北京海天瑞声科技股份有限公司（以下简称“海天瑞声”）成立于2005年，是我国领先的AI训练数据解决方案提供商，覆盖多语言、跨领域、跨模态的人工智能数据，服务全球近200个语种及方言，与全球810家科技企业及科研机构建立深度合作。
WDO成立对AI数据行业的影响
WDO（世界数据组织）的成立对AI数据行业带来以下影响：
- 填补全球治理空白：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。
- 降低跨境合规成本：推动行业共识与标准互认，实现“一次评估、多国互认”，降低企业数据合作成本。
- 促进数据有序流动：为数据跨境流动提供制度供给，带动数字贸易与科技创新。
- 赋能全球南方国家：通过技术援助缩小数字鸿沟，使发展中国家在数字贸易中与发达国家站在同一起跑线。
- 加速国内数据要素国际化：国内数据交易所活跃度提升，中国数据治理经验可向国际输出。
- 推动产业生态落地：聚焦医疗、教育等场景推动项目落地，促进全球数字产业协同。
海天瑞声作为WDO首届理事单位，致力于推动数据质量、生产流程等标准的国际互认，提升全球化业务拓展效率，并推动数据标准共建与生态协同。
机器人厂商外购数据服务的原因
机器人厂商倾向于外购数据服务而非自建团队，因为数据工程是重人力、重流程、重管理的“苦活累活”，自建团队边际成本高且难以应对弹性需求。海天瑞声定位为“具身智能行业的数据富士康”，通过规模化、标准化、可迭代的数据供应链能力，帮助客户剥离非核心业务，实现产业分工最优解。
大模型进入后训练与强化学习阶段后的数据标注需求变化
在后训练和强化学习（RLHF/GRPO）阶段，模型目标转向“对齐人类偏好”，数据标注需求发生以下变化：
- 从“量”到“质”与“复杂度”的转变：后训练阶段需要高质量、细粒度、领域专家级的标注数据，如SFT依赖精确的“标准答案”，RL训练需要偏好排序数据。
- 聚焦“难例”与“长尾”场景：RL阶段，“难例”的价值远超易例，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。
具身智能赛道的发展阶段与未来空间
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，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。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。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。海天瑞声已与国内头部具身厂商签署真机数据采集合约，并与多家头部厂商、科技大厂及地方政府启动订单对接。
不同机器人厂商之间数据通用性
不同机器人公司之间确实存在可通用、可复用的数据，但需区分数据类型：
- 真机数据：很难直接共用，因硬件本体不统一，数据格式各自为政。
- UMI数据和第一人称视角数据：相对更容易跨本体迁移，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。
行业正在推动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。
公司2026年第一季度收入增长驱动因素
公司2026年第一季度实现较快收入增长，核心驱动因素包括：
- 全球AI竞争加剧，高质量训练数据成为核心资源，传统业务稳健增长。
- 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。
- 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。
一季度毛利率提升原因
一季度毛利率同比提升主要得益于业务结构的积极变化，高毛利的政府平台类业务显著起量。政府客户可信数据空间建设提供标准化程度较高的数据处理平台及方案，相比传统定制化业务，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，从而带动整体毛利率增长。
具身智能数据赛道的核心竞争壁垒
海天瑞声在具身智能数据赛道上的核心竞争壁垒包括：
- 硬件理解+驾驭壁垒：通过头部主流本体厂商合作经验，深度理解硬件性能特性，已在北京运营首个具身智能数据训练场。
- 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，数据体系精准对齐机器人大脑训练范式。
- 综合数据工程化壁垒：具备全球化数据采集与低成本交付资源，自研AI自动化标注平台与7×24小时算法质检。
具身智能数据服务的需求逻辑
具身智能的核心在于赋予机器人理解与泛化能力的“大脑”，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。
具身智能数据赛道的长期发展前景
具身智能数据赛道是一个比自动驾驶更长、更宽的赛道，数据需求将伴随机器人进家庭、进工厂的全过程。海天瑞声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。
