海天瑞声-688787-机构调研汇总

1、物理 AI、具身智能相关产业发展将给公司带来哪些业务机遇?

• 具身智能核心瓶颈：高质量物理交互数据供给不足；通用大模型擅长上层任务规划，机器人动作控制、力反馈等物理执行环节高度依赖高质量交互数据训练；行业普遍认可“通用大模型负责认知、专用具身模型负责执行”的混合架构路线。
• 数据体量：目前市场可用高质量具身数据大概仅百万小时量级；对标 GPT-3 的能力底座，具身模型达到相近能力水平预计需要上亿小时级别的有效数据，供需缺口十分突出。
• 公司已落地多个具身智能项目：可为客户提供数据方案设计、采集、标注与评测全链条服务；同时高标准具身数据的采集、质控门槛高，交付上存在产能配套压力。

2、公司是世界数据组织七家发起理事单位之一,请介绍参与该组织的工作内容,对公司价值如何?

• 世界数据组织(WDO)：今年3月在北京成立、非政府非营利的国际性专业组织，宗旨是弥合数据鸿沟、释放数据价值、繁荣数字经济；公司是七家发起理事单位之一，也是 AI 数据赛道为数不多的企业代表。
• 参与数据质量、数据生产、合规流通相关行业标准与规范研讨；参与国际产业交流，分享多语种、多模态训练数据领域规模化落地实践经验；协同会员单位搭建跨境数据合作、能力建设的沟通平台。
• 这项参与更多体现中长期价值：有助于持续跟进全球数据治理、跨境数据合规的共识方向；也有利于在国际行业生态里建立交流渠道，为跨境相关业务的合规开展创造良好的沟通环境。

3、公司在东南亚的布局目前进展如何?后续在业务方向上有哪些规划?

• 东南亚布局：多个国家有合作点位，菲律宾、印尼为已经定点落地的基地；人员规模随项目动态调整，历史主要服务海外互联网客户的数据标注、审核业务。
• 后续规划：部分海外产能逐步转向承接具身智能第一视角采集业务，优先完成采集环节，后续随业务进展情况扩大业务链条及服务规模。

4、市场讨论反蒸馏、后训练、物理 AI 趋势,这些变化会对数据服务行业带来什么影响?

• 反蒸馏的本质：模型厂商收紧对自身推理数据的控制，靠“套取”他人输出来获取训练数据的路径在收窄；客观上倒逼模型公司转向合规、可采购的高质量数据源，对具备正规数据生产能力的服务商是结构性利好。
• 后训练阶段的需求变化：模型从学习语言规律转向对齐人类偏好，需要细粒度、专家级、能区分“好与差”的偏好数据，难例和长尾场景的标注价值远超常规样本。
• 物理 AI 则把数据要求推向了新的维度：具身模型需要包含视觉、关节位姿、力觉和触觉的时序关联数据；行业预计成熟具身大模型所需数据至少上亿小时级，而当前高质量训练数据仅数十万至百万小时，缺口较大。

5、在具身智能不同数据路线,例如 Ego、UMI、真机遥操作,公司如何选择,业务落地节奏如何?

• Ego 第一视角数据：从行业需求结构看，占比最高。
• UMI 异构数据：因部署便捷性，需求占比快速提升。
• 真机遥操作占比相对更小：公司因项目承接时间较早，在手订单结构里真机遥操作占比相对行业整体更高；公司不替客户定义技术路线，主要跟随下游客户实际需求开展交付；偏好承接技术门槛更高的项目，订单结构与行业平均结构存在一定差异。

6、公司做物理 AI 数据业务,核心竞争力体现在哪些地方?

• 场景落地能力：有实际案例，某地方项目曾调动近千名采集人员，联动政府、街道对接各类场景资源；也具备医院、学校这类准入门槛高、涉及隐私安全机构的对接落地能力。
• 对硬件、具身算法的理解驾驭能力：公司具备对硬件、具身算法的理解驾驭能力。
• 21 年沉淀的数据工程能力：持续夯实完善的数据合规体系；与清华大学官方的具身智能与机器人研究院深度合作，获得算法层面支撑，叠加全球化资源池，形成业务协同。

7、目前物理 AI 数据业务的客户覆盖和标杆项目进展如何?

• 客户层面主要分为三类：人形机器人企业、科技大厂内部具身团队以及车企。
• 代表性客户包括：智元、极佳视界等。
• 标杆项目方面：2026年春节后承接智元真机摇操订单，服务超100台本体的数据采集工作，经过3个月爬坡，实现稳定运行后快速扩容至数百台，下一阶段目标冲击千台规模；与国内头部世界模型企业极佳视界已在真机遥操方向深度合作，后续计划拓展到Ego第一视角数据，同时探讨模型落地层面的配套方案。

物理 AI 数据业务机构调研总结

1、物理 AI 数据业务的行业大背景与公司布局的核心逻辑

• 对比大语言模型 LLM：物理 AI 目前最大的痛点是数据缺口远大于 LLM，产业想要加速突破，必须在数据端实现突破。
• 国家数据集团：同期成立，将服务人工智能发展纳入主责主业，数据要素产业从建立规则进入运营落地阶段，供需两端都迎来加速窗口。
• 布局逻辑：基于行业机遇，公司正式布局物理 AI 也就是具身智能训练数据业务，发挥我们多年的数据工程能力，切入产业缺口。

