Mercor为何值10B：资本重写的，不是倍数，而是品类

如果还把 Mercor 当成传统 HR Tech、ATS 或招聘平台看，它的 10B 估值基本没有解释空间。
OXYZ资本的判断很明确：Mercor 之所以被定到远高于传统招聘 SaaS/HR Tech 的位置，不是因为它把招聘做得更聪明了，而是因为资本已经不再把它当“招聘软件”看，而是当成“AI训练时代的人类专业知识基础设施 + 评估标准层期权”在定价。 

这两种看法，表面上只差一句话，实际差了整整一套估值宇宙。

先说为什么按传统 HR Tech 逻辑，Mercor 不应该值这么多。原因很简单：它不是典型 SaaS。它不是 seat-based 订阅，不是高毛利纯软件，也不是那种客户买了之后年年稳定续费、边际成本极低的标准人力软件。它的收入口径里包含大量项目制、供应商制和 contractor pass-through 成分，很多数字看起来像 revenue，实质上并不等于传统 SaaS 意义上的高质量收入。你如果拿 Workday、Paycom、Upwork、ZipRecruiter 这类公司去做可比，Mercor 的倍数是明显站不住的：同样的收入规模，它的估值远远高于这类公司，而收入质量却并不比它们更“软件化”。

更关键的是，Mercor 的买方和预算，本来也不是传统 HR 预算。
传统 HR Tech 的核心命题是：提升招聘流程效率、缩短招聘周期、降低人力成本、改善协同体验。
Mercor 的核心命题则完全不是这个。它切进去的，是 frontier AI labs、研究团队、模型后训练、评测、数据生产这类预算。换句话说，它吃的不是 HR Opex，而是 model-performance Opex；不是“多招几个人”的预算，而是“如何让模型更强、更可测、更可控”的预算。预算中心一变，资本看的就不再是 HR TAM，而是 AI 训练链路里的关键支出入口。

这就是 Mercor 高估值的第一层底层解释：不是倍数先变了，是品类先变了。
资本不是把它从“更好的招聘软件”一路抬到了 10B；资本是先把它从 HR Tech 里拿出来，扔进了 AI data / post-training / eval infra 这套 peer set 里，然后才给了完全不同的倍数。
所以，Mercor 不是在和 Workday 比，也不是在和 ATS 比；它在被拿去和 Scale、Surge、AI 数据供应链、评估基础设施这类公司比较。只要 peer set 被重写，估值逻辑就会整体重写。

但光有“重写品类”还不够，资本不会只为故事买单。
Mercor 真正让资本愿意付高价的，是五件事一起成立。

第一，增速极凶。
传统 HR Tech 是成熟软件生意，增长通常是稳，不是爆。Mercor 吃到的是 AI labs 爆发式扩张期的人类专业知识预算，这是一类预算密度极高、采购节奏极快、反馈周期极短的市场。对资本来说，这种增长不是“正常变好”，而是“踩中了一条结构性高速通道”。

第二，客户质量极高。
它服务的不是普通企业 HR 部门，而是顶级 AI labs、大型科技公司和模型能力竞争最前线的买方。这样的客户池，本身就不是普通 vendor 能拿到的。客户质量一旦高到这个程度，资本看的已经不是单个合同金额，而是你在产业链里的战略位置。

第三，它卖的不是撮合，而是结果交付。
OXYZ资本一直强调，真正值钱的公司，不是把信息匹配做得更漂亮，而是把结果交付做得更稳定。Mercor 的核心，不是“把人找出来”这么简单，而是围绕专家供给、项目交付、质量监控、结果校验建立系统。它不是一层前台匹配工具，而是一套“把高技能人类能力交付给模型训练体系”的基础设施。

第四，它有极强的数据飞轮。
传统招聘平台最大的问题是反馈慢。你今天推荐了人，三个月后才知道这个人行不行；这意味着系统几乎学不到真正有价值的“结果真相”。

Mercor 不一样。它所在的场景里，反馈周期短得多，很多项目几天内就能看到 performance data。这意味着它不是只知道“谁被选上了”，而是越来越知道“谁在什么任务、什么 rubric、什么 review 环境下，表现最好、最稳、最便宜”。这种 project-level 的结果反馈，一旦持续沉淀，就会形成真正的 outcome graph。供给数量不是 moat，结果记忆才是 moat。

