Mercor CPO Osvald Nitski：开源杀不死数据商，价值永远在能力前沿

▍嘉宾：奥斯瓦尔德·尼茨基 (Osvald Nitski)

奥斯瓦尔德·尼茨基是 Mercor 的首席产品官。爱沙尼亚裔，在加拿大长大、多伦多读大学，早年听从“去小公司、去创业公司、搬去旧金山”的建议移居旧金山，职业履历集中在超高速增长公司。他加入 Mercor 以来公司员工增长超过 10 倍；作为 CPO 他统管两大产品域——匹配专家与任务的集市（Marketplace）和代号 Studio 的标注与评估平台，并主导了 RL 环境这一增长最快数据品类的交付爬坡。

▍关于 Mercor

Mercor 是一家 AI 训练与专家数据集市公司，CEO 为联合创始人布兰登·富迪（Brendan Foody）。

• 核心模式：为前沿实验室和企业匹配医生、律师等各领域顶尖专家，交付评估集（eval）与训练数据集；合作分纯人才（talent only）与托管服务（managed service）两种模式，增长最快的品类是 RL 环境——高保真应用仿真加任务数据。
• 增长与估值：2025 年 9 月完成 3.5 亿美元 C 轮、估值 100 亿美元；2026 年 6 月 ARR 突破 20 亿美元；2026 年 7 月起据彭博等报道洽谈约 5 亿美元、200 亿美元估值的新一轮融资，8 月报道英伟达拟参投、General Catalyst 拟领投，截至 2026 年 9 月尚未官宣交割。员工约 500 人。
• 定价位置：数据采购直接挂钩客户的模型能力与收入——“花在 Mercor 上的钱直接转化为客户的收入”，这是实验室不砍价的原因。

开源会蚕食数据商吗——数据的价值永远在能力前沿

Harry： 这里是 20 Product，我是哈里·斯特宾斯（Harry Stebbings）（译者注：本期音频自报栏目名为 20 Product，实际归于 20VC 主节目）。今天坐上热点席的是 Mercor 首席产品官奥斯瓦尔德·尼茨基（Osvald Nitski）。

今天是一场非常坦诚的对话，以我认为此前从未有 Mercor 的人公开聊过的方式展开：如果前沿模型真的做到了数据供应商在做的事，会怎样？合成数据会不会蚕食他们的生意？开源对数据供应商是助力还是杀伤——毕竟他们最大的客户恰恰就是闭源前沿模型？这些以及更多内容，尽在今天与 Osvald 的对话中。

Harry： Osvald，你能来真是太好了。我从布兰登·富迪（Brendan Foody）（译者注：Mercor 联合创始人兼 CEO）那里听到太多关于你的好评，谢谢你促成这期节目。

Osvald： 谢谢邀请，我特别期待。

Harry： 我最近满眼看到的都是开源、开源、开源。人人都在说，我们会看到从闭源前沿模型向开源的大迁移。Kimi 最近刚发了新模型。说实话我也不确定——开源会不会蚕食 Mercor 的核心业务？

Osvald： 我不会说开源模型的进步在蚕食我们的核心业务，因为数据的价值集中在模型性能的最前沿。我们的每个客户都有自己独特的目标，采购评估集（eval）和训练数据集来补齐当前模型能力的短板。

开源模型只是抬高了大家兴趣的起点。只要客户还有想要变强的新能力，我们的生意就会继续增长。开源模型只意味着一件事：凡是 Kimi K3 已经会做的事，没人再为它花钱。

Harry： 那如果 90% 的企业工作流都能用开源模型完成——越来越多的人说是可以的——而那剩下的 10% 才是你服务客户、提供数据的地方。可能是我天真：随着那 10% 的前沿越推越远，你要做出巨额收入会不会越来越难？

Osvald： 我不太相信 90% 的企业工作流现在就能被开源模型或前沿模型处理。我们觉得这类测算是基于现有需求，或是当前模型用户脑子里最先想到的那些用法。

但还有一整类潜在需求，是人们根本还没尝试用模型去做的事。最典型的是长周期任务（long horizon tasks），比如部署一个采购智能体，把采购团队的工作全自动跑上几个月，你每周只看它一次。

当有人说“企业工作流已经被搞定了”的时候，这类需求根本没被算进去，因为还没人在做。支撑这类场景的数据市场正在增长，我们看到很多领先者都在往这个方向走。

Harry： 好，很多领先者在往那边走，发现了从没想过存在的新能力。但我们再看看亚历克斯·卡普（Alex Karp）——我觉得他那场表现算相当克制了，平时他蹦跶得欢得多，不过还是挺有激情。他谈到大企业对数据、对把数据分享给前沿模型厂商的那种强烈怀疑。你在大企业与前沿模型公司的合作中，看到多大程度的怀疑和恐惧？

Osvald： 我们看到它取决于具体的工作流，以及它对公司业务有多核心。像 HR、采购这种每家公司都要做的通用事务，敏感性低一些，企业更愿意把这些工作流放到专有模型上。

真正敏感的是公司的核心业务——那些对它的生死至关重要、让它区别于竞争对手的东西。你可以想象成律所真正提供的法律服务本身：它实际在写的备忘录是什么？它给客户提的建议是什么？

Harry： 是不是只有我看到了这里的讽刺——我们把最敏感的数据放在开源模型上，而且很可能是中国模型，反而把 HR 和采购数据放在闭源模型上？是我蠢吗？

Osvald： 这取决于你把开源模型跑在哪儿，跑在哪儿决定了这是不是个坏主意。开放权重模型（open weights）的美妙之处在于，推理可以在多个地方发生。你可能会用错它们，但你拥有更多控制权。

