مرکور؛ چگونه شرکت آموزش هوش مصنوعی به ارزش‌گذاری ۲۰ میلیارد دلاری رسید؟

aimagazine.com

انتشار در منبع: انتشار در سایت ما:

مقاله اصلی · English

بنیان‌گذاران مرکور تنها ۲۳ سال داشتند که درآمد سالانه‌شده شرکتشان در ژوئن ۲۰۲۶ از ۲ میلیارد دلار عبور کرد؛ این رقم تنها دو سال قبل یک میلیون دلار بود. اکنون این شرکت از جذب ۷۵۰ میلیون دلار سرمایه در دور سری D با ارزش‌گذاری ۲۰ میلیارد دلاری خبر داده است.

مرکور، شرکتی مستقر در سان‌فرانسیسکو، به پزشکان، وکلا، بانکداران و مهندسان دستمزد می‌دهد تا به مدل‌های هوش مصنوعی آموزش دهند که فعالیت‌های حرفه‌ای در دنیای واقعی چگونه انجام می‌شوند. این شرکت روزانه میلیون‌ها دلار به متخصصان همکار خود پرداخت می‌کند.

مشتریان مرکور از پیشرفته‌ترین آزمایشگاه‌های هوش مصنوعی هستند. بر اساس گزارش‌ها، OpenAI، شرکت Anthropic، گوگل و متا از جمله این مشتریان‌اند. مرکور با وجود مواجهه با یک رخنه امنیتی در داده‌ها و توقف موقت همکاری متا در اوایل سال ۲۰۲۶، توانسته است به رشد سریع خود ادامه دهد و هم‌زمان فعالیت‌هایش را به بازار شرکت‌های تجاری گسترش دهد.

«هر شغل در اقتصاد به عامل‌های هوش مصنوعی اختصاصی خود نیاز خواهد داشت و هر شرکت نیز باید راهی برای آموزش و ارزیابی این عامل‌ها بر اساس فعالیت‌های خودش داشته باشد.»

برندن فودی، مدیرعامل مرکور

چگونه شرکت به این ابعاد رسید؟

برندن فودی، مدیرعامل، آدارش هیرماث، مدیرعامل مشترک، و سوریا میدها، یکی از بنیان‌گذاران، مرکور را در سال ۲۰۲۳ به‌عنوان یک بازار آنلاین برای استخدام نیروی متخصص در حوزه هوش مصنوعی تأسیس کردند.

فرصت اصلی بازار زمانی شکل گرفت که آزمایشگاه‌های هوش مصنوعی به‌جای نیروهای عمومی و جمع‌سپاری‌شده، به متخصصان حرفه‌ای نیاز پیدا کردند؛ افرادی که بتوانند وظایف آموزشی طراحی کنند، پاسخ‌های مدل‌ها را ارزیابی کنند و برای مرحله پس‌آموزش، سازوکارهای راستی‌آزمایی بسازند. تشخیص برندن فودی از مسئله ساده و صریح است: مدل‌ها هوشمند هستند، اما برای انجام وظایف واقعی آموزش ندیده‌اند. مرکور اکنون بیش از پنج میلیون متخصص حوزه‌های مختلف را در شبکه خود دارد و تا مارس ۲۰۲۶ روزانه بیش از دو میلیون دلار به همکاران متخصصش پرداخت می‌کرد.

نرخ درآمد سالانه‌شده شرکت در فوریه ۲۰۲۶ از یک میلیارد دلار و در ژوئن همان سال از دو میلیارد دلار عبور کرد. این ارقام بر اساس مجموع مبالغ ناخالص صورتحساب‌ها محاسبه شده‌اند؛ پیمانکاران معمولاً ۶۰ تا ۷۰ درصد این مبالغ را دریافت می‌کنند. روزنامه The Information گزارش داد که درآمد ناخالص مرکور در نیمه نخست سال ۲۰۲۶ به ۶۱۴ میلیون دلار رسید؛ رقمی که در مقایسه با مدت مشابه سال قبل ۷۰ درصد افزایش داشت.

شرکت Felicis در اکتبر ۲۰۲۵ رهبری دور سرمایه‌گذاری سری C به ارزش ۳۵۰ میلیون دلار را بر عهده گرفت؛ دوری که ارزش مرکور را به ۱۰ میلیارد دلار رساند. سرمایه‌گذاران دور سری D این شرکت که در نوامبر اعلام شد، عبارت‌اند از: Benchmark، Felicis، Fundomo، صندوق‌های تحت مدیریت شرکت‌های وابسته به Apollo، G Squared، General Catalyst، Glade Brook Capital، انویدیا، Salesforce، Sapphire Ventures، StepStone Group، XTX Ventures و زوم.

