应用层护城河、模型层竞争与企业token支出——Mercor创始人兼CEO Brendan Foody访谈要点梳理（20VC，2026-06-01）
——据20VC节目《Mercor CEO: Why Application Layer Companies Have No Moat & The Cost of Hiring AI Researchers》（2026-06-01）整理
摘要：本文对20VC节目主持人Harry Stebbings专访Mercor创始人兼CEO Brendan Foody的主要观点进行了梳理汇总。梳理了Foody关于应用层难以建立护城河的论证及其与主持人的交锋，介绍了其对模型层竞争格局、前沿实验室数据需求与企业token支出的判断，最后阐述了AI研究人才成本、Mercor自身经营情况以及对就业结构转型的看法。据其介绍，Mercor向实验室交付任务数据的收入毛利率为30%至40%，过去60天新增净ARR 3亿美元，公司内部代理的token支出已超过人员支出。
关键词：应用层护城河；前沿实验室；垂直应用；token需求；开放权重；Mercor；Brendan Foody
一、应用层护城河之争
Foody认为应用层公司的业务与基础模型公司距离较近，模型之上的软件层难以建立防御性；主持人以应用层投资人身份逐条反驳，双方交锋集中在产品深度、市场进入与网络效应三个方面。
（一）应用层与基础模型距离较近
Foody此前发文称，未来十二个月，Anthropic与OpenAI上游的基础设施公司境况将远好于下游的应用层公司。其理由主要有两点。一是业务距离较近，他表示“应用层公司的业务与基础模型公司的业务相距并不远”，Claude Cowork把能力扩展至医疗和法律，跨度并不大；实验室已在软件工程领域做到这一点，金融领域可以照做，因此“在模型之上的软件层建立防御性将会极其困难”。二是基础设施一侧正在形成实在的护城河，Mercor自身在复利式积累网络效应，并在为客户建库存的过程中积累数据护城河，算力公司则依靠较长的研发周期形成壁垒，“基础设施层会实现高毛利、可持续盈利的业务，而在应用层这一点远没有那么清楚”。
主持人补充了基础设施定价权的例子：Nebius全线提价30%，需求未受影响。Foody表示Mercor情况大体相同，“我们的需求足以一夜之间翻倍，只是没有产能”，瓶颈在于调动人力搭建环境的速度。他同时表示，Mercor大概可以提价30%而不影响需求，但定价目标在于赢得未来十年的市场结构，须“确保市场里不留氧气，因为高毛利会招来竞争”。
（二）主持人的反方论据与Foody的回应
主持人以法律垂直领域为例提出反方论据。他表示，在其投资的一家法律AI公司与Harvey之间，行业共识已从相互竞争转向共同警惕Anthropic；这类产品深度较高、专为律师工作流设计，Anthropic若要进入须另建产品、销售、客户成功与推广团队，“那是一家完全不同的公司”。
Foody从两方面回应。一是“模型就是产品”，他表示过去两年所有人越来越意识到这一点：过去人们搭建各种抽象层、拼接API调用、编写补丁式逻辑、制作拖拽式代理构建器，后来发现只要把目标交给模型并训练模型去达成，“在我们尝试的几乎每个场景里它都胜过其他所有方案”，这对端到端训练模型的一方是重大利好。二是软件层可被快速重建，Mercor正在构建评测集，测量代理端到端搭建SaaS应用的能力，“2025年的问题是如何让模型在代码库里提一个PR，2026年的问题是如何让模型端到端克隆Slack。这些能力在未来十二个月内会出现在模型里”。