90/10 是个错误框架

Harry： 那这个分布你怎么看？你认为哪里不准确？你说你不太信 90/10 这个说法，你觉得更准确的图景是什么？

Osvald： 在我们的 APEX 基准（APEX benchmarks）里，长周期工作流上顶尖模型的得分正在接近 50% 左右。但有一类工作流是“够用即可”型的——做完就完了，比如更新 CRM，你不可能在这种事上再好出多少。

还有一类工作流，根本不该用“模型能不能做”这种二元框架去想，比如法律论证，某种程度上还有医疗建议——这些事永远可以做得更好。在这些场景里，百分比框架完全是错的，我们应该更多地思考连续的、没有上限的奖励。

Harry： 说到“可以做得更好”，我前几天请了 Fireworks 的创始人林乔（Lin Qiao）上节目。她说：正因如此，每家公司都会有自己的专用模型。因为永远可以更好，而且完全取决于公司——这家想抓增长，那家想抓利润率，还有一家，比如说在欧洲的，想抓工作与生活的平衡。所以每家公司都需要自己专用的模型。你认同每家公司都会有专用模型吗？还是说这有点替 Fireworks 自己站台的味道？

Osvald： 我认同。当然这也有替 Mercor 站台的成分——我们认为每个专用模型都需要企业专属的评估与训练数据，来告诉模型在它的场景里该怎么表现。

这个市场的多样性和规模，取决于客户能从专用模型里获得多少价值。有些场景的投资回报率（ROI）是完全站得住脚的，而且我认为这类场景会随时间增多。我们确实相信这个未来。

AI 的 ROI 之问：从薪资的 3.8% 到 100%

Harry： 说回来，卡普在那场访谈里的第二点是 ROI 存疑。你刚才提到 ROI 这个词，让我想起来了。这个问题很现实——企业可能对自己拿到的 ROI 心里没底。你认为今天的 AI 存在企业级 ROI 问题吗？

Osvald： 我不认为现在存在 ROI 问题。我们正处在一个探索和实验期，大家对“把 ROI 算明白”这件事更有容忍度、更有耐心。关于 token 价格走向、性能走向，有各种各样的预测。

现在确实开始看到一些地方在收紧开支。但我认为我们身处的范式仍然是“先看看再说”，因为变化太快，ROI 的算法本身还可能剧烈改变。

Harry： 这事我想从两个方向聊，先走第一个。ClickHouse 联合创始人兼 CEO 亚伦·卡茨（Aaron Katz）说他的开销是预算的 6 倍，而且就该如此，因为必须站在前沿。然后你又看到 Uber、微软，还有——我记得是 Grok 或者 X，反正是埃隆·马斯克（Elon Musk）的某家公司——在给每个员工定 token 预算。你觉得穿越这个周期的正确姿势是什么？如果我是一个在听的创始人，你会建议我怎么权衡性能与预算？

Osvald： 这完全取决于使用场景。我基本只在超高速增长的公司干过，那里增长高于一切——只要单位经济模型（unit economics）成立，为增长花钱的意愿就很高。

你给软件工程师买编程智能体的开销，不算业务的销售成本——就算很高，它带来的也可能是复利收益。但如果你看一个客服智能体，token 开销巨大，而从被服务客户身上赚到的收入远低于 token 开销，那你的处境肯定很糟。

不过我的经验都在成长期公司。对很多创始人来说，如果 token 开销花在增长上、花在提升人效上，那就是你创业期为承接海量需求必须付的成本。

Harry： Salesforce 的马克·贝尼奥夫（Marc Benioff）说他每年在 Anthropic 上花 3 亿美元，按平均薪资摊下来，大约相当于开发人员薪资的 3.8%。你觉得这会是以后的通行比率吗？会涨到 20% 吗？还是 100%？或者反而低得多？

Osvald： 我希望我们能走向一个把 token 开销所驱动的业务成果核算得更清楚的未来。即便在 Salesforce 这个体量的公司，不同团队也该有不同的开销画像：解决方案工程、前置部署这类团队要按单位经济模型算账，而研发团队可以有更高的开销容忍度。

所以在大公司，你得想清楚组织里哪些部分在做什么、不同领域该给多少容忍度。宏观上，我认为这个百分比会随时间上升，超过 3%。

Harry： 想听个好玩的吗？富迪在节目上说这个比例会冲到 100%，还说你们今天在 token 上的花费已经超过工资了。

Osvald： 对，是真的。100% 听着合理。我说过，我只在超高速增长的公司工作过，Mercor 就是这样的公司，而且随着增长天天提速，这一点还在不断强化。

对我们来说这说得通，因为需求太高了。我加入以来公司人数涨了 10 倍以上，收入也同步增长。我们就是在一场停不下来的赛跑里，去满足客户贪得无厌的需求。我们的问题是：花钱的速度赶不上需求涌来的速度。

AI 时代的产品管理：压缩表面积，判断力为王

Harry： 那我们是不是就用快 10 倍的速度做 10 倍多的产品？帮我理解一下：产品工程团队会变得更小吗？还是就是做得比以前多得多？你怎么想这个问题？

Osvald： 我认为这个范式让产品经理的工作难了很多，因为我们恰恰不想做出 10 倍的产品表面积——那会把一切搞得无比混乱。确实有些时刻产品表面积会疯涨，大家觉得“这些功能我很快就能做出来”，随手就推几千行的 PR。

但我们一直在打一场仗：简化产品表面积，找到最具扩展性的交互和工作流。所以产品团队的趋势是不断压缩表面积、做简化。

同时 PM 对工程师的比例在提高，因为工程不再是瓶颈——理解用户的工作流、理解用户的需求、判断什么产品真正带来收入，成了我们承接更多需求的新瓶颈。

Harry： 如果对比前 AI 时代，在这个新世界里，成为一个优秀 PM 的门槛发生了什么变化？

Osvald： 两大变化。第一，你不再需要学那么多工具，会用编程智能体就行，几个工具能干所有事。比如 Figma，我们正越来越多地弃用它，转向 Claude Design——工具多样性在降低。