مرکور می‌گوید با هر پنج آزمایشگاه برتر هوش مصنوعی و شش شرکت از هفت غول فناوری موسوم به Magnificent Seven همکاری دارد. بااین‌حال، شرکت‌های تجاری نیز به‌تدریج به بخش مهم‌تری از بازار هدف این شرکت تبدیل می‌شوند. برندن فودی در این‌باره می‌گوید: «هر شغل در اقتصاد به عامل‌های هوش مصنوعی اختصاصی خود نیاز خواهد داشت و هر شرکت نیز باید راهی برای آموزش و ارزیابی این عامل‌ها بر اساس فعالیت‌های خودش داشته باشد.»

او ادامه می‌دهد: «ما دو سال گذشته را صرف ساخت این زیرساخت با آزمایشگاه‌های پیشرو هوش مصنوعی کردیم. اکنون در حال ارائه آن به شرکت‌های تجاری در سراسر اقتصاد هستیم.»

آمار و ارقام مرکور

  • نرخ درآمد سالانه‌شده: بیش از ۲ میلیارد دلار در ژوئن ۲۰۲۶، در مقایسه با یک میلیارد دلار در فوریه همان سال؛ بر اساس صورتحساب‌های ناخالص.
  • درآمد نیمه نخست سال: حدود ۶۱۴ میلیون دلار درآمد ناخالص در نیمه اول سال ۲۰۲۶، بر اساس گزارش The Information در ژوئیه ۲۰۲۶.
  • ارزش‌گذاری: جذب ۷۵۰ میلیون دلار سرمایه در دور سری D با ارزش‌گذاری ۲۰ میلیارد دلاری در نوامبر ۲۰۲۶.
  • شبکه متخصصان: بیش از پنج میلیون متخصص حوزه‌های تخصصی تا ژوئیه ۲۰۲۶.
  • پرداخت‌ها: بیش از دو میلیون دلار پرداخت روزانه به متخصصان تا مارس ۲۰۲۶.
  • نیروی انسانی: بیش از ۷۰۰ کارمند تمام‌وقت در نوامبر ۲۰۲۶.
  • تملک: توافق برای خرید شرکت Deeptune در ژوئیه ۲۰۲۶؛ استارت‌آپی که پیش‌تر در دور سری A به رهبری a16z مبلغ ۴۳ میلیون دلار سرمایه جذب کرده بود.

گام بعدی شرکت

محصول بعدی مرکور، محیط آموزشی است: یک فضای کاری شبیه‌سازی‌شده که در آن عامل هوش مصنوعی می‌تواند انجام یک وظیفه را تمرین کند و عملکردش مورد ارزیابی قرار گیرد. مرکور در ژوئیه ۲۰۲۶ با خرید Deeptune موافقت کرد؛ استارت‌آپی مورد حمایت a16z که صدها نرم‌افزار سازمانی، از جمله Salesforce، را به محیط‌های شبیه‌سازی‌شده تبدیل کرده است. اعضای تیم Deeptune نیز قرار است به دفتر نیویورک مرکور که در حال گسترش است، بپیوندند.

مرکور در آن زمان، در مطلبی در شبکه اجتماعی X تأکید کرد که آموزش هوش مصنوعی برای انجام فعالیت‌های حرفه‌ای واقعی مستلزم پوشش طیف کاملی از نرم‌افزارها، محیط‌ها و وظایف موجود در بخش‌های مختلف اقتصاد است. این شرکت توضیح داد: «ما بزرگ‌ترین شبکه متخصصان را ایجاد کرده‌ایم و در ساخت محیط‌ها و وظایف آموزشی نیز پیشرو بوده‌ایم. Deeptune نرم‌افزارها را ساخته و صدها نمونه از آن‌ها را برای آزمایشگاه‌های پیشرو هوش مصنوعی توسعه داده است.»

معیارهای ارزیابی APEX شرکت مرکور، عملکرد هوش مصنوعی را در انجام فعالیت‌های حرفه‌ای دارای ارزش اقتصادی می‌سنجند. در اکتبر ۲۰۲۶، هوش مصنوعی در آزمون APEX-Accounting عملکردی بهتر از ۱۲ حسابدار رسمی دارای مجوز (CPA) داشت.

مرکور همچنین فعالیت خود را در حوزه پژوهش‌های متن‌باز گسترش داده است. این شرکت با استفاده از SkyRL، یک مدل متن‌باز با ۳۹۷ میلیارد پارامتر را پس‌آموزش داد. SkyRL در دانشگاه کالیفرنیا، برکلی و با همکاری Anyscale توسعه یافته است. این فرایند امتیاز مدل در آزمون APEX-Agents را به‌صورت نسبی ۷۰ درصد افزایش داد. مرکور همچنین مجموعه‌داده‌ها و ردپاهای ارزیابی این فرایند را در پلتفرم Hugging Face منتشر کرد.