2、物理 AI 数据业务的客户覆盖与标杆项目进展

• 客户层面：主要分为三类，人形机器人企业、科技大厂内部具身团队以及车企。代表性客户包括智元、极佳视界等。
• 智元项目：2026 年春节后我们承接智元真机摇操订单，服务超 100 台本体的数据采集工作，经过 3 个月爬坡，实现稳定运行后快速扩容至数百台，下一阶段目标冲击千台规模。
• 极佳视界：和国内头部世界模型企业极佳视界，已经在真机遥操方向深度合作，后续计划将拓展到 Ego 第一视角数据，同时探讨模型落地层面的配套方案。

3、当前业务形态与行业采集技术路线的迭代变化

• 业务形态：现阶段业务以具身数据采集为主，标注业务也已经启动。
• 采集难题：物理 AI 本身具备特殊物理属性，采集环节需要攻克稀缺场景对接、硬件适配驾驭、大规模批量落地三大难题。
• 路线迭代：2026 上半年行业主流是室内真机遥操、搭建模拟场景；5‑6 月行业快速转向 Ego 第一视角，依旧以室内场景为主；7‑8 月至今，不少客户开始走向真实线下场景开展采集。一线客户反复提到，场景化数据是提升机器人出货、拓展落地场景的关键。

4、仿真、Ego、UMI、真机遥操各技术路线的定位、占比与优劣势

• 仿真数据与 UMI：仿真数据目前整体占比很小，未来更多是作为补充；UMI 路线我们定义为行业中间过渡形态。
• Ego 路线：实施相对简单，更容易适配海量真实场景做规模化落地，我们判断它标品复用潜力最高，未来有望支撑较高毛利。
• 真机遥操：产出的数据属于“金标准”，当前在我们的有效小时产出中占比 20% 以上；但短板也很突出，机器人本体重量普遍接近 200 公斤，电池功率数倍于民用电瓶车，在室内做规模化采集的安全、落地阻力很大，硬件物理约束最强，同时也是三类里面单价最高的。

5、硬件处理方式、产能现状与扩产空间

• 硬件处理：如果客户自身已经具备成熟硬件，优先使用客户硬件；商务模式分为采购、租赁、代采三种。评判硬件是否合格，唯一标准就是产出的数据能不能满足客户模型训练、验证要求。
• 设备产出：不同设备有效产出不一样：Ego 设备单班 8 小时有效产出 3‑4 小时，UMI 设备约 3 小时以上，真机遥操约 2 小时以上，设备支持两班倒作业。
• 产能现状：目前三类采集方式合计单月有效小时产能已经突破一万小时，对应年产能 15‑20 万小时。待各条模式跑通成熟，后续扩产难度较低。

6、公司做物理 AI 数据业务的核心竞争力

• 能力构成：第一是场景落地能力；其次是对硬件、具身算法的理解驾驭能力；同时依托公司 21 年沉淀的数据工程能力，还要持续夯实完善的数据合规体系。
• 场景落地案例：某地方项目曾调动近千名采集人员，联动政府、街道对接各类场景资源；也具备医院、学校这类准入门槛高、涉及隐私安全机构的对接落地能力。
• 外部协同：和清华大学官方的具身智能与机器人研究院深度合作，获得算法层面支撑，叠加全球化资源池，形成业务协同。

7、海外业务筹备与推进情况

• 东南亚基地：原有人员规模扩充到 1300‑1500 人，原本服务传统大模型标注，现在同步筹备具身业务。当地已经完成场景储备，覆盖雅加达及周边连锁商超、餐厅、高校、医院；后续将推进合规出海。
• 北美市场：同步推进，已经和当地两家头部科技大厂开启 Ego 数据业务需求沟通。

8、具身数据业务的成本与数据资产特点

• 成本特点：现阶段具身数据以高清视频为主，存储资源消耗大。
• 数据资产：我们自主采集的数据具备长期复用价值，如果打磨成为标准化产品，会成为高毛利业务的重要支撑，其中 Ego 数据标品化潜力最高。

9、投资者可重点关注的核心指标

• 需求端：重点跟踪具身基座、世界模型企业（包括北美厂商）对有效小时数据的需求量，这个指标直接对应潜在订单规模。
• 供给端：一是各家厂商单月有效小时产出，以及 Ego、真机遥操、UMI 三者的结构占比；二是产出数据集的场景丰富度，场景丰富度直接决定数据对模型训练的实际价值。

10、通用大模型能力提升对物理 AI 行业的影响

• 通用大模型：类似 GPT‑6 Astra 这类通用大模型，如果在具身顶层规划能力实现突破，有可能把具身智能商业化落地的时间节点往前推动。
• 垂域模型：但即便通用大模型能力很强，工业、专业场景容错标准很高，仍然需要具身企业自研垂域模型，搭配高质量专家动作数据做微调优化。

1、请介绍物理 AI 数据业务的行业大背景,公司布局该业务的核心逻辑是什么?

• 对比大语言模型 LLM：物理 AI 目前最大的痛点是数据缺口远大于 LLM,产业想要加速突破,必须在数据端实现突破。
• 同时国家数据集团成立：将服务人工智能发展纳入主责主业,数据要素产业从建立规则进入运营落地阶段,供需两端都迎来加速窗口。
• 基于行业机遇：公司正式布局物理 AI 也就是具身智能训练数据业务,发挥我们多年的数据工程能力,切入产业缺口。

2、目前物理 AI 数据业务的客户覆盖和标杆项目进展如何?

