海天瑞声2023年半年度董事会经营评述

（原标题：海天瑞声2023年半年度董事会经营评述）

海天瑞声2023年半年度董事会经营评述内容如下：

一、报告期内公司所属行业及主营业务情况说明

　　（一）所属行业情况

　　1.行业的发展阶段、基本特点、主要技术门槛

　　根据国家统计局《战略性新兴产业分类（2018）》，公司所从事的训练数据生产业务属于“新一代信息技术产业—新兴软件和新型信息技术服务—新型信息技术服务—信息处理和存储支持服务—数据加工处理服务”行业，是国家重点支持的“新一代信息技术领域”的战略性新兴产业。公司通过设计训练数据集结构、执行数据采集、加工处理过程，生产用于算法模型开发训练用途的专业数据集，并以软件形式向客户交付，所属行业为软件和信息技术服务业。

　　1.1行业的发展阶段、基本特点

　　（1）在全球数字经济发展以及大模型技术的共同驱动下，全球人工智能产业进入新一轮加速发展期

　　当前，新一轮科技革命和产业变革深入发展，数字化转型成为大势所趋，世界主要国家均高度重视发展数字经济，纷纷出台战略规划，重塑数字时代的国际竞争新格局。人工智能作为数字经济发展的底层核心技术之一，正在发挥更加重要的作用。例如，随着数字经济发展的不断深入，数据体量以及复杂度均不断提升，为更好解决产业数字化中数据提取、处理、分析等工作，将会产生更多样化的人工智能需求，人工智能支出也将成为支持企业数字化转型支出的主力因素之一。

　　根据IDC报告，全球范围内，企业在人工智能市场的投资增速将显著高于数字化转型支出（（DX）和GDP增速。

　　此外，以ChatGPT为代表的大模型在近期的现象级智能化表现引发行业强烈关注。作为全新的人工智能聊天机器人，在推出两个多月时，ChatGPT全球用户已突破1亿，人工智能通过极具颠覆性的能力再次走入大众视野，并获得了产业界的广泛关注。可以预见，人工智能行业将在以ChatGPT为代表的大模型技术的推动下进入新一轮产业高速发展期。

　　未来，受益于数字经济政策和大模型技术的双重驱动，人工智能将具备更强的产业融合能力，并将深刻影响千行百业的运行规则，以及人们的生活方式，人工智能产业的发展将随之进入快车道。

　　根据国际数据公司（IDC）的数据，2021年，全球人工智能市场规模为885.7亿美元，预计2025年将达到2,218.7亿美元，年复合增长率达到26.2%。

　　在市场需求拉动和国家政策的支持引导下，当前我国人工智能产业加速发展，已形成基础底层设施、中层技术以及上层应用的完备的产业链生态，一批创新活跃、特色鲜明的创新企业不断涌现，并联合推动中国人工智能产业实现规模增长。根据艾瑞咨询的数据显示，2022年中国人工智能产业规模达1,948亿元，预计2027年市场规模将达到6,122亿元，年复合增长率为25.6%，主要与智算中心建设以及大模型训练等需求拉动的AI芯片市场、无接触服务需求拉动的智能机器人及对话式AI市场等快速增长相关。有望在下游制造、交通、金融医疗等多领域不断渗透，实现大规模落地应用。

　　（2）训练数据作为AI发展和演进“燃料”的作用更加凸显，并逐渐成为大模型竞赛中的重要决定性要素

　　在AI产业链中，算法、算力和数据共同构成技术发展的三大核心要素。算法模型从技术理论到应用实践的落地过程依赖于大量的训练数据。训练数据越多、越完整、质量越高，模型推断的结论越可靠。过去十年，人工智能产业以算法为核心，通过深度学习算法的不断创新，推动人工智能产业的快速发展。但未来，当算法发展趋于开源、算力能力大幅提升及人工智能模型从技术理论应用到更多的垂直场景，想要更快更好提升人工智能能力，数据将发挥更重要的作用。

　　尤其在大模型时代下的今天，数据正在被视为大模型落地以及竞赛中重要的决定性要素。在大模型领域，过去业界普遍认为模型参数量是模型效果增强的核心要素，模型参数越大，性能表现越好，而如今这一“（参数”定律正在打破。Meta今年开发的新模型Llama（Large（Language（Model（Meta（AI）证明，相比于单纯参数量提升，训练数据规模以及多样性的增强，可带来更好的模型效果提升。根据新浪财经报道，Llama-13B虽然在参数规模上相较于GPT-3（175B）小了十几倍，但由于其大幅提升了训练数据规模（Llama-13B训练数据量约为GPT-3的3倍），其表现能力在大部分指标上均超越了后者；与此同时，Llama-65B也是凭借数据规模优势，与谷歌5400亿参数的PaLM-540B在表现上旗鼓相当。

　　可以看出，数据正在逐渐成为大模型时代下的重要推动力量，并产生快速增长的数据需求。根据Cognilytica数据统计显示，2021年全球AI训练数据市场需求约为42亿美元，并预计到2027年这一需求将增长到220亿美元，2021-2027年复合增长率达32%。

　　中国作为全球人工智能产业增速最快的国家之一，相关数据需求也在快速增长。根据德勤数据，2022年中国人工智能基础数据服务市场规模为45亿元，2027年规模将达到130-160亿元，年复合增长率为23.6%-28.9%。

　　（3）数据要素市场蓬勃发展，数据行业迎来更为广阔的发展机遇

　　近年来，我国数字经济蓬勃发展，数据要素因具有基础性战略资源和关键性生产要素的双重属性，相关市场规模持续增长。尤其在《中共中央、国务院关于构建数据基础制度更好发挥数据要素作用的意见》出台后，我国系统性布局了数据基础制度体系的（“四梁八柱”，加速了数据流通交易和数据要素市场发展，进一步推动了公共数据、企业数据、个人数据合规高效流通使用。为更好响应中央号召，北京、上海、广州、深圳、杭州等地数据政策陆续出台，逐步构建了多层次、多元化数据要素市场生态体系。

