligencja, pomimo zdumiewającego tempa rozwoju, wciąż ma problemy z subtelnościami, które napędzają wartościową ekonomicznie pracę – równoważeniem kompromisów, rozumieniem intencji, rozwijaniem gustu i decydowaniem, co powinno być zrobione, a nie tylko co da się zrobić”. Innymi słowy, AI potrafi pisać kod, ale to człowiek-ekspert musi ją nauczyć, który kod jest elegancki, wydajny i bezpieczny. To właśnie za tę “naukę smaku” płacą dziś największe firmy technologiczne na świecie.
Mercor zamierza przeznaczyć pozyskane środki na trzy cele: rozbudowę sieci talentów, usprawnienie systemów dopasowywania ekspertów do projektów oraz tworzenie nowych narzędzi automatyzujących wewnętrzne procesy. Wygląda na to, że era prostego etykietowania danych dobiega końca. Zaczyna się czas, w którym AI uczy się od najlepszych specjalistów w swoich dziedzinach. A firmy, które potrafią ich znaleźć i zorganizować, będą warte miliardy.