شرکت مرکور (Mercor.io Corp)، فعال در حوزه داده آموزشی هوش مصنوعی، امروز اعلام کرد ۷۵۰ میلیون دلار سرمایه تازه با ارزشگذاری ۲۰ میلیارد دلار جذب کرده است. این دور، ارزش شرکت را نسبت به دور قبلی که کمتر از یک سال پیش بسته شد، دو برابر میکند.
مرکور تخصص انسانی مورد نیاز برای آموزش و ارزیابی مدلهای هوش مصنوعی را تأمین میکند و شبکه‌ای بیش از پنج میلیون متخصص حوزه‌های مختلف در اختیار دارد. بخش عمده این کار تا امروز برای آزمایشگاه‌های مرزی هوش مصنوعی انجام شده است. سرمایه تازه با هدف بردن این توانمندی به سازمان‌های همه صنایع جذب شده؛ بازار بزرگی که به گفته مرکور، به روش خودش نیاز دارد تا بسنجد آیا می‌توان یک کار را به یک عامل هوش مصنوعی سپرد یا نه.
برندان فودی، یکی از دو مدیرعامل مشترک مرکور، می‌گوید «هر شغلی در اقتصاد» به عامل‌های هوش مصنوعی اختصاصی خود نیاز پیدا میکند و شرکت‌ها باید راهی داشته باشند تا این عامل‌ها را روی کار خودشان آموزش دهند و ارزیابی کنند. مرکور دو سال گذشته را صرف ساختن همین زیرساخت همراه با آزمایشگاه‌های مرزی کرده است. کسبوکار آزمایشگاه‌ها هم سریع رشد کرده؛ فودی در تیرماه در پستی در شبکه ایکس اعلام کرد درآمد سالانه‌شده شرکت در ژوئن از ۲ میلیارد دلار گذشته است.
آدَرش هیرمات، مدیرعامل مشترک دیگر، به شکاف میان بنچمارک عمومی و واقعیت سازمانی اشاره میکند: یک مدل می‌تواند در یک آزمون عمومی نمره خوبی بگیرد و هنوز در «سیستم‌ها، سیاست‌ها و موارد لبه‌ای که چگونگی کار یک کسبوکار خاص را تعریف می‌کنند» شکست بخورد. برای هر مشتری سازمانی، مرکور یک بنچمارک اختصاصی می‌سازد که مدل‌ها را با استانداردهای همان شرکت می‌سنجد و آموزش پس‌ازتمرین (post-training) از همان‌جا شروع می‌شود.
بخشی از این آموزش پس‌ازتمرین روی نرم‌افزار شرکت Deeptune اجرا می‌شود؛ استارتاپ نیویورکی که مرکور در ژوئیه خرید. تیم Deeptune دو سال پیش از آن صرف بازسازی صدها اپلیکیشن سازمانی کرده بود تا عامل‌های هوش مصنوعی در آن محیط‌ها تمرین کنند. مرکور می‌گوید پول تازه صرف پژوهش و زیرساخت ارزیابی می‌شود، از جمله ساخت محیط‌های بیشتر از همین نوع.
سرمایه‌گذاران دور D
مرکور سرمایه‌گذار اصلی این دور سری D را اعلام نکرد، اما در فهرست سرمایه‌گذاران، پول شرکتی انویدیا، سیلیزفورس و زوم ارتباطات دیده می‌شود. سرمایه‌گذاران قبلی یعنی Benchmark Capital، Felicis Ventures و General Catalyst هم دوباره شرکت کردند. دیگر سرمایه‌گذاران این دور عبارت‌اند از Fundomo، G Squared، Glade Brook Capital Partners، Sapphire Ventures، StepStone Group، XTX Ventures و صندوق‌هایی که شرکت‌های وابسته به Apollo Global Management مدیریت می‌کنند.
دور قبلی در اکتبر ۲۰۲۵ بسته شد؛ Felicis رهبری دور سری C را با ۳۵۰ میلیون دلار بر عهده داشت و ارزش مرکور ۱۰ میلیارد دلار تعیین شد. پست فودی درباره دور تازه می‌گوید این دور شامل یک پیشنهاد خرید سهام از کارکنان (tender offer) هم بوده و شرکت نگفته است از ۷۵۰ میلیون دلار چه سهمی به خرید سهام کارکنان و چه سهمی به سرمایه تازه اختصاص دارد.
جای داستان، همین‌جاست
تا امروز، خریداران اصلی داده تخصصی، آزمایشگاه‌های مرزی بوده‌اند؛ چون برای آموزش مدلهای بزرگ به نمونه‌های باکیفیت از استدلال انسانی نیاز دارند. جی داس، رئیس و هم‌بنیان‌گذار Sapphire Ventures، انتظار دارد این وضعیت با بهتر شدن مدلهای متن‌باز و توانایی سازمان‌ها در ساختن روی آن‌ها تغییر کند. به گفته او، مرکور از چند سال کار با آزمایشگاه‌ها «چیزی ساخته که تکرارش سخت است».
منطق این ادعا روشن است: ساختن شبکه‌ای از پنج میلیون متخصص در حوزه‌های تخصصی، با فرایند پرداخت، کنترل کیفیت و ارزیابی، در چند ماه ممکن نیست. اما پرسش اصلی این است که آیا سازمان‌ها حاضرند برای ارزیابی عامل‌هایشان هزینه کنند، یا ترجیح می‌دهند با تیم داخلی و چند آزمون ساده سر و ته کار را هم بیاورند. مرکور عملاً شرط می‌بندد که با ورود عامل‌ها به فرایندهای حساس — پرداخت، پشتیبانی، منابع انسانی، انطباق — هزینه یک خطای ارزیابی‌نشده آن‌قدر بالا می‌رود که بازار ارزیابی مستقل، به اندازه خود بازار مدل بزرگ شود.
ارزشگذاری ۲۰ میلیارد دلاری برای شرکتی که درآمد اصلی‌اش از فروش تخصص انسانی و داده است، عدد جسورانه‌ای است. اما در سالی که سرمایه‌گذاران برای هر لایه از زنجیره هوش مصنوعی — از تراشه تا نیروگاه برق — قیمت بالایی می‌پردازند، لایه «سنجش اعتماد» هم جای خود را در این زنجیره باز کرده است.