Mercor 抽成专家网络，命脉握在模型厂手里

专家数据工：卖的是带审核的人类工时，不是软件许可

Mercor 的核心产品是经过筛选和审核的领域专家，按客户项目需求提供演示、评估和训练数据。官网称平台拥有 30k+ 专家（官网当前口径），含医生、律师、工程师和咨询顾问，向专家支付最高每小时 200 美元用于填写表格、撰写报告等训练工作。这意味着它卖的是可计费的人类工时，而非标准化软件席位，收入随客户项目量线性波动。

审核环节是它和普通外包平台的差别：客户买的是“能通过质量门槛的专家”，Mercor 承担筛选和管理的活。但这种产品很难形成技术锁定，客户换一家供应商的迁移成本主要是重新审核专家，而不是替换一套系统。

它后来把部分能力产品化成 APEX 基准，但基准本身不是主要收入来源，更像是向客户证明专家质量的样品。

APEX 基准：用评测标准争取数据订单，但基准不直接收钱

Mercor 推出 APEX 基准体系，v1.0 含 200 个案例，覆盖投行、法律、咨询和医疗；官网还列出 APEX-Agents、与 Ramp 合作的 APEX-Accounting、与 Cognition 合作的 APEX-SWE。这些基准的作用是把“什么样的专家输出算合格”变成可展示的标准，帮它在模型厂的评估数据采购里拿到订单。

但基准本身不产生独立收入，账本里没有基准授权或订阅收费的记录。它更像售前工具：客户先用基准判断 Mercor 的专家质量，再决定是否下数据工单。

这种做法的代价是基准要和客户场景深度绑定，一旦客户自建评测团队，基准的销售价值就会下降。

按小时计费再抽成约三成到三成五，毛利让给了专家供给端

Mercor 的主要收入线是按项目向客户收取数据工费，再把大部分转付给平台上的合约专家。账本口径是：若客户支付每小时 100 美元，Mercor 保留约 30%–35%，其余转付承包商；同时它需将约三分之二全部营收发放给外包人员。两条口径方向一致，都说明它的毛利空间来自抽成，而不是软件溢价。

毛利率因此被压在低位：去年 27%，2026 年二季度 33%，内部预测 2027 年 46%、2030 年 56%。这些是公司自己的预测，不是已实现结果。抽成模式的好处是收入随客户项目直接增长，坏处是每一美元收入都要先付给专家，规模越大垫付的工资越多。

它没有公开披露向客户收取的单价区间，也没有披露不同客户类型的抽成差异。

年化营收四个月翻倍，但口径从 ARR 换成了总营收

2025 年 10 月 TechCrunch 报道 Mercor 年化经常性收入约 5 亿美元；到 2026 年 6 月，公司年化总营收（月度营收×12）达 20 亿美元，距达到 10 亿美元里程碑仅四个月。2026 年上半年总营收 6.14 亿美元，较 2025 全年总收入上涨 70%（账本口径，对比基期为 2025 全年总收入）。

这里要注意口径切换：早期对外讲的是 ARR，后来讲的是年化总营收。总营收包含一次性项目和数据工单，未必具备经常性，两者不能直接对比。公司还向投资方预估 2026 年年化总营收将达 28 亿美元，这是预测，不是已实现数字。

对创业者来说，这个案例说明按工时抽成的收入可以增长很快，但收入质量取决于客户项目是否续签，账本没有披露续约率。

九成收入来自基础模型厂，客户集中是结构性问题

2026 年上半年约 91% 营收来自基础模型厂商，据 R2 报道客户含 OpenAI、Anthropic、谷歌深度思维；账本另一条事实（R6、R2）列出 OpenAI、Anthropic、Meta，以及 Ramp、Blue Owl、花旗等金融机构亦为客户。两份客户名单来源不同，不宜视为同一时点的完整名单。收入结构说明 Mercor 当前是一门 to-model-lab 的生意，模型厂的训练和评估预算决定它的增速。

公司自己的预测是 2030 年基础模型客户营收占比降至三分之一以内，财富 2000 强企业占比升至 57%。这是转型目标，不是现状。现状是单一客户群贡献九成收入，任何一家大客户调整数据采购策略，都会直接反映在营收上。

