2026年8月3日，美国数据与人工智能服务企业ExlService Holdings（EXL）宣布完成对AI训练与评估公司iMerit的收购。根据双方于6月24日公布的交易方案，这笔交易的总对价最高可达3.1亿美元，其中包括1.7亿美元前期付款，以及未来两年内根据业绩目标支付的最高1.4亿美元激励和对赌款项。

交易完成后，iMerit创始人兼首席执行官拉达·拉马斯瓦米·巴苏（Radha Ramaswami Basu）将出任EXL执行副总裁兼iMerit业务负责人，并加入EXL执行委员会。iMerit将把模型训练、评估、强化学习和多模态数据处理能力纳入EXL的企业AI体系。

需要说明的是，iMerit并不是直接生产机器人本体或通用基础模型的企业。其核心业务是为机器人、自动驾驶、医疗人工智能和生成式AI开发者提供高质量数据、模型微调、测试评估及人类反馈服务。在物理AI系统中，机器人能否准确识别人、货物、道路、机械设备及复杂环境，很大程度上取决于训练数据的质量和模型评估的严谨程度。因此，iMerit虽然处于产业链上游，却直接影响机器人感知与决策模型的可靠性。

从数据标注走向模型训练和评估

传统数据服务主要围绕图片中的物体画框、分类和文字转录展开，但随着自动驾驶、移动机器人和多模态大模型的发展，训练任务已经变得更加复杂。机器人不仅需要判断画面中“有什么”，还要理解物体之间的空间关系、运动趋势、遮挡情况以及下一步可能发生的变化。

iMerit能够处理图像、视频、点云、文本和语音等多种类型的数据。在自动驾驶和机器人项目中，其服务涵盖二维及三维数据标注、激光雷达点云处理、语义分割、目标追踪、场景分类和传感器数据融合等环节。这些数据可用于训练机器人视觉、自动驾驶感知、仓库货物识别以及人机协作安全模型。

公司还建立了名为Ango Hub的专有平台，使客户、数据专家和行业专业人员能够共同完成复杂的多模态数据任务。平台支持数据创建、审核、模型输出评估和质量控制，并可根据不同项目组织相应的工作流程。

iMerit同时运营名为“Scholars”的全球专家网络，成员包括医生、科学家、工程师和语言专家等。与一般众包标注不同，这类专家可以对医疗图像、工程场景、机器人行为和模型推理过程进行专业判断，从而为高风险或高精度AI系统提供更可靠的人类反馈。

EXL为何愿意支付最高3.1亿美元

EXL总部位于美国纽约，是一家在纳斯达克上市的数据、分析和数字运营企业，客户覆盖保险、医疗、银行与资本市场、零售、通信以及能源基础设施等行业。截至收购完成时，公司在六大洲拥有约6.8万名员工。

EXL原有优势主要集中在企业数据、行业流程和AI应用落地，而iMerit拥有面向前沿模型开发商的训练数据、微调、评估和强化学习能力。完成收购后，EXL希望形成从数据准备、模型开发与评估，到企业部署和持续运营的完整链条，帮助客户把AI项目从试验阶段推进至实际生产系统。

对于受监管行业，模型输出不仅要准确，还需要具备可解释性、可追踪性和一致性。EXL认为，iMerit的专业数据和人工评估体系可以补足企业部署AI时经常缺失的一环，并支持客户围绕自身数据和工作流程开发专用的小型语言模型。

这项收购也将EXL的业务边界扩展到机器人、自动驾驶及其他物理AI领域。与只处理文本和互联网信息的生成式AI不同，物理AI需要理解真实世界，并在仓库、道路、工厂和施工现场作出动作。错误的数据标注或者遗漏的边缘场景，可能直接导致机器人识别错误或决策失效。因此，物理AI需要的数据处理深度和质量标准通常高于普通内容型AI。

机器人竞争正在转向数据质量

随着机器人硬件、传感器和计算平台逐渐成熟，行业竞争重点正在由“能否制造机器人”转向“机器人能否在复杂现场稳定工作”。要达到这一目标，企业需要大量覆盖正常场景、罕见场景和异常情况的数据，还要持续评估模型在新环境中的表现。

真实世界数据通常昂贵而分散，极端或危险场景又难以反复采集。iMerit所提供的数据筛选、专家标注、模型反馈和强化学习服务，可以帮助开发者发现模型盲区，并将有限的现场数据转化为更有效的训练资源。对于仓储机器人而言，这类数据可能涉及托盘、货架、叉车、行人、破损包装和被遮挡标签；对自动驾驶系统而言，则涉及车辆、道路参与者以及复杂天气和交通环境。

EXL斥资最高3.1亿美元收购iMerit，表面上是一家企业AI服务商补充模型训练能力，背后反映的却是人工智能产业价值链的变化：当基础模型和机器人硬件逐渐普及，经过专业处理的高质量数据、严谨的模型评估以及持续的人类反馈，正在成为决定物理AI能否进入真实生产环境的重要基础设施。