Mercor 完成 7.5 亿美元 D 轮融资，投后估值来到 200 亿美元，本轮资金重点用来扩建企业级 AI 智能体评估、后训练基础设施，把原本服务头部 AI 实验室的评测能力开放给各行各业企业客户，解决当下企业落地 AI 智能体缺少标准化评测标准、没法判断智能体能不能稳定完成真实业务流程的痛点；很多企业在部署智能体的时候，只看大模型基础能力，缺少贴合自身业务的评测体系，上线之后容易出现任务执行不稳定、不符合企业流程规范、出错无法量化的问题，Mercor 的核心模式就是依托 500 多万跨领域专家网络，基于真实岗位工作任务搭建评测基准，配套强化学习仿真环境，给企业产出可复现、带打分标准的智能体评估报告，落地的时候一般先梳理企业内部业务流程，定制专属评测任务集，再用专家人工打分结合自动化指标，对比不同模型、不同配置的智能体表现，最后基于评测结果做后训练优化，持续迭代智能体，让企业采购和上线智能体有明确的判断依据。下面从融资概况、核心产品、AI 智能体评估体系、落地流程、业务优势和风险点展开说明。
一、Mercor 本轮融资基础信息
| 项目 | 详情 |
|---|---|
| 融资轮次 | D 轮，7.5 亿美元 |
| 投后估值 | 200 亿美元，对比 2025 年 10 月 C 轮 100 亿美元实现翻倍 |
| 交易备注 | 包含部分员工老股转让，不全部是新增股本 |
| 主要投资方 | Benchmark、Felicis、General Catalyst、英伟达、Salesforce、Zoom、阿波罗关联基金等 |
| 资金用途 | 企业级 AI 智能体评估平台扩建、后训练基础设施、业务仿真环境研发、企业客户拓展 |
| 公司背景 | 2023 年旧金山成立，早期做 AI 招聘，转型为 AI 评测与专业数据服务商 |
| 营收情况 | 年度化收入运行率 30 亿美元，2026 上半年毛收入 6.14 亿美元 |
二、Mercor 企业级 AI 智能体评估核心产品
- APEX 基准评测集
- 企业定制化 Eval 评测平台
- 专家评估网络
- 仿真练习环境（Deeptune）
- 智能体后训练配套服务
面向法律、投行、会计、咨询、软件工程等专业岗位，基于真实工作任务构建标准化评测集，用来衡量 AI 智能体完成长周期、跨工具业务任务的能力，是 Mercor 对外公开的核心评测体系。
根据企业自身流程、制度、业务要求，单独搭建专属评测任务、评分规则，评估智能体在企业内部系统里的执行效果，输出对比报告，用来选型、验收、持续监控智能体。
500 万 + 持证领域专家，覆盖医疗、法律、工程、财务等 300 多个专业方向，负责制定评测标准、人工复核智能体输出结果，弥补纯自动化指标的缺陷。
收购 Deeptune 之后搭建，复刻企业内部软件、业务系统环境，让 AI 智能体在仿真环境里反复执行流程，用来做评测和强化学习训练，不触碰真实业务数据。
评测定位智能体薄弱环节之后，生成高质量专家标注数据，针对性微调、后训练，提升智能体在对应业务场景的成功率。
三、Mercor 企业 AI 智能体评估完整实施步骤
- 业务流程梳理与任务拆解
- 定制评测集构建
- 多候选智能体批量跑测
- 专家人工复核打分
- 横向对比，输出选型报告
- 持续循环评测迭代
和企业业务负责人、领域专家一起，把智能体要承接的工作拆成标准化任务，明确验收标准、错误边界、合规红线，区分哪些是必须人工复核的高风险环节。
在 APEX 通用基准之上，叠加企业专属任务，设计打分 Rubric 评分表，确定成功率、准确率、成本、合规性等评估指标。
在仿真环境中，统一测试不同大模型、提示词方案、工具调用配置的智能体，自动记录执行日志、调用链路、耗时和失败节点。
高风险、高专业度任务，由平台专家网络人工复核，修正自动化评估容易误判的结果，给出可信度结论。
汇总所有方案得分，对比不同智能体的通过率、成本、出错类型，给出选型建议，明确哪些配置可以直接上线、哪些需要继续优化。
智能体上线之后定期复测，随着企业流程、政策变动更新评测集，形成评测 - 发现缺陷 - 后训练优化 - 再评测的闭环。
四、AI 智能体评估核心衡量指标清单
- 任务完成率：完整走完全部业务步骤、交付合格结果的任务占比
- 步骤正确率：单环节工具调用、表单填写、信息提取的正确率
- 合规违规率：触发企业制度、隐私、风控规则的次数
- 平均执行成本：单次任务推理消耗、Token 开销
- 人工干预率：需要介入修正、兜底的任务比例
- 长任务稳定性：多步骤、跨系统长流程下的中途失败概率
五、业务优势与现存局限
优势
- 评测素材来自真实职场任务，不是简单问答，更贴近企业落地智能体的真实诉求
- 专家人工评审 + 自动化仿真双轨评估，解决纯自动化指标看不懂专业业务质量的问题
- 评测和后训练打通，找到短板之后可以直接配套数据服务优化智能体
