研报评级☆ ◇688787 海天瑞声 更新日期：2026-11-07◇ 通达信沪深京F10
★本栏包括【1.投资评级统计】【2.盈利预测统计】【3.盈利预测明细】【4.研报摘要】
【5.机构调研】
【1.投资评级统计】最新评级日期:2026-05-13
时间段 买入评级次数 增持评级次数 中性评级次数 减持评级次数 卖出评级次数 评级次数合计
────────────────────────────────────────────────
6月内 1 0 0 0 0 1
1年内 2 1 0 0 0 3
────────────────────────────────────────────────
【2.盈利预测统计】(近6个月)
┌──────────┬─────┬─────┬─────┬─────┬─────┬─────┐
│财务指标 │ 2023年│ 2024年│ 2025年│2026年预测│2027年预测│2028年预测│
├──────────┼─────┼─────┼─────┼─────┼─────┼─────┤
│每股收益(元) │ -0.50│ 0.19│ 0.23│ 0.62│ 1.00│ 1.53│
│每股净资产(元) │ 12.97│ 12.32│ 12.30│ ---│ ---│ ---│
│净资产收益率% │ -3.88│ 1.53│ 1.90│ 4.90│ 7.60│ 10.80│
│归母净利润(百万元) │ -30.39│ 11.34│ 14.12│ 37.00│ 60.00│ 92.00│
│营业收入(百万元) │ 170.01│ 237.08│ 376.97│ 537.00│ 731.00│ 968.00│
│营业利润(百万元) │ -42.78│ 10.63│ 15.12│ 42.00│ 67.00│ 102.00│
└──────────┴─────┴─────┴─────┴─────┴─────┴─────┘
【3.盈利预测明细】(近6个月)
日期 评级 评级变化 目标价 2026EPS 2027EPS 2028EPS 研究机构
────────────────────────────────────────────────
2026-05-13 买入 首次 188.29 0.62 1.00 1.53 国泰海通
2026-05-08 增持 维持 --- 0.51 0.75 1.15 华创证券
────────────────────────────────────────────────
【4.研报摘要】(近6个月)
──────┬──────────────────────────────────┬──────┬────
2026-05-13│海天瑞声(688787)首次覆盖报告：AI数据智能工厂，数据训练稀缺龙头 │国泰海通 │买入
──────┴──────────────────────────────────┴──────┴────
本报告导读：公司致力于研发和生产高质量、大规模、结构化的训练数据，为算法模型的训练拓展提供可靠素材，是
AI时代的数据生产智能工厂。
投资要点：首次覆盖，给予“增持”评级。我们预测公司2026-2028年归母净利润分别为0.37/0.60/0.92亿元，对应E
PS分别为0.62、1.00、1.53元。我们结合PE和PS的方法对公司进行估值，最终给予公司目标市值114亿元，对应目标价为1
88.39元，首次覆盖，给予“增持”评级。
数据训练龙头，AI数据生产的智能工厂。公司成立于2005年，致力于研发和生产高质量、大规模、结构化的训练数据
，为算法模型的训练拓展提供可靠训练素材，助力AI商业化落地。公司生产的模型训练数据涵盖智能语音、计算机视觉及
自然语言处理三大核心领域，交付形式包括标准化产品和定制化服务，公司还外延提供与训练数据相关的应用服务。截止
2025年底，公司累计客户数量超过1200家，覆盖科技互联网、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。
高质量训练数据是AI规模化应用的核心“燃料”。作为大模型学习、训练和验证的“燃料”基础，大规模、高质量的
数据集对于模型能力的提升愈加重要，当前高质量数据短缺已成为AI规模化落地的关键制约。2025年6月，Meta以148亿美
元收购数据标注初创公司ScaleAI49%股权，充分凸显AI时代数据的价值。根据Cognilytica统计数据，预计2027年全球AI
训练数据市场规模将达到220亿美元，2021-2027年复合增长率达32%。
下游需求爆发，公司业绩增长步入快车道。2025年公司实现营收3.77亿元，同比+59.00%；归母利润0.14亿元，同比+
