三位00后Thiel Fellowship（彼得·蒂尔奖学金）获得者用AI把招聘这件事重新做了一遍，他们的产品既解决了人才和组织匹配的数量问题，也更好的解决了匹配的质量问题。

创立2年，这家叫Mercor的公司已经拥有7500万美元的ARR，2025年2月的收入为700万美元，利润为100万美元，月收入增长率51%。

Mercor近日获得了1亿美元的B轮融资， 由Felicis领投，General Catalyst、DST Global、Benchmark和Menlo Ventures参投，其估值从2024年9月的2.5亿美元提升到20亿美元。

在获得这轮投资前，Mercor还获得360万美元的种子轮融资和3200万美元A轮融资，在这两轮融资中，包含Scott Sandell（NEA首席执行官兼首席投资官），Peter Thiel，Jack Dorsey、Adam D'Angelo、Larry Summers和Chris Re等知名投资人。

三位00后创始人用AI改造人才招聘

Mercor由Brendan Foody、Adarsh Hiremath（CTO）和Surya Midha（COO）联合创建，这三位00后创始人从14岁起就一起合作，Brendan在青少年时期就创办了一家收入超过10万美元的公司；2023年，三人均获得了Thiel Fellowship，他们选择从哈佛大学和乔治城大学辍学，创立Mercor。

在Mercor的团队中，还包括OpenAI前人类数据运营负责人和ScaleAI前增长负责人，核心团队中一半以上的成员有过创业经历。

人才与企业匹配效率的瓶颈在于人力

尽管人力资源领域已经经历了互联网和云计算时代的两次改造，但是它仍然是低效且劳动密集的。全球劳动力市场的低效源于匹配问题：一个候选人只申请十几份工作，而一家公司只考虑市场上不到百分之一的候选人。瓶颈在于人力。

招聘人员要筛选很多简历，进行多轮面试，并执行背景调查；即使候选人被录用后，还需经历入职和培训期才能完全为组织做出贡献。整个过程是线性的，由人力完成的；这就造成了人才和组织的匹配数量无法提高。

招聘人员在进行招聘工作时，会受到自身的经验和能力的影响；一方面是可能带有主观性和偏见，另一方面可能专业水平不够，在这种招聘模式下，许多优秀人才被系统性地忽视；这就造成了人才和组织的匹配质量低下。

当招聘到公司的人员具有可替代性或高流失率时，这一过程就变成了重复的、耗费资源的循环，也成为企业增长的重要阻碍。

AI从企业和候选人两端解决人力资源行业的低效问题

Mercor的产品包括AI简历分析、AI面试官、以及GitHub/社交档案分析工具；这些AI驱动的软件功能让劳动力的发现机制出现变化，它可以很快很精准地大量筛选候选人简历，并且不带偏见和高质量的对候选人进行面试，还能测试和验证候选人的技术和能力水平；这样就解决了人才和组织匹配的数量和质量问题。

而且当完成整个招聘流程的是由AI驱动的软件，而不是人力时，那么在速度和数量上有了很大提升，在成本上有极大下降，这就使得一个更公平、更流动的劳动力市场成为可能——每个人都将参与面试，每家公司都将从中招聘。

对于企业招聘人员，他们只要通过聊天机器人界面输入简短的职位描述，Mercor的爬虫会自动从简历、GitHub、个人作品网站等中提取信息，创建每位申请者的完整画像。Mercor的产品能够浏览数百万个档案，进行数千次AI面试，并精确定位最适合企业特定角色的那一两个人，帮助招聘人员高效完成工作。

对于求职者，他们需要上传简历并进行20分钟的AI视频面试，其中一半时间基于经验问题，另一半为案例研究。AI处理这些数据，将他们与市场中的职位匹配。

在技术方面，Mercor使用的是OpenAI的闭源模型，然后会使用行业专家人工标注的数据，以及在产品运行过程中产生的数据，不断训练和微调模型，校准模型的有效性，并不断实验以找到预测成功的特征。

Mercor业务的第一个突破是为大型AI实验室寻找并匹配标注数据的人类专家。目前AI模型在训练时，已经几乎用尽了网络上的公共数据，其余有价值的内容都存在于人类脑海中。

如果AI模型要在专业领域进一步发展，它就需要用专家的人类数据来训练这些模型。未来十年的AI进步=GPU+算法+专家人类数据。NVIDIA和算法研究人员解决了前两者，而Mercor可以帮助完成最后一块拼图。

Mercor业务发展的第二个阶段得益于它的数据飞轮，通过完成数十万次的招聘工作，在这个过程中获得的数据优化其模型，Mercor在识别和招聘高绩效人才方面越来越出色。他们的模型能力已经优于大多数技术招聘人员。

他们在第一阶段从较短期的合同工作开始，第二阶段将逐步扩展到更长期的全职工作。长期愿景是成为一个通用聚合平台，将数百万人安置在理想职位上。

“我们的两大护城河与我们投资的方向密切相关，第一是供给侧增长，将世界上最聪明的人吸引到平台上。但第二大护城河，也是我更兴奋的部分，是数据飞轮效应，我们从每次客户互动中学习。”Mercor的创始人Brendan Foody表示。

目前，Mercor的AI招聘平台上有超过30万名专业用户，它的客户包括大多数顶级AI实验室。

Mercor目前所有客户都来自推荐，它们收35%的经纪费或者采用订阅收费方式；在过去六个月中，Mercor的收入平均月增长率达51%，ARR超过7500万美元。据创始人Brendan Foody透露，公司已实现盈利，预计2025年2月的收 入为700万美元，利润为100万美元。

继云原生时代的Deel之后，AI时代的应用让人力资源软件更智能

人力资源领域的低效，是每个时代的创业者都试图解决的问题。互联网时代，云原生时代，AI时代，都有各自时代解决这个问题的产品。

互联网最突出的能力是链接，这个时代的 产品主要解决的是初级的匹配，产品形式是社交媒体类软件，例如Boss直聘和Linkedin。

云原生时代的产品，主要解决的是数据和管理，也诞生了Deel这样增长极快的人力资源管理SaaS平台。

AI最突出的能力是智能和自动化；Mercor相比互联网时代更高效的解决了人才和企业需求的匹配问题，还将有更多的AI应用公司，解决人力资源其他方面的问题。

我们在2022年介绍过Deel这家公司，将它和Mercor对比，我们看到，Deel是辅助人类来管理人力资源方面的事务，包括招聘，在全球市场的合规，入职管理，薪酬支付，软件并不参与人类的决策。

Mercor目前专注于人员招聘这一需求，将简历筛选，面试和人员技能审核这几个环节自动化，软件代替人类在这些环节进行了决策，而人类只需要在入职的最后环节进行选择和决策。

无论是互联网，云原生还是AI，技术在发展，但是技术只是一种“基础设施”，这些基础设施让创业者们有了更强的解决问题的工具，但是它并不决定企业产品的差异性，创业者不能拿着技术的锤子去找钉子，而应该专注在问题的解决上。

在AI时代，强大的开源模型让创业者们获得了低成本的AI智能，所以AI时代企业的护城河既不在AI，甚至也不在专有数据，而在于谁能更好的解决客户的难题，并且持续地解决这些难题。