数据标注龙头是谁？概念股和产业链不是一回事

先给结论。如果「龙头」指主营最纯，东方财富「数据标注」概念板块 63 家中，主营直接对应的只有一家：海天瑞声，主营原文就是「AI 训练数据的研发设计、生产及销售业务」。这里说的「最纯」是主营原文直接对应，不是营收或市值最大；按市值，海天 57 亿元远小于板块内的同花顺 1,618 亿元、科大讯飞 943 亿元、昆仑万维 592 亿元。如果指市场份额，本文找不到龙头：2025 年中国数据标注市场约 117.53 亿元，唯一以训练数据为主营的上市样本海天瑞声营收 3.77 亿元，占比约 3.2%（量级参考，不是精确份额）；但行业里大量未上市标注公司不在样本内，这个数只提供海天瑞声收入与所引市场规模的量级对照，不能据此判断全部上市标注企业是否由某一家占主导，更不能断言整个行业没有龙头。如果指概念板块，东方财富「数据标注」概念板块 63 家成分股里，主营直接对应 1 家、部分对应 2 家、具备能力但主营未列 24 家、落在排除项或环节之外 36 家。三个口径三个答案，所以各种「龙头名单」互相打架。概念板块按题材编，产业链按「谁把什么卖给谁」定义，两者不是一回事。

一、「龙头」至少有三层意思

份额龙头：在某一个环节、某一种产品上占多少市场。这个定义最硬，但也最难拿到数：行业极度分散，公开披露的分部收入很少，第三方口径又常常把「采集＋标注」或「企业内部人力」折算进来，分母一变，份额就变。

主营龙头：这家公司靠这块业务收钱。它看的是主营原文和收入占比，不看市值，也不看题材。

市值龙头：市场认为谁沾边，就把它编进板块，再按市值排。它最容易查，也最容易被当成「龙头名单」。

搜「数据标注龙头股」拿到的大多是第三种。它回答的是「市场认为谁和这个概念有关」，不是「谁在这条链上收钱」。三种答案不能互换；混着用，就会出现「市值最大的是龙头」和「主营最纯的是龙头」两个都对、又互相矛盾的结论。

二、63 家成分股，四档归位

样本取自东方财富「数据标注」概念板块，63 家成分股，取数日 2026-09-09。东方财富另有「AI 语料」「数据要素」等高度重叠的板块，成分股与家数不同；本文没有保留逐板块来源，只给出四档家数与部分举例，未附 63 家完整名单，不能按单一板块代码复现。板块会随调仓与题材调整，取数日之后名单可能已经不同。归位只看各公司自己披露的主营业务原文，不看板块标签，也不看券商题材归类；四档归位是本文判断，不是公开分类。

「具备能力但主营未列」是一个兜底档：有相关能力，但主营描述里找不到直接对应的产品；拿不准的也归在这里。所以 24 家不等于 24 家在认真做这门生意，只等于 24 家的主营原文没有把这件事写清楚。反过来，36 家也不等于没有能力，只等于它们的主营落在训练数据环节之外，或属于模型、数据治理等排除项。1／2／24／36 是本文按上述判据逐家归位的结果，不是客观统计。

三、唯一直接对应的一家，不等于份额龙头

海天瑞声（688787），市值 57 亿元（2026-09-09），是 63 家里唯一一家主营原文直接落在这条链上的。它的「唯一」是主营纯度的唯一，不是份额或规模的最大：3.77 亿元营收对 117.53 亿元市场约 3.2%，而且营收里还有海外收入和非标注业务；按市值，它只有同花顺的约二十八分之一。本文的判据是「主营原文直接对应」，不是营收排名或市值排名。

四、部分对应两家：有这块业务，不等于靠它吃饭

ST 汇洲（002122，市值 56 亿元）四项业务之二明确写「大模型数据服务」；汉王科技（002362，市值 40 亿元）三个板块之一是「多模态大数据业务」。两家都只披露了业务存在，没有披露这块业务占营收多少。判断时不能把「有这块业务」当成「靠这块业务」：一项业务在营收里占 5% 还是 50%，对公司的意义完全不同。

五、24 家「具备能力」：大头是版权方，不是标注商

24 家里，20 家持有可授权的内容或数据资产：芒果超媒、人民网、中文在线、中国科传、华策影视、捷成股份、中国出版、新华网、中原传媒、视觉中国、掌阅科技、上海电影、上海钢联、中信出版、读客文化、世纪天鸿、慈文传媒、中广天择、果麦文化、荣信文化（上海钢联是结构化产业数据订阅）。本文把这一类归为「潜在版权供给方」，但没有一家披露面向 AI 的授权收入。「有资产」是能力，「有 AI 授权收入」是业务，两者之间隔着一份合同；这 20 家只能说明潜在供给，不能说明它们已经在做 AI 语料生意。另外 4 家（岩山科技、深桑达Ａ、拓尔思、开普云）主营披露不足以判断。

为什么要把这一类和标注分开？版权授权和人类数据服务是两门生意。版权一次授权、可反复使用，边际毛利接近 100%——这是增量口径，不含内容取得成本、作者分成、律师费与销售费用；标注项目按全成本计的毛利 30–45%。两者分母不同，不能直接比出「版权生意好一倍」。把两类公司放进同一个「AI 语料」板块，等于把卖版权和卖工时当成一回事。

六、36 家在门外：买方被当成了卖方

36 家里有三类值得点名。第一类是模型与应用侧：科大讯飞（943 亿元）、昆仑万维（592 亿元），它们是这条链的买方，不是卖方。第二类是本条链明确排除的：企业数据治理与 BI（东方国信、普联软件、慧辰股份）、数据库（达梦数据，237 亿元）。第三类是只因题材被编入的：同花顺（1,618 亿元，主营金融数据）、四川长虹（家电）、华泰股份（造纸）、居然智家（家居卖场）、游族网络（游戏）。

还有一类边界案例值得单独说：博彦科技做 IT 咨询、产品、解决方案与服务外包，业务形态上接近人力组织型交付；但它的主营原文没有落在训练数据这个环节，所以归在门外。这说明归位看的是「公司说自己靠什么收钱」，不是「公司有没有能力做这件事」。能力和主营，是两件事。

板块内市值最大的是同花顺，1,618 亿元，是唯一直接对应那家 57 亿元的约 28 倍（按取数日市值计算）。市值排名和产业链位置，在这里没有任何关系。

七、这份名单怎么用

三步。第一，看主营原文，不看板块标签和券商题材。第二，看这块业务占营收多少——「板块之一」和「主营就是」是两回事。第三，看它在哪个环节——版权、标注、模型、数据治理，经济性完全不同。

最后一条边界：本文只回答「这家公司的主营落在哪一段」，不回答「值不值得买」，不评级，也不给目标价。

资料来源

1. 东方财富. 「数据标注」概念板块成分股与市值数据[EB/OL]. 2026-09-09.
2. 海天瑞声. 2025 年年度报告与 2025 年度业绩快报[R]. 2026-04／2026-02.
3. 智研咨询. 中国数据标注市场规模统计[R]. 2026.（题名待替换）
4. 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 数据标注赚钱吗？标注员和平台各赚什么 · 数据标注平台怎么选？众包、专家市场和 BPO 的差别 · 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。