数据堂：AI数据服务商，即将申报上市的价值重估

世界是你们的，世界是我们的，世界是他们的。

我们正在见证碳基生命交棒硅基生命。

欢迎进入AI时代！

人工智能（AI）产业正处在迅猛高增期，全行业都在拼命抢人才、建算力、迭代算法、淬炼模型、统御具身。

现在，还差什么？

进入2026年，随着算力竞赛逼近边际、公开互联网语料趋于枯竭，合规高质量的训练数据已从可廉价获取的原料转变为制约大模型迭代和具身智能落地的的稀缺生产要素。

市场的核心命题，正由数据规模转向数据质量、专业度与合规性。

2026年3月，国家数据局发布《高质量数据集建设三年行动计划（2026—2028年）》。

2026年4月，工信部和国家数据局发布《工业和信息化部办公厅国家数据局综合司关于联合实施2026年“模数共振”行动的通知》。

2026年6月，国家数据局发布《关于推进行业高质量数据集建设行动的实施方案》。

国家数据局牵头自上而下推动行业规范发展，AI训练数据服务赛道进入长周期高景气阶段。

数据堂（831428.NQ）作为国内最早布局的全栈式AI基础数据服务商，经过十余年沉淀，已完成多模态数据资产、自动化标注技术、头部客户资源的三重积累。

近期，数据堂密集发布多则公告，包括拟设立募集资金专项账户，关于公司股东所持股票自愿限售等。都预示着数据堂即将迎来辅导验收和正式申报，其上市进程进入最后窗口期，存在明显的估值修复预期。

早期大模型主要依靠互联网公开文本语料完成训练，艺恩《全球大模型数据市场白皮书2026》测算，全球可免费抓取的公开人类文本Token储量预计2028年接近耗尽，廉价网络数据逐渐无法满足新一代推理型大模型、多模态模型的训练要求。

同时，全球各大科技企业开始减少自行采集数据，转向采购第三方合规数据集、定制化标注、RLHF人类反馈调优、合成数据生成等专业化外包服务，行业需求从过去零散的语音标注订单，升级为长期、大额、框架式的年度采购项目。

同时，监管层面已形成强约束，《生成式人工智能服务管理暂行办法》明确要求大模型训练数据需来源合法、授权可证、过程可追溯，实质强制建立数据溯源与合规证据链，不合规不得商用。

尤其是自动驾驶、医疗AI、金融智能风控等高监管行业，禁止使用非授权网络数据，进一步推高了第三方专业数据服务商的订单渗透率。

国内AI训练数据服务市场包括数据集授权、定制标注、模型调优、合成数据服务。综合QYResearch行业报告，2025年整体市场规模327.6亿元，同比增长28.4%；2026年市场规模预计达到419.6亿元，未来五年行业复合增速维持在25%‑30%区间，属于AI产业链里增速靠前的细分赛道。

下游的需求结构也出现了明显变化：传统智能语音业务增速平稳，大模型推理调优、自动驾驶点云数据、具身智能视频数据、医疗影像数据集成为增长主力，订单单价、毛利率显著高于传统业务。

竞争格局方面，行业加速出清，大量中小作坊式标注企业因合规不足、交付能力弱被淘汰，市场份额持续向海天瑞声、数据堂、云测数据等头部规范化企业集中，行业前五企业合计市占率有望在2026年提升至70%，龙头企业将充分享受行业红利。

我们再来拆解数据堂的商业模式与业务构成，重点是全栈布局，具备区别于普通标注企业的核心壁垒。

数据堂成立于2010年，2014年12月挂牌新三板，是国内最早切入AI基础数据服务的企业之一。

数据堂专业从事人工智能基础数据服务，经过10余年积累，已形成数据多模态采集、自动处理、质量评测、安全计算等全链条核心技术体系及服务平台。

数据堂的主营业务分为两大板块：基础数据资源授权和基础数据定制生产服务，完整覆盖文本、语音、图像、视频、3D点云多模态数据，业务覆盖大模型训练、自动驾驶、智能医疗、智能安防、智能制造五大垂直赛道。

1、基础数据资源主要是版权数据集，属于高毛利资产型业务。

数据堂长期自主沉淀版权数据集，目前拥有1500 +套可商用授权数据集，储备PB级大模型文本推理数据、800TB计算机视觉图像及视频数据、近200万小时语音数据集，覆盖200余种语言及方言。全部数据均完成版权确权，可以直接对外授权给百度、腾讯、阿里、字节等大厂用于大模型预训练。这种业务模式类似“数据版权出租”，自动化交付，人力成本低，整体毛利率长期维持在50%以上，是公司的高毛利业务。

