AI 將在數年內自動化 50% 的數位工作|Brendan Foody
AI 將在數年內自動化 50% 的數位工作|Brendan Foody
Mercor 執行長 Brendan Foody 將企業的 AI 進展歸功於客製化評測與後訓練(post-training)支出,並指出儘管營收快速成長,模型在長跨度任務(long-horizon task)上仍會失敗。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
Podcast 專家音訊節目
收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情
資料供應商 Mercor 的共同創辦人暨共同執行長 Brendan Foody 認為,如今卡住 AI 進展的已不是模型能力,而是由人力打造的評測與資料——這些東西才能告訴實驗室模型還在哪裡出錯。在這段 15 分鐘的訪談中,Foody 大部分時間都在談 Mercor 的生意:7.5 億美元的 D 輪募資、2,000 億美元估值、從 AI 原生新創打進《財星》500 大企業,以及公司內部怎麼用代理。至於節目標題主打的「自動化時程」問題,他只在最後簡短回應,談遞迴自我改進,以及哪些任務最難被自動化。
Foody 值得一聽,是因為按他的說法,Mercor 已成為前沿實驗室與頂尖應用層公司最大的資料供應商,27 個月內年營收就衝到約 30 億美元。讀者讀完應該能掌握:Mercor 的企業兩階段框架(先做評測、再做後訓練)、它與客戶共同打造的具名公開基準、它罕見的「推論支出高於人事支出」比例,以及這位執行長對模型究竟卡在哪裡的具體判斷。
Mercor 募了 7.5 億美元,要把評測與後訓練賣進《財星》500 大
Foody 把這輪 D 輪定調為擴張客群,而非擴充能力。Mercor 原本的業務是供應資料給前沿實驗室與頂尖應用層公司;新資金則用來把同一套技術帶進主流企業——這些企業現在也想建立自己的評測、後訓練自己的模型。
他把企業採用 AI 的過程描述成兩個階段。第一階段是建立評測,為模型表現確立基準真相(ground truth)。第二階段是後訓練。據他所述,頂尖 AI 新創——他點名 Harvey、Sierra 與 Cognition——已有後訓練模型正式上線,且對毛利率有實質影響。至於多數傳統企業軟體公司,他說,第一階段已完成或接近完成,但仍在試用後訓練模型,而這些模型已承擔相當比例的正式生產工作負載。
Foody 認為,促使企業真正動起來的觸發點是推論支出。對「幾乎每一個大型代理部署」而言,只要一年推論支出超過 1,000 萬美元,公司就會開始建評測,用來決定該用哪個模型、模型在生產環境是否管用,以及怎麼壓低成本。
公開基準正由部署代理的公司在打造
Mercor 與應用層公司共同打造具名的公開評測,Foody 把這些當成趨勢的佐證:
| 基準 | 共同打造物件 | 領域 |
|---|---|---|
| Frontier Code | Cognition | 程式開發 |
| TauBench | Sierra | 代理任務 |
| LAB | Harvey | 法律 |
| Apex Accounting | RAMP | 會計 |
Apex 基準同時也是 Foody 談模型進展最有力的資料點。他說 Apex 於 2026 年 2 月上線,當時前沿模型的得分約 23%,如今已達約 80%。他由此歸納:一項任務只要有了評測,實驗室的強化學習就強到足以把它「打滿」。換句話說,光是「量得出來」這件事,本身就是自動化工作的前置門檻。
Foody 自稱「看多 AGI、看空 ASI」,並認為人類任務有長尾
被追問遞迴自我改進與資料瓶頸鬆動是否讓他縮短時程時,Foody 給出分裂的預測。他預期數位世界裡超過 50% 的任務會在幾年內被自動化。但他也預期會有一條很長的長尾:需要默會知識(tacit knowledge)的任務、本質上就得由人做的任務、涉及人們想跟真人對話的任務,再加上實體世界的一切,這些要寫進模型裡會慢得多。
