• 人工智能培训
    【硅谷】Mercor完成3.5亿美元C轮融资,估值达100亿美元:引领“人类训练AI”的新劳动形态 HRTech概述:硅谷公司 Mercor 近期完成 3.5 亿美元 C 轮融资,估值约 100 亿美元。它所做的,就是将医生、律师、银行家等领域大牛纳入平台,帮助他们指导AI模型理解判断、意图与专业经验。这样的角色不是重复性劳动,而是“专家 → 训练师”的转型。 在AI浪潮加速重塑全球劳动力市场之际,总部位于旧金山的AI科技公司 Mercor 宣布完成 3.5亿美元C轮融资,由 Felicis 领投,Benchmark、General Catalyst、Robinhood Ventures 等共同参投。此轮融资使公司估值达到 100亿美元,较上一轮增长约五倍,成为AI经济领域增长最快的独角兽之一。 人机协作的新范式:从执行者到“AI训练师” Mercor成立于2022年,由联合创始人兼CEO Brendan Foody 与CTO Alex Kovacs 创办,定位于“连接人类专才与AI经济”的桥梁。公司构建了一个覆盖全球的专业人才网络,现已拥有 3万多名专家,每天支付超过 150万美元 的报酬,净推荐值(NPS)超过 65。 这些专家来自医疗、法律、金融、工程等领域,他们通过Mercor平台为AI模型提供真实世界的知识、经验和判断力训练。Mercor的核心理念是——AI不取代人,而是由人来训练AI,让机器学习人类的判断、意图与品味。 CEO Brendan Foody在公司公告中表示:“AI的每一次进步,都会释放新的‘人类潜能’。我们看到越来越多的专业人士从重复性劳动中解放出来,专注于AI无法可靠完成的高价值工作。” 投资人押注“Human + AI”经济体 本轮融资的领投方 Felicis 创始人 Aydin Senkut 指出:“Mercor正在构建未来AI经济的基础设施,让人类智慧成为AI系统不可或缺的一部分。掌握专业知识、能够提供判断和反馈的专家,将成为AI时代最有价值的劳动力资源。” Mercor的客户已涵盖多家前沿AI实验室和财富500强企业,广泛应用于医疗影像识别、金融分析、法律推理、企业智能体训练等领域。通过将专家的知识转化为模型评估与微调数据,Mercor帮助企业在保持合规与质量的同时,加速AI系统的落地和价值创造。 迈向“人类+智能体”的经济时代 Mercor表示,此轮融资将主要用于三大方向: 扩大专家网络规模,吸纳更多领域型人才; 优化匹配算法,提升专家与AI项目之间的匹配效率; 加速项目交付,强化人机协作流程与企业集成能力。 分析人士指出,Mercor正推动一种全新的劳动形态:人类不再是AI的竞争者,而是“AI训练师”。在未来十年,数以百万计的专业人士将以“教机器做事”的方式参与经济创造,让AI成为“被训练的学徒”,而非“取代者”。 人类潜能的再次解锁 随着AI逐步进入企业核心运营层,Mercor的模式代表了从“自动化”到“增强化”的转变——人机协作成为提升生产力的核心引擎。Foody认为,企业价值链将持续上移,“那些能把专业判断力转化为可学习标准的人,将成为AI经济中最具竞争力的群体。” Mercor 融资历程一览: 2022 年(种子轮 Seed):融资约 360 万美元,投资方包括 Y Combinator 与 General Catalyst。 2023 年(A 轮融资):融资约 3,000 万美元,由 Benchmark 与 Felicis 领投,投后估值约 6 亿美元。 2024 年(B 轮融资):融资约 1 亿美元,主要投资方为 Benchmark 与 General Catalyst,估值提升至 20 亿美元。 2025 年 10 月(C 轮融资):完成 3.5 亿美元融资,由 Felicis 领投,Benchmark、General Catalyst、Robinhood Ventures 等参投,公司最新估值约 100 亿美元。
    人工智能培训
    2025年10月28日
  • 人工智能培训