24.54%；收入和利润均实现快速增长，延续2024年趋势。伴随多模态模型技术突破和AI应用场景落地加速，AI训练数据需
求爆发，公司凭借丰富的数据集积累和服务经验，持续获得海内外头部科技企业订单，业绩已步入快速增长通道。
风险提示：AI技术迭代风险，AI应用落地不及预期，行业竞争加剧风险。
──────┬──────────────────────────────────┬──────┬────
2026-05-08│海天瑞声(688787)2025年报及2026年一季报点评：具身智能前瞻卡位，数据要│华创证券 │增持
│素价值释放 │ │
──────┴──────────────────────────────────┴──────┴────
事项：
公司发布2025年报及2026年一季报，2025年实现营业收入3.77亿元，同比+59.00%；实现归母净利润0.14亿元，同比+
24.54%。2026Q1实现营业收入9,677.93万元，同比+38.63%；实现归母净利润840.30万元，同比+2,161.14%。
评论：
业绩高速增长，业务结构向多模态和定制化加速转型。2025年公司业绩实现高速增长，主要受益于全球人工智能产业
迈向“规模化落地”，训练数据业务迎来强劲增长。分业务看，计算机视觉业务实现收入1.48亿元，同比+217.66%；自然
语言业务实现收入0.51亿元，同比+112.29%，成为增长核心引擎，训练数据相关的应用服务业务实现收入0.28亿元，同比
+1390.69%，表现亮眼；传统优势的智能语音业务收入实现收入为1.50亿元，同比-8.66%。公司业务结构正发生深刻变化
，毛利较低的定制服务收入占比持续抬升，反映了头部客户为打造模型差异化而寻求独特数据的行业趋势，受此影响，公
司整体毛利率下降18.38pct至48.08%。
境内外业务齐头并进，数据要素打开G端新空间。公司全球化战略成效初显，2025年境外业务实现收入1.58亿元，同
比+38.68%，其中东南亚数据交付基地已进入稳定运营阶段，为海外定制化服务市场贡献了显著增量。境内业务实现收入2
.19亿元，同比+77.72%，增长动能强劲。公司凭借丰富的数据服务经验以及海量标品数据集积累，持续获得国内外头部科
技企业的数据需求订单。公司紧抓“数据要素X”战略机遇，地方政府积极布局结合各地产业特色的人工智能应用，公司
为相关项目交付垂直领域AI模型及应用平台，并助力地方政府建设针对地方产业特色的高质量数据集，推动数据资源向资
产化、价值化转化，已与成都、长沙、保定等城市合作共建数据标注基地，2026Q1公司新签订单及确认合作待签署订单同
比增长超100%，在手订单充足、结构优质，为全年持续良性增长奠定坚实基础。
前瞻布局具身智能，构筑第二成长曲线。公司精准把握具身智能作为AGI关键路径的发展趋势，将数据视为其核心瓶
颈，进行前瞻性战略布局。公司已组建具身智能数据专项团队，并开始在全国多个城市启动项目落地，与国内头部机器人
本体厂商展开合作，推动人形机器人在千行百业的规模化应用。2026年，公司将加快具身智能数据训练场方案落地与数据
资源储备，持续深化与头部机器人本体厂商、科技大厂、相关地方政府的合作，为具身智能产业的发展提供坚实的数据支
撑。
投资建议：考虑到公司在数据要素和具身智能等新兴领域布局领先，商业化落地进程超预期，同时受益于头部大厂AI
投入及地方政府数据要素投入加大。我们预计2026-2028年公司营收分别为5.49/7.62/10.55亿元，对应增速分别为45.6%/
38.9%/38.4%；归母净利润分别为0.31/0/.45/0.70亿元，对应增速分别为117.5%/48.1%/53.1%，对应EPS为0.51/0.75/1.1
5元，维持“推荐”评级。
风险提示：AI技术发展不及预期；数据要素政策落地不及预期。
【5.机构调研】(近6个月)
参与调研机构：14家
──────┬──────────────────────────────────────────────
2026-11-02│海天瑞声(688787)2026年11月02日投资者关系活动主要内容
──────┴──────────────────────────────────────────────
1、请介绍物理 AI 数据业务的行业大背景，公司布局该业务的核心逻辑是什么？
答：对比大语言模型 LLM，物理 AI 目前最大的痛点是数据缺口远大于 LLM，产业想要加速突破，必须在数据端实现
突破。同时国家数据集团成立，将服务人工智能发展纳入主责主业，数据要素产业从建立规则进入运营落地阶段，供需两
端都迎来加速窗口。基于行业机遇，公司正式布局物理 AI 也就是具身智能训练数据业务，发挥我们多年的数据工程能力
，切入产业缺口。