• 客户层面主要分为三类：人形机器人企业、科技大厂内部具身团队以及车企。
• 代表性客户包括智元、极佳视界等。
• 标杆项目方面：2026年春节后我们承接智元真机摇操订单,服务超100 台本体的数据采集工作,经过3个月爬坡,实现稳定运行后快速扩容至数百台,下一阶段目标冲击千台规模。另外,我们和国内头部世界模型企业极佳视界,已经在真机遥操方向深度合作,后续计划将拓展到Ego第一视角数据,同时探讨模型落地层面的配套方案。

3、当前物理AI数据业务主要业务形态是什么?行业采集技术路线发生了怎样的迭代变化?

• 现阶段业务以具身数据采集为主,标注业务也已经启动。
• 物理 AI 本身具备特殊物理属性,采集环节需要攻克稀缺场景对接、硬件适配驾驭、大规模批量落地三大难题。
• 行业采集路线迭代节奏比较清晰：2026 上半年行业主流是室内真机遥操、搭建模拟场景;5‑6 月行业快速转向 Ego 第一视角,依旧以室内场景为主;7‑8 月至今,不少客户开始走向真实线下场景开展采集。一线客户反复提到,场景化数据是提升机器人出货、拓展落地场景的关键。

4、仿真、Ego、UMI、真机遥操这几条技术路线,公司怎么看待各自定位、占比以及优劣势?

• 仿真数据：目前整体占比很小,未来更多是作为补充。
• Ego 路线：实施相对简单,更容易适配海量真实场景做规模化落地,我们判断它标品复用潜力最高,未来有望支撑较高毛利。UMI 路线：我们定义为行业中间过渡形态。
• 真机遥操产出的数据：属于 “金标准”,当前在我们的有效小时产出中占比 20% 以上;但短板也很突出,机器人本体重量普遍接近 200 公斤,电池功率数倍于民用电瓶车,在室内做规模化采集的安全、落地阻力很大,硬件物理约束最强,同时也是三类里面单价最高的。

5、业务开展中硬件如何处理?产能现状和后续扩产空间怎么样?

• 如果客户自身已经具备成熟硬件：优先使用客户硬件;商务模式分为采购、租赁、代采三种。评判硬件是否合格,唯一标准就是产出的数据能不能满足客户模型训练、验证要求。
• 产能上：不同设备有效产出不一样:Ego 设备单班 8 小时有效产出 3‑4 小时,UMI 设备约 3 小时以上,真机遥操约 2 小时以上,设备支持两班倒作业。
• 目前三类采集方式合计：单月有效小时产能已经突破一万小时,对应年产能 15‑20 万小时。待各条模式跑通成熟,后续扩产难度较低。

6、公司做物理 AI 数据业务,核心竞争力体现在哪些地方?

• 第一是场景落地能力：场景落地我们有实际案例,某地方项目曾调动近千名采集人员,联动政府、街道对接各类场景资源;也具备医院、学校这类准入门槛高、涉及隐私安全机构的对接落地能力。
• 其次是对硬件、具身算法的理解驾驭能力：同时依托公司 21 年沉淀的数据工程能力,还要持续夯实完善的数据合规体系。
• 另外：我们和清华大学官方的具身智能与机器人研究院深度合作,获得算法层面支撑,叠加全球化资源池,形成业务协同。

7、海外业务筹备与推进情况如何?

• 东南亚基地：原有人员规模扩充到 1300‑1500 人,原本服务传统大模型标注,现在同步筹备具身业务。
• 当地已经完成场景储备：覆盖雅加达及周边连锁商超、餐厅、高校、医院;后续将推进合规出海。
• 北美市场同步推进：已经和当地两家头部科技大厂开启 Ego 数据业务需求沟通。

8、具身数据业务在成本以及数据资产方面有什么特点?

• 现阶段具身数据以高清视频为主：存储资源消耗大。
• 但是我们自主采集的数据具备长期复用价值：如果打磨成为标准化产品,会成为高毛利业务的重要支撑,其中 Ego 数据标品化潜力最高。

9、投资者跟踪具身业务,可以重点关注哪些核心指标?

• 分为需求端和供给端：需求端,重点跟踪具身基座、世界模型企业(包括北美厂商)对有效小时数据的需求量,这个指标直接对应潜在订单规模。
• 供给端：一是各家厂商单月有效小时产出,以及 Ego、真机遥操、UMI 三者的结构占比;二是产出数据集的场景丰富度,场景丰富度直接决定数据对模型训练的实际价值。

10、通用大模型能力提升,会对物理 AI 行业带来什么影响?

• 类似 GPT‑6 Astra 这类通用大模型：如果在具身顶层规划能力实现突破,有可能把具身智能商业化落地的时间节点往前推动。
• 但即便通用大模型能力很强：工业、专业场景容错标准很高,仍然需要具身企业自研垂域模型,搭配高质量专家动作数据做微调优化。

1、151*****096问海天瑞声董事、总经理李科：李总好，定增批文已取得，想请教发行时间窗口和投资者接触节奏？另外大模型训练数据需求的持续性，以及海外收入的增长预期如何？会后希望向您请教资本规划。

• 定增：董事、总经理李科答：尊敬的投资者，您好：截止目前，公司不存在您说的“定增”情形。
• AI产业：AI产业对于训练数据的需求不是阶段性现象，而是伴随AI产业从“技术突破”迈向“规模化落地”的长期结构性趋势。当前行业正从预训练向“后训练+垂类适配”延伸，对高质量、场景化、多模态数据的需求密度和复杂度都在提升，高质量语料的稀缺性反而在加剧。我们在具身智能、自动驾驶等方向的布局，正是对这一趋势的主动响应。
• 海外：海外方面，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。具体收入、资本规划情况请以公司后续定期报告、以及相关公开披露信息为准。