    大多数人都假装懂 AI?Pluralsight《2025 AI 技能报告》告诉你真相 “AI 我懂一点。”——可能是今年职场最流行的“半句谎言”。 在技术浪潮迅猛发展的今天,AI 成了每个职场人都挂在嘴边的热词。但 Pluralsight 的《2025 AI Skills Report》告诉我们一个残酷的事实:大多数人其实并没有我们想象中那么懂 AI,但他们假装懂。 “AI装懂症”:一个在办公室蔓延的现象 这份报告调研了美国与英国的 1,200 位高管与 IT 从业者,揭示了以下令人震惊的数据: 79% 的技术员工承认夸大了自己对 AI 的理解 91% 的 C-suite 高管(CEO/CIO 等)“装懂”AI,反而是最严重的群体 他们这么做并非恶意,而是为了“看起来更专业”、“不被落下” 但这背后却引发一系列连锁问题:65% 的企业曾因员工缺乏 AI 技能而不得不叫停 AI 项目,甚至有 38% 的企业因此中止了多个 AI 项目。 AI 工具不敢用,因为“怕被说懒” 在工作中用 ChatGPT 写方案、用 Copilot 辅助编程,听上去是效率神器,但实际情况却是: 61% 的受访者表示:使用生成式 AI 工具会被视为“懒惰” 其中在高管圈子里,这种负面观感更高,达到 73% 结果呢?员工开始偷偷用 AI —— 66% 的人观察到同事在“偷偷使用 AI”却不说出口 这就造成了所谓的“影子 AI”(Shadow AI):工具在用,但没人承认,也没人监管,结果可能带来: 安全漏洞(未经批准访问公司数据) 隐私泄露(上传敏感信息到第三方平台) 合规风险(无授权使用 AI 工具) 人人都说“别人不懂”,但自己也没多懂 最有趣的一点是,92% 的人自信自己拥有足够的 AI 技能,但与此同时,88% 的人又认为“同事才是阻碍 AI 推进的那群人”。 这明显是典型的“达克效应”(Dunning-Kruger Effect):不懂的人往往更自信,真正懂的反而更谦虚。 AI 的焦虑不是空穴来风 报告指出,90% 的人担心自己未来被 AI 替代,尤其是从事内容创作、销售、数据分析、市场营销和账单处理的群体。 具体来看: 34% 的人认为自己“很可能”会被 AI 取代 70% 的人认为自己的工作处于“危险边缘” 91% 的人担心自己的技能会迅速过时 不过也别太悲观:报告同时指出,49% 的企业正在新增 AI 岗位,这也验证了世界经济论坛的判断——到 2030 年,AI 将创造 7800 万个新岗位,数量多于被淘汰的。 企业的应对策略:别裁人,先培训 面对这种“AI 焦虑”,企业正快速行动起来: 59% 提供正式 AI 培训 54% 提供加薪和福利以缓解焦虑 48% 开设 AI 相关讲座 仅有 2% 的公司选择“不作为” 这背后的逻辑其实很务实:相比重新招人,不如培养原有人才更省成本、风险更低。 AI 真正创造的价值:不仅省时间,还让服务更好 报告显示,AI 工具正在多个领域创造真实价值。企业使用 AI 最常见的场景包括: 网络安全与威胁检测(43%) 数据合成与分析(40%) 客户服务自动化(39%) 内容创作与个性化推荐(35%-36%) 开发者效率提升(37%) 最直接的效益数据包括: 50% 的企业提升了客户服务质量 46% 的员工表示工作质量提升 39% 的人感受到工作效率大幅提高 而在个人层面,84% 的技术人员表示:AI 真的让我的工作变轻松了。 别怕不会,怕的是不敢学 Pluralsight 的报告指出一个现实:AI 技能正在成为每个技术岗位的“基础门槛”,95% 的企业在招聘时会考虑这一能力,70% 将其列为“强烈偏好”甚至“强制要求”。 但幸运的是,现在不是你非得全懂才能入场。你需要的只是一个好起点,比如: 用专业评测工具认清自己的技能短板 选择由行业专家制作的课程来学习 勇敢使用 AI 工具,哪怕一开始只是辅助 因为这波 AI 潮,不等人。
    人工智能培训
    2025年04月03日
  • 人工智能培训
