Оценка Mercor в $20 млрд: главный актив может заключаться не в данных, а в системе проверки.
Mercor привлекла $750 млн при оценке в $20 млрд. По словам основателя, за 27 месяцев годовой темп выручки достиг $3 млрд.
Впечатляет. Но важны два различия.
Во-первых, валовая выручка — это не выручка от программного обеспечения. Согласно историческим данным, 60–70% выручки Mercor приходилось на оплату труда экспертов-подрядчиков. Поэтому её экономика сильно отличается от высокомаржинального SaaS-бизнеса.
Во-вторых, приобретение Deeptune компанией Mercor указывает на более интересный бизнес, чем разметка данных.
ИИ-агенту нужны реалистичная среда, задача для выполнения и система проверки, которая определит, действительно ли он справился.
Одна и та же среда потенциально может создавать обучающую обратную связь на основе тысяч попыток. Это иная экономическая модель, чем оплата эксперту за каждую отдельную метку.
Но возникает новый вопрос о конкуренции: кому принадлежит система проверки?
Если компании смогут самостоятельно создавать надёжные рабочие среды и системы оценки, маржа сторонних поставщиков может сократиться. Если же для их поддержки нужны редкие специалисты и постоянно обновляемые рабочие процессы, такие поставщики, как Mercor, могут получить устойчивое преимущество.
Моё мнение: следующим защитным барьером в обучении ИИ станет не крупнейшая сеть подрядчиков, а система, которую сложнее всего воспроизвести и которая измеряет, способны ли агенты выполнять экономически ценную работу.
Следите за долей корпоративной выручки, маржой с поправкой на расходы на подрядчиков и повторными расходами на среды оценки.
#stocks
Mercor привлекла $750 млн при оценке в $20 млрд. По словам основателя, за 27 месяцев годовой темп выручки достиг $3 млрд.
Впечатляет. Но важны два различия.
Во-первых, валовая выручка — это не выручка от программного обеспечения. Согласно историческим данным, 60–70% выручки Mercor приходилось на оплату труда экспертов-подрядчиков. Поэтому её экономика сильно отличается от высокомаржинального SaaS-бизнеса.
Во-вторых, приобретение Deeptune компанией Mercor указывает на более интересный бизнес, чем разметка данных.
ИИ-агенту нужны реалистичная среда, задача для выполнения и система проверки, которая определит, действительно ли он справился.
Одна и та же среда потенциально может создавать обучающую обратную связь на основе тысяч попыток. Это иная экономическая модель, чем оплата эксперту за каждую отдельную метку.
Но возникает новый вопрос о конкуренции: кому принадлежит система проверки?
Если компании смогут самостоятельно создавать надёжные рабочие среды и системы оценки, маржа сторонних поставщиков может сократиться. Если же для их поддержки нужны редкие специалисты и постоянно обновляемые рабочие процессы, такие поставщики, как Mercor, могут получить устойчивое преимущество.
Моё мнение: следующим защитным барьером в обучении ИИ станет не крупнейшая сеть подрядчиков, а система, которую сложнее всего воспроизвести и которая измеряет, способны ли агенты выполнять экономически ценную работу.
Следите за долей корпоративной выручки, маржой с поправкой на расходы на подрядчиков и повторными расходами на среды оценки.
#stocks