從高中辯論社到百億獨角獸：21 歲創辦人如何用「人類智慧」挖出 AI 時代的最深金礦

發布日期：2026 年 3 月 23 日作者： deathhell.tw

相關主題： ai, 面試.

本文重點

在 2026 年的 AI 狂潮中，當科技巨頭們為了爭奪 GPU 算力與模型參數拚得你死我活時，有三個年僅 21 歲的年輕人，卻在巨頭的夾縫中看見了另一座金礦。

Brendan Foody、Adarsh Hiremath 與 Surya Midha，這三位曾在加州聖荷西高中辯論社並肩作戰的夥伴，憑藉著敏銳的商業嗅覺，創辦了 Mercor。在最新一輪由頂級創投領投的融資後，這家公司估值飆破 $100$ 億美元，也讓他們一舉打破紀錄，成為全球最年輕的白手起家億萬富翁。

核心洞察：AI 模型的終極瓶頸是「人類」

Mercor 的成功，源自於一個反直覺的商業洞察：當 AI 越來越聰明，它需要的就不再是海量的網路垃圾數據，而是頂級的「人類專業知識」。

要讓 AI 擁有醫療診斷、法律合約審閱或撰寫複雜程式碼的能力，需要真正的醫生、律師與資深工程師來教導它、糾正它。然而，全球頂尖的 AI 實驗室（如 OpenAI、Anthropic）雖然擁有最強的算法，卻沒有能力在全球範圍內快速招募、面試並管理成千上萬名各行各業的領域專家。

這就是 Mercor 鎖定的「基礎設施缺口」。

系統解密：用 AI 建立「全自動專家評估引擎」

Mercor 最初只是一個媒合印度軟體工程師與美國新創公司的小專案，但他們迅速將其進化為一個高度自動化的全球人才評估與合規中樞。

他們建立護城河的方式，與建構一套嚴謹的企業風險審核系統有著異曲同工之妙：

自動化篩選與面試 (Automated Vetting)： 面對全球湧入的履歷，Mercor 開發了專屬的 AI 面試官。系統能透過語音與文字對話，針對特定專業領域（如量子物理或跨國稅法）進行深度的技術測驗，大幅降低人工面試成本。
動態能力標籤與精準媒合： 每位通過測試的專家都會被系統打上多維度的能力標籤。當 AI 實驗室需要「具備十年經驗且精通歐盟合規的財務分析師」來訓練特定模型時，Mercor 的系統能瞬間完成精準媒合。
跨國合規與給付基礎設施： 處理全球數萬名獨立專家的法規合規（Compliance）與薪資支付，是極度繁瑣的後勤災難。Mercor 將這些流程完全自動化，讓 AI 企業能無摩擦地獲取跨國智力資源。

商業啟示：在淘金熱中「賣十字鎬」

Mercor 在極短的時間內，將年化經常性收入（ARR）從 $1$ 億美元推升至 $5$ 億美元以上。他們的故事為 2026 年的創業者帶來了兩個關鍵啟發：

尋找隱藏的基礎設施缺口： 不一定要下海研發底層大模型（淘金）。建立支撐 AI 發展的周邊系統與合規流程（賣十字鎬），往往具備更高的毛利與更深的護城河。
「非結構化資料」的結構化能力就是價值： 人的能力與專業是最難被量化的非結構化資料。誰能建立一套系統，以自動化、客觀且合規的方式去「評估」並「管理」這些複雜變數，誰就能掌握市場定價權。