　　以北京为例，《关于更好发挥数据要素作用进一步加快发展数字经济的实施意见》《北京市促进通用人工智能创新发展的若干措施》和《关于推进北京市数据专区建设的指导意见》指出，北京市要加快建设“数据基础制度先行先试示范区”（以下简称“先行先试示范区”），“支持北京经济技术开发区等开展数据基础制度先行先试，打造政策高地、可信空间和数据工场”，探索打造数据训练基地，归集高质量基础训练数据集，推动数据要素高水平开放，提升本市人工智能数据标注库规模和质量，并建设针对重大领域、重点区域或特定场景建设专题数据区域，吸纳市场主体和数据、技术、资本等多元要素参与。北京市陆续出台的多项文件旨在打破数据壁垒，推动数据融合利用，加快推动公共数据开放，促进数据要素流通，激发数字市场创新活力，释放和发展数字化生产力，打造多层级数据要素市场，成为具有竞争力和影响力的数字产业集群。按照“政府引导、市场运作、创新引领、安全可控”的原则，（“先行先试示范区”有望成为国际领先的数据要素高效流通核心枢纽。

　　数据要素市场受政策推动，进入高速发展期，未来围绕数据的价值利用以及流通交易，将产生大量新增数据需求，为数据行业开拓了新的增长空间，提供了新的业务拓展机遇。未来，数据要素也将成为数据行业增长的重要推动力量。

　　（4）训练数据领域的未来发展趋势

　　a.大模型技术的突破和跃升，将驱动新型数据需求持续增长

　　随着ChatGPT成为全球范围内的现象级应用，人工智能迎来了新的发展机遇，其背后的大模型技术也将进一步引导人工智能产业变革并带来相关数据需求的变化和增长。

　　首先，和传统的深度学习模型相比，大模型的数据需求规模将呈指数级增长。传统深度学习技术路线下，训练一个专有小模型大约需要GB级数据，而训练一个大模型通常需要TB级数据（例如，GPT-3的原始文本语料多达45TB）。此外，大模型数据丰富程度显著增加，大模型不仅包含海量语言类、知识类信息，还包括各类垂直领域以及多模态数据，通过多样化数据的引入，大幅提升模型的通用能力以及迁移能力，并使其可服务更多的任务类型与场景。同时，数据质量会显著拉开大模型预训练阶段的效果差距。另外，相比于传统模型训练，大模型的数据需求类型也将有所转变，更多模型或将采用类强化学习模式来进行特定领域或特定方向上的优化迭代，以使得机器能够以更加接近于人类期望的方式提供答案输出。对于大模型训练而言，不仅需要持续获取大规模、多样化（多模态、多场景、多垂向）、高质量的数据，更须具备持续迭代的高质量数据清洗和标注策略，以不断提升包括预训练（Pre-training）、模型微调（Fine-tune）及奖励模型（Reward（Model）等过程中所需数据（例如指令（instruction）类数据）的质量，确保语言类和常识性知识之外的其他垂直领域的应用场景的能力提升，为大模型精确性、通用性及泛化能力的实现奠定坚实基础。

　　在以上背景下，一方面，大规模、多样化、高质量数据集重要性凸显，成为模型训练效果的核心支撑之一。另一方面，AI发展所面对的数据前沿性及工程化技术的挑战也更为显著。长期看，只有AI数据处理技术的不断拓新与发展，才能及时适应甚至超前引领大模型技术和应用的发展。

　　b.多模态数据受AIGC、虚拟人等应用发展驱动，将呈现快速增长趋势

　　随着AIGC技术发展，AI可在更多维度、更多场景辅助人类进行内容生产以及创作。例如，通过大模型等AIGC技术，人类仅需输入一段简单的文字指令，AI即可按照人类描述生成一幅画、一段语音或一段视频，以此帮助人类完成内容创作。想要实现上述功能，AI除了要具备理解人类文字指令的能力，还需要通过对齐不同独立模态关键特征的方式，建立文字与图、语音、视频等一一映射关系，这背后将依赖大量的多模态数据，AI需要对多模态数据进行学习，以实现跨模态的创作能力。

　　此外，随着AI虚拟主播、虚拟学生、虚拟员工轮番上岗，数字人概念逐渐走入大众视野，成为人工智能的热门技术赛道。想要让虚拟数字人实现与人类的自然交互，不仅需要发音标准自然、身体动作流畅，其表情、口型与声音也要实现细节的精准匹配，而多模态技术就是打破传统人工智能单一感官局限、让各类AI能力协同使用的重要技术。通过对高质量多模态训练数据集的持续学习，AI可实现图像、视频、音频、语义文本等多维度能力的融合，使得虚拟人在行为上更接近人类。

　　未来，随着以AIGC、虚拟人为代表的AI技术以及应用的不断发展，多模态数据需求将呈现加速增长趋势，具备多模态数据服务能力，以及多模态数据集储备的企业将获得更多市场机会。

　　c.人工智能企业全球化布局加速，多语种能力成为企业业务拓展核心支撑

　　2013年，共建“一带一路”的倡议正式面世，十年来，随着国家“一带一路”战略的深入推进，国内一批具有较强创新能力和过硬技术实力的企业，纷纷踏出国门，积极拓展海外市场，通过不断扩大企业出海战略版图，获得高速发展机会。另一方面，境外头部企业也继续践行“全球化”战略，搭乘全球出海的快车。

　　随着境内、外企业的全球化扩张成为确定性趋势，多语种能力作为支撑企业顺利出海的核心要素之一，重要意义更加凸显。未来，多语种训练数据将对客户侧在语音助手、智能汽车、智能家居、智能客服、机器人、多语种OCR等各领域产品/应用的全球化推广起到积极作用。因此，随着各类客户群体扩张步伐加速，多语种需求也将快速增长，具有强大语言研究能力的数据服务企业将获得更多商业机会。

　　d.人工智能技术加速向产业渗透融合，催生更多垂向领域数据需求

　　随着深度学习技术的不断突破，人工智能发展已经进入2.0时代，相关训练需求正逐渐从通用基础能力建设，向更为专业的垂向场景/行业拓展。一方面，以大模型为代表的AI基础技术不断取得重大突破，AI模拟人类认知的能力飞速提升，因此从技术能力维度看，AI已具备与垂直产业融合并规模化应用的前提条件；另一方面，受国家数字经济发展战略推动，产业数字化和智能化将进一步席卷各行各业，智能化技术与传统产业的融合将成为数字经济时代的新发展趋势，并创造出巨大的蓝海空间。

