中国数据标注市场：117.53 亿元是谁的钱

2025 年中国数据标注市场规模约 117.53 亿元，折合约 16 亿美元。这个数单列：它不与第 13 篇的中国以外全球估算（可核下限 38–43 亿美元）相加，也不当全球份额的分母——两者年份和业务口径都不同。能确认的买家是自动驾驶与安防、具身智能、医疗和模型厂商；公开信息没有金额拆分，判断不了谁贡献主要收入；产业政策是制度条件，不是付款方。它更像一门项目制服务生意，不像平台生意。

117.53 亿元是怎么长出来的

据智研咨询 2026 年报告，中国数据标注市场从 2016 年的 11.21 亿元增至 2025 年的 117.53 亿元，CAGR 29.8%，折合约 16 亿美元。

这个对比要小心：本文按「服务收入」理解该口径，并据此认为它含大量自动驾驶、安防等传统 CV 标注——「服务收入、含传统 CV」是对报告口径描述的推断，公开摘要没有明确说明。美国口径以前沿实验室后训练为主，重合度不高，不能把 16 亿美元当全球份额用，也不能与中国以外的全球估算相加。

政策是加速器，不是增长的全部解释

2025 年 1 月，国家发展改革委等四部门印发《关于促进数据标注产业高质量发展的实施意见》，提出到 2027 年年均复合增长率超过 20%，并部署建设数据标注基地。

时间顺序要说清：这份文件 2025 年 1 月才印发，最多能解释 2025 年之后的加速；2016–2024 年已经发生的增长，它解释不了。本文没有拆政策前后的增速，因此不能把整段增长归因于政策。

截至 2025 年 3 月，7 个基地（成都、沈阳、合肥、长沙、海口、保定、大同）的公开进展是：标注总规模 17,282 TB、高质量数据集 335 个、标注企业 223 家、从业人员 5.8 万人、支撑 121 个国产大模型、相关产值超 83 亿元。

三个读法。一，83 亿元不是标注服务收入，含园区建设、软硬件采购、培训，不能与 Scale AI 收入并列。二，17,282 TB 是存储量不是价值量：一小时高清视频的存储量可能超过《大英百科全书》文本，训练价值却可能更低；它证明「做了很多」，不证明「做出值钱的东西」。三，基地按行政区划均衡布局，需求却集中在少数模型厂商所在地和少数赛道，存在时间与结构错配。

钱从哪来：四类买家，没有公开的金额拆分

公开信息没有给出四类买家的金额或占比，下面的顺序按需求性质排，不按付款额排。

自动驾驶与安防是规模最大的传统需求之一，买图像框选、点云标注，按件计价，价格敏感，项目制交付。

具身智能增长最快也最贵：高质量真实物理交互数据存量约 50 万小时，达到可用状态估计需要至少 1,000 万小时，缺口约 20 倍；遥操作设备 20 万元+/套、人工约 300 元/人日；填补 950 万小时缺口，需约 5 个同等规模工厂运转一年、上万名采集员。这是定制项目，不是标准品。

医疗需要执业专家判断，单价高，但合规重、碎片化，难成规模化标准产品。

模型厂商：从公开披露看，多家国内模型厂商仍处亏损、面临价格战，数据预算受约束（本文判断，未逐家统计）。对照美国约 10–15 家前沿实验室，付得起 50–200 美元/小时专家费。客户结构不同，产品形态和利润结构也就不同。

223 家企业、5.8 万人，说明什么

223 家企业带动 5.8 万人。这两个数不能相除：5.8 万是七个基地的带动从业人数，含兼职、外包、采集员等非全职接单人员；223 家是基地企业数。相除得到的「每家多少人」既不是企业雇员数，也不能证明产业结构。能说的是这个环节劳动密集、单个项目需要大量人力；「是不是平台结构」需要企业收入分布或人员分布，本文没有这组数据。

集中度只能当量级参考：117.53 亿元市场里，唯一以训练数据为主营的上市样本海天瑞声 2025 年营收 3.77 亿元，对市场约 3.2%。这个数有两个方向相反的偏差：分子含海外收入与非标注业务（偏高），分母含海天并不参与的传统 CV 市场（偏低），所以 3.2% 既不是上限也不是下限，不能当精确份额。

四类玩家：上市服务商做定制项目加存量数据集；云厂商随算力打包销售，数据不单独定价，能承受更低价格；基地区域企业靠政府与本地订单；甲方自建团队不外销，但压低外部市场天花板。

