海天瑞声（688787）2026年半年度管理层讨论与分析

证券之星消息，近期海天瑞声（688787）发布2026年半年度财务报告，报告中的管理层讨论与分析如下：

发展回顾：

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

    1.1行业的发展阶段、基本特点

    （1）政策、技术、应用协同共振，全球AI产业迈入高速发展新阶段

    当前，全球人工智能产业正处于历史性拐点，政策、技术与应用的三重共振正推动行业进入高速增长通道。

    政策层面，主要经济体竞相加码。中国国务院于2025年8月印发《关于深入实施“人工智能+”行动的意见》，明确提出到2027年新一代智能终端、智能体等应用普及率超70%，至2035年全面迈入智能经济与智能社会时代，标志着我国AI产业进入“规模化提升”阶段。美国在“星际之门”计划（5000亿美元基础设施投资）基础上，相继推出“美国AI行动计划”与“创世纪计划”，持续扩大领先优势。欧盟于2025年4月发布《人工智能大陆行动计划》，聚焦算力、数据、应用、人才与法规五大领域，计划在2021-2027年间投资超100亿欧元建设AI工厂。

    技术层面，革命性突破持续涌现。以DeepSeek为代表的开源模型将API调用成本降低90-95%，大幅降低应用门槛。同时，多模态大模型（如GoogleDeepMind的GeminiOmni与Gemini3.6Flash、OpenAIGPT-5.5、阿里Qwen3.7-Plus等）不断拓展能力边界，实现从文本、图像、音频到视频的全模态统一理解与生成，推动AI向更接近人类的全维度认知能力迈进。此外，AIAgent凭借自主任务规划、动态决策与闭环执行能力，实现从“被动响应指令”向“主动解决复杂问题”的跨越，正成为驱动产业变革的核心力量。

    应用层面，技术平权加速AI向千行百业渗透。大模型正向金融、医疗、制造等核心领域深度赋能，智能风控、智慧医疗、智能制造等应用场景持续丰富，推动各行业效率提升与模式创新。

    总体来看，在政策引导、技术迭代与商业落地的正向循环下，全球AI产业正加速迈向规模化、价值化发展的新阶段，迎来前所未有的战略机遇。根据国际数据公司（IDC）的数据，预计全球人工智能(AI)IT总投资规模在2028年增至8159亿美元，2024年至2028年复合增长率(CAGR)为32.9%。

    中国作为全球科技大国，深度受益AI技术发展。根据艾瑞咨询的数据，2024至2029年中国AI产业将保持32.1%的年均复合增长率，在2029年突破1万亿的市场规模。

    （2）训练数据作为AI发展的“燃料”作用更加凸显，成为大模型竞赛中的重要决定因素

    算法、算力、数据是AI三大核心要素。当前，产业正经历从“以模型为中心”向“以数据为中心”的范式转变。算法端，主流大模型纷纷开源，技术壁垒持续降低；算力端，以DeepSeek为代表的架构创新大幅降低了训练成本，算力不再构成发展瓶颈。在此背景下，训练数据的重要性被进一步放大，从“辅助燃料”升级为“核心引擎”。

    高质量数据直接决定模型能力上限，能显著提升推断可靠性并减少幻觉现象。当前，大模型发展正面临严峻的“数据墙”——高质量数据短缺已成为AI规模化落地的关键制约。业内普遍反映，诸多行业大模型未达预期，根源在于数据基础薄弱。因此，数据已成为各国发展AI产业的关键胜负手。

    根据Cognilytica数据统计显示，预计2027年全球AI训练数据市场规模将增长到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，对高质量训练数据的需求持续攀升。国务院《关于深入实施“人工智能+”行动的意见》及国家数据局相关方案明确提出，将持续加强高质量数据集建设，重点布局多模态、具身智能、推理思维链及长视频数据等方向。在产业和政策双轮驱动下，中国AI基础数据服务市场进入加速增长通道。