主持人随后提出，若模型即产品，则销售与推广即产品，向顶级律所销售依靠进入会议室、建立与买方的关系以及后续的客户成功与采纳推动。Foody部分认同，并作了进一步区分：一是真正具有差异化的是前置部署（forward deployed），即售后深入客户内部、基于组织内的隐性知识训练代理；二是售前的市场进入本身差异化有限，他举例称，即便销售能力居于全球前列，一款年费100万美元的SaaS产品一旦被精明的客户发现可直接让Claude复制一份，“维持定价权也会非常困难”；三是OpenAI与Anthropic大举投入前置部署团队，同样印证这一逻辑。他援引红杉资本（Sequoia）“服务是新的软件”一文，认为软件护城河正在被削薄，在软件之上叠加服务、走完“最后一英里”，防御性更强。
（三）网络效应作为检验标准
主持人将“克隆Slack”外推至“SaaS已死”：大企业若只需少量定制与集成，例如一家地产公司需要接入特定的定价数据源，将倾向于自建。Foody大体认同，但指出网络效应是市场尚未充分定价的例外：一是Salesforce之上有大量公司开展集成，形成近似市场的网络；二是Slack拥有Slack Connect；三是Carta的用户希望在自己所有的公司里使用同一平台。
基于此，他给出判断标准：有网络效应的公司能以十倍速度迭代，同时借助网络效应为客户创造更多价值、收取更多费用；没有网络效应的公司，其纯软件中缺乏可防御的护城河，将面临较大困难。“对我来说，这就是试金石：这家公司会变得一文不值，还是会因十倍的产品速度而获得巨大价值。”
二、模型层竞争格局与实验室数据需求
Foody认为API层将趋于商品化、推理将更多转向开源与蒸馏模型，前沿实验室仍具投资价值；实验室对专家任务数据的需求覆盖主要知识工作领域，并向长时程任务延伸。
（一）API层商品化与开源模型
Foody判断API层将被商品化，原因在于切换成本为零：每两个月出现一个新的前沿模型，企业按对应工作流的评测分数选择模型，一对一可热插拔，“这几乎就是商品的定义”。工作流层则可具有粘性，他本人在Claude Code与ChatGPT中都运行着一批例行任务，大概不会花时间迁移。
他同时判断，五年后大部分推理将运行在开源、定制微调或蒸馏模型上，前沿模型只占少数；这与看多前沿实验室并不矛盾，前沿模型可作为教师模型蒸馏出领先的小模型，他猜测至少一家实验室市值会超过10万亿美元。主持人指出，西海岸多数创业公司先用前沿模型探索能力边界，再用开源模型（常常是中国模型）以低得多的成本逼近。Foody认为两种情况同时成立：一是五年内需求将增加四到五个数量级；二是蒸馏与微调开源模型带来的竞争也会加剧；三是实验室仍是出色的投资，这一共识两年前尚不存在。他表示，过去十二个月改变的正是这一看法：他曾怀疑实验室能否在竞争中维持定价权，看到收入爬坡的斜率后，转而相信其将成为全球市值居前的公司。对英伟达（Nvidia），他认为全部押注并不荒唐，但市场正走向多芯片格局，Cerebras与Etched在推进，多数实验室自研芯片，即便其份额降至三到四成，仍将是全球市值居前的公司。
（二）实验室采购的任务数据
据节目介绍，Mercor向OpenAI等前沿实验室供应专家数据与强化学习环境，两年内年化经常性收入（ARR）达到15亿美元、估值100亿美元。Foody表示，客户一般按任务采购，“他们会为一项带来模型改进的任务付1000美元”，Mercor负责找专家、雇专家、搭建专家工作平台、由AI项目经理协调并做自动化质检，交付任务数据。收入毛利率在30%至40%之间，他强调这一口径为收入，专家报酬只是价值链的一部分，“我们由人才网络驱动，就像Uber由司机网络驱动”。
需求分布与经济价值高度对应，主要体现在三个方面：一是前五大需求领域为软件工程、金融、医学、法律与咨询；二是长时程任务占比上升，“我们正从让投行分析师做一个财务模型的范式，转向让一个银行家与五位同事沟通、等待回复、准备包含财务模型与分析的完整幻灯片，一个持续数周的项目”，这些任务用于推动研究与评测前沿，“这样六到十二个月后人们就能在模型里用上这些能力”；三是覆盖范围广，实验室希望自动化Google Workspace里能做的一切，瓶颈在于覆盖上下文的完整分布，即消息、Slack、幻灯片、Excel及对应的全部任务、提示与输出，“这适用于经济中的每个人、每个领域”，数十万人、很快将是数百万人被动员起来构建这一分布。