　　当前AI技术正在加速与各类产业融合，在汽车、金融、医疗、工业等传统行业的渗透率和应用场景不断提升，展现出可观的商业价值和巨大的发展潜力，而数据作为打通算法技术与行业需求的核心桥梁，作用更加凸显，可以说数据能力一定程度上决定了算法模型在对应产业的适用性以及实用性，成为加速AI产业化落地的关键要素。

　　e.国家法律法规密集落地，对数据安全及合规提出更高要求

　　近年来，数字经济规模快速扩张，数据作为数字经济时代核心生产要素，重要性更加凸显，但数据不同于传统生产要素，其中可能涉及个人隐私以及国家安全的重要信息，因此，为更好保障数字经济长期稳定的可持续发展，建设规范、安全、合规、高质量的数据安全体系已成为迫切需求。近年，国家陆续出台包括《数据安全法》、《个人信息保护法》等主流法律法规，为解决数据安全问题、净化行业快速发展中的不良乱象提供了切实可行的法律依据。

　　未来，随着AI技术不断革新，应用行业以及场景不断增加，各行业、各领域数据安全规范逐渐落地将成为趋势，对于以数据生产为主营业务的数据服务企业，数据安全及合规能力将成为数据服务能力的核心评价维度，成熟的安全合规管理体系将成为重要评价标准，能持续跟踪法律环境变化，积极响应监管政策，牢牢把握发展与安全并重的原则的企业将具有更强的市场竞争力。

　　1.2行业的主要技术门槛

　　随着AI技术不断演进、产业应用不断丰富，训练数据的市场需求呈现体量、难度、复杂性、合规性持续上升的趋势，数据服务商须同时具备对人工智能核心算法的理解能力、前瞻性的专业数据集设计能力、丰富的语言覆盖能力及场景采集能力、算法辅助数据生产能力、以及数据合规管理能力，这使得行业的技术门槛持续提升，具体体现为：

　　（1）在训练数据研发、生产全流程中的算法全面介入

　　随着AI技术应用落地的规模化效应凸显，客户对于数据规模和处理效率的要求不断提升，数据服务商须在研发、生产流程中全面引入算法以实现高效、合理的人机协作模式，进而实现降本增效的目标。一般而言，在训练数据研发、生产全流程中融入算法技术，可用于训练数据集的设计及训练数据生产的各个环节，例如调度不同类型的标注人员应对不同领域的任务、形成算法自动处理能力以帮助标注人员提升效率、降低对人员的依赖（既有人员数量的降低、也有对人员标注能力要求的降低），并构建训练数据设计、加工相关的核心技术；也可用于检查训练数据集对算法模型的训练效果，进而保障训练数据集质量。

　　（2）平台工具链功能及适配性要求持续提升

　　当前，客户侧的数据采集、标注需求范围在逐渐拓宽，数据采集与标注需满足的AI应用场景比以往明显更加广泛、复杂，这就对数据服务商的平台工具能力提出了更高要求，平台上处理过多大规模的数据、这些处理过的数据的多样性和复杂程度如何、算法引擎投票机制如何建立、置信区间如何设置、算法在平台中如何应用、数据流转的工程化程度如何等等这些因素都决定了平台的适配性和能力如何，并最终决定了数据处理的质量、效率、成本。

　　（3）语音语言学基础研究方面须有深厚积累

　　伴随语音技术进一步发展落地、并向各行各业和更多垂直场景不断渗透，同时受到中国企业出海需求、国外企业区域拓展需求两方面的支撑，客户在多语种、多音色、音素集、发音规则、发音词典等方面的要求在不断抬升，这意味着只有那些在语音语言学基础研究方面投入更多、拥有深厚积累的数据服务商才能满足客户在这方面的多元化需求。

　　因此，市场上仅有极少数企业通过长期自主研发的方式能够达到上述核心技术门槛，成为有能力向不同客户群体提供综合、高效、合规的数据产品及服务的供应商。

　　2.公司所处的行业地位分析及其变化情况

　　作为行业的头部阵营企业，海天瑞声在经营情况、技术实力、以及以数据安全为代表的其他综合能力方面都展示出明显优势，并具有较强国际竞争力。近年来公司紧跟AI技术发展趋势，尤其关注在客户资源、技术实力、产品/服务等方面的竞争优势，树立国内领先基础数据服务商的品牌形象，以巩固公司的行业领先地位。

　　1、Appen、数据堂、标贝科技数据：截至2023年6月，前述公司官网及公开披露信息；国家知识产权局中国及多国专利审查信息查询平台（https://www.cnipa.gov.cn/）、中国版权保护中心CPCC微平台等公开信息查询渠道及第三方机构查询信息。

　　2、海天瑞声数据：除特别标注外，均为截至2023年6月30日数据。

　　（二）主营业务情况说明

　　公司主要从事AI训练数据的研发设计、生产及销售业务。公司通过设计数据集结构、组织数据采集、对取得的原料数据进行加工，最终形成可供AI算法模型训练使用的专业数据集，通过软件形式向客户交付。