2、153*****705问海天瑞声董事、副总经理、财务负责人吕思遥：看到2026半年报公司收入实现较快增长，想了解支撑这一轮收入增长的核心驱动是什么

• 收入增长：董事、副总经理、财务负责人吕思遥答：尊敬的投资者：您好，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。
• 一方面：伴随视觉大模型在文生视频、智能驾驶等方向快速落地，计算机视觉相关训练数据需求旺盛，带动公司计算机视觉业务增长；智能语音业务则受益于国内模型企业全球化布局、人机交互体验升级趋势，多语种语音识别、多音色多情感语音合成类数据订单带动智能语音需求持续扩容，公司依托长期积累的数据生产与质量管控能力，持续承接国内外头部科技企业的训练数据需求。
• 另一方面：在《可信数据空间发展行动计划(2024—2028年)》等政策指引与市场需求共振下，公司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，公司依托深厚的数据技术壁垒与成熟的数据服务落地能力，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，助力地方构建安全可控、合规流通的数据要素基础设施，推动区域数据资源资产化、价值化落地。

3、186*****155问海天瑞声董事、总经理李科：请问李总站在产业实操角度，当前数据价值流通各个环节，最主要的痛点和堵点有哪些？

董事、总经理李科答：尊敬的投资者，您好：数据价值流通中主要的痛点和堵点如下：

• （1）数据产权确权难：数据所有权、使用权等权属界定模糊，产权不明晰导致企业不敢触碰灰色地带数据，易引发纠纷。中央虽已出台产权顶层设计，但具体制度尚未落地。
• （2）定价机制缺失：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。
• （3）数据孤岛与流通壁垒：大量数据分散在不同主体手中，跨行业、跨领域的数据融合存在隐形壁垒，无法有效打通。公共数据占比超75%，但开放利用不足。

• （4）安全合规顾虑：数据持有方普遍存在合规焦虑、安全焦虑和价值焦虑，担心触碰监管红线、原始数据泄露或数据被低价使用。法律层面重安全规制、轻流通促进。
• （5）技术能力制约：部分场景数据需求现有技术(人工标注、人机协同、自动化处理等)无法满足，隐私计算、区块链等技术与实际场景融合深度有待加强。

4、183*****012问海天瑞声董事、总经理李科：从公司业务实践视角，数据要素产业完整的商业化路径是怎样的？

董事、总经理李科答：尊敬的投资者：您好，数据要素产业的商业化路径主要通过三类主体协同实现：

• 一是数据交易所：提供合规保障、标准建设、生态培育等综合服务，推动数据产品流通交易。
• 二是数据流通服务平台企业：聚焦行业领域，围绕产业链、生态链以价值共创方式促进数据流通利用。
• 三是数据商：负责开发数据产品和服务，建设高质量数据集，深度挖掘场景价值。

• 从价值转化链条看：数据需经过要素化→资源化→产品化→资产化→资本化的完整路径，最终通过数据资产入表、质押融资、证券化等方式实现商业价值变现。

5、173*****756问海天瑞声董事会秘书张哲：公司布局具身智能数据业务，和同行相比，核心竞争优势体现在哪些方面？

董事会秘书张哲答：尊敬的投资者：您好，具身智能业务领域，公司优势体现在以下三个方面：

• （1）硬件理解+驾驭壁垒：通过头部主流本体厂商合作经验，深度理解本体硬件性能特性、负载逻辑与异构适配要点，可快速解决硬件高故障率与稳定性问题；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。
• （2）模型理解与落地壁垒：核心团队拥有大模型开发等资深背景，懂模型更懂数据；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。
• （3）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

• 毛利率提升原因：高毛利的政府平台类业务在本季度显著起量，人力密集程度更低、交付周期更短、边际成本递减效应更明显，带动整体毛利率增长。
• 后训练数据标注需求变化：从“量”到“质”与“复杂度”转变，需要高质量、细粒度、领域专家级的标注数据；聚焦“难例”与“长尾”场景。
• 具身数据核心竞争优势：硬件理解+驾驭壁垒（北京运营首个具身智能数据训练场，100+台机器人）；模型理解与落地壁垒；综合数据工程化壁垒（全球化数据采集、自研AI自动化标注平台、7×24算法质检）。
• 具身数据赛道与需求逻辑：真机数据难以共用（硬件不统一、格式无标准），UMI和第一人称视角数据可跨本体迁移；客户选择外采因为数据工程重人力重流程，定位为“具身智能行业的数据富士康”；赛道比自动驾驶更长更宽，数据需求伴随机器人进家庭、进工厂的全过程。