政府订单算壁垒吗？它符合「客户不换」，但有两条限定：不可迁移，成都资质在合肥不管用，七个基地是七个互不相通的小市场；保护收入不保护利润，政府项目按人力成本加成定价，不是按数据价值定价。有护城河，但河里没有金子。

数据交易所与数据资产入表：制度是真的，交易是小的

截至 2025 年 7 月，全国有 1 家国家级交易所、50 余家区域及行业级机构。2024 年全国数据市场交易规模（含场外）预计超 1,600 亿元，场内（含备案）超 300 亿元，按 1,600 亿口径粗算约 19%，仅作量级参考；两项都是「超」的下限口径，不能据此断定实际占比不到 20%。第三方口径 2,115.4 亿元，比 1,600 亿高约 32%（以 1,600 亿为基数）；若以 2,115.4 亿为基数，差距约 24%。本文取 1,600 亿元，因为它是国家数据局的官方口径、且明确含场外；第三方口径的统计范围未公开，无法判断两者是否可比。按 2,115.4 亿算，300 亿约 14%，同样只作量级参考。

300 亿元里有多少是 AI 训练数据，公开信息不支持拆分。从交易所上架产品看（金融征信、企业信息、气象、交通居多），训练数据占比很低；但训练数据成交额及其占全部训练数据采购额的比例都未见公开，本文无法判断交易所是不是主渠道。

数据资产入表：2025 年 136 家 A 股公司、37.86 亿元，平均每家不到 3,000 万元。入表是会计确认，不等于新增收入或现金流，仅凭这个平均额无法判断对估值的影响；就本文掌握的信息，它更像会计制度建设，尚不足以支撑一个投资主题。

中文语料的缺口：数量与结构同时存在

上海人工智能实验室开放平台已建设共享多模态数据集 5,500 个，涵盖超 1 万亿 token 文本、60 亿张图像、8 亿个视频片段；对照 FineWeb 单一英文语料 15 万亿 token。数量上差约 15 倍，但这两个统计对象不同：前者是多模态开放平台的文本总量，后者是单一英文网页语料，不能直接当成中英文可比总量。

更关键的是结构：中文高质量内容大量沉淀在微信公众号、知识付费、企业内网、政务系统，技术不可抓、商业不易授权。所以缺口是数量与结构同时存在；结构是更难靠市场机制解决的那一层。政策要推公共数据开放：不靠行政力量，市场机制自己打不开。

教育部已支持 30 余项关键领域语料库。风险是行政建成的语料库脱离真实训练需求而闲置，17,282 TB 被当成效指标就是信号。真正的检验标准是有多少国产模型实际使用、占训练数据比例多少，目前未见公开。

结论：项目制服务生意，不是平台生意

三条机制。客户结构：美国是十几家付得起高价的实验室，中国是多家仍处亏损的模型厂商加传统行业。产品形态：美国转向「专家小时」与「环境软件」，中国仍是「标注工时」与「成品数据集」。制度环境：数据要素制度创造合规、治理、入表咨询等需求，服务的是合规目标，不是模型能力目标。

含义：中国训练数据企业的收入与全球 AI 竞赛相关性弱于表面，用美国同行估值倍数类比会高估；与国内政策节奏、地方财政、自动驾驶与具身产业化进度相关性更强。

资料来源

1. 智研咨询. 中国数据标注市场规模统计[R]. 2026.（题名待替换）
2. 国家发展改革委等四部门. 关于促进数据标注产业高质量发展的实施意见（发改数据〔2024〕1822 号）[EB/OL]. 2025-01-13.
3. 海天瑞声. 2025 年年度报告[R]. 2026-04.
4. 国家数据局. 2025 年全国数据工作会议[EB/OL]. 2025.
5. 上海高级金融学院. 上市公司数据资产入表统计报告[R]. 2026-06.（题名待替换）
6. 诺辉投资研究部. AI 训练数据与语料 · 行业认知研究报告[R]. 2026-09.

数据截止 2026-09　|　相关：AI 训练数据市场规模到底多大 · 海天瑞声：营收涨 59%、毛利率降 18 个点说明什么 · AI 训练数据与语料 · 行业认知研究报告

编写依据

本文依据本赛道研究报告及用户授权的成品库 Markdown 摘编，素材获取于 2026-10-30。原文所列资料时点、出处及核验边界按提供稿保留；本轮未逐条回溯外部来源。