AI 训练数据与语料

行业本质

训练数据是三门生意 —— 结构最好的环节规模最小,结构最差的人力外包反而拿到最高估值

定义与范围

用于训练、微调、对齐、评测 AI 模型的一切数据资产与相关服务:语料获取与授权、数据加工与标注、专家数据、合成数据、强化学习环境、评测集。不含企业内部自用的数据治理与 BI、算力与芯片、模型本身、推理服务。 AI 训练数据与语料相关的产品、应用与商业环节。

行业框架图

查看大图 ↗
用于训练、微调、对齐、评测 AI 模型的一切数据资产与相关服务:语料获取与授权、数据加工与标注、专家数据、合成数据、强化学习环境、评测集。不含企业内部自用的数据治理与 BI、算力与芯片、模型本身、推理服务。 AI 训练数据与语料相关的产品、应用与商业环节。

热门问答

7 组 · 18 篇

定义与边界3 篇

AI 训练数据是什么?为什么不能把它当成一个市场来研究

先说结论:AI 训练数据不能当成一个经济性一致的单一市场来研究,它是五条互相替代的供给通路共用的一个名字——公开抓取、版权授权、人类数据服务、合成数据、强化学习环境。五条路里只有三条已出现独立收费:版权授权、人类数据服务、RL 环境;前两条是成熟生意,RL 环境刚刚起步。它们的成本结构、边际成本、卖方集中度和终局没有一项相同。所以「AI 训练数据市场有多大」这个问题,用任何一个单一数字回答都会错,因为几个主流口径在算三样不同的东西。

数据标注是做什么的?标注员到底在标什么

先说结论:数据标注做的是把人类能看懂的信息,转成机器能学的样本。但它不是一个工种,而是两层价格完全不同的市场,中间夹着一个过渡层。底层是通用标注,给照片框车、给录音打字,按件计价,一张图几分钱;中间是专业标注,做 3D 点云、医学影像预标注、多语种,时薪高于通用标注,但仍按任务交付;顶层是专家数据,请放射科医师写诊断推理、请律师指出合同风险,按小时计价,50–200 美元。本文重点展开底层与顶层,因为这两层的计价方式、供给方与平台能力完全相反;中间层在第四节的三层时薪表里单列,它更像通用标注的加

AI 语料是什么?它和训练数据、数据集有什么区别

先说结论:这三个词不在一个层级上。训练数据是总称,指覆盖整个训练流程的一切数据资产与服务;它下面有几种形态:语料是原料形态,即原始内容集合;数据集是商品形态,即打包好、有边界、可以按份报价的一批数据;此外还有按人时交付的标注与专家产出、以及可运行的环境。本文按交易形态观察:语料强调内容,数据集强调有边界的组织形式,两者可以重叠,数据集也可以免费公开;在交易分析里,叫法还要看交付形态与计价方式。三者混用,是市场规模数字打架的根源。

竞争格局1 篇

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

技术路线4 篇

RLHF 是什么?三个步骤到底在解决什么

RLHF 全称是基于人类反馈的强化学习(Reinforcement Learning from Human Feedback)。它不教模型新知识,而是教模型「什么样的回答更让人满意」。严格说,RLHF 指的是两步:先让人对两个回答做偏好比较、训练一个奖励模型,再拿这个奖励模型当裁判、用强化学习调整模型。它通常接在示范微调(SFT)之后;SFT 本身不属于 RLHF,但产业里常把「示范微调 → 奖励模型 → 强化学习」这一整套后训练流程笼统叫作 RLHF。这套流程是 2023–2024 年的通行做

RLVR 是什么?和 RLHF 的区别在哪

RLVR 全称是可验证奖励强化学习(Reinforcement Learning with Verifiable Rewards)。它和 RLHF 最根本的区别只有一句话:奖励从哪来。RLHF 的奖励来自人的偏好判断——人比较两个回答哪个更好,这些判断被训练成一个奖励模型,再由它给回答打分;RLVR 的奖励来自一个能自动判对错的程序——跑一遍代码看测试过不过,核对数学题的最终答案对不对。所以两者学的不是一件事:RLHF 学「人更喜欢哪个」,RLVR 学「哪个能被验证为正确」。

强化学习环境是什么?为什么它最容易产品化,也最容易被自建

强化学习环境是一个可以让 AI 智能体(能自己调用工具、分多步完成任务的 AI)反复尝试、并自动给出成败判定的模拟工作场景。比如一个模拟的浏览器加网站,让智能体去完成「订一张机票」的任务,环境自动判断它有没有订成功。它交付的是代码,不是人时;这两件事是同一个属性的两面:代码可以复制、可以版本化,所以最容易做成产品;也正因为是代码,工程能力最强的客户可以自己写,所以最容易被自建。

合成数据是什么?它能替代真实数据吗

合成数据是由模型或程序生成、而不是从真实世界采集的训练数据。在大模型语境下,最常见的形式是:用一个能力更强的「教师模型」生成大量问答对、推理过程或代码,用来训练一个更小或更专门的「学生模型」。