2、目前物理 AI 数据业务的客户覆盖和标杆项目进展如何？
答：客户层面主要分为三类，人形机器人企业、科技大厂内部具身团队以及车企。
代表性客户包括智元、极佳视界等。标杆项目方面，2026年春节后我们承接智元真机摇操订单，服务超100 台本体的
数据采集工作，经过3个月爬坡，实现稳定运行后快速扩容至数百台，下一阶段目标冲击千台规模。另外，我们和国内头
部世界模型企业极佳视界，已经在真机遥操方向深度合作，后续计划将拓展到Ego第一视角数据，同时探讨模型落地层面
的配套方案。
3、当前物理AI数据业务主要业务形态是什么？行业采集技术路线发生了怎样的迭代变化？
答：现阶段业务以具身数据采集为主，标注业务也已经启动。物理 AI 本身具备特殊物理属性，采集环节需要攻克稀
缺场景对接、硬件适配驾驭、大规模批量落地三大难题。
行业采集路线迭代节奏比较清晰：2026 上半年行业主流是室内真机遥操、搭建模拟场景；5?6 月行业快速转向 Ego
第一视角，依旧以室内场景为主；7?8 月至今，不少客户开始走向真实线下场景开展采集。一线客户反复提到，场景化数
据是提升机器人出货、拓展落地场景的关键。
4、仿真、Ego、UMI、真机遥操这几条技术路线，公司怎么看待各自定位、占比以及优劣势？
答：仿真数据目前整体占比很小，未来更多是作为补充。
Ego 路线实施相对简单，更容易适配海量真实场景做规模化落地，我们判断它标品复用潜力最高，未来有望支撑较高
毛利。
UMI 路线我们定义为行业中间过渡形态。
真机遥操产出的数据属于 “金标准”，当前在我们的有效小时产出中占比 20% 以上；但短板也很突出，机器人本体
重量普遍接近 200 公斤，电池功率数倍于民用电瓶车，在室内做规模化采集的安全、落地阻力很大，硬件物理约束最强
，同时也是三类里面单价最高的。
5、业务开展中硬件如何处理？产能现状和后续扩产空间怎么样？
答：如果客户自身已经具备成熟硬件，优先使用客户硬件；商务模式分为采购、租赁、代采三种。评判硬件是否合格
，唯一标准就是产出的数据能不能满足客户模型训练、验证要求。
产能上，不同设备有效产出不一样：Ego 设备单班 8 小时有效产出 3?4 小时，UMI 设备约 3 小时以上，真机遥操
约 2 小时以上，设备支持两班倒作业。目前三类采集方式合计单月有效小时产能已经突破一万小时，对应年产能 15?20
万小时。待各条模式跑通成熟，后续扩产难度较低。
6、公司做物理 AI 数据业务，核心竞争力体现在哪些地方？
答：第一是场景落地能力；其次是对硬件、具身算法的理解驾驭能力；同时依托公司 21 年沉淀的数据工程能力，还
要持续夯实完善的数据合规体系。
场景落地我们有实际案例，某地方项目曾调动近千名采集人员，联动政府、街道对接各类场景资源；也具备医院、学
校这类准入门槛高、涉及隐私安全机构的对接落地能力。另外我们和清华大学官方的具身智能与机器人研究院深度合作，
获得算法层面支撑，叠加全球化资源池，形成业务协同。
7、海外业务筹备与推进情况如何？
答：东南亚基地原有人员规模扩充到 1300?1500 人，原本服务传统大模型标注，现在同步筹备具身业务。当地已经
完成场景储备，覆盖雅加达及周边连锁商超、餐厅、高校、医院；后续将推进合规出海。北美市场同步推进，已经和当地
两家头部科技大厂开启 Ego 数据业务需求沟通。
8、具身数据业务在成本以及数据资产方面有什么特点？
答：现阶段具身数据以高清视频为主，存储资源消耗大。但是我们自主采集的数据具备长期复用价值，如果打磨成为
标准化产品，会成为高毛利业务的重要支撑，其中 Ego 数据标品化潜力最高。
9、投资者跟踪具身业务，可以重点关注哪些核心指标？
答：分为需求端和供给端。
需求端，重点跟踪具身基座、世界模型企业（包括北美厂商）对有效小时数据的需求量，这个指标直接对应潜在订单
规模。
供给端，一是各家厂商单月有效小时产出，以及 Ego、真机遥操、UMI 三者的结构占比；二是产出数据集的场景丰富
度，场景丰富度直接决定数据对模型训练的实际价值。
10、通用大模型能力提升，会对物理 AI 行业带来什么影响？
答：类似 GPT?6 Astra 这类通用大模型，如果在具身顶层规划能力实现突破，有可能把具身智能商业化落地的时间
节点往前推动。但即便通用大模型能力很强，工业、专业场景容错标准很高，仍然需要具身企业自研垂域模型，搭配高质
量专家动作数据做微调优化。
─────────────────────────────────────────────────────
参与调研机构：71家
──────┬──────────────────────────────────────────────
2026-10-26│海天瑞声(688787)2026年10月26日投资者关系活动主要内容
