三位00后创始人用AI改造人才招聘，创立2年估值20亿，ARR达7500万美元｜AlphaFounders

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。

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。

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。