Mercor ระดมทุนรอบ Series D ได้ 750 ล้านดอลลาร์ ที่มูลค่าบริษัท 2 หมื่นล้านดอลลาร์ เพื่อขยายการฝึก AI

เมื่อวันที่ 10 พฤศจิกายน 2026 Mercor ประกาศระดมทุนรอบ Series D มูลค่า 750 ล้านดอลลาร์ ทำให้บริษัทฝึก AI แห่งนี้มีมูลค่า 2 หมื่นล้านดอลลาร์ การระดมทุนครั้งนี้รวมถึงการเสนอขายหุ้นให้พนักงาน และการเข้าร่วมลงทุนจาก NVIDIA, Salesforce, Zoom และนักลงทุนรายอื่น

นอกจากนี้ Benchmark, Felicis, Fundomo, กองทุนที่บริหารโดยบริษัทในเครือของ Apollo, G Squared, General Catalyst, Glade Brook Capital, Sapphire Ventures, StepStone Group และ XTX Ventures ก็เข้าร่วมลงทุนด้วย เงินทุนนี้จะช่วยเร่งพัฒนาโครงสร้างพื้นฐานและงานวิจัยด้านการประเมินโมเดลและการฝึกเพิ่มเติมหลังการฝึก หรือการฝึกโมเดลที่มีอยู่เพิ่มเติม พร้อมสนับสนุนการสร้างสภาพแวดล้อมเพิ่มขึ้นเพื่อให้เอเจนต์เรียนรู้กระบวนการทำงานที่ซับซ้อนได้ นอกจากนี้ ในปี 2026 Mercor ยังเปิดสำนักงานในนิวยอร์กและลอนดอน ขยายการดำเนินงานออกจากซานฟรานซิสโกเพื่อเข้าใกล้ลูกค้าองค์กรและห้องปฏิบัติการมากขึ้น รวมถึงสรรหาพนักงาน

การประเมินสำหรับองค์กรและการฝึกโดยผู้เชี่ยวชาญ

ตลอดสองปีที่ผ่านมา Mercor สร้างโครงสร้างพื้นฐานสำหรับฝึกและประเมินโมเดลระดับแนวหน้า โดยอาศัยความเชี่ยวชาญของมนุษย์กับงานในโลกจริง ขณะนี้บริษัทกำลังขยายขีดความสามารถดังกล่าวไปสู่องค์กรต่าง ๆ ด้วยการประเมินที่ออกแบบมาเพื่อระบุว่าเอเจนต์ทำอะไรได้บ้าง มีค่าใช้จ่ายเท่าใด และจะปรับปรุงประสิทธิภาพได้อย่างไร การประเมินแบบปรับให้เหมาะกับแต่ละองค์กรใช้กระบวนการทำงานจริงของนายจ้าง เพื่อวัดโมเดลเทียบกับข้อกำหนดของบริษัท และค้นหาจุดที่การฝึกเพิ่มเติมหรือการฝึกฝนในสภาพแวดล้อมสมจริงอาจช่วยได้

Mercor ระบุว่าเครือข่ายของบริษัทมีผู้เชี่ยวชาญมากกว่าห้าล้านคน ซึ่งได้รับค่าตอบแทนให้ฝึกโมเดล AI ระดับแนวหน้า และในสหรัฐฯ มีอาชีพที่แตกต่างกันมากกว่า 800 ประเภท ซึ่งมีกระบวนการทำงานที่ยังไม่เคยนำมาใช้ประเมินโมเดล แนวทางการทำงานสำหรับองค์กรของ Mercor เริ่มจากโมเดลแบบเปิดที่มีความสามารถ จากนั้นสร้างการประเมินโดยใช้ข้อมูลสาธารณะ และใช้การฝึกเพิ่มเติมหลังการฝึกเพื่อลดต้นทุน ก่อนฝึกโมเดลให้ลูกค้า