第二，所有人都必须大幅升级，更多地思考业务影响。所有的工作都在往更高层级走：细枝末节被极快地解决掉，Mercor 的每个 PM 都必须反复想——我把时间花在这件事上对吗？

现在做事可以非常快，技能层面的问题几乎消失了。所以现在拼的全是判断力：我做的事，是不是业务价值最大的那件？

护栏：我们本该更早学会说“不”

Harry： 我得问一句。你刚才说，核心工作是保持简洁、决定做什么和不做什么。你在产品上做过什么事，事后看来希望当初没做？学到了什么？

Osvald： 今年有件很有意思的事。我们的标注平台服务很多不同的工作流。对人类数据的需求太大、太异质，而我们的交付团队又太擅长交付和销售项目，结果我们支持了——我觉得是——过多的人类数据项目类型。

我们做了一个极其灵活的工具，能支持客户想做的各种研究实验。数据形态从生成式 AI 时代的 InstructGPT 起已经变了很多轮：从监督微调（SFT）到偏好排序，再到各种环境类项目。还有很多多模态项目，格式完全不同，标注工具都得支持，工作流也各异。

客户什么要求都提，我们试图满足所有需求，做了一个灵活性拉满的工具，上面同时跑着几百个不同的项目——管理起来就是一片混乱。

我们本该更早做的是：给支持的服务类型装上护栏，跟运营团队更紧密地对齐最佳实践。客户什么都会要——我们能做，但就该做吗？如果某些工作流没有持久需求，也许就不值得投入。装护栏、收窄服务范围，是我们本该早得多就做的事。

Harry： 你怎么判断什么是持久需求？

Osvald： 这正是 Mercor 成为超高速增长公司的原因——我们和整个市场、整个生态贴得极近。我认为这靠的是领导层的判断。很难说一两年后数据会长什么样，最好的办法是和形形色色的实验室负责人保持高频接触，不断验证假设。富迪做得很好，我们运营团队也做得很好。但说到底，它就是一种猜。

Harry： 哪家实验室的数据团队最先进、最成熟？

Osvald： 客户细节我不能多聊，但大家都非常强。每家都很成熟，每家都在不同方面让我叹服。这问题太不公平了。

Harry： 好吧，完全同意。那另一个该问的问题是：哪家最差？——开玩笑的。我真正想问的是：你刚才还提到一个点，我不意外但觉得很有意思，就是弃用 Figma。能展开讲讲吗？我听到越来越多公司在做同样的事。作为今天的产品负责人，你怎么看这个趋势？当时是怎么考虑的？

Osvald： 说实话，我让团队自己选择最顺手的工具。而我观察到几乎是普遍趋势：Claude Design 做得很好，大家真的爱用，上手容易，团队自然就迁移过去了。工具少一点、少管些许可证也省心。

而且 Claude 在不断推出各种好用的新功能，大家就被吸过去了。再说，采购团队也不用再挨个给人发 Figma 许可证，摩擦小了一截。

FDE 与服务化潮：短期的未来

Harry： 前面聊过企业 ROI。我们看到微软成立了服务部门，Palantir 显然在狂飙，服务正变成每个人生意里越来越大的一块。这就是 AI 企业级落地的未来吗？你怎么看部署环节中服务业务的惊人崛起？

Osvald： 我有个可能有点反主流的观点：我认为这是短期的未来。现在，懂得怎么用 AI 的知识集中在旧金山的一小撮人身上——他们真的懂怎么部署智能体、评估智能体、以 AI 优先的方式做工程和其他职能。这些知识还没有扩散到全行业，但迟早会。

到那一天，你可能就不再需要团队上门帮每家企业搭建 AI 智能体了，它会变成一种类似软件工程师的常规岗位。所以短期内，服务让落地成为可能；长期看，产品会越来越强，自己就能完成这些事。

Harry： Factory 的马坦（Matan）跟我说过：服务嘛，不过是烂产品的借口。

Osvald： 我认为这是个知识扩散问题。他说的算一种视角，另一个角度是：为什么不直接招个人在自己公司里做智能体部署？我的回答是——这种技能市面上还没有。

人才储备不够，不是每家企业此刻都能拥有自己的专家。但长期会改变，我觉得这是个十年尺度的变化。

Harry： 但优秀的工程师真的愿意做前置部署工程师（FDE）吗？优秀的工程师诶。

Osvald： 优秀工程师有很多种，成为优秀工程师的路径也有很多种。其中一种是：做出色的沟通者，直击问题本源，化繁为简。这类工程师非常适合做 FDE，也非常适合最终成为创始人。

这是一种极有价值的人才画像，正是大家招 FDE 时在找的人。这也是我们日常在找的画像——所以我们才有这么多校友出去创业。

Harry： 你觉得这是好事吗？我跟富迪也聊过——“Mercor 黑帮”成形是件好事吗？毕竟你也想留住人才。

Osvald： 我很自豪：在跟我最亲密共事的团队里，我经历的流失只有“出去创业”这一种，而且还不少。比起跳槽去别家，因为创业而失去一个人，好太多了。

从个人情感上说这很有意思——我喜欢这些人，祝他们顺利，真心乐见其成。当然，这也让管理工作难了很多：我们这儿高自主性、野心勃勃的人太多了。难是难，但我喜欢。我宁愿待在这样的环境里，也不愿待在那种人人“哎呀我不想干活”的温吞环境里。