    根据艾瑞咨询的数据，2024年中国人工智能基础数据服务市场规模为58亿元，2028年规模将达到170亿元，年复合增长率为30.84%。

    （3）数据要素价值加快释放，数据产业已成为数字经济发展新增长点

    a.政策驱动持续加码，数据制度不断完善

    国家数据要素市场化配置改革已进入系统深化阶段,国家数据局进一步明确将2026年定调为“数据价值释放年”，制定推进行业高质量数据集建设行动的实施方案，联合开展“模数共振”行动。加强高质量数据建设，持续支撑人工智能创新发展。2026年6月，国家数据局印发《关于推进行业高质量数据集建设行动的实施方案》，围绕行业高质量数据集供给、流通、应用等关键环节，部署强基扩容、标注攻坚、提质增效、应用赋能、管理服务、价值释放六个专项行动，形成“场景牵引数据、数据驱动模型、模型赋能应用、应用创造价值”的“数据飞轮”，加快构建数据要素与人工智能协同演进的共生生态。

    b.市场活力加速迸发，产业布局多点开花

    在政策与需求双重驱动下，数据要素市场规模稳步扩大。高质量数据集已经成为人工智能快速发展的关键“燃料”，国家数据局推动成都、长沙、保定、沈阳等7个城市率先开展承接国家数据标注任务城市建设，先行先试探索产业发展经验，随后，呼和浩特、武汉、南宁等新一批城市也陆续开展强基扩容、标注攻坚、应用赋能等数据标注产业攻坚行动，积极推动探索数据标注创新试验区建设。“人工智能+”行动到哪里，高质量数据集的建设和推广就到哪里的发展势头强劲。国家数据局会同高质量数据集建设链主单位、先行先试单位，围绕科学研究、工业制造、农业农村、具身智能、低空经济等领域，分类推动高质量数据集建设。截至2026年6月份，140家先行先试单位建成高质量数据集超106PB。72家行业链主单位建成高质量数据集超45PB，覆盖高价值场景超759个。

    c.技术创新持续突破，流通底座日益夯实

    核心技术迭代持续赋能数据要素市场化。数据标注领域，大模型辅助自动化标注、生成式AI融入标注流水线，推动人机协同智能化升级，2025-2026年全球数据标注解决方案市场年复合增长率达24.3%。可信数据空间建设进入规模化实践阶段，首批遴选的63个国家级试点项目已全面启动，覆盖国民经济32个行业大类，服务900余个具体应用场景，吸引了近7万家市场主体参与，数据流通利用的基础设施体系正在加速完善。数据要素的流通与利用成本持续降低，技术创新正为数据要素市场化配置构筑起日益坚实的支撑体系。

    综上，数据要素正从支撑性资源转变为基础性生产要素，政策、市场、技术协同推进，深度融入企业经营与产业升级，将成为未来十年最重要的新兴生产要素之一。

    （4）训练数据领域的未来发展趋势

    随着DeepSeek、Kimi、Gemini等成为现象级应用，以及AI手机、具身智能等终端加速落地，大模型技术正驱动数据需求发生深刻变革。

    a.多模态大模型成为主流，驱动多模态数据需求爆发式增长

    大模型正从单模态向多模态范式加速演进。多模态技术的本质在于跨模态信息融合，即通过协同处理文本、图像、音频、视频等不同形式的数据，使AI具备更接近人类的全维度认知能力。这种演进解锁了诸如视觉问答、跨模态生成、智能语音交互等复杂场景的应用潜力。以视觉问答为例，系统需同时解析图像中的视觉和文本信息，并通过模态对齐与知识推理生成准确回答。这一过程的实现，依赖于海量高质量的图文对数据。数据服务商需构建覆盖多样化场景的问答对，通过模拟现实中的视觉推理逻辑，训练AI建立视觉-语言联合表征能力。实践证明，数据质量与多样性直接决定多模态模型的能力上限。随着多模态数据生态的完善，AI的感知与认知能力将实现新跨越。

    b.大模型从“规模驱动”转向“推理驱动”，思维链（CoT）数据成为关键突破口

    随着模型参数量逼近实用天花板，传统ScalingLaw的边际收益正在递减。单纯堆算力与参数已难以解决逻辑、数学等复杂推理任务，行业正加速向“推理驱动”范式转型——让模型从直觉式“快思考”转向逻辑式“慢思考”。

    DeepSeek系列模型的推出验证了这一路径的可行性。其核心创新在于思维链（Chain-of-Thought,CoT）技术：通过将复杂问题拆解为多步可追溯的推理步骤，得以模拟人类的分步思考过程，显著提升逻辑一致性与答案可解释性。这一技术突破使CoT数据从“可选项”变为“必选项”。