แนวทางนี้แยกความแตกต่างระหว่างการรู้วิธีทำงานโดยทั่วไป กับการรู้ว่านายจ้างรายหนึ่งดำเนินงานนั้นอย่างไรภายใต้ระบบ นโยบาย และมาตรฐานคุณภาพของตนเอง Mercor อธิบายว่าการฝึกเพิ่มเติมหลังการฝึกใช้ทรัพยากรเพียงส่วนน้อยเมื่อเทียบกับการฝึกโมเดลระดับแนวหน้า งานของบริษัททั้งกับห้องปฏิบัติการที่พัฒนาโมเดลระดับแนวหน้าและกับองค์กรต่าง ๆ อาศัยเครือข่ายผู้เชี่ยวชาญ วิธีการประเมิน และโครงสร้างพื้นฐานสำหรับการฝึกเพิ่มเติมหลังการฝึกชุดเดียวกัน จึงทำให้บทเรียนจากงานแต่ละด้านนำไปใช้ประโยชน์กับอีกด้านได้

บทบาทของ Deeptune ในการฝึกเอเจนต์

ก่อนหน้านี้ในปี 2026 Mercor เข้าซื้อกิจการ Deeptune ซึ่งเป็นบริษัทพัฒนาสภาพแวดล้อมสำหรับการเรียนรู้แบบเสริมกำลัง ประกาศเมื่อวันที่ 9 กรกฎาคม 2026 ระบุถึงแผนการเข้าซื้อกิจการและผลงานตลอดสองปีของ Deeptune ในการสร้างแอปพลิเคชันสำหรับองค์กรขึ้นใหม่หลายร้อยรายการ ตั้งแต่สเปรดชีตไปจนถึง Salesforce เพื่อใช้เป็นสภาพแวดล้อมสำหรับฝึกเอเจนต์ สภาพแวดล้อมเหล่านี้เปิดโอกาสให้เอเจนต์ฝึกฝนกระบวนการทำงานระดับมืออาชีพ

สภาพแวดล้อมแต่ละแห่งประกอบด้วยสามส่วน ได้แก่ ซอฟต์แวร์ที่ใช้ทำงาน งานที่กำหนดสิ่งที่เอเจนต์ต้องทำให้สำเร็จ และระบบตรวจสอบที่ระบุว่าเอเจนต์ทำสำเร็จหรือไม่ ผู้เชี่ยวชาญของ Mercor สร้างงานและระบบตรวจสอบที่แปลงการตัดสินใจของมนุษย์ให้เป็นสัญญาณสำหรับการเรียนรู้ ประกาศเมื่อเดือนกรกฎาคมระบุว่าระบบ APEX ของบริษัทใช้วัดประสิทธิภาพของโมเดลกับงานที่มีคุณค่าทางเศรษฐกิจ ครอบคลุมกระบวนการทำงานในโลกจริงหลายพันรูปแบบ ขณะที่ Deeptune จัดหาชั้นซอฟต์แวร์ที่จำเป็นสำหรับนำความเชี่ยวชาญดังกล่าวไปสร้างเป็นสภาพแวดล้อมสำหรับฝึก

การใช้จ่ายภายในองค์กรกับ AI

Mercor ระบุว่าบริษัทใช้จ่ายกับการอนุมาน ซึ่งเป็นการประมวลผลที่ใช้เรียกใช้งานโมเดล มากกว่าเงินเดือนพนักงานถึงสามเท่า และการใช้จ่ายนี้ก็คุ้มทุนด้วยการช่วยให้พนักงานทำงานได้ดีขึ้น

Brendan Foody ผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่บริหารกล่าวว่า หากสัดส่วนนี้ยังคงเดิมเมื่อ AI แพร่หลายไปทั่วเศรษฐกิจ ก็ชี้ให้เห็นว่าในช่วงห้าปีข้างหน้า ผลิตภัณฑ์มวลรวมในประเทศอาจเติบโตในระดับเลขสองหลัก ซึ่งเกือบสามเท่าของอัตราที่เขาระบุว่าเป็นระดับปกติ

เงินทุนนี้สนับสนุนข้อเสนอสำหรับองค์กรเพียงข้อเดียว นั่นคือสร้างสภาพแวดล้อม จัดหาผู้เชี่ยวชาญ และวัดว่าเอเจนต์พร้อมใช้งานหรือไม่ สำหรับ Mercor การทดสอบในทางปฏิบัติคือการทำงานได้อย่างน่าเชื่อถือภายในกระบวนการทำงานของลูกค้าเอง เพราะความรู้ทั่วไปเกี่ยวกับงานเพียงอย่างเดียวนั้นไม่เพียงพอ