商业模式与成本4 篇

数据授权和版权授权,AI 公司到底买的是什么

先说结论:买的是使用权,不是数据本身,也不是所有权。它是一组被合同切开的权利:能不能复制、用于训练、商用、用多久、能否转授权、是否排他。版权授权是其中一种,对象是有版权的作品;数据授权范围更宽,还包括不受版权保护、但受监管规则约束的数据。价格的上限不由内容质量决定,由替代成本决定;四个定价变量决定在这个上限下能拿到多少。(这个定义是本文的提炼;该报告没有单独的「版权授权 vs 数据授权」定义节,只在其五通路表里把版权授权的交付物记为「使用权」。)

Mercor 和 Surge AI:专家数据为什么比标注贵几十倍

贵几十倍,不是人更贵,是买的东西变了:从「按件买标签」变成「按小时买专业判断」。底层通用标注时薪 1.46–3.74 美元(学术审计,2025),顶层专家 50–200 美元,Mercor 均价约 114 美元(官网 2026-08,厂商自述)。按两个区间的中点粗算,顶层约是底层的 48 倍(125 ÷ 2.60);改用 Mercor 均价 114 美元对底层中点 2.60 美元,约 43.8 倍。取顶层上限 200 美元对底层下限 1.46 美元,最极端的组合约 137 倍(本文计算)。这几个

AI 数据标注赚钱吗?标注员和平台各赚什么

先分人。标注员端,2025 年一项学术审计给出的肯尼亚通用标注时薪是 1.46–3.74 美元;印度中层专业标注约 5–7 美元(第三方对比,2026);领域专家 50–200 美元,Mercor 平台均价约 114 美元(官网专家页,2026-08,厂商自述)。这里要分清口径:50–200 与 114 都是专家侧的小时报价(可理解为专家实收),平台抽成加在客户支付端,客户支付=专家时薪÷(1−抽成率);抽成 30–40% 时,客户支付约为专家时薪的 1.4–1.7 倍。平台与公司端,项目制毛利

市场与规模3 篇

AI 训练数据会用完吗?耗尽的不是数据,是免费、高质量且可合法使用的那一层

如果把「数据」理解成互联网上的全部文本,答案是不会。真正在变紧的是另一层:免费、高质量、可合法使用,三者同时成立的那一层。为行文方便,下面把它叫「三者交集」。比它更宽的那一层——只要免费公开、不管质量和法律状态——不会消失,总量也还在增长;会持续变薄的是这个交集。Epoch AI 在 2024 年 6 月估算,人类公开文本经质量与重复调整后的有效存量约 300 万亿 token;按当时的训练数据规模增长趋势外推,会在 2026–2032 年之间用尽,若过度训练则更早;按计算最优训练,约在 202

AI 训练数据市场规模到底多大?三个口径差六倍

同一句「AI 训练数据市场」有三个数:63 亿美元(2026 年,采集与标注服务费)、229 亿美元(2025 年,标注解决方案与服务,含企业内部人力与软件)、35.9 亿美元(2025 年,成品数据集)。最大与最小差约 6.4 倍,不是谁算错,是算的东西不同。本文自下而上估算:中国以外的人类数据服务约 35–39 亿美元(net),加逐笔可核的版权交易约 3.5 亿美元,得中国以外可核下限约 38–43 亿美元。中国 2025 年另计约 16 亿美元,单列。两者相加是全球可核下限约 55–59

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。

公司与标的2 篇

Scale AI 是什么公司?143 亿美元交易后发生了什么

先说结论:Scale AI 是人类数据服务里的项目制头部公司,客户是前沿实验室。2025 年 6 月,Meta 以 143 亿美元取得约 49% 的无表决权股权、不进入董事会,公司估值约 290 亿美元。同期,创始人及核心高管整体加入 Meta,主导其超级智能团队。交易后 Google 终止合作、Microsoft 缩减;OpenAI 在此前已减少合作,不能归因于这笔交易。收入没有腰斩:2024 年 8.7 亿美元、2025 年接近 10 亿美元、2026 年指引约 10 亿美元;腰斩的是市场预

海天瑞声:营收涨 59%、毛利率降 18 个点说明什么

2025 年海天瑞声营收 3.77 亿元、同比 +59.00%,综合毛利率 48.08%、同比降 18.38 个百分点,归母净利润约 0.141 亿元(同比约 +25%,东方财富口径),净利率约 3.7%;同期经营活动现金流净额同比下降 94%,绝对额未披露。这几个数放在一起说明的是:这家公司的增长伴随定制服务占比上升,高毛利的标准化数据集占比在被稀释;收入增长快,利润很薄,经营活动现金流净额明显下降。它是一个样本,不能代表整个行业。

选型与判断1 篇

数据标注怎么选?众包、专家市场和 BPO 三种交付模式

先看任务,不看平台名气。承接数据标注的服务模式分三种:众包、专家市场、BPO 交付中心。前两种是平台,第三种是自建团队的服务商,不是平台;本文比较的是三种「交付模式」,不是平台名单或平台功能。它们不是同一门生意的三个品牌,而是三种计价单位、三种质量责任和三种成本结构。选错的代价不是贵一点,是把风险和成本算错:众包按件买的是产量,专家市场按小时买的是判断,BPO 按项目买的是交付确定性。下面不讨论本地部署的标注工具;只讲三种模式的经济性与适用场景,不排名,也不推荐具体平台。

研究报告

1 篇

定制报告

定制研究 ¥480、5 个工作日交付,写法和公共库里的报告完全一致:独立完成,关键数字标注来源与两个日期。买的是研究本身,我们不承诺独占——报告可能会收录进公共库。

定制报告