招聘新规则：别把决策外包给模型

Harry： 难怪你离开了欧洲。在后 AI 时代的新世界里，招聘发生了什么变化？看看你今天招进团队的人——尤其是产品岗——有什么是你今天会问、会看重，而以前不会的？

Osvald： 接着前面“每个人都要升级、更贴近业务影响”那点说，我们的招聘确实偏向更资深的候选人——他们更擅长理解什么在推动业务前进，能真正吃透我们怎么运营、怎么创造更多收入、怎么把服务交付得更好、怎么让客户满意。我发现资深候选人领会这些要快得多。

而且像前面说的，那些更偏初级的考察点——“会不会用这个工具”“能不能干这些杂活”——越来越不重要了。所以我们的招聘整体偏向资深候选人。

Harry： 你知道我担心什么吗？我怕你们正好掉进那个经典的——恕我直言——高增长公司的“创始人模式”陷阱：VC 走进来说“你得从 Facebook 挖这个人”，你招来一个完全贴合那套画像的资深老炮。然后从来没有成功过。从来没有。

Osvald： 我们不是那种做法——“资深”是个光谱。我不是说我们在招以前坐高管位子的人。我们是把每个岗位都当高管搜寻（executive search）来做：找到那个正好处在甜蜜点的人——仍然有饥饿感，已经干过几年我们要他干的活，正好进入自己的巅峰期。

Harry： 你觉得人什么时候进入巅峰期？

Osvald： 我认为是 25 到 35 岁。

Harry： 我刚满 30，正好卡在正中间。时机完美。说回面试——你们在带回家作业（take-home assignment）里考察的东西，变了吗？

Osvald： 我们已经基本放弃了传统的带回家作业。现在只保留一个：给你一段时间，你自己去用智能体做出一个成果给我看。跑一次，你就知道这个人是否具备 AI 流利度（AI fluent）。之后我们更多转向白板面试（whiteboarding），因为我们想避免——

Harry： 我插一句确认下流程：先有一轮确认这个人熟不熟 AI 工具，好，过关了；然后你说“进我房间，这儿有块白板”。接下来呢？你想看到什么？什么会让你眼前一亮？

Osvald： 我们非常看重：能不能设计好的实验、懂不懂统计、有没有好的判断力，再加上系统设计（systems design）。原因是，这些技能实在太容易——

Harry： 实在抱歉，打断一下。设计好的实验、系统设计——这听着有点空。具体到底是什么意思？

Osvald： 我们会让候选人——我不想透露太多面试细节，但作为产品团队，我们要跑大量实验，必须确保团队知道怎么设计一个真正带来信息量的实验，而不是做个完全走过场的样子。

有了 AI 工具，把大量思考和判断外包出去太容易了。我们要确认的是：这个人仍然保有判断力，知道自己在做什么，而不是只会复述 Claude 吐出来的东西。

Harry： 这太有意思了，我完全同意。我在自己团队里就是这样：我们做内容脚本、做短视频，我的采访问题全部自己写，绝不用 AI——我很担心，因为你会失去那块肌肉。请教一下：在这么多人已经对 AI 上瘾的情况下，你怎么保住思考、保住创造力？

Osvald： 我跟团队说，这有点像手机——它会烧坏你的大脑，把脑子搅成一团浆糊。但我也爱用手机，天天用。你得自己找到那条边界：什么时候刷短视频合适，什么时候不合适——开会的时候就别刷。

在工作上，我认为那条边界画在“判断与决策”和“执行”之间。我非常小心，永远不把判断和决策委托给模型——它会让你以为它在做对的事，但你必须对它们保持偏执，每件事都要复核。

我跟团队说的是：不要把决策——你真正的本职工作——委托给模型，否则你会失去那种能力，然后陷入 AI 妄想症（psychosis），再然后，恶果就会体现在结果上。

Harry： 回头看你们跑过的那些实验，数据和结果相关吗？我常拿投资打比方：有时候我什么尽调都不做，反而大赚；有时候做足了功课，却做出把钱亏光的烂投资。投入和产出相关吗？

Osvald： 不一定。我们跑很多实验，有时相关，有时不相关。我们想要的是更多真正跑出好结果、推动业务前进的实验。

团队的核心工作就是找到该跑哪些实验，并把叙事立起来：产品的这些改动确实正面影响了业务。一周一周、一月一月，结果会波动，但我们努力让趋势朝正确方向走；团队也会越来越懂产品的规律、越来越懂用户，持续改进。

pod 制团队与周五下午的周会

Harry： 说到产品和工程跑实验、跑好实验，你们今天是怎么搭团队结构的？例会开起来是什么样？

Osvald： 我们有几个做实验的组，主要对应两大产品域。一个是集市（marketplace），负责把专家匹配到任务；另一个是标注与评估平台——专家登录进来做评估集或训练数据集的标注，运营团队登录进来跑项目，客户登录进来查看数据、跑评估。

标注平台我们内部叫 Studio，集市就叫 Marketplace。这两个组各自相对独立，专注把自己的产品做得更好。

人类数据业务有两种主要合作模式。一种是纯人才模式（talent only）：我们把专家派给客户，客户自己跑项目——比如实验室需要一位医生或律师，我们只负责找到最合适的人，薪酬、绩效管理、项目执行都归客户。

另一种是托管服务（managed service）：我们直接交付数据。纯人才模式只走集市；托管服务则先用集市把专家送进标注平台，我们跑完项目，把完整数据集交给客户。

Harry： 懂了。这是两个独立的产品团队？

Osvald： 两个独立的产品团队。

Harry： 产品团队多大？

Osvald： 每个产品域两三名 PM 左右，各配专属的数据科学家；设计团队只有几个人，在两个产品域之间灵活调配。

Harry： 也就是四五个人一个小组（pod）？这些比例会随时间变化吗？PM、设计之间的配比会保持现状吗？

Osvald： 我认为 PM 对工程师的比例会随时间变化——每个 PM 对应的工程师会更少，因为编程智能体越来越强，工程速度在提升。瓶颈会变成理解业务需求、理解用户需求，这更是 PM 的活。