    对于数据服务商而言，CoT数据的供给能力将成为衡量专业水准的关键标尺。率先建立专家标注体系、掌握复杂推理数据生产方法论的企业，将在大模型下一阶段的竞争中占据核心生态位。

    c.从通用到垂直，高质量行业数据需求显著提升

    DeepSeek等开源模型的高性能、低成本加速了AI应用普及，推动AI从通用助手向行业专家和AIAgent演进。医疗、法律、金融等垂直领域对专业数据的需求激增：医疗大模型要求标注人员具备医学知识，法律模型需理解法条与判例逻辑。同时，AIAgent需要理解用户指令并执行订餐、行程规划等复杂任务，对多轮交互、任务拆解类数据提出新要求。对于数据服务商而言，上述变化意味着核心竞争力正在重构：不再仅仅是“数据产量”的比拼，更是行业理解深度、专家资源网络、复杂任务拆解能力的综合考验。能够为垂直领域提供“数据+知识”一体化解决方案的企业，将在AI产业深水区占据不可替代的位置。

    d.具身智能浪潮来袭，数据供给瓶颈亟待突破

    具身智能被广泛视为通往AGI的关键一跃。与纯软件AI不同，具身智能要求模型理解并交互于真实物理世界——这一跨越带来了根本性的数据挑战。

    2026年被业界称为具身智能数据元年，具身智能行业正从算法驱动转向数据驱动，高质量数据正成为行业竞逐的基础性战略资源。行业竞争焦点已转向数十万至数百万小时级真实物理交互数据的获取能力。据行业统计，截至2026年初，全球高质量真实物理交互数据总量仅约50万小时，距目标缺口超95%。

    当前，行业依赖以下几种数据来源：互联网开源数据集（规模有限，仅百万级）、虚拟合成、动作捕捉、第一人称视角（如头戴相机记录人类操作）、UMI（通用操作接口）、真机遥操。虚拟合成数据虽可批量生成，但“仿真到现实”的差距始终存在——物理引擎无法完美模拟摩擦力、形变、光照变化等复杂因素。真机遥操采集（如人类通过VR设备远程操控机器人）能产出最高质量的数据，但单条数据采集成本高达数十元，难以快速规模化。目前，混合式数据策略成为行业共识，即用第一人称视角、UMI数据、虚拟数据等进行预训练、用真实数据精调。

    对于数据服务商而言，具身智能是一个全新的蓝海市场。当前行业仍处于“数据荒”阶段，率先建立物理世界数据采集、以及仿真数据能力的数据服务企业，将在具身智能时代占据更强的先发优势。

    e.数据安全法规密集落地，合规能力成核心竞争力

    近年，《数据安全法》《个人信息保护法》《网络数据安全管理条例》等法律法规相继实施。

    2026年上半年，国家进一步强化数据出境安全、生成式AI内容标识等要求，修订了《网络安全法》《个人信息出境认证办法》并生效实施、出台了《个人信息出境认证办法》《人工智能拟人化互动服务管理暂行办法》《网络数据安全风险评估办法》。对于数据服务企业，数据安全与合规能力已成为核心评价维度。能够持续跟踪法律变化、建立成熟安全管理体系、坚持发展与安全并重的企业，将具备更强的市场竞争力。

    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

    随着大模型训练从“以模型为中心”转向“以数据为中心”，头部客户群体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、合理的人机协同。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，多模态数据、CoT数据、具身智能数据等新型数据类型的涌现，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落地并向更多垂直场景渗透，同时受中国企业出海需求、国外企业全球拓展两方面支撑，客户在多语种、多音色等方面的需求持续提升。多语种数据标注需兼顾发音、语法及文化背景差异。此外，情感标签、语调标记、韵律特征等细粒度语音标注需求日益增加，要求数据服务商在音素集构建、发音词典编制、跨语种迁移学习等基础研究领域具备深厚积累。只有在这一领域长期投入、具备系统性语音语言学研发能力的服务商，才能满足客户在多语种、多场景下的多元化数据需求。