（三）数据供应格局与主权模型
Foody从三个方面阐述了数据供应一侧的格局。一是质量决定定价权，一万条任务的数据集中，头部两千条创造大部分价值，“质量是比其他任何维度都值钱得多的X因素”。二是横向供应商具有规模优势，实验室倾向于与一家能横向覆盖全部垂直领域、快速扩张的供应商合作，为律师与为医生设计的数据形态往往非常相似，工具高度可复用；Mercor人才网络超过500万人，可相互推荐，寻找边际上的一位医生比垂直供应商容易得多，利基供应商在特定领域仍有一定价值，但规模与聚合的价值更大；Mercor也在开展物理世界采集，由电工、机械师、科学家头戴摄像头记录作业。三是稀缺的是复合型专家，Mercor几乎能调动任何领域的专家，真正稀缺的是既有领域专长、又重度使用ChatGPT或Claude的人，只有他们能找到模型出错之处并帮助模型学习。
在主权模型问题上，Foody认为本地化有价值，实验室常提出模型需要精通英国法或法国法，这是模型在各司法辖区可用的“最后一英里”；“但实验室会直接在法国雇一万人来教模型法国法，我不认为别人能做什么来阻止这件事，因为从其他领域来的迁移学习能力实在太强。”他建议欧洲接受在模型竞赛中已经落后的现实，保留一定的后训练与蒸馏能力，“应用层肯定会有一些价值”，但不宜与Anthropic正面竞争。
三、企业token支出与服务自动化
Foody披露Mercor内部代理的token支出已超过人员支出，并判断五年内平均企业的算力支出将超过人员支出，评测将成为企业配置推理支出的记录系统。
（一）token支出与评测体系
“现在我们花在内部代理token上的钱，超过了花在员工人数上的钱。”主持人对此确认了两遍。据其介绍，这些代理包括管理运营的AI项目经理、已完成超过500万场面试的面试提问代理、候选人排序代理、会计自动化代理与欺诈检测代理。每个代理对应一个评测，据此确定该用哪个模型、该用例的价格性能帕累托前沿在哪里，进而分配推理支出、选择供应商。他预期每家财富500强都会走到这一步，需要一个记录系统来评估和规定每个工作流中代理的行为，“他们会用它来把模型层商品化，因为他们想要模型之间的完全竞争、零切换成本”。
主持人引用Benioff的说法，Salesforce在Anthropic上的支出为3亿美元，折算只占开发者薪酬的约3.8%。Foody未就24个月作出判断，但认为五年内平均企业的算力支出将超过人员支出，其依据有三：一是模型能力以指数复利提升，人的智能不会；二是有了针对自身工作流的评测，企业可以蒸馏模型、使用开源模型，以低得多的成本达到同等或更好的效果，“这往往是价格性能上的十倍杠杆”；三是按Jevons悖论，模型每年提升十倍、单位性能成本下降，总消耗持续上升，企业内token消耗在见顶之前还会显著增长。对于主持人提出的评测与真实工作脱节的质疑，Foody认为过去从GPQA、IMO到Humanity's Last Exam的学术基准确与企业关心的结果脱节，当前焦点已转向端到端工作流，如协调多位同事完成财务模型或幻灯片、端到端搭建SaaS应用，评测前沿的建设已成为下一轮模型开发的关键研究问题。
（二）服务本身的自动化
对“AI驱动的服务”这一新品类，Foody大体认可，条件是这些公司确实借助AI获得竞争优势，他提醒有很多公司只是在做服务，并未从AI获得显著优势。以Mercor为例，其交付组织约100至150人，负责答疑、跟踪项目KPI、搭建定制工具，属于典型的“最后一英里”服务；而AI项目经理刚刚端到端完成了第一个项目，自行雇用专家、答疑、用平台内的编码工具搭建标注工具并产出所需数据，向其汇报的专家反馈体验良好。他表示：“我们正在实时看到服务被自动化。”