作为超高速增长公司，我们必须非常小心地让各团队同速扩张——过去一年人数涨了 10 倍以上，不能让某一侧长得比另一侧快太多。但趋势确实是 PM 占比越来越高。

Harry： 说到跑好实验、把流程拧紧，落到例会上是什么样？你们有每周产品会——今天安排产品例会节奏的正确方式是什么？会该怎么开？

Osvald： 我们把它拆成几层。每个产品域内有全体周会，产品、工程和很多其他相关方都参加。产品域下面再拆成小组：比如一个产品域有三名 PM，各自带一个 pod，负责产品中可以天然切分出来的部分。

拿集市来说，它天然分成面向专家的一侧和面向招聘经理的一侧，这就是两个 pod；里面还有别的 pod，比如管理专家体验、确保客服顺畅、保证与专家协作不出任何岔子。每个 pod 自己做迭代规划（sprint planning），然后在产品域周会上汇合。

我们努力保持高效，同时维持 pod 之间的充分透明——大家的路线图必须对齐。但周会是必须的，这是维持问责的方式。会放在周五、时间安排得晚一点，确保没人提前开溜过周末。

Harry： 有什么是你们产品会上没做、但应该做的？

Osvald： 好问题。因产品域而异——集市和标注平台面临的挑战不太一样。快速增长期最主要的挑战是：从其他团队获得恰到好处的沟通和反馈。

集市团队和 Studio 团队需要互通信息——经常是一边出了问题，症状却在另一边冒出来：一个产品上的毛病，莫名其妙影响到另一个产品上的专家体验。人数和团队膨胀得太快，沟通渠道呈爆炸式增长。

所以我们需要更多跨产品域的协作，同时还得保持高效——团队一大，这真的很难，因为节点一直在变多、一直在动。

供给侧的秘密、利润率与“这不是收入”

Harry： 集市供给侧能这么高效地扩起来，秘诀是什么？你们怎么做到的？

Osvald： 我大概会归因为三件事。第一是极致的专家体验：专家按时拿到钱、拿得多、规则透明。每个涉及专家体验的人都真心在乎他们顺不顺利、工作体不体面、报酬公不公平。

这是好的转介绍机制的前提——没人会把朋友同事推荐去一个烂活儿。人人都在乎专家体验，自然就驱动了强大的转介绍。

此外，我们有一支出色的寻源（sourcing）团队，能在世界各个角落找到身怀特定技能的人——某个技能的需求突然出现尖峰时，他们能帮我们补上缺口。

Harry： 专家们是不是都只看钱——谁给得多就去谁那儿？我听说 Mercor 给钱最多。

Osvald： 我不会把这叫短视——我们自己也要留住顶尖专家。单个项目给再高的钱，也留不住人。据我所知，这个领域有不少竞争对手会搞疯狂的短期冲刺奖金之类的玩法，但那远不如“极好的整体体验”让人愿意回来。

所谓体验是：有充足的活、看得见接下来有什么活、感觉自己的技能在成长、能在几个任务之间挑着做、做的是有趣的工作、项目负责人沟通顺畅。在网上接活本来就是件很陌生的事——注册完甩给你一份 100 页的作业说明文档，这种体验太劝退了，这也是体验的一部分。

真正让人保持兴趣的是：你知道自己会因为一份能长期做的事，长期拿到高报酬。

Harry： 你们的利润率随时间改善了吗？还是说考虑到业务的复杂度，利润率基本是固定的？

Osvald： 利润率在这门生意里是个有意思的话题。作为产品团队，我们思考的是怎么给客户交付最大价值——这和怎么给项目定价是两回事。

有些环节可以用自动质检和合成数据来改进交付，有些环节可以通过调整项目人员配置来改变服务成本。所有这些，产品团队的出发点是：给客户最好的价值，给专家最好的体验。

利润率是事后根据成本核算出来的。现在很多项目的成本，主要由专家薪酬和花在合成数据、自动质检上的 LLM 开销构成。

Harry： 外面一堆看客起哄“这不算真正的收入”——朝你扔花生的那种。这会让你恼火吗？有没有什么大家一直没看明白、你觉得该说透但没人说的东西？

Osvald： 不恼火。因为我们每周结束的时候，银行里又多了几百万美元。我在别的公司见过各种有趣的财务工程和会计玩法，人们可以造出五花八门的指标。

但我们每周结束时账上都多出一大笔钱——生意非常健康，我们花钱的速度都赶不上进账。别人爱怎么叫随他们，现金流是疯狂的。

收入集中度：向下沉市场走

Harry： 收入集中度这么高，要紧吗？前沿模型厂商是你们目前最大的客户，有人会说这集中度太高了。你怎么看？

Osvald： 我从它对产品团队的影响这个角度回答。我们最大的挑战是往下沉市场走，让每一家企业都能高效地跑用于评估和训练的人类数据项目——这肯定会分散我们的收入，因为企业远比实验室多。

这是更难做的产品，也正是我们带产品、带公司走的方向：自助式服务、高效跑项目、配上 AI 项目经理，让小客户也能轻松做这件事。为实验室跑人类数据项目极其困难，那是白手套式（white glove）的服务，运营团队要投入大量人力。

随着产品和流程把这件事做得越来越高效，我们就能为更多客户做更小、更异质的项目。这是我们一直在走的方向，集中度已经在下降；随着每家企业都开始为自己的专有场景产生人类数据需求，我们会继续走下去。