──────┴──────────────────────────────────────────────
1、请介绍物理 AI 数据业务的行业大背景，公司布局该业务的核心逻辑是什么？
答：对比大语言模型 LLM，物理 AI 目前最大的痛点是数据缺口远大于 LLM，产业想要加速突破，必须在数据端实现
突破。同时国家数据集团成立，将服务人工智能发展纳入主责主业，数据要素产业从建立规则进入运营落地阶段，供需两
端都迎来加速窗口。基于行业机遇，公司正式布局物理 AI 也就是具身智能训练数据业务，发挥我们多年的数据工程能力
，切入产业缺口。
2、目前物理 AI 数据业务的客户覆盖和标杆项目进展如何？
答：客户层面主要分为三类，人形机器人企业、科技大厂内部具身团队以及车企。
代表性客户包括智元、极佳视界等。标杆项目方面，2026年春节后我们承接智元真机摇操订单，服务超100 台本体的
数据采集工作，经过3个月爬坡，实现稳定运行后快速扩容至数百台，下一阶段目标冲击千台规模。另外，我们和国内头
部世界模型企业极佳视界，已经在真机遥操方向深度合作，后续计划将拓展到Ego第一视角数据，同时探讨模型落地层面
的配套方案。
3、当前物理AI数据业务主要业务形态是什么？行业采集技术路线发生了怎样的迭代变化？
答：现阶段业务以具身数据采集为主，标注业务也已经启动。物理 AI 本身具备特殊物理属性，采集环节需要攻克稀
缺场景对接、硬件适配驾驭、大规模批量落地三大难题。
行业采集路线迭代节奏比较清晰：2026 上半年行业主流是室内真机遥操、搭建模拟场景；5?6 月行业快速转向 Ego
第一视角，依旧以室内场景为主；7?8 月至今，不少客户开始走向真实线下场景开展采集。一线客户反复提到，场景化数
据是提升机器人出货、拓展落地场景的关键。
4、仿真、Ego、UMI、真机遥操这几条技术路线，公司怎么看待各自定位、占比以及优劣势？
答：仿真数据目前整体占比很小，未来更多是作为补充。
Ego 路线实施相对简单，更容易适配海量真实场景做规模化落地，我们判断它标品复用潜力最高，未来有望支撑较高
毛利。
UMI 路线我们定义为行业中间过渡形态。
真机遥操产出的数据属于 “金标准”，当前在我们的有效小时产出中占比 20% 以上；但短板也很突出，机器人本体
重量普遍接近 200 公斤，电池功率数倍于民用电瓶车，在室内做规模化采集的安全、落地阻力很大，硬件物理约束最强
，同时也是三类里面单价最高的。
5、业务开展中硬件如何处理？产能现状和后续扩产空间怎么样？
答：如果客户自身已经具备成熟硬件，优先使用客户硬件；商务模式分为采购、租赁、代采三种。评判硬件是否合格
，唯一标准就是产出的数据能不能满足客户模型训练、验证要求。
产能上，不同设备有效产出不一样：Ego 设备单班 8 小时有效产出 3?4 小时，UMI 设备约 3 小时以上，真机遥操
约 2 小时以上，设备支持两班倒作业。目前三类采集方式合计单月有效小时产能已经突破一万小时，对应年产能 15?20
万小时。待各条模式跑通成熟，后续扩产难度较低。
6、公司做物理 AI 数据业务，核心竞争力体现在哪些地方？
答：第一是场景落地能力；其次是对硬件、具身算法的理解驾驭能力；同时依托公司 21 年沉淀的数据工程能力，还
要持续夯实完善的数据合规体系。
场景落地我们有实际案例，某地方项目曾调动近千名采集人员，联动政府、街道对接各类场景资源；也具备医院、学
校这类准入门槛高、涉及隐私安全机构的对接落地能力。另外我们和清华大学官方的具身智能与机器人研究院深度合作，
获得算法层面支撑，叠加全球化资源池，形成业务协同。
7、海外业务筹备与推进情况如何？
答：东南亚基地原有人员规模扩充到 1300?1500 人，原本服务传统大模型标注，现在同步筹备具身业务。当地已经
完成场景储备，覆盖雅加达及周边连锁商超、餐厅、高校、医院；后续将推进合规出海。北美市场同步推进，已经和当地
两家头部科技大厂开启 Ego 数据业务需求沟通。
8、具身数据业务在成本以及数据资产方面有什么特点？
答：现阶段具身数据以高清视频为主，存储资源消耗大。但是我们自主采集的数据具备长期复用价值，如果打磨成为
标准化产品，会成为高毛利业务的重要支撑，其中 Ego 数据标品化潜力最高。
9、投资者跟踪具身业务，可以重点关注哪些核心指标？
答：分为需求端和供给端。
需求端，重点跟踪具身基座、世界模型企业（包括北美厂商）对有效小时数据的需求量，这个指标直接对应潜在订单
规模。
供给端，一是各家厂商单月有效小时产出，以及 Ego、真机遥操、UMI 三者的结构占比；二是产出数据集的场景丰富
度，场景丰富度直接决定数据对模型训练的实际价值。
10、通用大模型能力提升，会对物理 AI 行业带来什么影响？
