Meta把Mercor踢出群聊后，3家AI大厂数据链集体"裸奔"

3月31日，Mercor员工收到一封内部邮件。邮件里写着"近期安全事件影响我司及全球数千家组织"，语气像在播报天气。但接下去的两周，这封邮件引发的连锁反应，让硅谷AI圈的数据供应链开始重新洗牌。

Meta是第一个掀桌的。

两名知情人士向WIRED确认，Meta已无限期暂停与数据承包商Mercor的全部合作。其他主要AI实验室也在重新评估与Mercor的合作关系。这场暂停不是例行检查——Mercor的承包商被告知，他们负责的Meta项目"正在重新评估范围"，而实际状态是：无法登录工时系统，等于功能性失业。

Mercor是谁？这家初创公司养着庞大的人类承包商网络，专门为OpenAI、Anthropic等顶级AI实验室生成定制化的专有训练数据集。这些数据集是ChatGPT、Claude Code等产品的核心配方，保密程度堪比可口可乐的糖浆配方。AI实验室对此极度敏感，因为数据泄露可能让竞争对手——包括美国的同行和中国的追赶者——窥见模型训练的关键细节。

一次API工具的"投毒"，掀翻整条船

攻击者"TeamPCP"近期入侵了AI API工具LiteLLM的两个版本。这个工具被大量AI公司用于统一管理不同模型的接口，受害者可能多达数千家。Mercor只是其中之一，但它的特殊性在于：它手里攥着多家顶级AI实验室的"家底"。

OpenAI向WIRED确认，尚未停止与Mercor的当前项目，但正在调查其专有训练数据可能如何暴露。发言人强调，此事"绝不涉及OpenAI用户数据"。Anthropic则未回应置评请求。

Mercor及其竞争对手——Surge、Handshake、Turing、Labelbox、Scale AI——在业内以极度神秘著称。它们为AI实验室提供的服务细节极少公开，合同条款往往附带严格的保密协议。这种神秘主义既是商业策略，也是安全刚需：训练数据的构成方式直接决定模型的能力边界，泄露等于送对手一份研发路线图。

数据供应链的"黑箱"困境

Mercor的商业模式建立在一种微妙的信任结构上。AI实验室需要海量高质量标注数据，但不愿自建庞大的人力团队；Mercor扮演"数据中间商"，连接全球承包商与实验室的需求。这种分工让实验室保持"轻资产"，却也制造了安全盲区——敏感数据流经第三方平台，控制链被拉长。

此次事件暴露的正是这个盲区的风险。LiteLLM作为基础设施工具，本应是中立的管道，却因版本被篡改成为攻击跳板。Mercor的承包商系统、项目分配逻辑、甚至部分训练数据样本，都可能通过这一入口暴露。

值得玩味的是反应速度的差异。Meta选择立即切割，OpenAI选择边查边用，Anthropic保持沉默。三种姿态对应三种风险偏好：Meta将数据安全置于合作连续性之上；OpenAI似乎在赌暴露范围可控；Anthropic的沉默则可能是评估尚未完成，也可能是公关策略的谨慎。

Chordus项目：一个被冻结的实验

Mercor内部Slack频道里，一个名为"Chordus"的Meta专项成为焦点。这个项目的目标颇具野心：教AI模型使用多个互联网来源验证其对用户查询的回复。简单说，就是让AI学会"交叉查证"，减少幻觉。

Chordus的承包商们现在处于悬置状态。项目负责人在频道里只说了句"重新评估范围"，但谁都知道，在Meta解除暂停令之前，这个实验不会推进。对于依赖Mercor项目收入的承包商而言，这意味着现金流断裂；对于Meta而言，这意味着一个多源验证能力的研发节点被推迟。

数据标注行业的生态系统由此显形。Mercor的竞争对手们——Surge以高端研究型标注著称，Scale AI是估值最高的行业巨头，Labelbox侧重企业级数据管理——都在观察这场危机的走向。如果Mercor的信任崩塌，订单可能向头部集中；如果行业整体被质疑，监管压力可能上升。

AI训练数据的"军备竞赛"逻辑

理解这次事件的严重性，需要回到AI模型训练的基本面。大语言模型的能力不仅取决于架构和算力，更取决于训练数据的质与量。而"质量"的定义本身就在快速演变——从早期的互联网爬取文本，到精心筛选的书籍和代码库，再到如今的高度定制化人工生成数据。

Mercor提供的正是最后一类。它的承包商可能被要求：模拟特定领域的专家对话、生成带有特定偏见模式的样本以便模型学习识别、或者像Chordus项目那样，创建多步骤验证的训练场景。这些数据的价值不在于体量，而在于与实验室研发目标的精准匹配。

泄露风险因此具有不对称性。竞争对手获取这些数据，不仅能逆向推测模型的训练策略，还可能针对性优化自己的数据 pipeline。在AI能力差距以月甚至以周计算的当下，这种情报价值难以估量。

中国AI公司的追赶态势加剧了这种焦虑。美国实验室普遍担忧，训练数据的泄露可能缩短技术领先窗口。Mercor事件因此带有地缘政治色彩——尽管目前没有证据表明攻击者与特定国家关联，但"数千家组织"的广泛受害面，本身就让溯源变得困难。

供应链安全的连锁反应

LiteLLM的入侵方式值得细究。作为一个开源的API统一层，它被众多AI公司用于简化多模型调用。攻击者篡改版本更新，相当于在公共水源投毒——使用者的系统看似正常运行，实则后门敞开。

这种供应链攻击模式在软件行业并不新鲜，但AI领域的特殊性在于：被窃取的可能不仅是代码或凭证，而是直接构成商业核心的训练数据。传统软件公司的"秘方"是算法，AI公司的"秘方" increasingly 是数据——以及数据与算法的耦合方式。

Mercor的应对显得仓促。3月31日的全员邮件将事件泛化为"全球数千家组织"的共同遭遇，这种 framing 既是对事实的描述，也是对责任的稀释。但承包商们的切身感受是具体的：工时系统关闭、项目状态不明、收入预期落空。

行业层面的反思正在酝酿。多家AI实验室的重新评估，可能导向更严格的供应商审计标准，或者更激进的数据本地化策略——将敏感标注工作收回内部团队，牺牲效率换取控制。无论哪种路径，成本都将上升，而最终可能传导至模型训练和推理的定价。

Meta的无限期暂停是一个信号，但信号的含义仍待解读。

它可能是暂时的姿态，待Mercor完成安全整改后恢复合作；也可能是永久性的切割，为竞争对手创造市场机会；甚至可能成为行业规范重塑的起点，推动数据标注领域的整合与标准化。

OpenAI的"边查边用"则展示了另一种计算：Chordus这类项目的价值足够高，高到值得承担一定风险；或者Mercor在某些细分领域的不可替代性，让完全暂停的成本过于沉重。这种差异化的应对，本身就在重塑供应商与实验室之间的权力平衡。

承包商网络的稳定性是另一个变量。Mercor依赖全球分布的自由职业者完成标注任务，他们的忠诚度与平台绑定，而非与终端客户绑定。如果项目暂停持续，这些人力资源可能流向竞争对手，带走的不只是劳动力，还有对特定项目需求的隐性知识。

在Mercor的Slack频道里，有人询问Chordus何时重启。项目负责人的回复停留在"重新评估"四个字。对于每天登录查看状态的承包商而言，这比明确的拒绝更令人焦虑——希望被悬置，计划被打乱，而解释始终模糊。

这种悬置状态或许正是整个AI数据供应链的隐喻：效率与安全之间的张力从未如此尖锐，而平衡点在哪里，还没有人知道答案。