    因此，市场上仅有极少数企业通过长期自主研发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。

    （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。

    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、海康威视、字节跳动、微软、亚马逊、三星、中国移动、中国科学院、清华大学等国内外客户的认可，应用于其研发的具身智能、智能手机、视频生成、智能音箱、智能驾驶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近1300家，覆盖了科技互联网、社交、IoT、具身智能、智能驾驶、大模型等领域的主流企业，以及政企、教育科研机构。

    （三）主要产品及服务情况

    1.主要产品及服务按业务类型分类

    公司研发、生产的训练数据覆盖了智能语音、计算机视觉及自然语言处理三大AI核心领域，广泛应用于算法模型的开发、训练、优化、应用场景拓展等环节。此外，公司还提供与训练数据相关的应用服务。

    （1）智能语音

    人工智能在语音领域的应用技术主要包括语音识别、语音合成等。

    语音识别（AutomaticSpeechRecognition，ASR）是让机器能够“听懂”人类语音的技术，它能使机器自动将语音信号转换为对应的文本信息。

    语音合成（TexttoSpeech，TTS）是让机器能够“说出”人类语音的技术，它使机器能将文字信息转化为流畅的语音“朗读”出来，相当于给机器安上了人工嘴巴。

    以日常生活中的情景为例，语音输入法、即时通讯软件运用了语音识别技术将用户输入的语音实时转换为文字，实现了软件“听懂”语音并“听写”出文字的效果；而地图、导航软件则运用语音合成技术，实现了软件“发声说话”的效果，为用户提供即时语音导航。

    公司通过设计（设计训练数据集结构、供发音人朗读录制的语料文本或对话场景、发音人分布、录音设备场景等）、采集（定义合适的发音人、选取录音设备及软件、组织发音人朗读录制音频）、加工（对音频文件进行切分、标注各类声音特征，形成带时间戳和特征标签的文本和标注文件等）、质检（对数据集进行质量检测，如音字一致性、标注准确率检查等）等训练数据集生产环节；或者针对客户提供的原料音频文件执行加工、质检工作，最终形成客户所需的智能语音训练数据集。

    （2）计算机视觉

    计算机视觉（ComputerVision，CV）是使机器具备“看”的功能的技术，它使得智能驾驶、智能家居、手机、安防设备等机器能够代替人眼对目标进行识别、跟踪和测量等。

    以日常生活中的情景为例，在汽车的自动驾驶功能中，计算机视觉技术使得汽车能够“看见”并识别行车过程中的各种行人、路况场景，为后续作出相应的反应奠定基础；在机场、车站安检中，计算机视觉技术使得人脸识别设备能够识别被检验人员是否为其出示的身份证件显示的人员。

    公司通过设计训练数据集结构、采集（如定义合适的人脸、动作、场景作为采集对象，组织被采集人按照要求拍摄照片、录制视频等）、加工（对图像、视频文件进行打点、拉框、分割标注等）、质检（对数据集进行质量检测，如检验图片、视频文件格式是否正确，检查光照环境、物体种类的数量是否达标，打点标框的准确率是否符合要求等）；或者对客户提供的图像、视频文件执行加工、质检工作，最终形成客户所需的计算机视觉训练数据集。

    （3）自然语言处理

    自然语言处理（NaturalLanguageProcessing，NLP）是使机器能够像人一样理解语言意图的技术。

    以日常生活中的情景为例，寄送快递时使用的“智能填写”功能即运用了自然语言处理技术，在输入框中填入整段联系信息，软件应用能够理解语义，并从中识别及提取“收件人”、“联系方式”、“地址信息”等所需信息，完成自动填写；智能客服、聊天机器人等人机交互程序也运用了自然语言处理技术，使得程序、机器能够读懂人类语言的真正意图，并相应做出反应、提供服务等。

    公司通过设计训练数据集结构、采集（收集或编写自然语言文本、对话等数据信息）、加工（对自然语言文本数据进行单词分割、词性标注、语义语法标注、情感属性标注等）、质检（对数据集进行质量检测，如检验文本、词性或者语义的标注结果是否准确等）；或者对客户提供的自然语言文本执行加工、质检工作，最终形成客户所需的自然语言训练数据集。

    （4）训练数据相关的应用服务

    公司开放基于多年行业经验打磨的数据处理工具集及平台，提供包括公有云访问、私有化部署及SaaS化服务的多种能力，满足产业链上各类企业对于数据处理工具及平台能力的需求。