它没有披露前几大客户各自的收入占比，也没有披露合同期限。

靠模型厂采购部门进单，专家侧靠推荐滚动

Mercor 的客户获取主要面向基础模型厂商的数据与评估采购团队，账本没有披露它是否有销售团队规模或渠道伙伴体系。产品侧的 APEX 基准和与 Ramp、Cognition 的合作案例，起到向客户展示能力的作用，属于售前材料而非独立渠道。

专家供给端则靠推荐滚动：公司自述超半数新专家来自推荐。这意味着它的分发是双向的，一边进客户订单，一边靠现有专家拉新专家，降低招募成本。

账本没有披露客户获取成本、销售周期或渠道收入占比。

三分之二营收付给合约专家，规模越大垫资越重

Mercor 最大的成本是向平台上的合约专家支付报酬。账本口径：需将约三分之二全部营收发放给外包人员；2025 年 10 月管理超 3 万名合约工，每日薪资总额超 150 万美元（2025 年 10 月报道口径）；官网另称平台有数百万领域专家、每日向其支付超 400 万美元（官网自述口径），两个数字时间点和口径不同，不能直接对比。

这门生意的现金特征是先付专家、后收客户，规模扩张会占用更多营运资金。毛利率 27% 到 33% 的水平说明，扣除专家成本后剩余空间有限，营业利润主要靠收入规模摊薄固定成本。公司称去年首度实现营业利润 900 万美元，内部预估今年营业利润 2.26 亿美元，后者是预测。账本另有“2025 年 3 月宣布实现盈利”的记载（R13），与“去年首度实现营业利润 900 万美元”是否为同一事件无法确认，此处保留来源口径差异。

账本没有披露它的服务器、审核团队和销售费用各占多少。

风投加预收工费滚动，账面盈利但仍在融资

Mercor 靠风险投资维持扩张：2025 年 2 月完成 1 亿美元 B 轮，估值 20 亿美元；2025 年 10 月完成 3.5 亿美元 C 轮，估值 100 亿美元，Felicis 领投；目前正推进新一轮融资，投后估值有望达 200 亿美元，计划募资约 5 亿美元。

它同时已经产生营业利润：公司称去年首度实现营业利润 900 万美元，内部预估今年营业利润 2.26 亿美元。账本另有“2025 年 3 月宣布实现盈利”的记载（R13），与“去年首度实现营业利润 900 万美元”是否为同一事件无法确认，此处保留来源口径差异。这说明它不完全依赖融资输血，但仍在融资，因为数据工业务需要垫付专家工资，规模越大营运资金需求越高。

账本没有披露它的现金流、债务或预收款规模。

专家推荐网络是护城河，但挡不住客户自建团队

Mercor 自称竞争护城河是人才网络效应，超半数新专家来自推荐。这个机制在供给端成立：专家越多，招募越快，审核成本越低，客户下单后匹配越快。对于一个按工时抽成的生意，供给端的密度确实决定交付能力。

但这条护城河不保护收入端。客户是少数几家模型厂，它们有能力自建标注团队或切换供应商；据 R12 报道，Scale AI 起诉 Mercor 涉嫌窃取商业机密，诉讼尚无定论，说明这个赛道的人才和客户争夺很直接。

更关键的是，专家网络可以被高价挖走，推荐机制只在价格有竞争力时有效。账本没有披露专家留存率。

安全事件让大客户全面暂停，信任恢复没有时间表

2026 年 3 月曝出供应链黑客攻击，Meta 随即暂停与 Mercor 全部合作且未恢复。账本把 Meta 列为其客户之一，这意味着一次安全事件直接切断了与一家大客户的全部业务，而且公开资料没有给出恢复时间。

对一家九成收入来自基础模型厂商的公司，这类事件的影响不是单笔合同，而是客户群对它的安全审核标准整体收紧。它没有披露事件后的客户留存情况。

客户集中叠加诉讼，收入底盘不牢

2026 年上半年约 91% 营收来自基础模型厂商，同时 Scale AI 起诉 Mercor 涉嫌窃取商业机密，诉讼尚无定论。客户集中意味着任何一家大客户调整采购或暂停合作，都会直接冲击营收；诉讼则可能消耗管理层精力并影响客户信心。

公司预测 2030 年客户结构会转向财富 2000 强企业，但转型需要时间和新的销售能力，账本没有披露企业客户的收入贡献。在那之前，它的收入底盘仍然系于少数几家模型厂。