他形容能力前沿「極度崎嶇」:模型在數學上明顯超越人類,他說,卻仍會在分佈外(out of distribution)的基本事情上出錯。在他看來,要補上這個落差,靠的是人類判斷模型在哪裡出錯,以及把它量出來的「品味」——而可量的東西還多得是。他稱這正是 Mercor 成長最大的催化劑。
「我大體上、而且大概可說是看多 AGI,但呃,看空 ASI。」
模型最沒補上的缺口,是跟同事一起工作
被問到過去一年半模型在哪方面毫無長進時,Foody 點名「協作」。他說,人們每天做的大部分工作,都需要在公司內部跟其他人互動,而目前的基準完全把這塊排除在分佈之外。他指出,沒有任何評測在衡量:代理怎麼敲同事、怎麼從組織圖判斷該問誰什麼問題,以及怎麼在多輪對話中協調到超出最初下指令的那個人。
他的說法是,模型必須從聊天機器人進化成「完整的虛擬同事」,具備跟同事互動的能動性。他稱這是這段期間最沒有實質進展的領域。Theo 提到一家名為 NeoLab 的實驗室推出了專為人類協作最佳化的模型;Foody 說他不熟悉,但預期這個領域明年會有重大進展。
長時程任務與大型環境,仍是最難的資料問題
Foody 指出模型仍感吃力的兩類任務:一是人類得花數十甚至數百小時才能完成的任務;二是橫跨數十個應用程式、數百萬個檔案的大型環境中的任務。
他給出一個估算 Mercor 市場規模的公式:市場上限,等於某個領域裡「人做得到、模型做不到」的事情數量。他主張,無論那個人類任務是花好幾年打造一家公司、在對話中展現同理心,還是拍一部電影,這個上限都成立。只要這類任務還存在,量測這條前沿就有價值。
至於模型是否可能自行生成任務、環境與驗證器,進而威脅 Mercor 的生意,Foody 坦承任務生產的流程一定會變。他預期模型的學習會變得更動態、更對話式,更接近人跟同事學習的方式——讀檔案、問問題——而不是今天這種枯燥地建構 RL 任務。Mercor 在那個世界裡的目標是:把一小時的人力,轉換成盡可能多的模型進步。
Mercor 的推論支出是人事支出的三倍
Foody 說,Mercor 現在花在 LLM 推論上的錢,是員工薪資的三倍。他把 Mercor 與多數公司之間的落差,歸因於「改造既有企業」與「從一開始就為 AI 打造」之間的難度差異。
他舉的內部例子很具體。Mercor 有代理負責候選人面試——至今已超過 700 萬場。有一個 AI 專案經理負責招募、下指令、回答問題並給回饋。還有其他代理負責偵測詐欺。每一項部署都對應一套評測,所以每當有新的開源模型發布,Mercor 就掃一遍自家評測,看各模型在生產環境的表現,再把最好的那個換上去。據他所述,管理旗下數十萬名約聘人員的動作中,約 70% 由這位 AI 專案經理處理——包括 70% 的招募與訊息往來。
flowchart TD
A["新的開源模型發布"] --> B["掃過所有內部代理評測"]
B --> C["依功能比較生產環境表現"]
C --> D["把最佳模型換進各代理部署"]
D --> E["代理執行面試、招募、訊息往來、詐欺偵測"]
E --> F["70% 的約聘管理動作已自動化"]
值得觀察的重點
Foody 論述裡的張力在於:他的市場論點與產品路線圖,在時間軸上指向相反方向。如果實驗室的 RL 能迅速把任何評測打滿——Apex 大約九個月就從 23% 衝到 80%——那麼 Mercor 賣的評測保鮮期就很短,生意得靠源源不絕、更難的新前沿來支撐。Foody 的答案是長尾:實體工作、默會知識、同理心,以及動輒數年的專案,讓這個以人為界的天花板持續存在。而他自己也承認,任務生產終將變得對話化、由模型驅動——這正是最該追蹤的發展,因為那條路徑會讓客戶愈來愈不需要他。至於 2,000 億美元估值更近期的變數,則是企業的第二階段轉換:後訓練從 Harvey、Sierra、Cognition 這類 AI 新創,走進《財星》500 大企業的正式生產工作負載。