- 支持企业私有化、脱敏流程，业务数据可以受控，满足商业保密需求
局限
- 定制评测成本偏高，更适合中大型企业、高价值业务智能体，小微场景性价比低
- 评测集跟着企业流程变化持续维护，长期需要企业侧配合投入业务人力
- 仿真环境复刻复杂老旧业务系统难度大，部分定制化 ERP、内部系统很难一比一还原
- 专家评审的周期和成本会随着评测任务量同步上涨
【相关 FAQ】
问题 1：Mercor 拿到 7.5 亿美元融资估值 200 亿美元，Mercor 企业级 AI 智能体评估和普通大模型基准测试有什么区别？
回答 1：Mercor 拿到 7.5 亿美元融资估值 200 亿美元，Mercor 的企业级 AI 智能体评估围绕企业真实业务流程、岗位工作搭建，重点看智能体跨工具、长链路执行业务的能力；普通大模型基准大多是通用问答、推理题，很难衡量智能体在企业生产环境里能不能稳定干活。
问题 2：Mercor 估值 200 亿美元、融资 7.5 亿美元，企业接入 Mercor 的 AI 智能体评估，一定要使用它的后训练服务吗？
回答 2：Mercor 估值 200 亿美元、融资 7.5 亿美元，企业接入 Mercor 的 AI 智能体评估可以只做评测验收，不采购后训练服务，评测报告、缺陷定位结果可以拿回给内部团队自行优化智能体，服务可以分开采购。
问题 3：Mercor 融资 7.5 亿美元拓展企业级 AI 智能体评估，APEX 评测集主要用来测什么类型的 AI 智能体？
回答 3：Mercor 融资 7.5 亿美元拓展企业级 AI 智能体评估，APEX 评测集主要面向法律、投行、会计、咨询、软件工程这类专业岗位的长流程 AI 智能体，侧重考核多步骤规划、工具调用、专业内容输出能力。
问题 4：Mercor 估值 200 亿美元，Mercor 的企业级 AI 智能体评估会不会直接拿到企业原始业务数据？
回答 4：Mercor 估值 200 亿美元，Mercor 企业级 AI 智能体评估优先使用 Deeptune 仿真环境运行任务，原始业务数据支持脱敏、隔离，企业可以管控数据开放范围，不需要直接把真实业务数据给到评测专家。
【参考资料】
[2026-11-11]（Mercor 获 7.5 亿美元 D 轮融资 估值 200 亿美元）新浪财经
[2026-11-11]（Mercor raises $750m to expand AI evaluation tools for enterprises）Tech Monitor
[2026-11-11]（千亿 AI Infra 独角兽诞生！三个 00 后创办，英伟达参投）智东西
[2026-11-10]（Mercor Series D 官方博客：面向全行业的 AI 智能体评估基础设施）Mercor 官网
[2026-11-10]（Mercor raises $750 million Series D at $20 billion valuation）Morningstar
【免责声明】
本文为 Mercor 本轮融资以及企业级 AI 智能体评估业务的信息整理，融资规模、估值、投资方、业务能力均来自公开新闻与官方博客；Mercor 的评测服务报价、交付周期、仿真环境适配能力会随项目复杂度浮动，不同行业的智能体评估效果差异较大，本文不构成采购、投资建议。
本文来自作者[驰构传讯师]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/rgzn/202611/2001.html
评论列表（4条）
我是乌兰科技网的签约作者“驰构传讯师”！
希望本篇文章《Mercor 估值 200 亿美元、融资 7.5 亿美元企业级 AI 智能体评估业务拓展解读》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：Mercor 完成 7.5 亿美元 D 轮融资，投后估值来到 200 亿美元，本轮资金重点用来扩建企业级 AI 智能体评估、后训练基础设施，把原本服务头部 AI 实验室的评测能力开放给各行各业企业客户，解决当下企业落地 AI 智能体缺少标准化评测标准、没法判断智能体能不能稳定完成真实业务流程的痛点；很多企业在部署智能体的时候，只看大模型基础能力，缺少贴合自身业务的评测体系，上线之后容易出现任务执行不稳定、不符合企业流程规范、出错无法量化的问题，Mercor 的核心模式就是依托 500 多万跨领域专家网络，基于真实岗位工作任务搭建评测基准，配套强化学习仿真环境，给企业产出可复现、带打分标准的智能体评估报告，落地的时候一般先梳理企业内部业务流程，定制专属评测任务集，再用专家人工打分结合自动化指标，对比不同模型、不同配置的智能体表现，最后基于评测结果做后训练优化，持续迭代智能体，让企业采购和上线智能体有明确的判断依据。下面从融资概况、核心产品、AI 智能体评估体系、落地流程、业务优势和风险点展开说明。