答：类似 GPT?6 Astra 这类通用大模型，如果在具身顶层规划能力实现突破，有可能把具身智能商业化落地的时间
节点往前推动。但即便通用大模型能力很强，工业、专业场景容错标准很高，仍然需要具身企业自研垂域模型，搭配高质
量专家动作数据做微调优化。
─────────────────────────────────────────────────────
参与调研机构：1家
──────┬──────────────────────────────────────────────
2026-10-09│海天瑞声(688787)2026年10月9日投资者关系活动主要内容
──────┴──────────────────────────────────────────────
1、151*****096问海天瑞声董事、总经理李科：李总好，定增批文已取得，想请教发行时间窗口和投资者接触节奏？
另外大模型训练数据需求的持续性，以及海外收入的增长预期如何？会后希望向您请教资本规划。
答：董事、总经理李科答:尊敬的投资者，您好：
截止目前，公司不存在您说的“定增”情形。
AI产业对于训练数据的需求不是阶段性现象，而是伴随AI产业从“技术突破”迈向“规模化落地”的长期结构性趋势
。当前行业正从预训练向“后训练+垂类适配”延伸，对高质量、场景化、多模态数据的需求密度和复杂度都在提升，高
质量语料的稀缺性反而在加剧。我们在具身智能、自动驾驶等方向的布局，正是对这一趋势的主动响应。
海外方面，公司持续维护海外客户、拓展海外相关业务机会，并始终重视全球化交付能力的建设，东南亚数据交付基
地已进入稳定运营阶段，为服务国际客户提供了产能支撑。具体收入、资本规划情况请以公司后续定期报告、以及相关公
开披露信息为准。
2、153*****705问海天瑞声董事、副总经理、财务负责人吕思遥：看到 2026 半年报公司收入实现较快增长，想了解
支撑这一轮收入增长的核心驱动是什么
答：董事、副总经理、财务负责人吕思遥答:尊敬的投资者：您好，收入增长主要是因为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。
3、186*****155问海天瑞声董事、总经理李科：请问李总站在产业实操角度，当前数据价值流通各个环节，最主要的
痛点和堵点有哪些？
答：董事、总经理李科答:尊敬的投资者，您好：
数据价值流通中主要的痛点和堵点如下：
（1）数据产权确权难
数据所有权、使用权等权属界定模糊，产权不明晰导致企业不敢触碰灰色地带数据，易引发纠纷。中央虽已出台产权
顶层设计，但具体制度尚未落地。
（2）定价机制缺失
数据价值评估缺乏共性标准，定价权归属不明确，买卖双方难以达成合理价格，尤其非标数据的场景价值动态匹配仍
是难题。
（3）数据孤岛与流通壁垒
大量数据分散在不同主体手中，跨行业、跨领域的数据融合存在隐形壁垒，无法有效打通。公共数据占比超75%，但
开放利用不足。
（4）安全合规顾虑
数据持有方普遍存在合规焦虑、安全焦虑和价值焦虑，担心触碰监管红线、原始数据泄露或数据被低价使用。法律层
面重安全规制、轻流通促进。
（5）技术能力制约
部分场景数据需求现有技术（人工标注、人机协同、自动化处理等）无法满足，隐私计算、区块链等技术与实际场景
融合深度有待加强。
4、183*****012问海天瑞声董事、总经理李科：从公司业务实践视角，数据要素产业完整的商业化路径是怎样的？
答：董事、总经理李科答:尊敬的投资者：您好，数据要素产业的商业化路径主要通过三类主体协同实现：
一是数据交易所，提供合规保障、标准建设、生态培育等综合服务，推动数据产品流通交易。二是数据流通服务平台
企业，聚焦行业领域，围绕产业链、生态链以价值共创方式促进数据流通利用。三是数据商，负责开发数据产品和服务，
建设高质量数据集，深度挖掘场景价值。
从价值转化链条看，数据需经过要素化→资源化→产品化→资产化→资本化的完整路径，最终通过数据资产入表、质
押融资、证券化等方式实现商业价值变现。
5、173*****756问海天瑞声董事会秘书张哲：公司布局具身智能数据业务，和同行相比，核心竞争优势体现在哪些方
面？
答：董事会秘书张哲答:尊敬的投资者：您好，具身智能业务领域，公司优势体现在以下三个方面：
（1）硬件理解+驾驭壁垒：通过头部主流本体厂商合作经验，深度理解本体硬件性能特性、负载逻辑与异构适配要点
，可快速解决硬件高故障率与稳定性问题；已在北京运营首个具身智能数据训练场，依托百台机器人实现高效数据产出。
（2）模型理解与落地壁垒：核心团队拥有大模型开发等资深背景，懂模型更懂数据；数据体系精准对齐机器人大脑
训练范式，提供具备高泛化能力的数据解决方案，支撑具身大脑模型训练。
（3）综合数据工程化壁垒：不仅具备全球化数据采集与低成本交付资源；同时，自研的AI自动化标注平台与实时算