Harry： 难在哪？是把它做得足够简单难，还是解释清楚难？把这件事民主化的挑战到底是什么？

Osvald： 跑人类数据项目本身就是难。有海量信息需要从客户、甚至客户的终端用户那里传递给专家，而且每个边角案例（edge case）都重要。

人们会想写一份“数据点该怎么标”的指南，但专家总会遇到新的边角案例冒出来——而你怎么处理这个边角案例，影响很大。做人类数据项目，本质上就是不断把边角案例浮出水面的过程。

这需要客户（有时还包括客户的客户、领域里的其他专家）和做标注的专家之间以快到离谱的速度对齐，还需要运营团队保持极度的偏执：确保每个数据点都完美、符合客户的指南、项目按时推进、所有瓶颈都被清掉。

这是运营强度极高的过程，因为它天然要处理没见过的、超出模型能力边界的事。而且数据形态变化非常快：从监督微调到偏好排序，到基于评分准则（rubric）的标注，再到现在跨一大堆模态的 RL 环境。每个项目内部、项目之间都有大量复杂度。

所以我会归结为两点：对偏执的需求，和对极其清晰沟通的需求。

RL 环境与“创始人作坊”

Harry： 哪种数据类型今天需求还不大，但你认为明年会爆？

Osvald： 我们增长最快的数据类型是环境（environments）。你可能在 Twitter 上刷到过很多关于 RL 环境的讨论——这词有点被炒热了，每家公司的定义都不太一样。但我们无疑是这个品类的领导者。

我们对它的理解是：把你希望智能体学会使用的应用做成仿真，再配上一个丰富的初始状态——我们叫它“世界”（the world），基本复刻你笔记本电脑上会有的所有数据；然后设计任务，训练智能体用这些工具完成有用的事。

这个标注过程挺复杂：智能体要和这个模拟世界交互，而初始状态可能有几百上千个文件。这里的转变在于：智能体被评估和训练所用的数据，看起来和它们上线后真实面对的环境接近得多。

想让模型学会用 Salesforce，你就需要一个行为与 Salesforce 完全一致的高保真模拟环境来做评估和训练。搭这套东西很复杂——就像当年 InstructGPT 刚出来时监督微调很难搭、偏好排序也很难搭一样。这就是当下的前沿，各家实验室都在攻关。最终它会顺滑到企业也能自己上手。

Harry： 实验室在数据采购上对价格敏感吗？

Osvald： 你说的数据采购是指——

Harry： 我是说，他们跟你做项目的时候砍价吗？会讨价还价说“Surge 的埃德温·陈（Edwin Chen）给了我九折，你也得给我”？还是直接“把数据给我就行”？

Osvald： 谈判和采购团队想拿到更好条件，这种成分永远都有。但我们选了门好生意：我们的工作直接影响客户的业务成果。

我们的处境很好——如果你在实验室里做评估集，评的就是客户想做的事，你只要做得更好，就能赚更多钱；如果他们买训练集，那就是在爬坡优化那个代表客户需求的评估集。

所以只要花在数据上的钱小于由此带来的收入，他们就乐意把杠杆拉满——人们想越拉越狠，因为花在 Mercor 上的钱，直接转化为客户更多的收入。

Harry： 你觉得未来会是一个拆散（unbundled）的数据供应商世界吗？我是做风投的，见过太多人跑来跟我说“我们就像 Mercor，但只做家用机器人”。我心想：行吧，挺好，懂了。但你真的觉得会出现那种垂直化的数据供应商世界吗——每个细分赛道里上千家玩家？

Osvald： 某种程度上，我们已经在这个世界里了——只是小玩家并不总能成功。我的描述是：我们面对的是一个“创始人自己动手做标注”的作坊式行业。

随着模型越来越强、标注的技能门槛越来越高，出现了一批创始人亲自下场造数据的小创业公司。实验室爱死这个了，因为这完全是错误定价：这些人融了一大笔钱、有的是现金可烧，跑到实验室门口说“求你把生意给我做”。

他们是聪明人、是创始人、以前也是很强的技术员工，但项目是他们自己在跑、标注是他们自己在做。这本质上是 VC 补贴的活儿，实验室当然喜欢。

问题在于规模做不起来——超出一个创始人或几个全职员工能做的数据量就不行了。这就是我们的处境：要跟“创始人领队做标注”竞争，其中有些人甚至把它当现金流生意做，赚了钱自己揣兜。但它扩展不了。

供应商和客户都清楚：当你想把吞吐量和项目数放大 10 倍时，这套玩不转。不过它确实预示了这个领域的方向：我们需要更高技能的专家，需要世界上最优秀的人来做标注。

Harry： 别笑，我是有点 ego。我喜欢觉得自己是那片特别的雪花。我的意思是：当 Meta、OpenAI 或者任何大公司同时从好几家手里买数据时，我会觉得——你这是花心，是劈腿，背叛了我。你介意吗？你们会监控预算吗——客户花在你们身上的预算占比，对比其他供应商？

Osvald： 当然，我们做大量竞争情报。客户喜欢我们，所以经常主动跟我们分享信息。但大家的目标都是让模型变得更好，所以我们欢迎这种竞争压力——它告诉我们该往哪儿走。

如果有人在某件事上做得比我们好，我们想听，然后做得比他们更好。供应商之间同场比测（bake-off）是健康的，逼我们把服务做得更好。我们会盯紧这件事：要知道谁比我们强，然后超过他们。只要最后是 Mercor 在赢，这完全是件健康的事。

Anthropic 会吞掉一切吗——黑客事件与网络安全

Harry： 前面说到了“前沿”。我是 Legora 的投资人（译者注：Legora 是一家法律 AI 公司），人人都跟我说：“不，你真正的竞争对手其实是 Anthropic。”我就说：如果 Anthropic 跑去抢法律业务、去赢 Cooley 和 Goodwin 这样的客户（译者注：两家均为美国知名律所），那这个世界肯定是哪儿出问题了——他们应该去攻克癌症和气候变化才对。