　　算法、算力、数据是人工智能技术发展的三大要素，其中训练数据是算法发展和演进的“燃料”。在当前技术发展进程中，深度学习算法是推动人工智能技术取得突破性发展的关键技术理论，而大量训练数据的训练支撑则是深度学习算法实现的基础。深度学习分为“训练”和“推断”两个环节：训练需要海量数据（603138）输入，训练出一个复杂的深度神经网络模型；推断指利用训练好的模型，去“推断”现实场景中的待判断数据，并得出各种结论。训练数据越多、越完整、质量越高，模型推断的结论越可靠。因此，要使算法模型实现从技术理论到应用实践的落地过程，就需要提供大量的训练数据，对算法模型加以训练。通常，从自然数据源简单收集取得的原料数据并不能直接用于深度学习算法的训练，必须经过专业化的采集、加工处理，形成相应的工程化数据集后才能供深度学习算法等算法、模型训练使用。

　　自2005年成立以来，公司始终致力于为AI产业链上的各类机构提供算法模型开发训练所需的专业数据集。经过多年发展，公司已成为人工智能基础数据服务领域具有较强国际竞争力的国内头部企业，并实现了标准化产品、定制化服务、相关应用服务全覆盖。公司所提供的训练数据涵盖智能语音（语音识别、语音合成等）、计算机视觉、自然语言等多个核心领域，全面服务于人机交互、智能家居、智能驾驶、智慧金融、智能安防等多种创新应用场景。

　　公司的产品和服务已获得阿里巴巴、腾讯、百度、科大讯飞（002230）、海康威视（002415）、字节跳动、微软、亚马逊、三星、中国科学院、清华大学等国内外客户的认可，应用于其研发的个人助手、智能音箱、语音导航、搜索服务、短视频、虚拟人、智能驾驶、机器翻译等多种产品相关的算法模型训练过程中。目前公司客户累计数量为881家，覆盖了科技互联网、社交、IoT、智能驾驶、智慧金融等领域的主流企业，教育科研机构以及部分政企机构。

　　（三）主要经营模式

　　1.盈利模式

　　与主要产品及服务类型对应，公司的盈利模式主要包括以下三类：

　　（1）定制服务：公司根据客户需求提供定制训练数据集并收取服务费。在此种模式下，公司享有服务费收入，不享有最终生成的训练数据的知识产权，不可将此类业务生产的训练数据向其他客户重复销售。

　　（2）标准化产品：公司开发自有知识产权的训练数据集产品，通过销售训练数据集产品的使用授权许可，获取让渡资产使用权收入。此类训练数据集一经开发完成，可多次销售并获取授权许可收入。

　　（3）训练数据相关的应用服务：公司基于生产的训练数据提供算法模型相关的模型拓展及训练服务，通常以软件授权或软硬件一体化形式交付算法模型拓展、开发成果，获取让渡资产使用权收入和技术服务收入，以及少量硬件销售收入。

　　2.生产或服务模式

　　（1）训练数据集生产模式

　　公司通过设计训练数据集结构、组织原料数据采集、对取得的原料数据进行加工，最终形成可供算法模型训练使用的专业数据集。

　　公司的训练数据生产过程主要包括四个环节：设计（训练数据集结构设计）、采集（获取原料数据）、加工（数据标注）及质检（各环节数据质量、加工质量检测）。

　　（2）训练数据相关的应用服务模式

　　公司基于其生产的训练数据提供算法模型相关训练服务，助力下游客户完成其算法模型的语言拓展、特定算法模块拓展、垂直应用领域拓展等，为客户定制针对特定行业和口音的专属算法模型，提高AI技术应用效果。

　　以某大型科技公司客户项目为例，客户研发了特定语音识别算法模型，需要根据算法模型的实际场景（如法院庭审场景）开发落地应用。公司承担了部分落地应用拓展相关的开发工作，围绕客户的算法模型和接口开发，最终协助客户算法模型实现多个麦克风收集庭审语音内容并实时转成文字记录入系统的功能。

　　3.采购模式

　　按照采购的内容及主体划分，公司的采购包括：

　　数据服务采购：公司在数据采集、加工环节中，向人力资源服务等类型的公司等供应商采购的，非核心技术环节的原料数据采集、标注服务。

　　岗位服务采购：主要针对临时性的、不设长期岗位的业务领域的外包采购，如保洁、临时招聘服务、少量实习生招聘等。

　　其他采购：（1）训练数据生产所需的资产，主要包括软、硬件设备及其他需求物品采购；（2）日常运营所需的资产及物品，如办公用房、车辆、办公家具、计算机设备等；（3）日常专项服务采购等，主要包括审计服务、会议服务、差旅服务等。

　　上述原料数据采集、加工环节所涉及的数据服务采购，为公司最主要的采购类别，由集采中心负责；各部门岗位服务采购由人力资源部负责；其余日常运营相关的资产物品采购、专项服务采购等非业务采购由集采中心负责。财务中心负责参与采购供应商的遴选、监督与管理，并对采购费用进行核算及结算。

　　经过多年的发展，公司已经建设有完善的《海天瑞声采购管理制度》、《海天瑞声项目资源采购管理制度》、《海天瑞声供应商管理制度》、《海天瑞声岗位服务采购管理制度》等内部规范制度，设立有完善的采购流程和体系，并与主要的供应商形成了良好稳定的长期合作关系。

　　4.销售模式

　　公司采用直接对接并服务客户的直销模式进行营销，符合行业通行惯例。公司以高品质的训练数据集及相关服务吸引客户，并在持续服务客户的过程中提升服务价值和客户黏度。公司通过直接拜访潜在客户、口碑传播、参与学术会议和行业展会、官方网站和自媒体展示等方式建立品牌知名度、与客户建立联系，后续再通过商务谈判、招投标等形式获取具体业务机会。