• WDO组织的影响与公司角色
  • WDO填补全球数据治理空白，推动“规则+标准”并重，引入“集体数据治理”新范式。
  • 降低跨境合规成本，目标实现“一次评估、多国互认”。
  • 赋能全球南方国家，放大其在存储、算力、人力成本方面的优势。
  • 海天瑞声作为AI数据领域唯一理事单位，定位深度参与全球数据治理，推动标准互认与全球化业务拓展。
• 数据需求变化与机器人数据特点
  • 后训练与强化学习阶段，标注需求从“量”转向“质”与“复杂度”，需要领域专家级标注和偏好排序数据。
  • 聚焦“难例”与“长尾”场景，模型初始成功率低的数据价值远超易例。
  • 不同机器人厂商存在可共用数据：UMI和第一人称视角数据可跨本体迁移，真机数据因硬件不统一和格式缺乏标准难以共用。
• 具身智能赛道前景与数据服务需求
  • 具身智能被列为未来产业重点，当前机器人“大脑”认知决策仍处早期，需要海量高质量真实物理交互数据作为训练“燃料”。
  • 公司与国内头部具身厂商签署真机数据采集合约，并与多家厂商、科技大厂及地方政府启动订单对接。
  • 具身智能数据赛道比自动驾驶更长、更宽，数据需求将伴随机器人进家庭、进工厂的全过程，公司定位为全行业数据基础设施。
• 公司财务表现与核心竞争壁垒
  • 2026年第一季度营收9,677.93万元，同比增长38.63%，受益于AI应用爆发、ToG可信数据空间业务突破及东南亚交付基地产能爬坡。
  • 毛利率同比提升因高毛利的政府平台类业务起量，标准化数据处理平台人力密集度低、交付周期短。
  • 核心竞争壁垒：硬件理解与驾驭壁垒（运营100+台机器人训练场）、模型理解与落地壁垒（精准对齐机器人大脑训练范式）、综合数据工程化壁垒（全球化采集、AI自动化标注与7×24小时质检）。

• 收入增长原因
  • AI应用爆发与数据要素产业化万亿赛道：全球AI竞争加剧，高质量训练数据成为核心资源，公司作为国内AI数据服务头部企业，传统业务凭借全品类、规模化、高合规优势稳健增长。
  • ToG可信数据空间业务突破：与国家级数据标注试点城市深度合作，提供全栈解决方案，开辟政务与公共数据新增长曲线。
  • 东南亚数据交付基地产能爬坡：全球化交付能力与竞争力提升。
• 毛利率提升原因
  • 高毛利政府平台类业务显著起量：G端客户的可信数据空间建设，核心是提供标准化程度较高的数据处理平台及方案，相比传统定制化业务人力密集程度更低、交付周期更短、边际成本递减效应更明显，因此毛利率水平更高。
  • 高毛利业务收入结构占比明显提升：前期G端市场全面布局进入收获期，带动整体毛利率增长。
• 具身数据核心竞争优势
  • 硬件理解与驾驭壁垒：通过头部主流本体厂商合作经验，深度理解本体硬件性能特性、负载逻辑与异构适配要点；已在北京运营首个具身智能数据训练场，依托100+台机器人实现高效数据产出。
  • 模型理解与落地壁垒：核心团队拥有大模型开发等资深背景，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。
  • 综合数据工程化壁垒：具备全球化数据采集与低成本交付资源；自研AI自动化标注平台与7×24小时算法质检，兼顾低成本与专家级质量。
• 不同机器人公司间可共用数据
  • 真机数据难以直接共用：硬件本体不统一（不同厂家关节数量、自由度、末端执行器各异）；数据格式各自为政，行业缺乏统一标准。
  • UMI和第一人称视角数据相对容易跨本体迁移：不绑定具体机器人关节参数和运动学模型，采集的是“操作过程”本身，理论上可被不同机器人学习和泛化。
  • 行业推动方向：让UMI和第一人称这类“本体无关”数据更多流通共用，同时通过技术对齐和标准统一逐步解决真机数据跨本体迁移问题。
• 具身智能数据服务需求逻辑
  • 具身大脑需要海量真实物理交互数据：当前仿真环境无法完美模拟物理接触与长尾场景，海量、高泛化度的真实物理交互数据成为训练具身大脑的唯一“燃料”。
  • 区别于传统自动化的根本逻辑：具身智能核心在于赋予机器人理解与泛化能力的“大脑”，是类似大模型“涌现”的范式变革。
• 客户为何外部采购数据
  • 数据工程重人力、重流程、重管理：并非算法厂商的核心基因；自建数据团队边际成本高，且难以应对波峰波谷的弹性需求。
  • 公司定位为“具身智能行业的数据富士康”：通过规模化、标准化、可伴随客户迭代而同步迭代的整体数据供应链能力，帮助客户剥离非核心业务，使其聚焦于算法与本体研发。
• 赛道持续性
  • 比自动驾驶更长、更宽的赛道：自动驾驶主要解决避障与导航，具身智能需要解决非结构化环境下的复杂物理交互；当前甚至还未穷尽场景的定义。
  • 定位为全行业数据基础设施：数据需求将伴随机器人进家庭、进工厂的全过程，旨在伴随行业全生命周期成长，而非短期套利。