    公司基于自身生产的训练数据提供算法相关的模型训练服务、模型评测服务及模型应用服务，运用训练数据研发能力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应用场景的专属算法模型，提高AI技术应用效果。

    前述产品、服务均以公司生产的专业训练数据集为核心或基础。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。

    成品训练数据集主要由数据文档、说明文档、技术文档三部分构成。以智能语音训练数据集为例，成品训练数据集包含原始采集形成的音频文件、与音频文件对应的带有时间戳的标注文件，训练数据集相关的设计文档、训练数据集说明，发音词典，数据集参数信息文件等。

    2.主要产品或服务的终端应用场景

    公司提供的高质量、大规模、结构化的训练数据，为算法模型的训练拓展提供了可靠的训练素材，助力AI技术实现实践应用及商业化落地，赋能AI技术与实体经济深度融合。公司提供的训练数据广泛应用于众多主流AI产品及终端应用的训练过程中，覆盖了具身智能、个人助手、语音输入、内容生成、智能家居、语音导航、智能客服、智能播报、语音翻译、移动社交、虚拟人、智能驾驶、智慧医疗、智慧教育、智慧交通、智慧城市、智慧金融、机器翻译、智能问答、信息提取、情感分析、OCR识别等多种应用场景。

    （四）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：公司基于积累的训练数据和多年行业经验提供数据处理工具集及平台服务、算法相关的模型训练、模型评测及模型应用服务，通常以软件授权或软硬件一体化形式交付平台产品、算法模型拓展、开发成果等，获取让渡资产使用权收入和技术服务等收入。

    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

    公司开放基于多年行业经验打磨的数据处理工具集及平台，提供包括公有云访问、私有化部署及SaaS化服务的多种能力，满足产业链上各类企业对于数据处理工具及平台能力的需求。公司基于其生产的训练数据提供算法模型相关的训练、评测及应用服务，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应用场景（例如特定行业、特定口音等）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

    公司实行集中采购与分散采购相结合的采购管理模式，建立了规范的采购管理制度与供应商管理体系。

    按照采购对象区分，公司的采购主要包括业务项目采购和公司常规采购，按照采购品类进一步划分为数据服务采购、岗位服务采购和其他品类采购。

    数据服务采购：指语音识别采集、语音识别转写、语音合成、自然语言处理、图像视频处理、智能驾驶、具身智能领域等公司主要业务的原材料数据以及原材料数据加工服务采购，主要包括非核心技术环节的原料数据采集、标注服务等。

    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。

    其他品类采购：（1）常规货物类采购，涵盖日常运营中所需的办公家具、计算机、服务器、办公用品等有形物资；（2）无形资产类采购，包括数据生产、研发活动所需专用平台、专用软件等；（3）日常运营服务类采购，包括云服务、审计服务、差旅服务等。

    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，形成权责清晰、流程规范、监督有效的采购管理体系，并与主要的供应商形成了良好稳定的长期合作关系，为公司持续健康发展提供坚实可靠的供应链保障。

    4.营销模式

    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。公司以高质量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。

    二、经营情况的讨论与分析

    2026年上半年，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外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。

    上述业务协同增长，共同推动公司2026年上半年营业收入、归属于母公司所有者的净利润、归属于母公司所有者的扣除非经常性损益的净利润实现稳步增长。

    报告期内，公司实现营业收入1.92亿元，较上年同期增长22.45%；归属于母公司所有者的净利润977.29万元，较上年同期增加156.87%；归属于母公司所有者的扣除非经常性损益的净利润为898.47万元，较上年同期增加813.52%；经营性现金流净额70.92万元，较上年同期增加3446.05万元。截至报告期末，公司总资产为9.16亿元，较期初增加6.41%；归属于母公司的所有者权益为7.31亿元，较期初减少1.47%。2026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.境外业务