　　二、核心技术与研发进展

　　1.核心技术及其先进性以及报告期内的变化情况

　　公司高度重视并坚持科技创新，通过持续的研发投入积累形成了12项核心技术，覆盖基础研究、平台工具、训练数据生产三个层次。

　　上述核心技术构成了公司生产经营的基础，通过上述核心技术的成果转化，公司形成了基于核心技术的训练数据相关产品和服务。其中5项核心技术具备较高技术壁垒：

　　（1）基础研究层面，报告期内，公司持续在智能语音、计算机视觉、自然语言、以及包括智能驾驶为代表的垂直领域进行技术拓展，并有多项核心技术取得显著进展。例如，在基础算法研究方面，新增数十个基础模型，包括波兰语、斐济语等多个ASR语音识别模型、多语种合成数据库韵律预测模型、25类自动驾驶场景交通目标物检测模型、3D动捕数据姿态检测模型等众多模型；同时完成了多个现有模型的优化升级，多个语种的ASR模型准确率提升20%以上，3D场景的目标检测和语义分割模型更是实现约50%的准确率提升；在语音语言学方面，新增完成阿富汗达利语、比利时法语等多个语言学研究工作，有效支撑相关语言的数据生产项目；训练数据集设计技术领域内，探索利用大模型技术解决语料设计中稀缺资源问题，成功落地数个重要语料设计项目；同时完成了文本混淆度打分、多语种情感识别等多个数据库设计基础技术的优化升级。

　　（2）平台工具层面，得益于基础研究领域内多种算法、技术的持续支撑，在诸如大规模语音数据采集及标注平台、支撑智能驾驶数据业务的图像/视频/点云标注平台、以及大规模OCR数据采集及标注平台等方向完成重大升级，并完成包括4D点云标注、3D点云语义分割、交互式弹性框辅助标注、渐进式点云目标物智能标注等技术课题的攻坚与落地，整体上实现了一体化数据处理平台覆盖领域、处理能力的升级。

　　（3）训练数据生产层面，公司在多语种多模态训练数据设计技术、多模态多通道数据采集技术、数据同步技术、实时采集质控技术等方向形成新突破，与基础研究能力的不断增强、平台工具功能的持续提升等趋势相辅相成、互相促进、形成合力，共同推动公司的训练数据生产不断向智能化方向演进。

　　以上技术突破均将对更广泛人工智能数据服务产生积极影响。报告期内，公司新申请发明专利5项并均获受理，获得发明专利授权3项；新获得的软件著作权1项，均为原始取得。具体见第三节“管理层讨论与分析”二、“核心技术与研发进展”之“报告期内获得的知识产权列表”。

　　2.报告期内获得的研发成果

　　报告期内，公司新申请发明专利5项并均获受理，获得发明专利授权3项；新申请并获得登记的软件著作权1项，均为原始取得。截至2023年6月30日，公司共获得专利授权34项，获得登记的软件著作权164项。

　　3.研发投入情况表

　　4.在研项目情况

　　5.研发人员情况

　　6.其他说明

二、经营情况的讨论与分析

　　2023年上半年，是机遇与挑战并存的半年，一方面受益于大模型技术突破以及数据要素的不断拓展开放，人工智能产业迎来新一轮发展期，但另一方面，全球宏观经济波动明显，部分国内外科技企业进行阶段性裁员或业务方向调整，导致其AI研发预算收缩，客观上影响了订单释放进度。面对机遇与挑战，公司保持战略定力，进行稳健地开拓布局，在以智能驾驶为代表的新兴垂直领域，继续保持有竞争力的研发投入，通过打造具有前瞻性服务能力的数据处理平台，不断提升行业技术领先地位，并由此带动公司二季度整体境内收入实现回升；同时，公司在大模型、数据要素等新兴领域开展前瞻性研究、布局，探索公司潜在增长曲线，为公司长期健康发展奠定基础；此外，面对海外客户需求释放放缓以及数据出境相关政策的阶段性影响，公司积极应对，一方面通过进一步加大境外销售团队建设，以及营销体系布局等方式，增强客户触达；另一方面，通过聘请外部专业顾问团队以及积极参与数据要素的跨境流动试点合作等方式，积极准备数据出境安全评估事宜，降低对公司经营产生的潜在不利影响，全力推进全球市场业务正常运行。2023年1-6月，公司实现业务收入7,446.09万元，较上年同期下降35.13%；实现归属于母公司所有者净利润-1,724.14万元，较上年同期降低188.76%；扣非后归母净利润-2,310.46万元，较上年同期下降380.40%；经营性现金流净额-2,387.38万元，较上年同期减少2,043.84万元。截至报告期末，公司总资产为8.26亿元，归属于母公司的所有者权益为7.98亿元，分别较上年末降低5.81和3.82%。2023年上半年，公司具体经营情况如下：

　　(一)核心业务板块经营情况

　　1.训练数据全球化业务

　　2023年上半年，境外部分客户进行阶段性裁员或业务方向调整，导致其预算释放进度放缓，同时叠加数据出境相关法规落地实施的阶段性影响等多重因素，公司境外业务开展受到一定程度影响，境外业务收入同比下滑。

　　为更好应对境外市场挑战，公司从技术跟踪、品牌升级、体系搭建、营销推广等多维度提升业务及客户服务能力。报告期内，公司在前瞻性拓展多模态等数据业务的基础上，持续加强境外销售团队建设，进一步织密客户服务网络；同时，通过参与包括AI EXPO TOKYO、ICASSP、CVPR、ACL等全球知名顶会，以及布局搜索引擎、社交媒体等多类宣传渠道等方式，向全球市场展示公司先进技术实力及前瞻性产品积累，提升行业影响力，挖掘潜在销售机会。另一方面，公司聘请外部专业顾问团队编制出境风险自评估报告并协助企业办理数据出境安全评估申请事宜，帮助公司高效推动出境安全评估申请进程；同时，公司根据国家及北京市“数据二十条”相关要求，积极参与数据要素的跨境流动试点合作，并充分利用由相关政府部门牵头建设的数字贸易港、数字贸易试验区、数据跨境实验室和数据跨境服务平台等先行先试机制，探讨推进相关工作、拟逐步消除潜在不利影响。

　　2.智能驾驶行业数据服务业务

　　报告期内，得益于智能驾驶汽车销量以及渗透率持续攀升，智能驾驶相关数据需求呈现稳步增长态势。2023年上半年，凭借行业领先的技术平台以及优质的服务能力，不断获得客户认可，截至2023年6月30日，智能驾驶领域客户数量增长至70家，公司智能驾驶业务收入同比增长178.96%。