• 公司第一季度收入增长原因
  • AI应用爆发与数据要素产业化提速：公司实现营业收入9,677.93万元，同比增长38.63%
  • 传统业务稳健增长：凭借全品类、规模化、高合规优势
  • ToG可信数据空间业务突破：与国家级数据标注试点城市深度合作，开辟政务与公共数据新增长曲线
  • 东南亚数据交付基地完成产能爬坡：全球化交付能力与竞争力提升
• 公司毛利率提升原因
  • 业务结构积极变化：高毛利的政府平台类业务显著起量，人力密集程度更低、交付周期更短、边际成本递减效应更明显
• 公司在具身数据领域的核心竞争优势
  • 硬件理解+驾驭壁垒：深度理解本体硬件性能特性，已运营100+台机器人数据训练场
  • 模型理解与落地壁垒：核心团队拥有大模型开发背景，数据体系精准对齐机器人大脑训练范式
  • 综合数据工程化壁垒：全球化数据采集与低成本交付资源，自研AI自动化标注平台与7×24小时算法质检
• 不同机器人公司之间是否存在可以共用的数据
  • 真机数据很难共用：硬件本体不统一、数据格式各自为政
  • UMI数据和第一人称视角数据相对更容易跨本体迁移：不绑定具体机器人的关节参数和运动学模型
  • 行业推动UMI和第一人称数据流通，逐步解决真机数据跨本体迁移问题
• 后训练和强化学习阶段对数据标注需求的变化
  • 从“量”到“质”与“复杂度”转变：需要高质量、细粒度、领域专家级的标注数据
  • 聚焦“难例”与“长尾”场景：难例价值远超易例，标注重点转向稀缺、复杂的边界案例
• 具身智能数据服务的需求逻辑
  • 海量、高泛化度的真实物理交互数据成为训练具身大脑的唯一“燃料”：仿真环境无法完美模拟物理接触与长尾场景
• 客户为何不自己做数据而选择外部采购
  • 数据工程是重人力、重流程、重管理的“苦活累活”：自建数据团队边际成本高，难以应对弹性需求
  • 公司定位为“具身智能行业的数据富士康”：通过规模化、标准化、可伴随客户迭代的数据供应链能力，帮助客户聚焦算法与本体研发
• 具身智能数据赛道能做多久
  • 比自动驾驶更长、更宽的赛道：需要解决非结构化环境下的复杂物理交互，数据需求将伴随机器人进家庭、进工厂的全过程
  • 定位为全行业的数据基础设施，伴随行业全生命周期成长
• 语音业务的发展趋势
  • 拟人化：多情感、多音色成为刚需，覆盖丰富的情感维度和音色特征
  • 全球化：多语种能力决定产品边界，拥有覆盖全球300多种语言的工业化数据生产网络及境外标注基地
  • 多场景：从通用场景向医疗、金融、教育、车载等垂直行业深度渗透，数据价值密度更高

• 公司2025年收入增长的驱动因素是什么?
  • 全球人工智能产业从“技术突破”迈向“规模化落地”，公司训练数据业务迎来强劲增长，其中视觉业务收入增长超过200%，文本业务收入增长超过100%，语音业务收入亦保持合理水平。
  • 驱动这一高增态势的核心动能来自四重引擎：一是国内外科技巨头加速全球纵深布局，带动各类模态的多语种数据爆发增长；二是视觉大模型持续突破，推动高精度、场景化视觉数据投入持续加码；三是交互体验迈向拟人化，多情感、多角色、多音色的语音数据需求持续释放；四是垂直行业渗透加速，文旅、医疗、教育等领域垂类大模型落地提速，专业化、场景化数据需求日益凸显。
  • 政府与国央企积极入局共建。25年，公司已为广西、四川等地打造多类特色数据集，并同步推进湖南、内蒙古等地的专项数据集建设。国务院国资委深入推进央企“AI+”专项行动，以运营商为代表的央企加快布局自主可控AI大模型，数据资源投入力度持续加大。
  • 公司新拓展的东南亚数据交付体系已进入成熟运营阶段，为境外收入贡献了可观的持续性增量。公司积极尝试向下游应用环节延伸，成功拓展数字人研发及音色模型平台重大项目。
• 公司在境外基地方面的布局计划如何?
  • 公司于2024年整合了位于东南亚的一个超过1000人的标注基地。该基地主要提供数据标注服务，2025年该基地贡献千万级美元收入。
  • 计划于2026年在东南亚地区继续推进自主可控的数据基地建设，预计到2026年底，境外基地总人数将再新增300-500人左右。
  • 该类基地建设为公司未来承接中国一线科技公司的出海业务、以及北美头部客户的定制化大型订单提供了关键的基础保障。
• 境外传统训练数据业务的驱动因素是什么?
  • 随着全球化AI应用场景的快速落地，市场对高质量、多语种、场景化训练数据的需求持续提升。
  • 驱动需求的产品线主要包括但不限于：(1)多语种语音识别数据；(2)多语种手写体数据；(3)多语种文本数据。
  • 公司凭借在多语言、多模态数据处理领域长期积累的全球供应链管理能力和技术know-how，正在持续获取并交付此类项目，从而推动境外数据业务的快速发展。
• 政府类业务布局和进展如何?
  • 与地方政府的合作已形成清晰的模式：一是基于地方特色数据（如农业、文旅）建设行业高质量数据集；二是搭建可信数据空间，保障数据安全；三是参与建设数据交易平台，促进数据流通；四是向下游延伸，开展场景化模型开发与应用落地。
  • 公司已与成都、长沙等国家级数据标注基地试点城市建立合作，同时与广西、呼和浩特、保定、彭州等地方政府已启动具体项目推进。
  • 25年，公司已完成呼和浩特首批高质量行业数据集，以及首批广西东盟语料库数据的交付。
• 请问公司如何看待具身智能数据业务?海天在该方向上有具体的计划吗?
  • 公司高度看好具身智能数据这一新兴赛道，已将其作为战略重点进行前瞻布局，并组建了专项团队加快业务落地。
  • 从市场需求看，国内外头部科技企业与本体厂商已启动规模化数据采购，需求覆盖真实场景交互数据、第一人称视角数据、umi数据、仿真数据等。部分地方政府正积极规划“具身智能训练场”。
  • 目前，公司已与国内某头部具身厂商签署真机数据采集合约，并与多家头部具身厂商、科技大厂及地方政府启动订单对接，正稳步推进样例数据方案的设计与落地。
• 请介绍一下公司在训练数据领域的竞争优势
  • 公司的业务模式是服务产品双模式，且产品化贡献显著，是收入和毛利的主要来源，标准化数据集的研、产、销体系是公司从业多年探索出来的业务模式，其复用性为公司的规模化和高利润率提供了保障。
  • 技术平台能力：公司历来重视技术的研发，近年来更是加大研发投入的力度，全面提升公司的算法能力、平台能力、工程化能力，加深算法辅助能力与人工工作的结合，达到更佳的人机协同效率。
  • 供应链资源管理能力：公司通过长期建设的供应链体系，保障资源的获取，未来会进一步加大供应链资源平台的建设。
  • 数据安全及合规能力：公司已形成了较为成熟的安全、合规管理体系。通过了ISO/IEC 27001体系认证、ISO27701个人隐私信息安全管理体系认证，获得了北京市规划和自然资源委员会行政许可的乙级测绘资质，获得等保三级备案证明，符合GDPR、《数据安全法》、《个人信息保护法》等一系列国际通用与国内法律法规的管理规范要求。
• 客户是否会自建数据团队?
  • 有一些客户是会有自建团队的，客户自建团队主要解决其自身的部分数据需求，如敏感数据等。
  • 受专业化分工的影响，客户仍然会大量购买数据服务提供商的数据，尤其是那些需要投入较高研发力量的复杂数据，以充实其算法模型训练的规模性需求。
• 训练数据产品和服务的定价模式、收费模式是什么样的?价格变动趋势如何?
  • 定制服务定价模式：一般采用成本加成定价法。公司根据客户的具体服务需求预估项目成本，在预估成本的基础上，参考公司制定的指导毛利率水平，结合项目技术难度、复杂程度、时限要求等进行报价。
  • 产品定价模式：一般采用需求导向定价法。公司综合考虑训练数据集的开发支出、市场需求程度、预计未来重复销售的频率等因素，制定产品标准价格及价格区间。训练数据产品通常以单个数据集为单位进行定价。
  • 价格走势主要由市场的供需关系决定。如果某类数据为市场稀缺数据，例如具有较高进入壁垒的多模态、虚拟人等前沿类数据需求、或传统业务里的多语种数据，都可在一定时间内维持较高的溢价水平。但在较为成熟的细分方向，比如中文智能语音数据领域，确实存在进入者增多、价格竞争的情况。
• 训练数据产品、定制服务对公司有怎样的意义?
  • 拥有海量自有知识产权训练数据产品集群是公司区别于众多竞争对手的显著优势，公司已沉淀下超1,800个自有知识产权的数据集产品，通过开发大量通用型、复卖率高的标准化产品数据集为公司的规模化和高利润率提供了保障。
  • 训练数据定制服务是公司收入的重要来源，而且在提供训练数据定制服务过程中，公司会接触到各种类型的数据，帮助公司了解行业最新的技术路线和需求，同时，该等数据会在公司的采集加工平台上进行处理，对公司的算法提升和平台的工程化能力都提供了很好的学习资源，是研发迭代的较强助力。