随着大模型厂商主动减少自主数据采集，专业第三方的AI数据服务年度框架式授权订单持续放量，这是数据堂未来业绩增长的核心驱动力。

2、基础数据生产服务主要包括定制化标注、模型调优、RLHF服务。

数据堂主要为客户提供定制化采集、AI辅助标注、大模型人类反馈对齐、数据合规脱敏、数据安全计算服务，主要客户涵盖自动驾驶厂商、AI创业企业、垂直行业AI企业等。

数据堂自研的“数加加Pro”自动化标注平台，主要依靠AI预标注完成前期基础处理，降低对人工的依赖，区别于传统纯众包人工标注模式。尤其在自动驾驶3D点云、医疗影像等高门槛标注项目上具备较强竞争力，近年订单增速最快。

3、客户结构优质，绑定国内头部AI企业。

2025年年报显示，数据堂的前五大客户都是匿名的，未披露客户名称。

但我们查阅历史公开信息，数据堂的重要客户至少包括自动驾驶领域的毫末智行、上汽、长城、蔚来（3D点云订单高增）；大模型领域的字节跳动、百度、腾讯、中国移动、阿里（中标多）；医疗领域的头部AI医疗公司、三甲医院科研项目（增速最快）。

数据堂的海外业务主要布局日韩、东南亚等多语种数据服务，成为公司业绩新的增长点，欧美市场也有布局。

2025年，数据堂实现营收3.62亿元，同比增长49.2%；归母净利润5774万元，同比增长216.99%；扣非净利润4979万元，同步增长216.07%，毛利率和净利率均大幅提高。

数据堂2025年业绩大增的原因主要是公司数据标注业务境内市场需求旺盛，订单规模快速增长，带动境内收入同比大幅上升；境外业务受海外市场阶段性需求影响收入小幅下滑。公司持续优化成本管控、提升自动化标注效率，境内外毛利率均同比提升，整体盈利水平稳步改善。

在AI产业迅猛发展的大环境下，不难看出数据堂2025年业绩爆发的核心驱动很可能是2025年大模型厂商加大推理调优和RLHF相关数据采购等市场需求爆发。同时，高毛利的版权数据集授权业务收入占比提升，叠加自动化标注平台降低人力成本，规模效应开始显现，促使净利率从2024年的7.08%提升至2025年的16.27%。

北交所IPO上市进程：辅导验收临近，申报上市预期明确

数据堂近期密集发布多则公告，包括拟设立募集资金专项账户，关于公司股东所持股票自愿限售等。

在北交所IPO上市的申报流程中，开立募集资金专户属于申报前的标志性前置动作，说明数据堂距离北京证监局辅导验收、递交北交所上市申报材料的时间临近，市场预期数据堂可能于2026年6月下旬完成辅导验收并正式申报北交所上市。

数据堂在A股市场上唯一可比的上市公司是科创板的海天瑞声（688787），两家公司的业务模式高度一致，均为AI训练数据服务商。

其余对标企业如云测数据、曼孚科技、标贝科技均未独立上市，缺少公开数据，因此本文主要以海天瑞声作为对标企业。

海天瑞声2025年实现营收3.77亿元，和数据堂的营收体量基本持平；2025年归母净利润1411.85万元，扣非净利润1079万元，经营净现金流177万元。

截至2026年6月12日收盘，海天瑞声的股价是153.89元，总市值92.83亿元。

数据堂2025年的营收与海天瑞声基本持平；扣非净利润4979万元，约为海天瑞声的4.6倍；经营净现金流3612万元，约为海天瑞声的20倍。

单从2025年年报来看，数据堂的盈利能力更强，盈利质量更高。

截至2026年6月12日收盘，数据堂的股价是17.95元，总市值27.28亿元。

海天瑞声的优势在于科创板上市公司的流动性溢价，而数据堂还未成功上市，受新三板流动性较弱的制约长期大幅折价。

如果数据堂能顺利在北交所上市，届时其股价和市值会达到多少，我们将保持长期关注。

风险提示：数据堂能否顺利在北交所上市存在较大的不确定性，请自主理性谨慎判断。

免责声明：本文章（报告）是基于公司的公众公司属性，以公司根据其法定义务公开披露的信息（包括但不限于临时公告、定期报告和官方互动平台等）为核心依据的独立第三方研究；逐鹿大北交力求文章（报告）所载内容及观点客观公正，但不保证其准确性、完整性、及时性等；本文章（报告）中的信息或所表述的意见不构成任何投资建议，逐鹿大北交不对因使用本文章（报告）所采取的任何行为承担任何责任，敬请知晓。