　　2023年上半年，为更好抢抓智能驾驶发展机遇，公司全方位布局和提升智能驾驶业务核心能力，通过持续跟踪前沿技术发展动态，前瞻性布局、迭代智能驾驶数据处理能力，并于5月正式发布全新升级的智能驾驶数据处理平台DOTS-AD，旨在进一步巩固加深行业护城河。该平台在实现智能驾驶应用场景以及各类传感器全覆盖的基础上，持续拓展前沿数据处理能力，截至报告期末，已具备3D点云语义分割、BEV（鸟瞰图）、300万大点云以及4D标注等各类行业前沿数据标注能力。此外，公司不断优化算法中台中枢能力，持续整合前沿计算机视觉算法架构，新增交通目标物检测等多种智能驾驶相关模型，不断提升算法在2D、3D和4D数据生产环节的强大赋能作用。随着大模型技术的突破性发展，公司也成功引入最新SAM开源模型，并基于数据预标注实际需求，对模型进行了优化升级，有效提升了2D语义分割项目中的降本增效能力。

　　3.大模型数据服务业务

　　大模型技术驱动人工智能产业进入黄金发展期，国内外科技巨头纷纷布局以大模型为核心的通用人工智能产业，数据作为驱动大模型发展以及差异化竞争的关键要素，重要性日益凸显，数据行业迎来了新的发展时期，并同时带来了更多类型、更高质量、更大规模的增量数据需求。报告期内，公司基于过往数据服务经验以及商务资源优势，已与国内众多知名大模型厂商开展业务合作，业务范围覆盖RLHF数据评分、Prompt改写、人机多轮交互等强化学习阶段数据需求。与此同时，为更好抢占大模型数据服务市场，报告期内，公司通过前瞻性研究，持续探索拓展大模型相关数据服务范围以及服务能力，例如，通过研究数据清洗技术、模型评测数据集设计技术等，进一步将数据服务拓宽范围至预训练以及模型评测阶段；同时，探索利用大模型技术，提升大模型数据的规模化生产效率，全面助力公司大模型业务的战略扩张。

　　(二)核心技术能力建设情况

　　2023年上半年，公司按照技术+产品双轮驱动的定位，不断提升技术和平台工具先进性、加大标准化数据集产品储备、增厚语音语言学基础研究领先性，持续巩固公司核心竞争力，并取得阶段性成果，报告期内公司核心技术进展如下：

　　1.算法及平台能力

　　报告期内，公司持续加大基础研发投入，进一步提升人工智能基础算法、一体化数据生产平台、前沿技术研发等领域能力，重点投入智能驾驶数据处理综合性平台及相关算法研发，同时前瞻性探索研究大模型数据服务领域，并形成了一些代表性成果：

　　1.1算法

　　智能语音领域，完成ModelScope框架接入、新增ASR模型30余个、语音识别算法支持语种数增至64个，大幅提升了算法的自动跳过率与降本增效能力。在计算机视觉领域，引入SAM、OneFormer、Yolo系列等有代表性的计算机视觉框架或算法，上线鱼眼语义分割算法，优化关键点检测、障碍物检测、停车位检测等多个智能驾驶场景下的模型，并新增超过8种不同场景的视觉类算法预处理技术。在大模型算法领域，针对大模型预训练数据集设计与处理技术进行初步研究和规划，并基于研究成果开展了CommonCrawl、中文书籍等适用于预训练阶段的数据的获取与清洗工作；开展大模型评测技术调研，完成基础框架设计，形成可行性结论。

　　1.2平台

　　全面提升一体化数据服务平台标注能力与自动化标注覆盖率，进一步拓展数据应用服务领域：

　　（1）全面升级智能驾驶标注子平台，重点完备标注工具对重建点云场景及高精地图场景下各类型标注能力，提升长连续帧追踪标注能力、全面优化大点云语义分割处理效率、优化2D+3D融合标注、点云BEV（鸟瞰图）、Freespace场景等标注交互体验超过60个功能点；大幅提升智能驾驶相关数据标注效率；

　　（2）持续升级一体化数据处理平台与算法训练平台无缝对接，提升涵盖语音、文本、图像、点云等各类型数据的自动预标注能力，提升实时交互式辅助标注与自动质检能力，升级平台算法灰度部署和智能调度功能等超过70个功能点，大幅提升平台自动化标注覆盖率与标注结果准确率；

　　（3）升级智能语音标注子平台，新增词典提取与标注、实体词标注二期、多语种韵律标注等语音合成相关数据处理共计20多个功能点，新增中文、日语、英文的字、词级别实时音频文本强制对齐算法接入，全面升级数据中心化管理、自动化质检与项目柔性管理功能，持续提升对公司多语种数据业务的支撑与标注效率和准确率的提升；

　　（4）在多语种语料设计领域，更新优化多语种语料设计平台，升级多场景多类型多人多轮长语料设计支持超过40个功能点。

　　通过上述投入，截至报告期末，公司已经取得32项发明专利、1项实用新型专利授权及1项外观设计专利授权，164项计算机软件著作权。同时，公司实质性地提升了自身的算法能力、工程化数据研发及生产能力，形成了更为合理、高效的人机协同智能化解决方案，持续降低训练数据开发成本，以AI赋能训练数据开发，以训练数据赋能AI产业发展。

　　2.标准化数据集产品

　　标准化数据集产品，是公司区别于众多竞争对手以定制化服务为主的特有商业模式，也是公司核心竞争力之一，标准化产品不仅可以更好服务于客户需求，同时由于产品本身的知识产权由公司享有，具有一次性研发生产、可重复多次销售的特点，因此可更好帮助公司实现未来可持续性销售、以及毛利空间提升。

　　为更好缩短AI产品研发周期以及降低研发成本，购入标准化数据集产品并完成模型训练的客户需求持续存在，因此公司持续进行前瞻性标准化产品研发投入，不断增厚数据集储备。截止报告期末，公司新增研发超160个训练数据集产品，自有知识产权的训练数据产品储备近1，500个，尤其在多语种及多音色语音数据集和发音词典、动作捕捉等多模态数据集、以及多语种OCR和手写体数据集等方面积累了更丰富的标准化产品资源。