我这句话在多大程度上是对的？我该怎么平衡“Anthropic 会杀向 Legora、杀向 Figma”和“Anthropic 同时在攻克人类今天面临的前沿难题”这两件事？

Osvald： 好问题。我会看看其他大公司的先例——Google、微软，巧的是也都号称要解决气候变化和癌症，但那不是他们的主业。他们把手伸进了很多领域，但竞争者照样涌现。

你还记得 Google+ 吧？它哪儿也没去成。它刚出来的时候可能吓到了一些人。你可能也记得 Threads——我不知道它现在怎么样了。

Harry： 据他们市场团队说，4 亿用户。

Osvald： 挺有意思。我就不多评论了，因为我——

Harry： 多迷人啊。真想看看它的互动率。

Osvald： 我是真的对此一无所知。不过话说回来，看先例的话：大公司经常想下新注、做多元化，但会输给对市场极度专注的公司。

走着瞧吧。但我会想：Google 和微软的历史或许有可学之处——业务单元一大堆、动作一大堆，但驱动全部收入的始终是核心业务。

Harry： 你知道，我很爱富迪。那次黑客事件发生的时候我还给他发了短信（译者注：指 Mercor 此前遭遇的安全入侵事件）。被黑客搞的时候很难办——你不知道说什么好，只能说“我挺你”，竖个大拇指。那一刻我感觉自己真是个典型的 VC：“我挺你，祝好运”——屁用没有。

我的问题是：那件事怎么改变了你的产品心态和产品方法？那段日子很难熬，我记得你顶着巨大的压力。说真的，我为此感到抱歉——经历那种事太可怕了。它怎么改变了你的产品观？

Osvald： 我不是安全专家，但我们招了很多安全专家，而我听他们的。主要的变化就是：更大的投入，以及向我们招进门的专家们学习。

Harry： 我们是不是正在进入网络安全的黄金时代？我的意思是：海量 AI 生成代码正在涌现，很多都有漏洞；Lovable、Replit，随便你点名，都在产出天文数字的代码量。威胁的增速会比我们预想的大得多吗？

Osvald： 很可能，是的。我们看得最清楚的一点是：安全是个很有意思的数据类型，因为它是对抗性的——网络攻防上可能出现 AlphaGo 式的局面，奖励没有上限、性能没有上限，领域一直在动。

我们最喜欢这类东西，因为从数据角度看它像一场博弈。我们看到对网络防御能力的需求在非常快地增长，数据类型也非常有意思。而这就是一个例子，说明有些事的“够用”根本——

Harry： 等等，帮我理解一下。围绕安全，人们想要什么样的数据——那些在这波需求爆发之前没人想要的？

Osvald： 我得小心，不能透露太多客户工作的细节。这个品类增长非常快。安全工作的一大本质是它的对抗性——它不是“更新一下 CRM 就完事”那种够用即可型的活。

攻防能力之间永远在玩猫鼠游戏。回到我们之前聊的“90% 的企业工作流已经能被完成”——安全领域永远不会有那个 90%，因为球门永远在移动。

所以安全这个品类在整体增长，而其数据类型的本质就是无上限、持续演化、目标不断移动的对抗博弈。

旧金山人才战争与混蛋政策

Harry： 再帮个忙。你是爱沙尼亚裔。我常跟欧洲创始人说：旧金山是创业最烂的地方——招不到人、招不起人、也留不住人。旧金山的人才战争真有看上去那么残酷吗？

Osvald： 挺残酷的。招人难，留人难，都难。我觉得比以前更难。但你在火箭上的时候，这些都容易——坐在火箭上招人总是容易的，难的是想清楚该招谁。

Harry： 你招错人的时候，回头看，有什么是你当时没看见、希望自己看见了的？

Osvald： 自主性（agency）和主人翁意识（ownership）在面试里真的很难评估。

Harry： 假设我才华横溢——超级有才——但有点混蛋。不是彻头彻尾的混蛋，就是有点浑。你能接受吗？

Osvald： 如果你确实超级有才，能。这里的公司文化是高自主性、高绩效、高主人翁意识。性格是可以改的——你可以学会更好地与人相处。

我们在乎的是成长，我们想招“真在乎”的人。让一个人变得在乎，比让他跟同事磨合顺畅要难教得多——后者简单，喝几次酒就磨合好了。可以容忍几个混蛋，多喝几轮就没事了。

而且，如果你招了好几个混蛋，他们可以互相作伴。没事的，自成一圈。

Harry： 你可没招多少混蛋。

Osvald： 对，我自己倒可以算——

Harry： 还有，欢乐时光（happy hour）？真的假的？

Osvald： 其实我们最近刚办了一次很棒的团建，和标注团队去了加拿大的托菲诺（Tofino）——在加拿大西海岸，是唯一能冲浪的地方。我们去了漂浮桑拿，玩得特别开心。

我觉得这对团队真的很好，钱花得很值，人人都喜欢。我认为做这种让大家动起来的户外活动是好的。

快问快答与 2000 亿美元 bull case

Harry： 准备好快问快答了吗，兄弟？过去 12 个月，你在哪件事上改变想法最大？

Osvald： 老实说，可能是环境——RL 环境这个市场。去年我们刚开始做的时候，交付太复杂、太难跑通，我以为这事成不了，以为它扩展不起来。结果它跑通了。我挺意外的。