«هر شرکتی که هوش مصنوعی را به کار می‌گیرد، باید بداند آیا این فناوری واقعاً کار می‌کند یا نه؛ و پاسخ این پرسش برای هر شرکت متفاوت است.»

آدارش هیرماث، مدیرعامل مشترک مرکور

تصویر پیش‌نمایش ویدئو در یوتیوب

بااین‌حال، مرکور با مشکلات واقعی نیز روبه‌رو شده است. در اواخر مارس ۲۰۲۶، یک رخنه امنیتی در زنجیره تأمین این شرکت رخ داد. به گزارش WIRED، متا در پی این رخنه امنیتی گسترده که استارت‌آپ را تحت تأثیر قرار داد، تا زمان انجام تحقیقات، تمام همکاری‌های خود را با این شرکت فعال در حوزه قراردادهای تأمین داده متوقف کرد.

با وجود این اتفاق، به نظر می‌رسد مرکور توانسته است از این بحران عبور کند و فعالیت‌هایش را از آزمایشگاه‌های پیشرو هوش مصنوعی به سمت شرکت‌های تجاری گسترش دهد. آدارش هیرماث در این‌باره می‌گوید: «هر شرکتی که هوش مصنوعی را به کار می‌گیرد، باید بداند آیا این فناوری واقعاً کار می‌کند یا نه؛ و پاسخ این پرسش برای هر شرکت متفاوت است.»

او در ادامه توضیح می‌دهد: «ممکن است یک مدل در یک آزمون عمومی امتیاز بالایی کسب کند، اما همچنان در کار با سامانه‌ها، سیاست‌ها و موارد خاصی که نحوه فعالیت یک کسب‌وکار مشخص را تعریف می‌کنند، شکست بخورد. ما با هر شرکت، معیارهای ارزیابی اختصاصی طراحی می‌کنیم تا مدل‌ها را بر اساس استانداردهای همان کسب‌وکار بسنجیم. این معیارها سپس به نقطه شروع فرایند پس‌آموزش تبدیل می‌شوند.»

شرکای فناوری اصلی

  • Cognition: سازنده عامل برنامه‌نویسی Devin که همراه با مرکور معیار ارزیابی APEX-SWE را راه‌اندازی کرده است. این معیار برای سنجش عملکرد هوش مصنوعی در مهندسی نرم‌افزار طراحی شده و به مجموعه آزمون‌های APEX مرکور، که توانایی هوش مصنوعی در انجام فعالیت‌های حرفه‌ای دارای ارزش اقتصادی را ارزیابی می‌کنند، گسترش می‌بخشد.
  • Anyscale: مرکور با استفاده از SkyRL، محصولی که در آزمایشگاه Sky Computing دانشگاه کالیفرنیا، برکلی و با همکاری Anyscale توسعه یافته، یک مدل متن‌باز با ۳۹۷ میلیارد پارامتر را پس‌آموزش داده است. این فرایند امتیاز Pass@1 مدل در آزمون APEX-Agents را از ۱۶٫۱۱ درصد به ۲۷٫۲۹ درصد رساند که معادل ۷۰ درصد افزایش نسبی است.
  • Hugging Face: مجموعه‌داده‌ها، وزن‌های مدل و ردپاهای ارزیابی منتشرشده از سوی مرکور در سپتامبر ۲۰۲۶ را میزبانی می‌کند. این منابع بخشی از فعالیت پژوهشی متن‌باز مرکور درباره آموزش عامل‌های هوش مصنوعی برای انجام فعالیت‌های تخصصی و دانش‌محور با استفاده از یادگیری تقویتی هستند.
  • Modal: زیرساخت ابری Modal اجرای آزمایش‌های عامل‌های هوش مصنوعی در محیط‌های ایزوله را برای پژوهش‌های متن‌باز یادگیری تقویتی مرکور فراهم می‌کند. این زیرساخت توان محاسباتی مقیاس‌پذیری در اختیار شرکت می‌گذارد تا عملکرد عامل‌ها را در برابر وظایف و محیط‌های آموزشی طراحی‌شده توسط متخصصان ارزیابی کند.
  • Daytona: در کنار Modal، محیط‌های ایزوله‌ای را برای اجرای فرایندهای آموزش عامل‌های هوش مصنوعی مرکور در پژوهش‌های SkyRL فراهم می‌کند. این محیط‌ها به مدل‌ها امکان می‌دهند وظایف چندمرحله‌ای را در فضایی امن تمرین کنند و نتایج عملکردشان با استفاده از سازوکارهای راستی‌آزمایی طراحی‌شده توسط متخصصان مرکور ارزیابی شود.