　　截止报告期末，公司已向下游客户提供了累计约近7000次/个定制或标准化训练数据集，可覆盖生活交流、客服、家居、行车、办公、普通环境、噪声等多种特定场景中的语言现象和视觉呈现，构建成独具特色的训练数据资源及服务能力集群，并已应用于个人助手、语音输入、智能家居、智能客服、机器人、语音导航、智能播报、语音翻译、移动社交、虚拟人、智能驾驶、智慧金融、智慧交通、智慧城市、机器翻译、智能问答、信息提取、情感分析、OCR识别等19类创新应用领域，赋能人工智能技术与实体经济的深度融合。

　　3.语音语言学能力

　　随着全球化扩张成为头部企业收入持续增长的重要引擎，多语种数据的作用和价值更加凸显。为更好满足客户多语种拓展需求，公司持续保持语音语言学研究力度，在语音语言学基础研究方面，公司不断丰富合作语言学家团队资源，成员遍布世界各地的学校及研究机构，在语音语言学领域具备丰富经验和技术储备。此外，公司建立了成熟的发音词典构建流程，截至报告期末，已积累下超过120个语种/方言的发音词典，覆盖希伯来语、乌尔都语、缅甸语、阿姆哈拉语、普什图语、阿尔巴尼亚语、格鲁吉亚语等小语种，累计词条数超过1,100万条，可支撑构建高质量的智能语音、多语种OCR及手写体训练数据。截至报告期末，公司已经拥有超200个语种/方言的覆盖能力，不仅包括含英、法、德、意、西、日、韩等常见外语种，还包括东南亚、一带一路等国家地区的罕见小语种，尤其在亚洲小语种、中东欧小语种的服务上具备竞争优势，同时也是公司的主要壁垒及核心技术之一。

　　(三)其他综合能力建设情况

　　1.数据安全及合规

　　2022年年末，《中共中央、国务院关于构建数据基础制度更好发挥数据要素作用的意见》（“数据二十条”）正式发布，明确了包括“建立保障权益、合规使用的数据产权制度”、“建立安全可控、弹性包容的数据要素治理制度”等在内的数据基础制度建设方向。2023年上半年，中央和地方配合数据二十条出台了一系列法规、政策，同时，《生成式人工智能服务管理暂行办法》等人工智能领域法规出台，都对企业的数据安全水准和能力提出了更高要求，同时也为企业在数据要素、人工智能等领域的发展提供了新的机遇。

　　公司一直以来非常重视数据安全管理以及相关能力的提升，并将其作为把握新发展机遇所必须练好的“基本功”。2023年上半年，公司在数据安全方面取得了多项工作成果。公司副总经理李科因其贡献荣获中国信通院“数安智库”2022年度优秀专家，并继续入选该智库专家，为人工智能领域数据安全管理建言献策。公司积极参与行业发展，入选《人工智能数据标注平台技术要求和测试方法》核心参编单位，数据安全能力获得广泛认可，并受到《人民日报》、《北京日报》等权威媒体的报道和关注。

　　公司也一直坚持统筹安全与发展并重的原则，在守住安全合规底线的前提下积极拓展包括数据跨境流通在内的数据要素业务。

　　2.供应链体系

　　2023年上半年，公司持续优化和改进供应链管理体系，通过完善精细化、线上化管理方式，进一步提升供应链运作质量和效率，降低成本和风险，增强公司的核心竞争力。在供应链精细化、线上化管理方面，公司采用数字化和智能化手段来优化供应链管理效率；通过数据分析和挖掘，更精准地了解供应链的运作状况，并据此做出决策；同时公司对供应商资源池进行了进一步的标签体系验证，以帮助公司实现更精准的供应链资产管理，提高成本控制能力和资源利用效率。

　　3.人力资源

　　2023年上半年，公司完成了股权激励计划的首次归属，近百名核心员工参与其中，达到组织士气提振和有效激励效果。同时，公司通过体系化的绩效管理方式，落实销售和生产体系的绩效改革，优化薪酬结构与业绩达成的牵引作用。此外，公司通过全局的人才盘点和360°领导力评价，对公司组织和人才的资源情况进行有效梳理，并衍生出人才储备、梯队培养、能力建设的一系列规划与动作，不断优化组织效能和人才发展环境。

三、风险因素

　　（一）业绩大幅下滑或亏损的风险

　　报告期内，受宏观经济波动，市场竞争较为激烈以及数据出境相关法规落地实施所带来的阶段性影响，公司部分业务进度或将放缓。如果公司收入增长无法覆盖持续加大的人工投入及期间费用支出，公司业绩存在下滑或亏损的风险。

　　（二）核心竞争力风险

　　1.核心技术快速迭代的风险

　　由于人工智能行业整体发展较为迅速，应用领域和应用场景不断拓展，下游需求随着行业发展不断发生变化，公司进行数据开发所需的各项技术也面临着快速迭代更新的风险。如果公司无法保持对行业发展趋势的洞察能力以及对研发人才的有效组织和研发经费的经济投入，则可能导致公司在行业技术快速迭代过程中无法持续保持技术先进性和技术优势，进而对公司的客户拓展、产品创新和经营业绩造成不利影响。

　　2.核心技术人员流失风险

　　随着行业的持续发展，行业内企业之间对于高端人才的竞争日益激烈，如果公司无法持续加强核心技术人员的培养及引进并为核心技术人员提供有竞争力的激励机制和薪资待遇，则将存在核心技术人员流失的风险，公司的技术水平、研发能力也将受到不利影响。

　　3.核心技术失密风险

　　公司的数据产品和服务均以核心技术为基础。公司制定了严格的保密制度并严格执行，但上述措施仍无法完全避免公司核心技术的失密风险。如果公司相关核心技术的内控和保密机制不能得到有效执行，则可能导致公司核心技术失密的风险。

