當同齡人在圖書館通宵趕論文時,三位21歲的輟學生正在硅谷掀起風暴:他們創(chuàng)立的AI招聘公司Mercor,最近以20億美元估值拿下1億美元B輪融資,更罕見地成為AI賽道“盈利獨角獸”——本月預計收入700萬美元,凈利潤100萬美元。
Mercor首席執(zhí)行官Brendan Foody最近在節(jié)目中表示,“Mercor正在訓練的模型,比人類更懂如何預測工作表現(xiàn)。”
成立僅兩年,Mercor已用AI篩選過30萬份簡歷、進行了超10萬場面試。據(jù)透露,Mercor過去六個月的營收環(huán)比增長超過51%,目前在軟件工程、醫(yī)藥、法律和銀行業(yè)等領域的職位需求量最大。
“在Mercor,收入增長速度快于團隊擴張速度。”Foody說道。如今Mercor團隊共75人,平均年齡僅22歲,預計到今年年底員工人數(shù)將擴大到100人。另外值得一提的是,Mercor最近還挖來了OpenAI前人力數(shù)據(jù)運營主管和Scale的前增長負責人為公司發(fā)展助力。
從辯論賽到創(chuàng)業(yè)路,用技術推動招聘公平
Mercor的創(chuàng)業(yè)故事頗具傳奇色彩。Mercor的創(chuàng)始人Brendan Foody、Adarsh Hiremath和Surya Midha,曾是高中同學。2021年,三人曾組隊贏得一場美國政策辯論賽的冠軍,辯論的議題正與就業(yè)市場相關,特別是發(fā)展中國家存在的就業(yè)不公現(xiàn)象。這次辯論賽也成為了他們創(chuàng)業(yè)的源動力:一定要做點什么來改善就業(yè)環(huán)境。
出生于印度移民家庭的Midha和Hiremath,對此很有感觸。Midha曾表示,單憑簡歷是否完美、是否有名企工作經(jīng)驗、是否出自名校,很多候選人就被“無情”淘汰,這讓他深感不公平。于是,他們的目標變得更加明確:通過技術改變招聘機制,優(yōu)先看重個人能力,創(chuàng)造更好的就業(yè)環(huán)境。
2023年1月,Mercor應運而生,最初只是一個副業(yè),旨在幫助印度程序員找到當?shù)氐淖杂陕殬I(yè)機會。短短幾個月內(nèi),這個項目未依賴任何外部資金便賺取了百萬美元收入,凈賺8萬美元??吹巾椖康臐摿?,F(xiàn)oody勸說兩位好友退學,全身心投入Mercor。
去年,他們獲得了蒂爾獎學金(Thiel Fellowship)——著名美國企業(yè)家Peter Thiel支持的項目,為輟學的年輕企業(yè)家提供資助。這為他和團隊提供了巨大的資源與社交機會,幫助他們加速了創(chuàng)業(yè)進程。
此后,Mercor的融資之路猶如坐上火箭。2023年,完成了360萬美元的種子輪融資,2024年,獲得了3200萬美元的A輪融資,估值迅速攀升至2.5億美元。而就在最近,Mercor的B輪融資成功完成,估值漲幅達八倍,現(xiàn)已突破20億美元大關。
Foody透露,這輪融資完全是投資者主動找上門來,僅用了兩周時間便順利完成。此次融資將用于進一步提升Mercor的AI技術,優(yōu)化候選人篩選與預測能力,以更好地匹配求職者與企業(yè)需求,最大限度地發(fā)揮人類的才能。
既是“簡歷過濾器”也是“人才預言家”
與傳統(tǒng)人工篩選簡歷的方式不同,Mercor通過AI技術全面顛覆了招聘流程。雇主只需上傳職位描述,平臺便能自動篩選簡歷、匹配候選人,并推薦最合適的人選。同時,Mercor還提供AI面試和薪資管理功能,極大提升了招聘效率。
對于求職者,他們需要完成一個約20分鐘的AI面試,旨在評估其技能并創(chuàng)建個人資料。之后,平臺會將求職者與相關職位進行匹配。Foody說:“我們通過收集候選人的績效數(shù)據(jù),利用這些數(shù)據(jù)來完善誰將在未來表現(xiàn)最佳的預測。”
最初,Mercor主要專注于招聘軟件工程師以及運營、內(nèi)容創(chuàng)作、產(chǎn)品開發(fā)和設計領域的技術人才。如今,軟件工程師仍然是最搶手的人才,但他們也越來越多地尋求其他專業(yè)人士,如顧問、博士、銀行家、醫(yī)生和律師。
隨著需求不斷增長,Mercor大幅擴充了人才庫,幫助人力資源團隊評估了46.8萬名求職者。印度仍然是Mercor最大的人才來源地,其次是美國,歐洲和南美也正在快速增長。
這一勢頭推動了Mercor的收入顯著增長,主要來自于按小時收取的中介費。目前,公司的年化運行率(以最新月收入乘以12計算)已達到7500萬美元。值得一提的是,Mercor已與全球頂尖的AI實驗室合作,包括OpenAI在內(nèi)。
“消除偏見”VS“制造失業(yè)”:Mercor的雙面爭議
遭遇爭議似乎是技術革新的必經(jīng)之路。當Mercor高調宣稱其自動化系統(tǒng)不僅簡化了招聘流程,還消除了“招聘偏見”時,有些人不以為然。因為AI可能繼承訓練數(shù)據(jù)中的隱性偏見,而人們又會無意識地吸收這些偏見。不過盡管如此,越來越多像OpenAI這樣的科技公司,已經(jīng)開始采用Mercor來招聘人才。
更大的爭議集中在“AI失業(yè)論”,人們認為,Mercor有可能被一些公司用來頂替原本HR的工作。
對此Foody的回應是,Mercor的目標并非取代勞動者,而是通過自動化,讓員工在更需要他們的領域發(fā)揮價值。
他解釋道,在AI驅動的經(jīng)濟中,Mercor能幫助識別出那些AI無法替代的工作,那些需要人類智慧和創(chuàng)造力的崗位——如訓練AI模型、做出復雜決策,或是創(chuàng)造性與戰(zhàn)略性的角色。
“如果AI能夠自動化90%的工作,而剩下的10%由人類承擔,那么每一單位的人類經(jīng)濟產(chǎn)出將獲得10倍的杠桿效應,”Foody進一步解釋,“這意味著人們的工作方式正在發(fā)生變化,我們正朝著一個更加碎片化、類似零工的工作模式發(fā)展。”
Foody還認為,越來越多的公司會側重于專業(yè)技能而非工作年限,企業(yè)將更傾向于雇傭短期項目的專家,而非依賴全職員工。“通過更智能的工作匹配,工作會變得更加高效。每個項目都應該由最適合的人來處理,而不僅僅是由那些有空的人來完成。” 他說道。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。