法质检，兼顾低成本与专家级质量
─────────────────────────────────────────────────────
参与调研机构：33家
──────┬──────────────────────────────────────────────
2026-06-08│海天瑞声(688787)2026年6月8日投资者关系活动主要内容
──────┴──────────────────────────────────────────────
1、一季度公司毛利率提升的原因是什么？
答：2026年第一季度公司毛利率同比提升，主要得益于业务结构的积极变化，具体来说：高毛利的政府平台类业务在
本季度显著起量。政府（G端）客户的可信数据空间建设，核心是提供标准化程度较高的数据处理平台及方案，相比传统
定制化的数据采集与标注业务，其人力密集程度更低、交付周期更短、边际成本递减效应更明显，因此毛利率水平更高。
2026年第一季度，随着公司前期在G端市场的全面布局进入收获期，这部分高毛利业务在收入结构中的占比明显提升
，从而带动了整体毛利率的增长。
2、后训练和强化学习阶段，对数据标注需求有哪些变化？
答：在后训练和强化学习（RLHF/GRPO）阶段，模型的目标从“预训练期学会语言统计规律”转向“对齐人类偏好，
这对标注数据的需求产生了深刻变化。
（1）从“量”到“质”与“复杂度”的转变
后训练阶段不再需要海量的原始文本，转而需要高质量、细粒度、领域专家级的标注数据。例如，SFT（监督微调）
依赖精确的“标准答案”，而RL训练则需要能区分“好/较好/差”的偏好排序数据。
（2）聚焦“难例”与“长尾”场景
在RL阶段，“难例”（模型初始成功率低的数据）的价值远超易例，且能极大增强模型的泛化能力。标注重点从普遍
规律转向稀缺、复杂的边界案例。
3、公司在具身数据领域的核心竞争优势是什么？
答：（1）硬件理解+驾驭壁垒：通过头部主流本体厂商合作经验，深度理解本体硬件性能特性、负载逻辑与异构适配
要点，可快速解决硬件高故障率与稳定性问题；已在北京运营首个具身智能数据训练场，依托100+台机器人实现高效数据
产出。
（2）模型理解与落地壁垒：核心团队拥有大模型开发等资深背景，懂模型更懂数据；数据体系精准对齐机器人大脑
训练范式，提供具备高泛化能力的数据解决方案，支撑具身大脑模型训练。
（3）综合数据工程化壁垒：不仅具备全球化数据采集与低成本交付资源；同时，自研的AI自动化标注平台与7×24小
时算法质检，兼顾低成本与专家级质量。
4、不同机器人公司之间，是否存在可以共用的数据？
答：不同机器人公司之间确实存在可以共用的数据，但需要区分数据类型来看。
目前数据主要分为三类：真机数据、UMI数据、第一人称视角数据。
从共用难度来看，真机数据很难直接共用，而UMI和第一人称视角数据相对更容易跨本体迁移。UMI数据和第一人称视
角数据不绑定具体机器人的关节参数和运动学模型，采集的是“操作过程”本身，理论上可以被不同机器人学习和泛化。
为什么真机数据很难共用？主要有2个原因：
一是硬件本体不统一。不同厂家机器人关节数量、自由度、末端执行器各不相同，A公司的“抓取”数据没法直接拿
去训练B公司的机械臂。
二是数据格式各自为政，行业缺乏统一的标准和“通用语言”。
所以行业正在推动的是：让UMI和第一人称这类“本体无关”的数据更多流通共用，同时通过技术对齐和标准统一，
逐步解决真机数据的跨本体迁移问题。
5、具身智能数据服务的需求逻辑？
答：具身智能的核心在于赋予机器人具备理解与泛化能力的‘大脑’。这不仅是代码的堆砌，而是类似大模型‘涌现
’的范式变革。由于当前仿真环境无法完美模拟物理接触与长尾场景，海量、高泛化度的真实物理交互数据成为训练具身
大脑的唯一‘燃料’，这是具身智能区别于传统自动化的根本逻辑。
6、具身客户为何不自己做数据，而选择外部采购？
答：数据工程是一项重人力、重流程、重管理的‘苦活累活’，并非算法厂商的核心基因。自建数据团队不仅边际成
本高，且难以应对波峰波谷的弹性需求。我们定位为“具身智能行业的数据富士康”，通过规模化、标准化、可伴随客户
迭代而同步迭代的整体数据供应链能力，帮助客户剥离非核心业务，使其聚焦于算法与本体研发，实现产业分工的最优解
。
7、具身智能数据赛道能做多久，是否像智驾一样只有短期机会？
答：这是一个比自动驾驶更长、更宽的赛道。正如李飞飞教授所言，自动驾驶主要解决避障与导航，而具身智能需要
解决非结构化环境下的复杂物理交互。当前我们甚至还未穷尽场景的定义，数据需求将伴随机器人进家庭、进工厂的全过
程。我们定位为全行业的数据基础设施，旨在伴随行业全生命周期成长，而非短期套利