    麦肯锡:AI赋能职场,企业如何跨越管理障碍,实现智能化未来?员工对 AI 的适应速度远超领导层的预期 AI 如何重塑职场? 人工智能(AI)正在以惊人的速度重塑职场生态,许多企业正试图利用 AI 提高生产力、优化决策流程并增强市场竞争力。然而,AI 技术的广泛应用远非一蹴而就,企业的 AI 部署不仅涉及技术升级,更考验管理者的战略眼光和执行力。 麦肯锡的《Superagency in the Workplace》 这份报告深入研究了 AI 在职场中的应用现状,基于对 3,613 名员工和 238 名 C 级高管 的调查,揭示了企业在 AI 落地过程中的机遇与挑战。报告认为,AI 在职场的变革潜力堪比蒸汽机之于工业革命,但当前的最大障碍并非技术问题,而是领导层的行动力不足。 尽管 92% 的企业计划在未来三年增加 AI 投资,但只有 1% 认为自己 AI 发展成熟,表明大多数企业仍停留在 AI 试点阶段,尚未实现全面部署。更值得注意的是,报告发现员工对 AI 的接受度远超管理层的预期,但企业的 AI 发展速度依然滞后。领导者的犹豫和执行力缺失,正成为 AI 规模化应用的最大瓶颈。 本文将从员工接受度、领导层挑战、组织架构变革、AI 治理、商业价值实现等多个维度,介绍报告的核心观点,并补充对 AI 发展的进一步思考。 一、员工比领导更快接受 AI,企业行动缓慢 报告的核心发现之一是:员工已经在积极使用 AI,而领导者仍然低估了 AI 的普及度。 数据显示: 员工使用 AI 的频率比领导层预期高出 3 倍,但许多企业尚未提供系统性培训; 70% 以上的员工认为 AI 在未来两年内将改变至少 30% 的工作内容; 94% 的员工和 99% 的高管都表示对 AI 工具有一定熟悉度,但只有 1% 的企业认为 AI 应用已成熟。 这一现象表明,AI 在企业中的主要障碍并非员工适应能力,而是管理层的滞后决策。许多企业高管仍然停留在探索 AI 价值的阶段,而员工已经在日常工作中广泛使用 AI 工具,如自动生成文档、数据分析、代码编写等。员工在推动 AI 发展方面的主动性,远远超出管理层的认知。 然而,企业未能为员工提供足够的 AI 培训和资源,导致 AI 的应用仍然停留在浅层次,难以转化为真正的生产力提升。例如,48% 的员工认为 AI 培训是 AI 规模化应用的关键,但许多公司仍未建立 AI 学习机制。企业如果不采取措施缩小这一认知鸿沟,可能会错失 AI 带来的长期竞争优势。 二、AI 领导力挑战:速度焦虑与执行落差 尽管 AI 的发展潜力巨大,但报告指出,47% 的企业高管认为公司 AI 发展过于缓慢,主要原因包括: AI 技术成本的不确定性:短期 ROI(投资回报率)难以量化,导致企业不敢大规模投资; AI 人才短缺:AI 相关技术人才供不应求,企业缺乏相应的招聘和培养体系; 监管与安全问题:企业在数据隐私、算法透明度等方面的担忧阻碍了 AI 落地。 这种“速度焦虑”让企业在 AI 发展过程中陷入试点—停滞—观望的循环: 试点阶段:部分企业已启动 AI 试点项目,如客服自动化、数据分析等; 停滞阶段:由于短期收益不确定,试点项目难以规模化推广; 观望阶段:企业倾向于等待行业先行者经验,而非主动探索 AI 的商业价值。 报告强调,AI 的落地不仅是技术问题,更是企业管理问题。领导者需要具备更强的战略决心,加快 AI 投资,并明确 AI 在企业中的角色,才能真正推动 AI 规模化应用。 三、如何实现 AI 规模化落地? 1. AI 人才培养 AI 的大规模应用依赖于系统性的 AI 人才培训。然而,报告发现,近一半的员工认为企业提供的 AI 支持有限。企业需要采取措施: 建立 AI 培训体系,涵盖 AI 基础知识、业务应用和 AI 伦理等内容; 推广 AI 试点项目,让员工亲身参与 AI 工具的开发和使用; 设立 AI 激励机制,鼓励员工利用 AI 提升工作效率。 2. 组织架构调整 AI 不能仅仅作为 IT 部门的创新项目,而应当成为企业整体战略的一部分。报告建议: 设立 AI 战略委员会,确保 AI 发展与企业长期战略保持一致; 推动 AI 在各业务部门落地,提升 AI 在实际业务流程中的应用深度; 强化 AI 风险管理,确保 AI 应用在数据安全和监管方面的合规性。 