第五，也是最值钱的一点：它在往“质量定义权”上爬。
大多数人看到这里，还停留在“它是 AI 招聘平台”“它是专家网络”“它是高端灵活用工平台”。OXYZ资本的观点不是这样。
Mercor 真正值钱的未来，不在“供给交易”这一步，而在它能不能把交付残差不断抽象成 rubric、verifier、evaluation environments、guardrails，最后拿到“什么叫好”的定义权。
一旦公司掌握的不是专家名单，而是质量标准；不是人力撮合，而是结果判定；不是一次性交付，而是可复用的评估体系，那它的估值范式就会继续往上迁移。资本真正预支的，不是它多卖了多少专家时长，而是它未来有没有机会成为 AI 时代某一层“标准层”的控制点。

所以，资本到底在给什么定价？
OXYZ资本的排序是这样的：

第一位，是收入增速 + 预算中心。
第二位，是客户质量 + 战略稀缺性。
第三位，是供给网络 + 结果交付 + 数据飞轮。
第四位，是未来产业位置。
第五位，才是市场情绪和风险偏好。

很多人会反过来看，以为资本首先是在给“AI 概念”买单。不是。
资本先买的是一条真实存在、而且越来越大的预算通道；再买的是你在这条通道上的位置；最后才愿意为你未来可能长成的标准层溢价。

这也是为什么，Mercor 的高估值里，既有合理部分，也有明显预支的部分。

合理的部分在于：
它确实已经脱离了传统 HR Tech 的估值框架；
它确实踩中了 AI 训练时代高战略价值的预算池；
它确实有远高于成熟 HR 软件的增速；
它的客户质量也确实足够强。
这些东西，足以让它不该被按 ATS 或招聘 SaaS 去看。

但泡沫成分也很明显。
第一，收入口径并不“纯”，gross volume 容易把故事讲大，却不等于 retained revenue、gross profit 和 contribution margin 同样优秀。
第二，客户集中度高，少数顶级 labs 对公司命运影响很大。
第三，估值里已经提前计入了它未来从交付层爬到标准层、从项目收入爬到更软件化收入的成功概率。
第四，整个 AI 融资环境本来就带有明显的 risk-on 情绪，FOMO 在里面绝对不是小变量。
所以，OXYZ资本不会把这个 10B 全部理解成“已经兑现的资产价值”，而会把它拆成两部分：一部分是已验证的 hypergrowth 现金流引擎，另一部分是尚未完全兑现的标准层期权。 

如果未来市场回归冷静，Mercor 的估值支撑会立刻回到几个最硬的问题上。

第一，它必须证明净收入质量，而不是只讲 gross run-rate。
第二，它必须降低对少数大客户的依赖。
第三，它必须证明 moat 在结果交付和评估层，而不是 sourcing 层。
第四，它必须守住“中立、可信、可交付敏感流程”的信任资本。
第五，它最好能把 enterprise / eval 这一层真正做成可重复购买、可复用、带软件属性的收入。
市场热的时候，大家愿意先给你想象力；市场冷的时候，大家只看你最后沉淀下来的是什么。

这件事对 OXYZ资本的启发也非常直接。

第一，不要再用旧品类去理解新预算。
如果一个项目表面像 HR Tech，实质切进的却是更高密度、更高战略性的预算中心，那你就不能再用原来的 peer set 去估它。

第二，不要被 gross revenue 带偏。
以后看这类公司，OXYZ资本必须强制拆四个口径：gross billings、contractor payout、net revenue、contribution margin。AI 热潮最容易制造的错觉，就是把“经过我账户的钱”讲成“属于我的高质量收入”。

第三，真正值钱的不是专家数量，而是结果标签和质量定义权。
谁先拿到可复用的结果反馈，谁先把项目残差沉淀成 rubric、verifier 和 workflow context，谁才更接近真正的控制点。

所以，OXYZ资本对 Mercor 的最后判断非常明确：
它的 10B，不是“招聘 TAM 大”的结果，而是“预算中心迁移 + peer set 重写 + 结果飞轮成形 + 标准层期权预支”的结果。
看不见预算中心迁移的人，会把它误判成贵得离谱的 HR Tech；
看不见收入质量和兑现路径的人，又会把它误判成没有边界的 AI 神话。

这两种看法都不对。

真正对的看法是：
Mercor 不是一款被高估的招聘软件，它是一家正在从专家供给网络，往 AI 时代的结果交付与质量定义层爬升的公司。
而资本愿意给高估值，给的从来不是“招聘”两个字，给的是它未来有没有资格成为那一层的新控制点。