硅谷头部数据服务商 Mercor 已经做到年化 20 亿美元营收，这家公司提出一个核心观点，大模型本身已经具备自主造数据的能力，不再只依靠传统人工标注、爬虫采集的模式供给训练数据，而 Mercor 的数据生意，本质卖的不只是一条条原始文本、样本，而是经过校验、分层、适配模型训练流程的数据闭环方案，包含数据质量管控、真实性核验、标注流水线、数据合规授权、可直接喂给模型的数据集，很多人误以为数据公司就是卖原始素材，这套认知已经跟不上现在 AI 数据行业的变化。过去传统 AI 数据服务商，主要靠人工标注、网页抓取、整理公开素材，卖给模型厂商；但随着基础模型能力变强，模型可以自动生成大量合成数据，带来了新问题：合成数据容易出现事实错误、同质化、数据污染，直接拿去训练会让模型能力退化。Mercor 的核心竞争力就是搭建一套 “模型生成 + 人工复核 + 事实校验” 的体系，用模型批量产出候选数据，再做过滤、去重、真实性校准，打包成高质量训练集对外交付，同时配套数据溯源、版权、合规证明，这也是它能做到高营收的关键。
Mercor 核心业务清单
- 营收规模：年化收入 20 亿美元
- 核心定位：面向大模型厂商的高质量训练数据服务商
- 核心路线：模型自主生成合成数据，搭配校验流程，替代一部分纯人工标注数据
- 主要客户：海外基础大模型公司、AI 智能体企业、多模态模型研发团队
- 交付产品：指令微调数据集、偏好对齐 DPO 数据、长文本推理数据、多模态配对数据
- 配套服务：数据溯源审计、版权合规背书、数据分布诊断、数据集效果评估
数据生意到底卖什么明细表格
| 售卖品类 | 内容说明 | 价值点 |
|---|---|---|
| 原始样本素材 | 爬虫、公开采集、人工采集得到原始文本、图片、对话 | 量大、便宜，缺陷是噪声高、版权风险大 |
| 标注好的结构化数据 | 人工标注或者模型初标 + 人工复核，带标签、指令、答案 | 可以直接用于 SFT 微调，是过去主流产品 |
| 模型合成数据 | 由模型自主生成，再经过事实校验、过滤、去重 | 产能高、成本可控，适合长尾、小众任务场景 |
| 数据治理服务 | 数据清洗、去重、毒性过滤、分布对齐、污染检测 | 解决数据同质化、模型退化问题，属于增值服务 |
| 数据合规与溯源包 | 版权核验、授权证明、每一条数据来源链路记录 | 规避训练带来的侵权、合规风险，大厂刚需 |
| 效果评测数据集 | 基准测试集，用来验证模型训练后的能力变化 | 用来评估模型效果，独立于训练集 |
Mercor 的数据生产流程
- 根据客户模型训练目标，确定数据分布、任务类型、难度区间
- 调用生成模型批量产出候选合成数据，也就是 “模型自己造数据”
- 自动化过滤：剔除重复、低质量、幻觉明显、有安全风险的样本
- 专业审核团队做事实核验，核对信息真伪，修正错误内容
- 做数据分层、抽样评测，检查数据分布是否符合客户需求
- 交付数据集包，附带溯源文档、合规说明，同步提供后续迭代优化
- 交付后持续跟踪客户模型训练效果，按需调整下一批数据的生成策略
优势与现存短板
✅ 优势
- 模型自主造数据，产能远高于纯人工标注，交付速度更快
- 可以定向生成小众、长尾任务数据，这类数据很难在互联网上采集
- 可控性强，可以精准控制数据主题、难度、格式，适配不同模型对齐需求
- 合成数据天然存在幻觉风险，复核环节成本无法完全省去
- 大量使用同源模型生成的数据，容易出现分布坍缩，训练后模型变笨
- 高质量事实类数据，依然离不开真实世界资料作为锚点，不能完全脱离真实信源
- 合成数据版权边界依然有争议，不同地区法规判定不一样
⚠️ 短板
整体来看，Mercor 的案例说明，AI 数据行业已经从 “采集标注” 时代转向 “合成 + 校验” 时代；数据生意卖的核心不是单纯的文本，而是可控、可信、合规、适配训练目标的数据资产和治理能力，模型能造数据不等于可以直接拿来训练，校验、过滤、溯源才是服务商的核心壁垒。
【相关 FAQ】
问题 1：硅谷头部数商 Mercor 年化收入 20 亿美元，它所说模型能自己造数据是什么意思？
回答 1：硅谷头部数商 Mercor 年化收入 20 亿美元，它所说模型能自己造数据，指使用大模型批量生成指令、问答、推理类候选样本，再经过复核加工，作为模型训练数据集，不再只依靠人工采集标注。
问题 2：Mercor 这类数据服务商，做数据生意到底在卖啥？
回答 2：Mercor 这类数据服务商的数据生意不只是卖原始文本，会售卖结构化标注数据、模型合成校验数据集、数据清洗治理、合规溯源包、评测基准等整套 AI 训练数据资产与配套服务。
问题 3：Mercor 用模型自主造出来的数据，可以直接交给大模型训练吗？
回答 3：Mercor 用模型自主造出来的数据不能直接用来训练，需要经过自动化过滤、事实核验、去重、抽样评测，剔除幻觉和低质量样本之后，才会交付给客户。
问题 4：Mercor 年化 20 亿美元的业务模式，对比传统人工标注数据公司有什么差别？
回答 4：Mercor 年化 20 亿美元的业务模式以模型合成数据为产能底座，人工主要负责校验，产能上限更高，擅长定向生成长尾任务数据；传统数据公司以人工标注、网页采集为核心，产能慢、长尾数据很难获取。
【参考资料】
[2026-11-11]（20 亿美元年化收入，硅谷头部数商 Mercor：模型能自己造数据了，数据生意到底在卖啥？）36 氪
[2026-11-10]（Mercor 合成数据业务模式拆解，AI 数据行业新趋势）机器之心
[2026-11-08]（合成数据会不会带来模型退化，Mercor 技术方案解读）新智元
[2026-10-27]（AI 数据服务商 Mercor 营收突破年化 20 亿美元，聚焦大模型对齐数据）澎湃新闻
【免责声明】
本文仅为 Mercor 和 AI 数据行业趋势科普，Mercor 的营收口径、合成数据技术方案、交付规则由企业官方定义；合成数据存在幻觉、版权、数据污染等风险，不同客户使用效果存在差异，本文不构成数据采购、创业投资建议，行业最新动态以 Mercor 官方披露和权威报道为准。