AI基础数据服务行业研究：AI掘金潮下的“燃料”，新场景催化数据采标需求加速释放

敬请参阅最后一页特别声明 1  AI基础数据服务商脱胎于专业数据采标分工需求。国内 AI基础数据服务产业主要包括上游-数据产生及产能资源、中游-训练数据生产、下游-AI 算法研发三大产业环节。数据工程是 AI 工程基础环节，目前正处于市场格局渐趋清晰，新老技术迭代、下游需求加速释放的关键节点。  AI 快速落地叠加数据量指数级跃升，2025 年国内百亿规模可期。场景侧，AI 已在金融、医疗、交通、安防等多个垂直场景深度落地，且应用场景拓展势能强劲，伴生数据海量增长；产品侧，据信通院，自 OpenAI 于 2020年推出 GPT-3 以来，超大预训练模型参数数量、训练数据规模按照 300 倍/年的趋势增长，客观推动高质量数据需求指数级扩张。据艾瑞咨询，2025 年我国 AI 基础数据服务市场或达 101 亿元，相较 2022 年翻倍。  AI 大模型催生高要求和新需求，专业化数据集及 AI 训练师需求利好海天瑞声等优质专业数据解决方案提供商。AI 大模型时代无监督/半监督训练重回主流，“基础模型+微调”成为 AI 开发新范式，RLHF 微调技术催生两大新兴需求。一是预训练阶段催生 AI 厂商对标注完善、清洗完备的各类专业化场景数据集的需求；二是交互奖励阶段催生 AI 厂商对于具备专业事实判断与规范价值判断的人工智能训练师的需求。目前两类新兴需求尚未得到充分有效的市场供给。伴随超大规模预训练模型推动训练数据指数级跃升，市场蓝海亟待填补。  自动驾驶训练数据需求方兴未艾，海天瑞声发力布局。自动驾驶约占我国 AI 基础数据服务市场规模的 35%，系第一大下游场景，2025 年市场规模或达 25 亿元。自动驾驶领域的业务类型可分为车载摄像头采集的 2D 图像数据标注与激光雷达采集的 3D 点云数据标注。目前业内客户对于全栈式闭环数据解决方案需求较高。  国内市场集中度趋势性收敛，海天瑞声具备领先优势。伴随需求侧 AI 垂直场景及专业化需求凸显，数据需求量提升但数据采标业务门槛提高；供给端国内数据安全标准及相关资质要求提升，相关解决能力向头部厂商聚集。以海天瑞声、Appen 为代表的品牌数据服务商未来将替代中小型供应商成为市场主要供应力量。据 IDC，2021年海天瑞声在国内 AI 基础数据服务行业市占率高达 12.9%，位居第一。Appen 在覆盖区域、语种/方言覆盖能力等方面更具优势。  海外对标：Appen，全球 AI 基础数据服务龙头。公司近五年营收 CAGR 达 27.2%，主营业务包括数据采集、数据预处理与模型评价三大类，业务类型齐全。主要客户包括 Google、Amazon、Microsoft 等知名 IT 巨头，客户质量较高。全球范围看，Appen 位居全球 AI 基础数据服务行业收入体量首位，员工量能及标注技术均领先同业。他山之石可以攻玉，对于国内厂商而言，积极卡位全球 AI 头部客户将有助获得大模型预训练的业务红利；持续拓宽业务矩阵，开辟模型评价模块主动挖掘客户数据需求将有助于纵向做深客户价值；夯实数据采标技术，紧跟行业趋势发展包括机器标注在内的先进数据采标技术将有助于筑牢自身业务护城河。  AI 基础数据服务行业，需求侧 AI 垂直场景及专业化需求凸显，数据需求量提升但数据采标业务门槛提高；供给端国内数据安全标准及相关资质要求提升，相关解决能力向头部厂商聚集。推荐关注国内业内领军海天瑞声。  产业需求快速迭代带来研发投入回收不确定性风险；训练数据泄露引发的安全性风险；市场竞争加剧导致利润受到挤压的风险。 行业深度研究(深度) 敬请参阅最后一页特别声明 2 内容目录 1. AI 基础数据服务脱胎于专业数据标注需求，2025 年国内百亿规模可期 .........................................................5 1.1 产业图谱：AI 基础数据服务脱胎于专业数据采标分工需求 ..................................................................5 1.2 发展历程：站在人工标注市场出清与机器标注迭代的十字路口 ............................................................5 1.3 市场规模：AI 快速落地叠加数据量指数级跃升，2025 年国内百亿规模可期 ........................................6 1.4 政策支持：近五年国家政策加持国内 AI 产业发展 ...............................................................................8 2. AI 大模型催生高要求新需求，专业化数据集及 AI 训练师需求利好优质专业数据提供厂商 ...........................10 2.1 场景特质：AI 大模型时代无监督/半监督训练成为主流，RLHF 催生新兴需求 ....................................10 2.2 场景需求：预训练阶段高质量专业数据集+交互奖励阶段人工智能训练师 .......................................... 11 2.3 场景价值：超大规模预训练模型推动训练数据指数级跃升，市场需求持续延展 .................................12 3. 自动驾驶领域训练数据需求方兴未艾，海天瑞声发力布局 ..........................................................................12 3.1 场景特质：自动驾驶客户需求全栈式闭环数据解决方案 ....................................................................12 3.2 场景需求：自动驾驶领域数据标注分为 2D 图像标注与 3D 点云标注 .................................................14 3.3 场景价值：自动驾驶训练数据市场方兴未艾，2025 年国内市场规模或达 25 亿元..............................14 4. 国内市场集中度趋势性收敛，海天瑞声具备领先优势 .................................................................................15 4.1 发展趋势：品牌商价值效应凸显，国内市场集中度持续收敛 .............................................................15 4.2 竞争格局：业内主要玩家发展各有侧重，Appen 及海天瑞声具备领先优势 .....................................