─────────────────────────────────────────────────────
参与调研机构：15家
──────┬──────────────────────────────────────────────
2026-06-05│海天瑞声(688787)2026年6月5日投资者关系活动主要内容
──────┴──────────────────────────────────────────────
1、WDO成立之后，您认为会对整个AI数据行业的格局、合规与商业化带来哪些影响？
答：尊敬的投资者：您好，WDO（世界数据组织）于2026年3月在北京成立，是全球首个专注于数据治理的非政府、非
营利性国际组织，已汇集40多国200余家会员单位。其对数据行业的影响主要体现在以下几个方面： （1）填补全球治理
空白 此前全球缺乏专门协调数据政策的专业机构，各国规则割裂。WDO搭建统一对话平台，推动从单一“规则”导向转向
“规则+标准”并重，引入“集体数据治理”新范式。 （2）降低跨境合规成本 各国数据政策差异导致企业跨国运营合规
成本高昂。WDO推动行业共识与标准互认，有望实现“一次评估、多国互认”，降低企业数据合作成本，提升政策可预期
性。 （3）促进数据有序流动 WDO为数据跨境流动提供制度供给，打通堵点，带动数字贸易与科技创新。 （4）赋能全球
南方国家 WDO将发展中国家数据能力建设作为重点，通过技术援助缩小数字鸿沟。数据无价值差的特性使南方国家在数字
贸易中可与发达国家站在同一起跑线，放大其在存储、算力、人力成本等方面的优势。 （5）加速国内数据要素国际化
国内33家数据交易所活跃度预期将获提升，首批跨国数据产品挂牌可期。标准互认倒逼合规体系建设，具备跨境合规能力
的企业优先受益，中国数据治理经验可向国际输出。 （6）推动产业生态落地 聚焦医疗、教育等场景推动项目落地，提
炼可复制解决方案，促进全球数字产业协同。
2、公司参与WDO的初衷是什么？在其中承担怎样的角色与定位？
答：尊敬的投资者：您好，海天瑞声作为仅有的少数几家企业发起单位之一参与其中，并荣膺首届理事单位，也是AI
数据领域唯一入选的企业。WDO选中海天瑞声，是基于公司深耕AI训练数据领域超过20年的积累——公司已形成覆盖数据
采集、处理、标注、治理到应用落地的全链条能力体系，拥有覆盖全球300多个语种的多模态数据资源，累计服务全球上
千家科技企业与科研机构。公司的定位是借助WDO平台深度参与全球数据治理体系建设：一是推动数据质量、生产流程等
标准的国际互认，输出工程化、规模化数据治理经验；二是依托对WDO规则和框架的深度理解，在现有出海基础上进一步
提升全球化业务拓展效率；三是作为理事单位，持续发挥产业实践优势，推动数据标准共建与生态协同。
3、为什么机器人厂商倾向于外购数据服务而不是自建团队？
答：尊敬的投资者：您好，数据工程是一项重人力、重流程、重管理的‘苦活累活’，并非算法厂商的核心基因。自
建数据团队不仅边际成本高，且难以应对波峰波谷的弹性需求。我们定位为“具身智能行业的数据富士康”，通过规模化
、标准化、可伴随客户迭代而同步迭代的整体数据供应链能力，帮助客户剥离非核心业务，使其聚焦于算法与本体研发，
实现产业分工的最优解。
4、大模型进入后训练与强化学习阶段后，对数据标注的需求发生了哪些关键变化？
答：尊敬的投资者，您好：在后训练和强化学习（RLHF/GRPO）阶段，模型的目标从“预训练期学会语言统计规律”
转向“对齐人类偏好，这对标注数据的需求产生了深刻变化。 （1）从“量”到“质”与“复杂度”的转变 后训练阶段
不再需要海量的原始文本，转而需要高质量、细粒度、领域专家级的标注数据。例如，SFT（监督微调）依赖精确的“标
准答案”，而RL训练则需要能区分“好/较好/差”的偏好排序数据。 （2）聚焦“难例”与“长尾”场景 在RL阶段，“
难例”（模型初始成功率低的数据）的价值远超易例，且能极大增强模型的泛化能力。标注重点从普遍规律转向稀缺、复
杂的边界案例。
5、管理层如何看待当前具身智能赛道的发展阶段与未来空间？
答：尊敬的投资者：您好，公司高度看好具身智能数据这一新兴赛道，已将其作为战略重点进行前瞻布局，并组建了
专项团队加快业务落地。 从行业前景看，具身智能已被国家列为未来产业重点培育方向。当前，机器人“大脑”认知决
策等核心能力仍处于发展早期，大模型泛化能力尚未成熟，规模化落地亟需海量高质量、细颗粒度的训练数据支撑，市场
空间广阔。 从市场需求看，国内外头部科技企业与本体厂商已启动规模化数据采购，需求覆盖真实场景交互数据、第一
人称视角数据、UMI数据、仿真数据等。与此同时，部分地方政府正积极规划“具身智能训练场”，以工程化方式生产高
质量数据，赋能产业应用。 目前，公司已与国内某头部具身厂商签署真机数据采集合约，并与多家头部具身厂商、科技