    2026年上半年，全球多模态大模型技术持续深化，海外人工智能产业保持技术迭代与商业化落地态势，行业高质量发展趋势明确。海外头部科技企业持续推进大模型技术迭代与场景商业化落地，但受境外客户算法迭代需求结构性调整影响，当期集中采购订单体量同比阶段性回落，使得公司本期境外营业收入同比有所下滑。目前，海外市场发展已从早期规模化数据储备阶段，迈入精细化、场景化、高频迭代的高质量数据驱动新阶段，客户更加聚焦垂直场景高精度数据、定制化专项数据集的迭代打磨，标准化通用类数据采购需求阶段性收缩。公司始终坚守全球化发展战略，持续深耕海外市场布局，依托长期积累的多模态数据技术优势与成熟合规的交付体系，持续推动与全球头部客户的深度合作。东南亚交付基地运营体系持续保持有竞争力的本地化服务能力、合规交付能力。同时，公司持续夯实北美、欧洲、日韩区域本地化服务团队建设，积极参与全球顶级AI学术会议，持续强化国际化技术品牌影响力，持续完善全球化交付与服务体系，全面适配海外AI产业高质量、精细化的发展趋势，为后续海外业务稳步修复与长效发展夯实核心能力底座。

    2.境内业务

    2026年上半年，国内人工智能产业化落地进程持续提速，互联网科技、政府与国央企、智能驾驶等多类客户AI需求集中释放、同步发力，推动公司境内业务实现高速增长，报告期内境内营业收入同比增长69.18%。随着大模型出海竞争加剧及多模态交互体验需求提升，互联网科技大厂在多语种语音识别、高自然度语音合成等维度投入持续加大，公司充分发挥自有知识产权数据集的积累优势和专业数据采标能力，深度嵌入客户模型训练全数据链路，全面支撑客户大模型全球化布局与交互体验的迭代升级。政府与国央企层面，在国家数据要素市场化、可信数据空间建设政策持续深化的背景下，各地加快推进可信数据空间体系搭建，为公司政府类业务带来规模化、持续性增量需求；同时以运营商为代表的国央企持续加码多模态基座模型研发与垂直场景应用落地，带动相关训练数据需求持续扩容。智能驾驶数据领域受益于车型智能化渗透率快速提升及高阶自动驾驶算法规模化落地，已进入高速发展窗口期。针对下游客户对舱外智能驾驶训练数据量级与复杂度的大幅攀升，公司依托高质量、合规化的数据采标服务，精准匹配车厂、智能驾驶技术公司等量产研发与迭代需求，驱动该领域业务实现持续增长。

    (二)核心技术能力建设情况

    2026年上半年，按照技术+产品双轮驱动的定位，公司继续保持有竞争力的研发投入强度，不断提升技术和平台工具先进性、在大模型数据处理技术方向进行积极探索储备、巩固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。报告期内，公司研发费用共计2797.30万元，占当期营业收入的14.58%。截至报告期末，公司研发人员数量为56人。

    1.算法及平台能力建设、大模型数据处理技术持续探索储备

    报告期内，公司持续保持大规模基础研发投入，重点提升人工智能基础算法、一体化数据处理平台及前沿技术研究等领域的核心能力，持续推动大模型数据服务的迭代升级，并形成了一定的代表性成果：

    1.1算法

    公司在智能语音、计算机视觉、自然语言处理等领域的预标注算法上持续深耕布局，同时，在面向智慧文旅场景的多模态大模型能力研究、面向数字人场景的基础能力研究、智能驾驶、大模型训练数据自动化标注、面向语音及多模态场景的数据自动化清洗、面向中文方言的语音识别大模型等垂直领域取得显著进展。面向智慧文旅场景的多模态大模型能力研究主要包括：AI眼镜伴游场景的目标检测与分类算法、文旅场景实时交互数字人算法、LLM与ASR大模型推理适配及国产服务器部署。面向数字人场景的基础能力研究主要包括：实时交互图片数字人、视频数字人算法的研发和国产服务器部署，推理速度较基线提升200%；智能驾驶主要聚焦在具身智能3D点云语义分割、3D矩形框预测、连续帧稳定分析、车载视频动作采集与自动切分等；在大模型训练数据清洗与自动化标注研发领域内，研发多语种OCR、文本过滤、敏感信息脱敏、翻译质量评分等语料自动化清洗算法，研发覆盖多语种与多垂类领域适配的OCR算法矩阵，完成10+个语种TN转换等多种语料清洗pipeline搭建与优化；针对语音大模型训练数据，完成语音数据自动化清洗pipeline的进一步升级，融合说话人聚类、多引擎协同识别、多语种句意切分、长音频织布机等10+种模型算法，构建了多个适配不同垂类清洗任务的自动化pipeline，可满足90%以上的语音自动化清洗与标注需求；针对中文方言领域，持续完善面向中文方言的语音识别大模型Dolphin-CN，在21个方言测试集上取得1B以内新SOTA，完成双模式热词增强、多级多卡分布式训练、SDK重构与多芯片适配，并取得预期效果。