• 境外基地布局计划
  • 2024年整合东南亚一个超过1000人的标注基地，提供内容审核和数据标注服务
  • 预计2025年该基地贡献千万级美元收入
  • 计划2026年在东南亚建设第二个本地化交付基地，预计到2026年底境外基地总人数再新增500人左右
  • 基地建设为承接中国一线科技公司出海业务及北美头部客户定制化大型订单提供关键基础保障
• 境外传统训练数据业务驱动因素
  • 为境外多家头部科技大厂的全球AI产品本地化及出海提供关键多语种、多模态数据支撑
  • 驱动需求的产品线包括：多语种语音识别数据、多语种手写体数据、多语种文本数据
  • 凭借在多语言、多模态数据处理领域长期积累的全球供应链管理能力和技术know-how，持续获取并交付此类项目
• 政府类业务布局和进展
  • 与地方政府合作模式：基于地方特色数据建设行业高质量数据集；搭建可信数据空间；参与建设数据交易平台；向下游延伸开展场景化模型开发与应用落地
  • 已与成都、长沙等国家级数据标注基地试点城市建立合作，与广西、呼和浩特、保定、彭州等地方政府已启动具体项目推进
  • 2024年第三季度已完成呼和浩特首批高质量行业数据集及首批广西东盟语料库数据的交付
• 具身智能数据业务看法与计划
  • 非常看好具身智能数据领域作为高增长的新兴赛道，已组建具身智能数据专项团队开展相关业务
  • 开始在全国多个城市启动专项公司的选址
  • 已与多家机器人本体厂商展开合作，并与若干家头部科技大厂及地方政府启动订单需求对接
  • 正在推进相关样例数据交付与训练场方案的设计与落地
• 训练数据领域竞争优势
  • 业务模式是服务产品双模式，产品化贡献显著，是收入和毛利的主要来源
  • 技术平台能力：加大研发投入力度，全面提升算法能力、平台能力、工程化能力
  • 供应链资源管理能力：通过长期建设的供应链体系保障资源获取
  • 数据安全及合规能力：形成了较为成熟的安全、合规管理体系，通过了ISO/IEC 27001、ISO27701认证，获得乙级测绘资质、等保三级备案证明，符合GDPR、《数据安全法》、《个人信息保护法》等法规要求
• 海天瑞声的价值体现
  • 对于客户算法预标注的数据，依赖第三方服务商进行更高难度、更精细化的处理以达到更高数据准确率
  • 在部分场景下具有更优的算法预标注能力，算法迭代速度更快，以人机藕合方式使预标注算法在最短时间内实现快速迭代
  • 对于行业较为前沿、愈加丰富的数据需求或标注场景，客户仍依赖专业的第三方数据服务机构
• 业务规模效应
  • 自研平台能力提升，赋能数据处理人机协作更智能化，使更大规模数据生产成为可能
  • 数据产品积累、平台及工具研发，在业务规模上升时，相关研发费用、管理费用将被摊薄
  • 成本控制：加大技术投入，采用更合理的人机协同比例降低人员投入、提高效率；加强供应链资源管理能力，扩大资源供给，降低单位成本
  • 开发大量通用型、复卖率高的标准化产品数据集，反复带来利润，实现训练数据产品的规模化效应