3. AI 治理:平衡速度与安全 虽然 AI 带来了极大的商业价值,但报告指出,企业在 AI 治理方面仍存在诸多挑战: 51% 的员工担心 AI 可能带来的网络安全风险; 43% 的员工关注 AI 可能导致的数据泄露; 企业需要建立 AI 伦理标准,确保 AI 透明、公正、合规。 四、AI 时代的商业价值:企业如何真正实现 ROI? 尽管企业对 AI 充满期待,但报告显示,目前仅 19% 的企业 AI 投资带来了 5% 以上的收入增长,表明大多数企业的 AI 应用尚未转化为可观的商业回报。为了提升 AI 价值,企业需要: 从“技术驱动”转向“业务驱动”,确保 AI 应用直接创造商业价值; 优化 AI 目标设定,明确 AI 在核心业务中的定位; 加强 AI 应用场景探索,特别是在客户服务、供应链管理等高回报领域进行深入部署。 AI 成败的关键在于管理层 AI 的成功不仅依赖技术本身,更取决于企业领导者的执行力和战略眼光。企业若要真正迈向 AI 时代,需要: 加速 AI 战略落地,推动组织变革; 加强 AI 人才培养,提高员工 AI 适应能力; 建立 AI 治理体系,确保 AI 安全合规发展。 在 AI 时代,最危险的不是迈得太快,而是思考得太小、行动得太慢。 附录:《Superagency in the Workplace》 下载
    人工智能培训
    2025年03月14日
  • 人工智能培训
    生成人工智能(GenAI)带来的技能差距:中国职场的挑战与机遇 随着ChatGPT等生成人工智能(GenAI)工具在全球范围内的广泛应用,中国的职场人也逐渐感受到了这一技术浪潮的冲击。然而,与机遇并存的是一系列挑战,特别是在GenAI技能培训和应用方面。本文将深入探讨这一现象,并提出可能的解决方案。 一、GenAI技能缺口的现实 全球现状:在一项涵盖了澳大利亚、英国和美国的调查中,62%的人表示他们缺乏有效和安全使用GenAI的技能,67%的人希望雇主对他们进行培训,66%的人表示这没有发生。 中国的情况:与全球趋势相一致,中国的企业和员工也面临着GenAI技能的挑战。许多员工表示他们不知道如何从GenAI中获得最大价值,不知道如何利用可信数据源利用GenAI,同时保证数据的安全。 具体应用领域:在内容创作(36%)、数据分析和信息(33%)、客户支持(30%)等领域,GenAI的技能需求日益增长。然而,49%的员工表示他们需要接受人工智能工具的培训,但只有14%的人表示他们接受过相关指导。 二、中国的人力资源挑战 人力资源经理的担忧:43%的人力资源经理预计,随着工作场所采用人工智能,会出现技能差距。他们将使用人工智能工具的能力视为员工可以拥有的首要数字技能。 技能培训的需求:85%的人力资源经理告诉TalentLMS,他们计划与员工一起投资某种类型的人工智能学习和开发。他们正在考虑使用在线课程(48%)、面对面指导和现场活动(44%)等方式。 内部培训的趋势:一些领先的科技公司已经开始使用内部培训计划。例如,Multiverse于8月14日宣布,将于9月在中国为其学徒推出新的培训模块。 三、解决方案与机遇 政府和高校的支持:政府和高校也在推动人工智能教育和培训项目,以培养新一代具备人工智能技能的职场人才。 企业的主动性:许多公司开始实施内部培训计划,通过在线课程、面对面指导和现场活动等方式,为员工提供人工智能技能培训。 强调实际应用:培训不仅限于理论知识,还应包括实际应用,如导航人工智能驱动的系统的能力,以及熟悉人工智能界面、自然语言处理和模型的基础知识。 四、结语 生成人工智能为中国的企业和工人提供了巨大的机会。通过加强教育和培训,我们可以充分利用这一技术,推动职场创新和效率提升。从基础开始,我们每个人都可以学习和掌握GenAI技能,共同构建一个更加智能、更具战略性的职场未来。
    人工智能培训
    2023年08月24日
  • 人工智能培训