　　4.训练数据标准化产品无法实现授权销售的风险

　　公司根据对算法模型应用领域、行业发展趋势、市场需求等的评估和研判，自行设计并开发多种训练数据集标准化产品，开发完成后根据客户实际需求进行销售，授权给客户使用。在该种业务类型下，公司开发训练数据集产品，承担开发费用，并拥有训练数据集产品的知识产权。如果公司开发的训练数据集产品不能满足下游客户对训练数据的要求，则可能存在无法实现授权销售的风险，进而对公司未来的经营业绩产生不利影响。

　　5.数据安全相关风险

　　公司主要从事训练数据的研发设计、生产及销售业务，所提供的产品和服务主要以数据的形式体现。一方面，随着公司业务的快速发展和规模的持续扩张，原料数据采集与数据加工的数量持续增长;另外一方面，包括《数据安全法》、《个人信息保护法》、《生成式人工智能服务管理暂行办法》等在内的与数据安全、个人信息保护相关的法律规章体系正逐步完善。公司如果未能按照法律规章或客户的更新要求及时调整现行业务开展方式、公司的数据安全管理体系研发升级未能跟上业务发展的需要、或客户未能遵守训练数据产品保护相关商业约定，则公司可能产生诉讼纠纷或面临生产经营不符合法律规章的要求、训练数据产品被泄露、盗版等数据安全相关风险。

　　同时，《数据出境安全评估办法》等法律法规加强了对境内收集或产生的个人信息数据的跨境行为的规制。如果将来公司未能根据《数据出境安全评估办法》的要求及时履行相应的安全评估申请程序，公司开展的属于该办法限定范围内的境外业务将受到一定程度的影响。

　　（三）经营风险

　　1.收入主要来自老客户，新客户收入占比较低的风险

　　报告期内，公司收入主要来自老客户、占比达到83.52%，新客户收入占比较低。公司正致力于维护老客户、拓展新客户，若老客户降低对公司产品、服务的采购量或公司未能维持与老客户的合作关系，则公司的经营情况将受到不利影响；若新客户拓展情况不达预期，则公司的经营情况也将受到不利影响。

　　2.新业务拓展风险

　　随着人工智能行业持续快速地增长，下游客户对高质量、结构化、大规模训练数据的需求将持续增加。公司能否紧跟下游需求变化，加深对下游行业基础技术的理解并开发出更多的业务机会，一方面受到行业发展状况、市场需求变化以及市场竞争状况等因素影响，另一方面也取决于公司对于下游众多新领域新场景的理解认知以及合作拓展能力等诸多因素。因此，公司新业务的开拓可能不及预期或者遇到其他不利因素，进而对公司未来的经营业绩产生不利影响。

　　3.采购成本上升风险

　　报告期内，公司进行采购原料数据采集、标注所支付的数据服务费占全年与主营业务相关的采购总额的比重较高，达到73.45%。随着城乡生活成本的持续提升，前述采购价格可能存在持续上升的趋势，若公司的技术发展带来的效率提升无法抵消前述采购成本上升的影响，可能会对公司的经营业绩带来一定不利影响。

　　（四）行业风险

　　1.市场竞争加剧的风险

　　公司所在的细分领域为AI基础数据服务领域。近年来，参与该行业的公司不断增多，由于整体行业较新，行业标准和法律监管仍处于规范阶段，因此整体行业目前处于高速发展且格局未定的状态，导致市场竞争加剧。公司如果不能持续有效地制定并实施业务发展规划，则将受到竞争者的挑战，从而面临市场竞争加剧而导致的经营状况下滑、市场地位下降和可能失去主要客户的风险，进而影响公司的盈利能力和发展潜力。

　　2.业务发展受下游人工智能领域发展状况影响较大的风险

　　公司主要为AI产业链上的各类机构提供算法模型开发所需的训练数据，服务于下游人工智能行业发展。公司的经营情况、业务发展与下游人工智能领域的发展状况息息相关。若未来人工智能领域景气度下降，或因技术更迭使得对训练数据的市场需求发生变动，将对公司业绩产生较大影响。

　　（五）宏观环境风险

　　1.经营业绩受税收优惠政策影响较大的风险

　　报告期内，公司享受了增值税即征即退、高新技术企业和研发费用加计扣除等一系列税收优惠，经营业绩受税收优惠政策影响较大。如果未来公司所享受的税收优惠政策出现不利变化，或者公司不再符合税收优惠的条件，则公司将无法持续享受税收优惠或存在所享受的税收优惠减少的可能性，并进而对公司未来经营业绩和现金流水平造成不利影响。

　　2.汇率波动风险

　　海天瑞声作为一家面向全球的训练数据服务商，拥有数量众多的境外客户，遍布美国、韩国、日本等各地区，报告期内公司境外收入占比为39.12%，该等收入使用外币进行结算，并受人民币汇率水平变化的影响。人民币汇率可能受到国内外政治、经济环境等因素的影响，存在波动风险，进而对公司的经营业绩产生不利影响。

　　3.中美贸易摩擦风险

　　公司产品和服务的主要出口地包括美国、日韩等国家或地区。报告期内，公司出口美国的营业收入占当期公司营业收入的比重为27.81%。公司相关境外业务始终严格遵守中国及他国法律。但国际局势瞬息万变，近年来中美贸易摩擦不断，如果中美双方出台新的贸易保护主义措施，可能会影响美国市场相关客户将数据提供给公司用于标注，减少与公司进行训练数据方面的业务合作，公司相关业务可能会受到约束，将会对公司的生产经营产生不利影响。

　　（六）其他重大风险

　　1.实际控制人控制不当的风险

　　截止报告期末，贺琳直接持有公司1,213.76万股股份（占总股本的20.12%），并通过控制中瑞安间接控制公司693.58万股股份（占总股本的11.50%），合计控制公司31.62%的股份，为公司实际控制人。

　　如果实际控制人利用其控制地位，通过行使表决权或其他方式对公司财务管理、人事、发展战略、经营决策等重大事项施加不利影响，其他股东的利益可能受到损害。