Harry： 是什么变了？

Osvald： 需求实在太高，而我们就是把它跑通了。我们试了非常多种方法，才让环境真正提升模型性能。就是一直死磕，最后成了。

Harry： 假如我是你弟弟，今天在大学读计算机。你把我摁下来说：“老弟，你得知道这件事。”我该知道什么？

Osvald： 尽早去实习，真正的实习——因为学校里学的东西，大概率很快就过时。

Harry： 该去哪儿实习？我知道这问题听着蠢——我该自己创业？去高速增长的公司？还是去那种“屋里有成年人”的成熟大公司？

Osvald： 也许我有偏见，但：去旧金山的高速增长公司。不需要“屋里有成年人”，但要在前沿上——那才预示着这个领域往哪儿走。规模比 10 人大一点、别太早期，这样能过滤掉那些可能哪儿也去不了的公司。

Harry： 那你说，我是不是已经错过了——错过你们了？错过 Mercor 了？

Osvald： 不。我们仍然像创业公司一样运转。

Harry： 你们现在多少人？

Osvald： 大概 500 人。文化上我们是创业公司：偏执、全员坐班、行动快。我们想尽可能久地保住这种状态。

Harry： 你最尊敬哪家竞争对手？为什么是他们？

Osvald： 我不怎么想竞争对手。他们都差不多——都落后我们一截。我们努力不去想他们，把心思放在客户身上。我非常尊敬我们的客户，热爱他们做的工作。

竞争对手的动向我们也盯，但每次我点开他们的网站，他们做的东西都是我们一周或一个月前做过的：我们发篇博客，一周后有人发一模一样的；我们改一下官网，有人跟着改一模一样的。所以我把更多时间花在——

Harry： 这话你对 Surge 也敢说吗？

Osvald： 这种事发生过。他们确实有点“野”。

说实话，我没花多少时间想他们，我更多在想客户。我们观察过：他们确实不太一样，不太抄我们，和这个领域里其他玩家相比显得有点独特。说不清为什么——他们非常神秘。

Harry： 请你描绘一下 Mercor 成为 2000 亿美元公司的多头剧本（bull case）。

Osvald： 当然。表面上看我们卖的是服务——我们基本是一家技术赋能的服务公司。而我们的服务对客户极其有价值：主要通过更强的模型能力，直接驱动他们的收入增长。

评估和训练数据是当下模型性能的首要瓶颈。如果每家企业都需要专有的专用模型，那么即便能力开始饱和，评估集既是“你到底想要什么”的产品需求文档（PRD），又是持续优化性能的优化目标。

只要更强的模型对经济有价值，对评估集和训练集的需求就会一直在。如果我们能让这个过程越来越快，就能承接不断增长的人类数据需求。此外，我们还有一条不断壮大的企业级智能体部署业务线。

机器人：更像 Waymo 时刻，而非 ChatGPT 时刻

Harry： 今天没有、但三年后会很重要的收入线是什么？

Osvald： 我认为真实世界的物理数据会在未来三年显著增长。机器人对我们是个有意思的领域。机器人的数据市场相对生成式 AI、相对自动驾驶都还很稚嫩，我们认为它会长大很多。

Harry： 你们会赶在需求之前先扩供给吗？

Osvald： 我们有时会留住杰出人才，去做未来可能有价值的事；也会在需求低谷时做一些现货式（off-the-shelf）的数据集——先把供给用起来，日后再转卖。这种意义上，会。除此之外，不会。

Harry： 你收到过的最好的一条建议是什么？

Osvald： 很多人劝过我：去小公司，去创业公司，搬去旧金山。我在加拿大长大，在多伦多上大学，后来我照做了。这个建议很棒，我很喜欢在这儿的生活。

我喜欢小公司，喜欢高速增长的公司。这段经历超级好玩，对我的职业生涯也极好。

Harry： 最后一个问题：有什么事让你最兴奋，而你认为讨论的人还不够多？

Osvald： 可能和前面是同一个答案：三年尺度上的机器人机会。Twitter 上和某些圈子里确实有很多关于机器人的讨论——

Harry： 抱歉兄弟，你得帮帮我——我在这儿就要惹祸了。现在是周五下午，过了六点，管他呢，我想说啥说啥。我不理解机器人，真的不理解。

每次看机器人演示，都是个走路都磕绊的玩意儿在屋里挪；看完它花 15 分钟从冰箱里拿出一瓶水，结果——富迪一直就在隔壁房间里遥控。我就想：你逗我呢？我家厨房里杵着这么个二货，花 15 分钟拿瓶水，结果是富迪在我后屋里操作的？这就是我们现在的水平。我到底没看懂什么？帮我兴奋起来。

Osvald： 我理解。但你回想十年前：自动驾驶汽车上也一直坐着人。你会看到测试车队在旧金山满街跑，里面一直坐着安全员，一坐就是好几年。而现在我坐 Waymo 比坐 Uber 还多。

Harry： 真替你高兴。欢迎来伦敦——我们这儿的车里还都坐着人。说真的我爱听，但它只在一个城市跑，处理不了模糊性很强的路况，还是挺小众的。

Osvald： 但至少在旧金山、奥斯汀、菲尼克斯，它进步飞快。是的，分布确实不均，但在旧金山这是一项不可思议的服务，这儿的人用得很多。

技术上它是成立的——规模化或许有监管之类的挑战，但那是另一回事。

Harry： 但你认为机器人会迎来它的“ChatGPT 时刻”，带来使用和采纳的拐点？

Osvald： 会，但我认为它的展开方式可能更像自动驾驶汽车：物理世界的规模化远比软件难。所以它可能更像“Waymo 无人出租车上路”那样的时刻，而不是 ChatGPT 那样的时刻。但进步会实实在在地到来。

Harry： 你太棒了。非常感谢你忍受了这场极其散漫、结构稀烂——但精彩——的对话，我真的非常感激你的包容。

Osvald： 谢谢邀请，聊得特别开心。