大厂及地方政府启动订单对接，正稳步推进样例数据方案的设计与落地，为具身智能数据业务的规模化发展蓄力筑基。
6、不同机器人厂商之间，是否存在可通用、可复用的数据？
答：尊敬的投资的者：您好，不同机器人公司之间确实存在可以共用的数据，但需要区分数据类型来看。
目前数据主要分为三类：真机数据、UMI数据、第一人称视角数据。
从共用难度来看，真机数据很难直接共用，而UMI和第一人称视角数据相对更容易跨本体迁移。UMI数据和第一人称视
角数据不绑定具体机器人的关节参数和运动学模型，采集的是“操作过程”本身，理论上可以被不同机器人学习和泛化。
为什么真机数据很难共用？主要有2个原因：
一是硬件本体不统一。不同厂家机器人关节数量、自由度、末端执行器各不相同，A公司的“抓取”数据没法直接拿
去训练B公司的机械臂。
二是数据格式各自为政，行业缺乏统一的标准和“通用语言”。
所以行业正在推动的是：让UMI和第一人称这类“本体无关”的数据更多流通共用，同时通过技术对齐和标准统一，
逐步解决真机数据的跨本体迁移问题。
7、公司2026年第一季度实现较快收入增长，能否详细拆解一下核心驱动因素？
答：尊敬的投资者：您好，2026年第一季度，公司实现营业收入9,677.93万元，同比增长38.63%，受益于AI应用爆发
与数据要素产业化提速，业绩增长强劲。
全球AI竞争加剧，高质量训练数据成为核心资源。公司作为国内AI数据服务头部企业，传统业务凭借全品类、规模化
、高合规优势稳健增长。同时，ToG可信数据空间业务实现突破，与国家级数据标注试点城市深度合作，提供全栈解决方
案，开辟政务与公共数据新增长曲线。此外，公司东南亚数据交付基地完成产能爬坡，全球化交付能力与竞争力提升。以
上因素共同驱动公司业务的高速增长。
8、一季度公司毛利率同比有所提升，主要是什么原因带来的？
答：尊敬的投资者：您好，2026年第一季度公司毛利率同比提升，主要得益于业务结构的积极变化，具体来说：高毛
利的政府平台类业务在本季度显著起量。政府（G端）客户的可信数据空间建设，核心是提供标准化程度较高的数据处理
平台及方案，相比传统定制化的数据采集与标注业务，其人力密集程度更低、交付周期更短、边际成本递减效应更明显，
因此毛利率水平更高。 2026年第一季度，随着公司前期在G端市场的全面布局进入收获期，这部分高毛利业务在收入结构
中的占比明显提升，从而带动了整体毛利率的增长。
9、请问李总，在具身智能数据这个赛道上，公司相比同行最核心的竞争壁垒体现在哪些方面？
答：尊敬的投资者，您好，公司的核心壁垒体现在： （1）硬件理解+驾驭壁垒：通过头部主流本体厂商合作经验，
深度理解本体硬件性能特性、负载逻辑与异构适配要点，可快速解决硬件高故障率与稳定性问题；已在北京运营首个具身
智能数据训练场，依托100+台机器人实现高效数据产出。 （2）模型理解与落地壁垒：核心团队拥有大模型开发等资深背
景，懂模型更懂数据；数据体系精准对齐机器人大脑训练范式，提供具备高泛化能力的数据解决方案，支撑具身大脑模型
训练。 （3）综合数据工程化壁垒：不仅具备全球化数据采集与低成本交付资源；同时，自研的AI自动化标注平台与7×2
4小时算法质检，兼顾低成本与专家级质量。
10、具身智能数据服务的需求逻辑？
答：具身智能的核心在于赋予机器人具备理解与泛化能力的‘大脑’。这不仅是代码的堆砌，而是类似大模型‘涌现
’的范式变革。由于当前仿真环境无法完美模拟物理接触与长尾场景，海量、高泛化度的真实物理交互数据成为训练具身
大脑的唯一‘燃料’，这是具身智能区别于传统自动化的根本逻辑。
11、具身智能数据赛道能做多久，是否像智驾一样只有短期机会？
答：这是一个比自动驾驶更长、更宽的赛道。正如李飞飞教授所言，自动驾驶主要解决避障与导航，而具身智能需要
解决非结构化环境下的复杂物理交互。当前我们甚至还未穷尽场景的定义，数据需求将伴随机器人进家庭、进工厂的全过
程。我们定位为全行业的数据基础设施，旨在伴随行业全生命周期成长，而非短期套利。
─────────────────────────────────────────────────────
〖免责条款〗
1、本公司力求但不保证提供的任何信息的真实性、准确性、完整性及原创性等，投资者使
用前请自行予以核实，如有错漏请以中国证监会指定上市公司信息披露媒体为准，本公司
不对因上述信息全部或部分内容而引致的盈亏承担任何责任。
2、本公司无法保证该项服务能满足用户的要求，也不担保服务不会受中断，对服务的及时
性、安全性以及出错发生都不作担保。
3、本公司提供的任何信息仅供投资者参考，不作为投资决策的依据，本公司不对投资者依
据上述信息进行投资决策所产生的收益和损失承担任何责任。投资有风险，应谨慎至上。
|