    1.2平台

    公司持续在数据处理平台进行规模化投入，重点提升语音、视觉等核心领域的数据采集、数据清洗及数据标注环节处理效率。同时，为完善产业生态布局、增强内部管理效率，公司持续完善多个人工智能数据服务及生产平台，具体情况如下：

    智能语音平台：创新落地音频选区记错与自动剪辑功能，支持标注人员在线标记无效语音段并自动剔除，无需手动输入时间戳，省去后期人工剪辑环节，大幅降低单环节人工成本，有效提升标注质量与作业效率；新增双人语音对话标注类型，支持按角色差异化配置文本编辑、导出及统计规则，并可前置语音识别结果校验，有效提升复杂对话场景的标注准确率与专业性；为优化项目管控，平台上线任务包拆分再分配能力，允许项目经理在平台内灵活拆包，显著提升多人协同效率；统计体系新增更多关键统计维度，使管理决策更具数据依据。同时，为支撑不断增长的长音频数据处理需求，新增长音频语音采集和标注一体化模块：优化移动端语音采集APP，支持自动领取采集任务、实时监测录音环境、实时查看录音质量以及质检反馈情况；Web端支持采集任务动态分发、动态配置采集任务规则以及支持采集进度实时查看；有效引入大模型辅助检测和处理能力，进一步提升长音频数据质量和项目管理效率。

    多模态数据生产平台：新增具身智能数采与标注子系统，完整覆盖数据上传、任务配置、人员指派、在线标注、质查、验收及数据集导出全链路体系；支持多视角视频同步加载与自由切换，各机位画面帧对齐播放、多角度对比核验；支持机器人三维模型实时渲染，实现空间关键点向视频画面自动投影，直观呈现位姿变化与运动路径；支持多时间轴并行标注，支持关键帧精确定位与帧间快速跳转；支持为标注片段绑定多维度自定义属性信息，满足具身数据复杂场景下的属性扩展需求。同时，面向大模型GUI智能体数据集生成需求，启动建设GUI用户行为多端记录软件，支持操作任务配置、用户交互轨迹采集以及屏幕和操作事件同步记录等核心功能；支持部分交互动作采集与轨迹回放验证；持续推进多端适配、动作序列标注、质量审核及批量任务能力建设等。面向人工智能数据服务的实训平台：旨在服务高校人才培养、面向企业人员开展AI知识科普与技能培训，助力企业掌握AI数据应用能力、实现智能化升级，为AI产业链提供高质量的人才培养方案。平台包括理论体系建设、课程学习、资料共享、题库管理、智能分析、上机实训、课后练习、在线考试、资格认证、人才推送等一体化体系，重点覆盖文本、语音、图像、视频、3D点云等多类型数据标注实训。公司已完成整体架构设计及重要模块开发，并形成基础理论体系和全模态实战课程课件，完成数据智能分析能力建设，从多维度、全链路进行数据洞察分析，便于教学效果复盘、学员能力评估、题库质量优化。

    面向人工智能数据生产的管理平台：为应对人工智能数据业务不断发展所带来的项目管理、商务管理、财务管理等诸多管理能力不断提升的需求，公司整合既有工具模块、优化现存平台、并整体提升用户交互体验，建设新一代面向人工智能数据生产的管理平台。该平台包括不少于20个重要功能模块的建设任务。公司今年已完成包括合同签署、内部合同管理、发票、决算、AR账龄线上化等重要模块的建设任务；初步完成数据看板模块的框架搭建；并陆续启动剩余模块的开发任务。

    以上平台均以技术创新构建壁垒，兼具规模化能力与商业化成果，为持续增长奠定基础。

    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，标准化产品是公司基于未来行业需求的研判，在市场需求出现之前，预先开发的数据集，具有即用即取的特点，可帮助客户大幅缩短模型研发周期并有效降低数据投入成本。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。

