智谱、Meta供应商称高质量语料稀缺性加剧，有公司已受益

21世纪经济报道记者邓浩

大模型越做越大，真正好用的数据却越来越难找。

这也让一批原本处于AI产业链上游的数据服务商进入市场视野。作为智谱、Meta、阿里巴巴、腾讯、月之暗面、Minimax等企业的供应商，海天瑞声在2026年上半年实现营业收入1.92亿元，同比增长22.45%；归母净利润977.29万元，同比增长156.87%。

在10月9日盘后的2026年上半年业绩说明会上，海天瑞声财务负责人吕思遥解释称：“收入增长主要是因为全球多模态大模型持续迭代落地，AI应用场景加速商业化，公司传统数据服务与新兴平台类业务实现同步增长。”

在海天瑞声管理层看来，当算法逐渐开源、训练成本不断下降时，高质量数据正在成为决定模型能力的关键资源。

不过，半年净利润翻倍，并不意味着增长已经一帆风顺。单看第二季度，海天瑞声实现营收0.95亿元，同比增长9.46%、环比下降1.73%；归母净利润仅为136.99万元，同比下降60.10%、环比下降83.70%。

一边是AI企业对高质量数据“喊渴”，另一边是公司单季盈利明显回落。训练数据究竟是一门可以持续扩张的生意，还是又一轮由行业热潮带来的阶段性机会，成为投资者最关心的问题。

高质量语料稀缺性加剧

算法、算力和数据通常被视为人工智能产业的三大核心要素。海天瑞声在2026年中报中判断，随着主流大模型陆续开源、模型训练成本下降，AI产业正在由“以模型为中心”向“以数据为中心”转变，高质量训练数据也由“辅助燃料”升级为决定模型能力上限的“核心引擎”。

这一变化首先体现在需求结构上。

大模型早期训练更强调数据规模，进入后训练和垂直场景落地阶段后，数据的准确性、专业性、场景覆盖度和多模态协同能力变得更加重要。医疗、金融、工业、自动驾驶等领域不仅需要通用语料，还需要经过清洗、标注和质量控制的行业数据，以提高模型推理可靠性、降低幻觉率。

海天瑞声总经理李科在前述业绩说明会上表示，AI产业对训练数据的需求并非阶段性现象，而是产业从技术突破走向规模化落地过程中形成的长期结构性趋势。当前行业正由预训练向“后训练+垂类适配”延伸，对高质量、场景化和多模态数据的需求密度、复杂程度都在提高，高质量语料的稀缺性反而有所加剧。

公司中报援引的Cognilytica数据预计，到2027年，全球AI训练数据市场规模将达到220亿美元，2021年至2027年的复合增长率为32%。

具身智能则进一步扩展了“训练数据”的边界。机器人需要理解并作用于真实物理世界，训练数据因而从文本、图像和语音，延伸至动作轨迹、力反馈、物体形变以及人与环境的交互过程。

据海天瑞声中报援引的行业统计数据，截至2026年初，全球高质量真实物理交互数据总量约为50万小时，与行业目标相比缺口超过95%。虚拟合成数据虽然可以批量生成，但物理引擎难以完美模拟摩擦力、形变和光照变化等复杂因素；真机遥操作能够获得质量较高的数据，单条数据的采集成本却可达到数十元，难以快速规模化。

目前，混合式数据策略成为行业共识，即用第一人称视角、UMI数据、虚拟数据等进行预训练，用真实数据微调。对于数据服务商而言，具身智能是一个全新的蓝海市场。

海天瑞声董秘张哲称其具身智能数据业务具有三大优势，其一，硬件理解和驾驭壁垒，已在北京运营首个具身智能数据训练场，依托百台机器人实现高效数据产出。

其二是模型理解与落地壁垒，数据体系精准对齐机器人大脑训练范式，提供具备高泛化能力的数据解决方案，支撑具身大脑模型训练。其三是综合数据工程化壁垒，不仅具备全球化数据采集与低成本交付资源，同时，自研的AI自动化标注平台与实时算法质检，兼顾低成本与专家级质量。

不过，具身智能仍处于早期发展阶段。训练场产能、设备数量和数据生产能力，并不必然等同于规模化收入。后续能否形成稳定订单，以及项目毛利率、设备利用率和客户复购情况，仍将决定这项业务对公司业绩的实际贡献。

需求持续性成关注焦点

值得一提的是，海天瑞声今年以来频繁接受机构调研，具身智能数据赛道的持续性被投资人多次问及。

对此，其管理层回应称：“这是一个比自动驾驶更长、更宽的赛道。正如李飞飞教授所言，自动驾驶主要解决避障与导航，而具身智能需要解决非结构化环境下的复杂物理交互。当前我们甚至还未穷尽场景的定义，数据需求将伴随机器人进家庭、进工厂的全过程。我们定位为全行业的数据基础设施，旨在伴随行业全生命周期成长，而非短期套利。”

此外，从2026年上半年的收入结构看，支撑海天瑞声增长的不只是具身智能业务。

在传统训练数据业务方面，文生视频、智能驾驶等应用的发展带动了计算机视觉数据需求；国内模型企业加快全球化布局，以及人机交互体验升级，则带动多语种语音识别、多音色和多情感语音合成数据订单增长。

海外市场也是市场关注的另一条主线。李科表示，公司持续维护海外客户、拓展海外相关业务机会，并始终重视全球化交付能力的建设，东南亚数据交付基地已进入稳定运营阶段，为服务国际客户提供了产能支撑。

除面向科技企业的数据服务外，可信数据空间成为公司上半年新增的业务变量。在《可信数据空间发展行动计划（2024—2028年）》等政策推动下，其ToG可信数据空间业务取得里程碑式突破。在2025年市场试点基础上，海天瑞声与国家级数据标注试点城市达成深度合作，输出全栈式可信数据空间综合解决方案。

按照李科的说法，数据要素的商业化需要数据交易所、数据流通服务平台和数据商共同参与，并依次经历要素化、资源化、产品化、资产化和资本化，最终通过数据资产入表、质押融资或证券化等方式实现商业价值变现。

但数据价值流通还面临不少痛点和堵点，比如数据产权确权难、定价机制缺失、数据孤岛与流通壁垒、安全合规顾虑、技术能力制约。以定价机制为例，当前数据价值评估缺乏共性标准，定价权归属不明确，买卖双方难以达成合理价格，尤其非标数据的场景价值动态匹配仍是难题。

从文本、图像和语音，到机器人在真实世界中的每一次抓取、移动和碰撞，AI需要的数据越来越复杂，获取成本也越来越高。对于海天瑞声这样的数据服务商来说，这无疑打开了新的市场空间。

不过，市场最终看的，仍然不是“数据稀缺”这个故事讲得有多大，而是稀缺性能否真正变成订单，订单又能否稳定转化为利润。

海天瑞声上半年营收增长、净利润翻倍，证明训练数据需求正在释放；第二季度利润明显回落，则提醒市场，这门生意的订单节奏、项目成本和盈利稳定性仍有不确定性。