    专注人工智能培训,七月在线的课程体系能得多少分?   2016年3月,AlphaGo战胜了围棋世界冠军、职业九段棋手李世石,成为第一个战胜围棋世界冠军的人工智能程序。一时间,关于人工智能的讨论大量涌现,对人工智能市场规模的估算少则百亿,多则千亿。工信部教育考试中心副主任周明曾在2016年向媒体透露,中国人工智能人才缺口超过500万人。巨大的人才缺口催生人工智能培训行业升温。 七月在线就是一家创立于2015年,从事人工智能教育的在线教育平台。 搭建一套从基础到深度的课程体系 七月在线创立初期,课程主要包括三块内容:数据结构算法,面试求职培训,机器学习课程。这些课程主要是为了填补学校和就业之间的差距。 在授课以及打磨课程的过程中,创始人July等人慢慢开始意识到,这样的课程体系并不科学。因为很多想学习机器学习课程的学员,数学以及Python的知识并不是很好,这就导致学习效果无法保证。 July介绍,经过不断地摸索,到了2016年,七月在线完成了全套课程体系建立。七月现在的课程体系,分为五个模块的内容,这五个模块又归属三大部分。第一部分是基础知识,包括了数学模块和Python模块。数学模块涵盖了概率论、凸优化等,主要是想学编程的学员补充一些编程相关的数学知识。Python模块则包含了数据分析等,这些都是进一步学习机器学习相关课程的基础。第二部分是机器学习课程,包含了机器学习和深度学习模块,这部分课程主要围绕机器学习展开。深度学习则是基于神经网络展开,也属于机器学习的大范畴。第三部分是拓展课程,包含了CV(计算机视觉),数据挖掘等等,主要是针对实践能力的强化训练。至此,七月在线完成了人工智能课程体系的建立。 七月在线官网主页 从大班到精品,线上线下结合提高学员水平 除了这些单点课程之外,七月在线在今年6月份调整了自身定位,并在今年下半年改变了之前的授课模式。针对之前五六百人同时在线授课的情况,减少上课人数,推出了每期50-60人的精品课程。并针对学生的不同需求,分为集训营、就业班、论文班等。 谈及这次改变,July表示:“通过这种方式,实现了作业、阶段性测评、项目三管齐下的教学模式,形成了一个强互动、实时答疑的平台。” 在这次改变中,七月在线在部分精品课程中加入了线下课程,采取线上线下结合的授课模式。July曾在创业初期开设过线下班教授机器学习课程,再次开设线下课程主要是为了进行线下实训,提高学员的实战水平,并进行面试辅导。 七月在线线下课程授课情况 针对学员评价不断改进课程设置,提升师资水平 July说,在教学过程中,七月在线发现,学员对IT在线培训机构教学质量的质疑往往集中在两方面:一是课程内容设置,二是讲师。学员对课程内容的主要有两大不满,一方面老学员会觉得课程内容过于简单,另一方面由于很多培训机构一门课程往往由多名讲师共同授课,导致授课内容要么前后重复,要么前后断层。不论哪一种,都给学习带来了极大不便。对讲师的质疑则主要是技术大牛并不一定是授课大牛。 七月在线也会被一些学员吐槽,例如:“课程缺乏系统性,前一个老师和后一个老师的授课内容根本接不上;大牛老师不会讲课,只会念PPT”等问题。面对这些,July表示,今年以来,团队一直在努力改进课程。首先,教研团队会根据企业、市场和学员的需求开设某一门课程,并且制定授课框架和大纲。不同的授课老师使用的是同一个大纲,这样就避免了内容重复或者断层。其次,七月在线现在的教师团队共有50多名讲师,多数讲师都是具备实战应用能力的老师,以BAT技术经理级别居多。同时,为了保持课程的专业性,授课老师中的1/3为各大名校的博士生。并在教师团队中实施末位淘汰制,淘汰不合格的老师。 同时,教学效果检测现在也是七月在线非常重视的一块,通过测评检测学员学习成果,并推荐就业。目前,七月在线已经跟三四十家企业签订了人才内推协议。通过向企业推荐人才获取利益,这也是七月在线的一种商业化尝试。 加强人才社群运营,扎牢工程师方向职位的课程 七月在线有自己的AI人才社群,包括30多万官网注册用户,100多个四五百人规模的微信交流群,大概有50万左右的相关人员聚集在七月在线。 谈到未来发展时,July告诉芥末堆,未来想专注AI课程,把工程师方向职位的课程扎牢;另一方面想提升非课程产品的价值和竞争力,比如建立机器学习题库产品,做评测产品等。 今年4月,七月在线已经完成了天使轮融资。未来七月在线也想继续借力资本,进一步打磨课程的同时,把规模做大。   来源:芥末堆   作者:艾薇
    人工智能培训
    2017年11月23日