AIデータ市場の覇権争い：Mercor vs Surge vs Scale AI

近年、AIモデルの訓練に必要なデータ（特にラベル付きデータや人手フィードバックを含むデータ環境）の供給がAI研究と産業応用の鍵を握っています。MetaによるScale AIへの巨額投資、CEOの引き抜きなどを契機に、AIラボとデータ供給企業との関係が揺らぎ、代替プレーヤーに注目が集まっています。中でもMercorとSurge AIが、急速な成長を遂げており、そのビジネスモデル・市場戦略・今後の競争の方向性が、AIデータ市場全体の流れを映すものと言えるでしょう。

本記事では、MercorとSurge AIそれぞれの現状を整理し、AIデータ市場がどこへ向かっているかを分析します。

1. Surge AI：Bootstrapped（外部資本に依存しない）で1Bドルを超える成長

1-1. 売上・収益・効率性の実績

• Surge AIは、2024年に約12億ドル（$1.2B）の収益 を上げており、Scale AI(2024年の報告で約8.7億ドル) を上回ったというデータがあります。

• また、社員数が比較的少ない中での高い収益性が際立っています。例えば、「121名の正社員で、売上あたり社員１人当たりの収益が非常に高い」というレポートもあります。

1-2. ビジネスモデルと競争優位性

• Surge AIは、データラベリングや、reinforcement learning from human feedback (RLHF) を重視し、質の高いアノテーター（注釈者）を維持、マネジメントすることで、精度と信頼性を担保しています。

• 加えて、外部資本（VCなど）をほとんど使わず、自己資金または収益再投資型で運営してきた点が注目されます。効率性重視の文化、過剰なマーケティングやセールス部隊を持たない運営スタイルなどがしばしば言及されています。

1-3. 最近の動きおよび今後の課題

• Surge AIは、2025年に入り、「15–25億ドルの評価額で資金調達を検討中」という報道があります。現在まで資金調達は行っていなかったものの、将来的なラウンドが注目されています。

• また、労働条件（アノテーターの契約形態・賃金など）の透明性や法的問題（クラシーアクション訴訟など）が、データラベリング企業にはつきまとう課題です。 Surgeにもそうした批判が報じられています。

2. Mercor：急成長と高評価のスタートアップ

2-1. 概要と事業内容

• Mercorは、専門家（scientists, doctors, lawyers など）を含むドメイン専門家を取り揃え、AIモデルの訓練やデータ準備に従事させるコンタクターをマッチングするプラットフォームを運営しています。顧客には OpenAI、Meta、Microsoft、Nvidia などが含まれると言われています。

• さらに、従来のラベリングサービスだけでなく、RLHFを含む「訓練環境（training environments）」の提供や、将来的にリクルーティング市場（専門家を探し雇うマーケットプレイス）としての展開も視野に入れていると報じられています。

2-2. 財務・評価額・成長速度

• Mercorは、最近のラウンドで100億ドル規模（$10B）の評価額を目標としている可能性があるという報道があります。

• また、前年比で大きく成長しており、「AR R（年次定期収益）のランレートで4億5000万ドル超」という数字を投資家との話で明かしています。

• 加えて、Mercorは投資家から複数のオファーを受けており、その中には提示を断ったものもあるとされています。すなわち、資金調達を急ぐのではなく、条件を選んで慎重に動いている様子です。

2-3. 強みとリスク

強み

• ドメイン専門家のネットワーク：医学、法務など専門性の高い分野での人材を備えており、ただのラベル付けではなく高度な知見が求められるタスクに対応可能。これが差別化要因。

• 複数のAI大手との顧客関係：OpenAIなど最先端のAIラボとの契約実績が既にあるという報告。信頼性や実績が評価されている。

リスク・課題

• Scale AIとの競争激化：Scale AIは既に市場で地位を確立しており、Metaとの提携やCEOの移籍など、Scaleが持つ強みは依然として大きい。

• 法的・知財的な紛争の可能性：ScaleはMercorを、元従業員の機密情報持ち出しなどを理由に訴えており、これは業界全体にも波及しうるリスク要素。

• サービスコストおよび契約形態の透明性：専門家への報酬、契約条件、データ品質と安全性を保つための体制構築は、コストがかかる。競争が激化すればこれらのコストが利益率を圧迫する可能性がある。