    因此，为更好适应行业发展需求，公司2026年上半年在产品研发方面持续投入，用于开发覆盖智能语音、计算机视觉以及自然语言等传统深度学习以及大模型领域的相关数据集产品。截至报告期末，公司新增研发超35个训练数据集产品，自有知识产权的训练数据产品储备达到1912个，尤其在多方言语音对话、多语种互译平行语料等方面积累了更丰富的标准化产品资源，并建成包括“多方言双工数据集”、“视觉大模型（视频-文本）预训练及微调数据集”等在内的多领域大模型数据集。截至报告期末。

    截至报告期末，公司已向下游客户提供了累计超过13000次/个定制或标准化训练数据集，并已应用于个人助手、语音输入、内容生成、智能家居、机器人、语音导航、智能客服、智能播报、语音翻译、移动社交、虚拟人、智能驾驶、智慧医疗、智慧教育、智慧交通、智慧城市、智慧金融、机器翻译、智能问答、信息提取、情感分析、OCR识别等22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AI企业收入增长的重要引擎，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。截至报告期末，公司已经拥有超过300个语种/方言的覆盖能力，不仅包括英、法、德、意、西、日、韩等常见语种，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，公司建立了成熟的发音词典构建流程，公司已积累下近140个多语种的发音词典，覆盖波斯尼亚语、塞尔维亚语、巽他语、尼泊尔语、奥利亚语、基隆迪语、茨瓦纳语、达利语等小语种，累计词条数超过1200万条，可支撑构建高质量的智能语音、以及多模态训练数据，是公司的主要竞争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

    2026年上半年，国内数据要素与AI行业治理体系持续完善，各类行业指引、配套细则逐步落地，对企业的数据安全水准和能力提出了更高要求，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”。报告期内，公司积极参与行业发展，提出立法建议、参与行业调研，数据安全能力获得广泛认可。

    2.供应链体系

    2026年上半年，公司围绕多模态大模型相关应用，全面升级供应链生态体系。在产业布局方面，公司深度整合产学研资源，重点布局具身智能、医疗、金融、教育、美学等专业领域；上半年投身具身采集业务，搭建形成场景搭建、入户采集等多种类全场景需求支撑能力，并完成一批供应商储备。此外，通过与行业权威机构合作，构建了覆盖诊断、智能投顾、合规风控、数字版权等场景的专业资源池，显著提升了供应链的行业适配性和专业壁垒。公司在全球化资源网络建设方面取得重要突破：通过海外数据基地建设和供应商资源拓展，已覆盖65万终端资源，涉及178个国家和地区及超过300种语种/方言，大幅提升全球数据服务的响应能力。

    此外，公司通过技术创新驱动供应链管理效能提升：通过知识图谱与区块链技术融合，实现跨领域资源的智能匹配与全流程可信溯源；依托动态标签体系和智能算法，完成需求线上化、结算线上化管理；基于精细化成本模型与实时化系统，实现订单处理、资源配置的全链路数字化，为可持续产能扩张奠定基础。

    3.人力资源

    报告期内，公司坚持人才强企战略，持续完善人力资源管理体系，不断拓宽人才渠道，精准为交付体系补充核心岗位人才，提升人岗匹配度。重点健全人才培训与职业发展体系，分层分类开展业务培训和管理能力培养，对应届高潜毕业生、新锐力量、中坚力量、中高层管理人员采取不同的梯队建设规划，以保障人才队伍的不断夯实。深化绩效、薪酬、晋升联动改革，健全中长期激励机制，有效激发员工积极性与创造力。文化建设方面，强化高度敬业和持续创新文化，进行榜样之星等多样化的文化倡导和活动辐射，打造更加尊重信赖和追求卓越的组织基因，持续提升人力资源整体效能，为公司长期可持续发展筑牢人力根基。

    五、报告期内主要经营情况

    报告期内，公司实现营业收入1.92亿元，较上年同期增长22.45%；归属于母公司所有者的净利润977.29万元，较上年同期增加156.87%；归属于母公司所有者的扣除非经常性损益的净利润为898.47万元，较上年同期增加813.52%；经营性现金流净额70.92万元，较上年同期增加3446.05万元。截至报告期末，公司总资产为9.16亿元，较期初增加6.41%；归属上市公司股东的净资产为7.31亿元，较期初减少1.47%。

本文数据来源于海天瑞声2026年中报，仅供参考不构成投资建议。