共计 1733 个字符，预计需要花费 5 分钟才能阅读完成。
三位 00 后创业者用 AI 技术彻底重塑了人才招聘市场。他们创立的 Mercor 公司，在短短两年内实现了 7500 万美元的年度经常性收入（ARR），并在 2025 年 2 月实现了 700 万美元的收入和 100 万美元的盈利，月收入增长率高达 51%，估值更是飙升至 20 亿美元。
年轻的创始团队与非凡的背景
Mercor 由 Brendan Foody、Adarsh Hiremath（CTO）和 Surya Midha（COO）三人联合创立，这三位 00 后创始人从青少年时期就共同创业，Brendan 甚至在少年时代就开办了一家公司，年收入超过十万美元。2023 年，他们三人均获得了 Thiel Fellowship 奖学金，选择辍学后创业。
团队核心成员包括前 OpenAI 人类数据运营负责人和 ScaleAI 增长负责人，半数以上成员拥有丰富的创业经历。强大的团队背景为 Mercor 的发展奠定了坚实基础。
传统招聘的痛点与低效瓶颈
尽管招聘领域经历多轮技术迭代，但仍然存在显著的低效和劳动密集问题。全球劳动力市场的低效主要源自人才与岗位匹配上的限制：
- 候选人往往只申请十几份工作，而企业只会考虑极少数的潜在应聘者。
- 招聘人员需要筛选大量简历、多轮面试，还要进行背景调查，整个流程耗时且人力密集。
- 招聘决策经常依赖招聘人员的经验和主观判断，容易带来偏见，导致优秀人才被忽略，匹配的质量难以保障。
而且，高流失率和人员可替代性的员工会让招聘成为资源浪费的循环，阻碍企业成长。
AI 技术驱动招聘全链条优化
Mercor 的产品涵盖 AI 简历分析、AI 面试官以及 GitHub 和社交资料分析工具，打通招聘整个环节，实现智能化人才筛选和评估。通过这些 AI 工具，Mercor 能够：
- 快速且精准地筛选海量候选人简历，消除人为偏见。
- 通过 AI 面试评估候选人的专业技能及综合能力，提高匹配质量。
- 自动化完成招聘流程，极大缩短周期、降低成本。
企业招聘人员只需输入职位描述，Mercor 便抓取候选人简历、代码仓库、作品集等信息，建立完整人才画像，并通过数千场 AI 面试精准定位最佳人选。
应聘者通过上传简历和进行约 20 分钟的 AI 视频面试（结合经验性问题和案例研究），让 AI 根据数据匹配最合适的岗位。
技术层面，Mercor 基于 OpenAI 闭源模型，结合专家人工标注和大数据持续训练，优化模型效果，实现了优于一般技术招聘人员的精准推荐。
创新业务突破与未来愿景
Mercor 最初聚焦为大型 AI 实验室寻找标注数据专家，因为当前 AI 模型训练大量依赖人类专家的数据支持。未来 AI 进步需要结合 GPU、算法及专家人类数据，Mercor 正好填补了关键的“人类专家数据”环节。
随着积累数十万次招聘匹配的数据，Mercor 的数据飞轮效应不断加强，提升模型识别高绩效人才的能力。业务逐渐从短期合同岗位向长期全职岗位扩展，目标成为通用型人才聚合平台，帮助数百万人找到理想职位。
团队强调两项核心护城河：一是供给侧持续吸引全球优秀人才加入平台，二是不断从客户互动中学习，完善数据飞轮机制。
目前 Mercor 平台上已有超过 30 万名专业用户，客户涵盖大多数顶尖 AI 实验室，公司主要通过推荐获取客户，收费模式包括 35% 经纪费或订阅制，营收增长强劲并保持盈利状态。
从云原生到 AI：招聘行业进化历程
招聘领域的低效，一直是技术创新的攻坚点。互联网时代侧重社交连接，如 Boss 直聘和 LinkedIn 解决人才基本匹配。云原生时代催生了 Deel 等 HR 管理 SaaS 平台，强调数据管理和合规性。
而 AI 时代，像 Mercor 这样的平台，依托智能和自动化优势，全面优化招聘流程，替代人力完成筛选、面试与技能评估，实现高效且公平的招聘生态。
相比 Deel 等辅助型 HR 工具，Mercor 更专注用 AI 驱动的自动化决策，最大程度降低人为主观影响，让招聘更智能化。
技术只是基础，持续解决客户痛点才是关键
不同技术时代的更新换代，为创业者提供了更强的工具，但产品差异化最终取决于对客户问题解决的深度。
如今，AI 模型与数据门槛逐渐降低，企业真正的竞争力并非依赖技术本身，而是看谁能持续精准满足并解决客户最核心的人力资源难题。
Mercor 的成功正是由于深入洞察招聘痛点，并用 AI 技术持续迭代优化，建立起难以复制的数据驱动优势，推动招聘行业迈入全新智能时代。