3. AIデータ市場全体の変化と潮流

3-1. Scale AIの地位変動

• Scale AIは、これまでAIデータラベリングの代表的企業であり、多くのAIラボと契約し、業界標準に近い存在でした。MetaがScale AIに$14B投資し、そのCEOを自社のAI責任者として迎え入れたことは、大きな転換点となっています。

• ただし、この動きに対し、多くのAIラボ（OpenAIやGoogle DeepMindなど）が「Scale AIからの離脱」を検討・実施しており、信頼性・中立性・データプライバシー等の観点で代替先を探す動きが強まっています。

3-2. RLHF と訓練環境（training environments）への注目

• AIモデルの訓練で重要度を増している RLHF（Human Feedback を使った強化学習型の手法）や、人間の判断・専門性をデータに反映させるタスクが、安価な大規模ラベル付けのみでは対応できない「質の壁」を形成しています。これに対応できる企業が今後市場で優位に立つ見込みです。 Surge AI・Mercorともこの分野にリソースを投じていることが報じられています。

3-3. 投資環境および評価額の高騰

• AIデータ供給企業への評価額が上昇しており、Surge AIは、1,500～2,500億ドルクラス（$15–25B） の評価での資金調達交渉が報じられています。 Mercorも $10B の評価オファーを複数受けている状況。

• ただし、資金を取るかどうかは慎重に判断しており、成長性・収益性・競争環境・将来リスクなどを見極めている様子。

3-4. プライバシー・知財・労働の倫理面の課題

• データ提供・ラベル付けに関して、どのようなデータを使うか・どの訓練データが何処から来たか・アノテーターの労働条件・契約形態などの透明性が強く問われており、スキャンダル・訴訟の発生がすでに報じられています。 Surge AI に対する訴訟、Mercor-Scale間の知財紛争など。

4. Mercor vs Surge AI：比較と競争予測

5. 将来の展望と戦略的示唆

5-1. 成長予測

• AI研究と産業アプリケーションの拡大が続く限り、高品質データ + RLHF +専門家のフィードバックを含む訓練環境への需要は増加すると見られます。

• SurgeとMercorのような企業が市場を牽引する可能性が高く、特に中・大型のAIラボはデータ供給の多元化を図る動きが加速するでしょう。

5-2. 戦略的選択肢

• スケーラビリティをどう確保するか：専門家を多数抱えるにはコストがかかるため、適切なマッチングプラットフォーム、オフショアや地域分散、AIを用いた自動化支援などが鍵になる。

• 信頼性と透明性の強化：データの出所やアノテーターの契約条件・報酬など、倫理面・法令面でのクリアさがますます重要になる。

• 差別化されたプロダクト拡張：たとえば Mercor が進めているような訓練環境 (training environments)、ソフトウェア東側の機能、リクルーティングマッチング機能、あるいはAI自体を使ったデータ品質評価などが付加価値になる。

5-3. 潜在的な変数・挑戦

• 技術革新による「自動化」の進展。AI自身がラベル付けやアノテーション補助を行うツールが改善すれば、人手依存のモデルはコスト・収益性で圧迫される可能性があります。

• プライバシー規制・データ法規制の強化。特にヨーロッパ、米国、一部アジアでの法律が、どのようなデータが使えるかを制限する可能性あり。

• 人材・契約者への待遇改善の動き。倫理的・社会的な責任から、アノテーターの契約・報酬の標準化が求められればコスト構造が変化する。

結論

MercorとSurge AIは、ともにAIデータ供給分野で急速に存在感を高めており、Scale AIを中心とする従来の体制の揺らぎを背景に成長のチャンスを掴んでいます。Surge AI は効率性と質での高い評価を獲得し、Mercorは、ドメイン専門性と専門家ネットワークでの差別化を図っています。

AIデータ市場全体としては、「量」よりも「質」「信頼性」「専門性」「倫理」が今後の競争軸となるでしょう。Mercor／Surge の動きは、その変化を先取りしている事例と言えます。

オススメ記事

Next Big Wave（成長株・アイデアの種・トレンド深掘り）