四、AI研究人才成本与Mercor经营情况
Foody将人才视为其格外关注的问题之一，研究员需求约为供给的十倍；Mercor自身处于盈利状态并储备了较多现金。
（一）研究员报价与供需
据其介绍，人才压力来自两方面：一是创业市场过热，Mercor已有三名前员工创办了估值超过1亿美元的公司；二是实验室报价高企，他近期在招的一位候选人拿到了Meta超级智能团队每年2000万美元现金的报价，“我们经常碰到这类事”，对真正优秀的研究员，成本“往往是每年数千万美元的股票”。
他表示研究员需求约为供给的十倍，是当前招聘难度居前的岗位。对走势的判断分两段：对更小的一群人，报价会继续升级；随着更多人掌握实验室的运作方式与前沿模型训练方法，这项技能的供给会增加，价格将回到更合理的水平，“希望市场里至少99分位以下会自己平衡”。他估计数据供应商中约一半只是交易型的人才市场，Mercor与Surge的区别在于具备训练模型和雇用顶尖研究员的能力。
（二）Mercor经营与融资情况
Foody回应了若干市场传闻：一是安全事件属实，公司已聘请Mandiant等安全咨询机构处理；二是过去60天新增净ARR 3亿美元，与各前沿实验室的关系均有扩大，Meta例外，关系仍处于暂停状态，他部分归因于Scale被收购后Meta更多与Scale合作；三是否认亚马逊（Amazon）出价130亿美元收购，并表示300亿美元也不卖。
融资方面，据其介绍，2023年9月种子轮时收入运行率略低于100万美元，投后估值2300万美元；2024年5月A轮在约250万美元运行率时投后估值2.5亿美元；四个月后B轮在2000万美元收入时估值20亿美元，“当时是100倍收入”；2025年9月或10月收入运行率约4亿美元时估值100亿美元，约25倍，“此后业务又几乎翻了四倍”。公司种子轮后烧掉50万美元，此后一直盈利，账上现金超过5亿美元，多于历史融资总额。他将现金视为整合期的筹码：市场狂热时任何人都能融资、以负毛利运营，供应商随之激增，市场回落即进入整合期。规模上，去年初公司40人、收入运行率5000万美元，此后人数扩大七到八倍，业务规模扩大25至30倍；对专家的支付每天超过300万美元，预期十二个月后为三倍、也许四倍。
五、就业结构与转型速度
Foody以长期生产率提升说明就业总量将持续增加，主持人则质疑此次转型的速度。
据其介绍，“过去250年生产率提高了25倍，相当于自动化了一个人96%的工作”；从农业革命、工业革命到计算机革命，人们每次都因“固定劳动总量谬误”恐惧大规模失业，250年后工作岗位反而多于以往，社会从不缺问题，气候变化与癌症都尚未解决。他认为十年后的工作会比今天多得多，同时承认过程中会有大量岗位置换。主持人认同方向、质疑速度，认为工业革命与农业革命的替代周期以数十年计，而“有了Nano Banana Pro，我几乎可以一夜之间裁掉媒体公司所有设计师”。
Foody的回应主要有三点：一是经济在创造新工作类别与重新配置劳动力方面已比过去有效得多，Mercor的专家支付即为一例；二是训练代理将成为五年内规模被低估的岗位，“所有知识工作都在向训练代理收敛，因为把一件事做一次在结构上更有效率”，客服不再重复回复数百张工单，律师不再重复做几十份类似的合同批注，员工的新工作是把组织里没写下来的隐性知识编码进代理；三是数据清洗对企业采纳构成的障碍有限，模型读完过去六个月的Slack消息即可自行整理出CRM表格，人贡献的是模型拿不到的隐性知识。进展方面，据其介绍，在Mercor自建的AI生产力指数（APEX）上，当前前沿模型得分约40%，十二个月前的前沿模型o1得分为1%。
总的看，Foody认为模型能力的快速提升正在削薄软件层的护城河，API层趋于商品化，网络效应与前置部署服务是应用公司的主要防御来源，而服务本身也在被代理自动化；企业算力支出可能在五年内超过人员支出，前沿实验室在需求增长数个数量级的背景下仍具投资价值。