• 公司在境外基地方面的布局计划如何?
  • 公司于2024年整合了位于东南亚的一个超过1000人的标注基地，主要提供内容审核和数据标注服务。
  • 预计2025年该基地将贡献千万级美元收入，标志着公司境外交付能力建设进入了新阶段。
  • 计划于2026年在东南亚地区建设第二个本地化交付基地，预计到2026年底，境外基地总人数将再新增500人左右。
  • 该类基地建设为公司未来承接中国一线科技公司的出海业务、以及北美头部客户的定制化大型订单提供了关键的基础保障。
• 境外传统训练数据业务的驱动因素是什么?
  • 公司持续为境外多家头部科技大厂的全球人工智能产品的本地化及出海提供关键的多语种、多模态数据支撑。
  • 随着全球化AI应用场景的快速落地，市场对高质量、多语种、场景化训练数据的需求持续提升。
  • 驱动需求的产品线主要包括：多语种语音识别数据、多语种手写体数据、多语种文本数据。
  • 公司凭借在多语言、多模态数据处理领域长期积累的全球供应链管理能力和技术know-how，正在持续获取并交付此类项目，从而推动境外数据业务的快速发展。
• 政府类业务布局和进展如何?
  • 与地方政府的合作已形成清晰的模式：一是基于地方特色数据（如农业、文旅）建设行业高质量数据集；二是搭建可信数据空间，保障数据安全；三是参与建设数据交易平台，促进数据流通；四是向下游延伸，开展场景化模型开发与应用落地。
  • 公司已与成都、长沙等国家级数据标注基地试点城市建立合作，同时与广西、呼和浩特、保定、彭州等地方政府已启动具体项目推进。
  • 今年第三季度，公司已完成呼和浩特首批高质量行业数据集，以及首批广西东盟语料库数据的交付。
• 请问公司如何看待具身智能数据业务?海天在该方向上有具体的计划吗?
  • 公司非常看好具身智能数据领域作为高增长的新兴赛道，已组建具身智能数据专项团队开展相关业务，并开始在全国多个城市启动专项公司的选址。
  • 国家已将具身智能列为未来产业予以重点培育，市场潜力巨大。
  • 当前，国内、外多家头部科技企业已启动具身智能数据的规模采购，同时部分地方政府也在积极规划建设“具身智能训练场”。
  • 公司已与多家机器人本体厂商展开合作，并与若干家头部科技大厂及地方政府启动订单需求对接，正在推进相关样例数据交付与训练场方案的设计与落地。
• 请介绍一下公司在训练数据领域的竞争优势
  • 业务模式是服务产品双模式，且产品化贡献显著，是收入和毛利的主要来源，标准化数据集的研、产、销体系是公司从业多年探索出来的业务模式。
  • 技术平台能力：公司历来重视技术的研发，全面提升公司的算法能力、平台能力、工程化能力，加深算法辅助能力与人工工作的结合，达到更佳的人机协同效率。
  • 供应链资源管理能力：公司通过长期建设的供应链体系，保障资源的获取，未来会进一步加大供应链资源平台的建设。
  • 数据安全及合规能力：公司已形成了较为成熟的安全、合规管理体系，通过了ISO/IEC 27001体系认证、ISO27701个人隐私信息安全管理体系认证，获得了北京市规划和自然资源委员会行政许可的乙级测绘资质，获得了等保三级备案证明，符合GDPR、《数据安全法》、《个人信息保护法》等一系列国际通用与国内法律法规的管理规范要求。
• 客户是否会自建数据团队?
  • 有一些客户是会有自建团队的，主要解决其自身的部分数据需求，如敏感数据等。
  • 受专业化分工的影响，客户仍然会大量购买数据服务提供商的数据，尤其是那些需要投入较高研发力量的复杂数据，以充实其算法模型训练的规模性需求。
• 训练数据产品和服务的定价模式、收费模式是什么样的?价格变动趋势如何?
  • 定制服务定价模式：一般采用成本加成定价法，根据客户的具体服务需求预估项目成本，在预估成本的基础上，参考公司制定的指导毛利率水平，结合项目技术难度、复杂程度、时限要求等进行报价。
  • 产品定价模式：一般采用需求导向定价法，综合考虑训练数据集的开发支出、市场需求程度、预计未来重复销售的频率等因素，制定产品标准价格及价格区间。
  • 价格走势主要由市场的供需关系决定。如果某类数据为市场稀缺数据，例如具有较高进入壁垒的多模态、虚拟人等前沿类数据需求、或传统业务里的多语种数据，都可在一定时间内维持较高的溢价水平。但在较为成熟的细分方向，比如中文智能语音数据领域，确实存在进入者增多、价格竞争的情况。
  • 未来公司将主攻有较高技术壁垒，存在较大毛利空间的细分场景，尽力避免价格竞争带来的过度消耗。