Brendan Foody

AI · AI 训练数据
布伦丹·富迪美国当前 23 岁

Mercor 联合创始人兼 CEO

没上过一天正式班,先在圣保罗黑客松替美国公司找海外工程师——20 岁退学全职创业,两年后把招聘市场转成 AI 训练基础设施

辍学创业首次创业规模化公司$100M+ · 2026-04VC 支持硅谷出身 美国2003 年 4 月生Thiel Fellow(2024)

关键数字

每条都带口径与采集时点,角标标明证据等级

2003出生 · 23 岁
约20岁2023 首次创业
创始人自报$10B↗Series C 估值 · 2025-10
创始人自报$350M↗Series C 融资 · 2025-10
媒体报道$1B↗年化收入运行速度 · 2026-04
推测约 22% / 人↗创始人持股估算 · 2025-10
媒体报道$6M↗上半年利润 · 2025-06

关键阶段

他几岁的时候在干什么

约20岁

黑客松拿到首单

约20岁

20 岁退学创业

22岁

22 岁做到百亿估值

地理迁移

每一次身份跃迁落在哪座城市

  1. California
    2003年 出生于美国
  2. 美国
  3. São Paulo
    约20岁 黑客松拿到首单
  4. Washington, D.C.
  5. San Francisco
    约20岁 20 岁退学创业约21岁 联合创始人兼 CEO22岁 22 岁做到百亿估值

代表作品

从 AI 招聘与面试平台转向为前沿模型实验室组织专业人士、评测和训练数据

这门生意怎么运转

赛道
AI · AI 训练数据 / 专家网络
用户与付费者
付费方是模型实验室与企业;程序员、律师、医生、金融等专家是供给方,按小时或成果获得报酬
收费方式
嵌入式专家与按任务交付两种 eval 合作
主要成本
专家报酬、运营与交付成本
验证层级
利润未审计Forbes 报道公司自称 2025 上半年利润 600 万美元,无公开审计;不能用 2026 年更高的年化收入外推利润
护城河
匹配与质量工具越能跨项目复用,单位经济性越好(分析判断)
主要风险
仍是重运营生意——利润空间是收入与专家报酬、交付成本之间的差额

Mercor 一端组织程序员、律师、医生和金融等专家,另一端向模型实验室与企业交付训练数据、评测和 Agent 项目。官方目前提供嵌入式专家和按任务交付两种 eval 合作,专家则按小时或成果获得报酬。官方 eval 方案

客户付钱是因为稀缺专家的招募、筛选和质量管理很难临时自建。收入与专家报酬、运营和交付成本之间的差额构成早期利润空间;匹配与质量工具越能复用,单位经济性越好。但这仍是重运营生意。Forbes 报道 Mercor 自称 2025 年上半年利润为 600 万美元,该数字没有公开审计,也不能用 2026 年更高的年化收入直接外推利润。Forbes

时间线

  1. 出生于美国

    起步美国 · California

    英国 Companies House 的已验证董事资料仅公开到 2003 年 4 月,因此不补具体日期。

    出处 ↗
  2. 在圣保罗黑客松验证跨境工程师匹配

    约20岁转折美国 → 巴西 · São Paulo · Georgetown 在校生

    与高中辩论队伙伴 Adarsh Hiremath、Surya Midha 尝试为美国公司匹配海外工程师;首单让三人看到人才匹配和交付可以被产品化。

    出处 ↗
  3. 从 Georgetown 退学,全职创办 Mercor

    约20岁转折Washington, D.C. → San Francisco · 联合创始人兼 CEO

    Foody 负责 CEO 角色,Hiremath 任 CTO;Midha 后由 COO 转任董事长。三人的第一份长期正式工作就是自己的公司。

    出处 ↗
  4. 从通用招聘市场转向 AI 训练与评测专家网络

    约21岁转折美国 · San Francisco · 联合创始人兼 CEO

    客户需求从筛选工程师,扩展到组织律师、医生、金融和咨询等专业人士为模型创建评测标准与训练反馈。

    出处 ↗
  5. 22 岁时完成 3.5 亿美元 Series C,估值达到 100 亿美元

    22岁里程碑美国 · San Francisco · 联合创始人兼 CEO

    Forbes 据融资定价和持股估算称三位创始人成为当时全球最年轻的白手起家亿万富翁;这是未上市股权估值,不是已经套现的财富。

    出处 ↗

三位创始人,不是一位天才

Mercor 的故事必须同时写清三个人。Brendan Foody 是 CEO,Adarsh Hiremath 是 CTO,Surya Midha 从 COO 转任董事长。他们在高中辩论队相识,后来分别进入大学,又在 2023 年一起离校创业。

这段共同经历的价值不只是“认识得早”。辩论训练要求快速研究陌生行业、拆解论点并建立评判标准,后来 Mercor 为模型设计专家评测和 rubric 时,恰好用到了相似能力。

从一笔跨境招聘交易开始

三人在圣保罗参加黑客松时,尝试帮美国公司寻找海外工程师。第一位客户每周支付 500 美元,Mercor 给工程师约七成并保留服务费。这个很小的交易验证了三件事:企业愿意为筛选付钱,跨境人才存在价格差,流程中的大量判断可以被软件化。

真正的转折发生在 AI 实验室开始大量购买人类专家反馈之后。Mercor 从“替公司招人”变成“组织专业人士帮助训练和评测模型”,客户预算、任务频率和网络效应都随之改变。

账面结果的边界

2025 年 10 月的 Series C 将 Mercor 估值推到 100 亿美元。Forbes 根据约 22% 的个人持股估算三位创始人的账面财富,但这不是现金,也会受到后续融资、优先清算权和公司估值变化影响。

2026 年媒体报道的 10 亿美元数字采用 annualized revenue run rate 口径,同样不等于 Mercor 已经在一个完整财年确认了 10 亿美元收入。

我的点评

Brendan Foody 属于「先发现全球人才价格差,再把招聘网络转成 AI 训练供应链」的市场型创业者。最容易被误读的地方是把故事压缩成“22 岁辍学成为亿万富翁”;真正关键的是三位创始人连续改变了自己在交易里的位置:从撮合工程师,到自动化筛选,再到组织高质量专家判断。

值得抄的第一点是先用人工服务验证交易,再把重复环节产品化。他们的第一单不是宏大平台,而是一家愿意每周付钱的客户。第二,观察客户为什么购买,而不是执着于最初品类:AI 实验室真正稀缺的不是更多简历,而是可管理、可评测的专家产能。第三,三位高中同学的 CEO、CTO、董事长分工说明,年轻团队也需要明确权力和责任位置。

冷水是,这个结果高度依赖前沿模型实验室的支出周期、硅谷资本网络和极端工作投入。Mercor 的估值、年化收入运行速度和创始人账面财富是三种不同口径;任何一个都不能自动证明长期利润或可持续护城河。普通人该学的是从真实交易中找变化,不是把退学和高估值当成因果关系。

看下一位