Scale AI、Mercor、Surge AIなど、大規模モデル向けのデータを提供する企業の成り立ち、現状、進化を紹介します。
このブログでは、Scale AI、Mercor、Surge AIなど「大型モデルのデータを提供する企業」の成り立ち、現状、進化を紹介します。
それはある意味、私にとっての「ポピュラーサイエンス」であり、ブログにもアーカイブされています。
0. 概要: これらの企業は具体的に何をしているのですか?
大手模型データ会社は大手模型メーカーに「人間の判断」を売り込む。具体的には、これらの企業は人間（初期の頃は普通のアノテーターだったが、現在は弁護士、医師、博士号などその分野の専門家となっている）を組織して採点、分類、モデル回答に対する模範回答の作成を行っており、料金は作業時間やタスクに応じて支払われる。成果物は出力データであり、購入者が独占的に所有することはできません。つまり、たとえば、OpenAI、Anthropic、Google Deepmind に同時に販売される可能性があります。
この業界の規模の上限は、2025年から2026年にかけて急速に増加するとみられます。例えば、最大手のMercor社の企業価値は2026年に200億米ドル（約1.4×10¹²人民元）となり、2026年上半期の売上高は6億1,400万米ドルになると予想されています。
ポピュラーサイエンスが産業である理由: これらの企業が販売する専門家データは、モデルの機能を向上させる上流のサポートです。同様に、大規模モデルに関連する資本市場やベンチャーキャピタル市場においても、データ企業は不可欠な役割を果たしています。
1. ビッグモデルデータ企業のビジネスモデル
まず、このビジネスモデルの予備的な説明を直接与えることができるメルコールの財務構造を見てみましょう。 2026 年上半期、Mercor の収益の 91% は、OpenAI、Anthropic、Google DeepMind などの基本モデル企業からのものでした。コスト面では、Mercor の収益の約 3 分の 2 が専門家に提供されました。利益を総合的に計算すると、売上総利益率は 2025 年に約 27% になり、2026 年の第 2 四半期には 33% に増加します。したがって、これは、一度製品を作ったらそれを無期限に販売するソフトウェア会社のような「利益をすべて得る」構造ではなく、典型的な人的資源を集約する構造です。
これらの専門家によって行われた中心的な作業の 1 つは、RLHF (ヒューマン フィードバックからの強化学習) です。モデルは同じ質問に対して複数の回答を生成し、人間はこれらの回答をランク付けまたはスコア付けし、モデルはそれに応じて「人間の好みを調整する方法」を学習します。このタイプの作業は、モデルの事前トレーニング後に発生し、ポストトレーニングの一部です。特定のシナリオでは、タスクの難易度に応じて人間の判断のしきい値が増加します。法的推論、医学分析、コード生成などのシナリオでは、対応する分野の専門家が善悪を判断する必要があります。
ここでは、2 つの類似したビジネス モデルを区別します。 1つは、前述のエキスパートデータの作成・販売サービスで、モデルのバージョンアップごとに人間が判断データを作成するサービスです。これは労働集約的であり、モデルを反復するたびにニーズが発生し続けます。もう 1 つのタイプは、既存のデータ認可を販売することです。たとえば、Reddit と Shutterstock は、プラットフォーム上の既存のコンテンツをトレーニングのために OpenAI と Google に許可します。これはプラットフォームの既製コンテンツへのアクセスを販売するものであり、そのために専門家のグループを雇う必要はありません。このタイプのモデルのライセンスは、通常、1 回限りの購入ではなく、複数年間の年間料金契約になります。たとえば、RedditとGoogleが2024年2月に発表した協定は、年間6,000万米ドル相当です。したがって、どちらのタイプのモデルも持続可能な収益をもたらすことができます。違いはコスト構造にあります。制作サービスは収益のほとんどを専門家 (たとえば、Mercor の 3 分の 2) に提供する必要がありますが、ライセンサーのコンテンツは既製で限界費用が低くなります。
2. 主要企業の在庫状況
頭：
- AI スケール：元業界リーダー。 2016年に設立され、OpenAI、Google、Microsoftなどに長期的なサービスを提供している。2025年にはMetaが約143億米ドルを投資して株式の49％を占め、創設者のAlexandr Wang氏がMetaに加わった。この影響を受け、GoogleやOpenAIなどの主要顧客はその後、同社との協力を停止している。
- AIの登場: 元 Google/メタ エンジニアのエドウィン チェンによって 2020 年に設立され、高品質の RLHF と専門家の嗜好データに焦点を当てています。設立から 5 年が経過しましたが、外部からの資金調達はなく、純粋に利益を生み出すことに依存していました。 2024 年までに、その収益は 12 億米ドルとなり、Scale AI を超えると予想されます。最初の資金調達ラウンドは2025年に開始される予定で、その評価額は150億ドルから300億ドルの間であると報告されている。 2025年、創業者のエドウィン・チェンはフォーブス誌の最年少億万長者となり、純資産は約180億米ドルとなった。
- メルコール: 2000 年以降に中退した 3 人によって 2023 年に設立されました。当初は AI 採用プラットフォームとしてスタートしましたが、後に変革して、大規模なモデル企業のデータ作成とモデル評価を行うフィールドの専門家を組織しました。評価額は、2025年2月の20億米ドルから、2025年10月のシリーズCで100億米ドル、そして2026年には200億米ドルと報告されるまでの幅がありました。 Nvidiaも投資に参加する予定だ。
他の企業:
- シュノーケルAI: スタンフォード研究所出身の彼は、初期には弱教師ありデータ プログラミングに従事していましたが、近年は専門家によるデータ サービスに目を向けています。 2026年9月に、評価額35億米ドルで3億5,000万米ドルのシリーズE資金調達を完了した。
- 握手AI：元々はアメリカの大学生向けの就職プラットフォームでした。同社はすでにアメリカの大学をカバーする学生ネットワークを持っていました。このネットワークを使用して、データを作成し、モデルを評価する学生を募集しました。業界の在庫では、上記のプレーヤーと並んでプレーヤーとしてリストされています。
- チューリング、インビジブルテクノロジー、ラベルボックス：この3社はエキスパートデータ事業も行っています。 Turing はリモート開発者プラットフォームから変革し、Invisible はデータ トレーニングと運用のアウトソーシングに重点を置き、Labelbox は古いラベル付けプラットフォームです。現在、公開レポートにはこれら 3 社の最新の評価額の信頼できるバージョンがありません。
国内対照グループ:
- ハイチ瑞生 同社は、A 株に上場している唯一の純粋なデータ アノテーション企業です。それは音声データから始まりました。各機関は、2025 年から 2027 年の収益が年間 3 億元から 4 億元になると予測しています。データホール 同社は、New Third Board (National Equities Exchange and Quotations、メインボードよりも敷居が低い株式取引市場) で確立された企業であり、モデル コーパスと注釈を拡張するために変革を進めています。整数インテリジェンス 大型モデルの RLHF データに焦点を当て、資金調達は数千万元です。万福テクノロジー 自動運転のラベリングから大型モデルまで、数億元規模のプレCラウンドは2026年4月に完了する予定だ。
- 国内最大の量は米国とは約２桁違う。主な理由は 2 つあります。1. 国内の大手模型メーカーは独自のラベル付けチームとデータベースを構築することを好み、サードパーティはオーバーフロー需要しか受け取ることができません。 2. 国内のラベル貼りは人件費が安いため、客単価が安くなります。
3. 起源と現状と進化
この業界の需要パターンは、大規模モデルのトレーニング方法の変化に伴って進化しています。
- プレトレーニング時代（2022年以前）。現段階では、モデルの学習にはインターネット公開テキストが主に使用され、手動参加では画像フレームの選択や音声の書き起こしなどの基本的なアノテーションが必要となるため、大量のアノテーション付きデータが必要となり、データ単価も低くなります。この段階の代表例は、後に専門化の流れの中で衰退した Appen などのクラウドソーシング アノテーション会社です。
- SFT および RLHF フェーズ (2022 年から 2023 年)。 RLHF ルートは、OpenAI の 2022 InstructGPT 論文によって確立されています。 ChatGPT の出現と技術的なルートにより、「人間のように応答するようにモデルを教える」ことが必要なステップになりました。 SFT の場合、人間は模範解答を書く必要があります。 RLHF 段階では、人間が複数の回答を分類する必要があります。この段階では、文章を書くことができ、常識的な判断力を持つ人が必要ですが、ドメインの専門家はまだ必要ではありません。この段階ではスケール AI がリーダーとして浮上しました。
- 推論モデルフェーズ（2024年～）。この段階のタイムアンカーは、2024 年 9 月に OpenAI によってリリースされた o1 です。強化学習はモデルの推論能力をトレーニングするために使用され、モデル能力の進化は複雑な推論能力に移行します。法的推論、医学分析、コード生成などのトレーニング シナリオでは、模範解答の正誤を判断できるのは弁護士、医師、プロのプログラマーのみです。そのため、専門家の時給は数ドルから数百ドルに上昇しました（公開報告書では弁護士の時給が400ドルという例もあります）。 Surge や Mercor など、専門家データに重点を置く企業もこの段階で台頭しています。
こうしたニーズに加え、海外の大規模モデルデータ企業の情勢は2025年の買収によって再編されるだろう。具体的には、MetaがScale AIの株式の半分近くを投資した後、GoogleとOpenAIは自社のデータがScaleを通じて競合他社に流れることを懸念し、協力を停止し、発注先をSurgeやMercorなどの中立的なサプライヤーに移した。それ以来、「中立性」がこの業界の中核的な競争力の 1 つになりました。上位の顧客は品質だけでなく、「データが敵の手に渡らない」ことも購入します。
4. ビジネスモデルの分析: 潜在的な問題とその後の開発の方向性
ビッグ モデル データ企業の現在のビジネス モデルを分析し、考えられるいくつかの問題について説明します。
- 顧客の集中: たとえば、Mercor の収益の 91% はベーシック モデル企業からのものであり、Meta はかつてセキュリティ インシデントにより Mercor との協力を停止しました。
- 労働集約: たとえば、Mercor の粗利益率はわずか 33% で、収益の 3 分の 2 を専門家に提供する必要があります。
- 自己代替の可能性: Mercor は、2026 年 7 月に強化学習環境を専門とする新興企業 Deeptune を買収しました。具体的には、Mercor が現在販売しているのは手動フィードバックであり、これはモデルの回答を採点するために人間を組織することを意味します。強化学習環境は、別の方法を提供します。それは、モデルが正しいか間違っているかを自動的に検証し、報酬を受け取ることができる環境で、モデル自身が試行錯誤できるようにすることです。プロセス全体で、人間がスコアリングに参加する必要はありません。このような環境で十分なタスクをカバーできれば、人間によるフィードバックの必要性は低下するため、メルコールはある程度、主要ビジネスに取って代わる可能性のあるテクノロジーを購入しています。
