海天瑞声 (688787)

在产业链中的位置

主属行业：L4-02-数据标注与RLHF

公司定位一句话 数据标注与RLHF龙头 —— AI数据服务向“数据飞轮”运营模式进化 + 全球化布局突破天花板

主营业务关键词：数据标注与RLHF、AI数据服务向“数据飞轮”运营模式进化、全球化布局突破天花板 与本行业的关联点：作为 L4-02-数据标注与RLHF 龙头，大模型数据需求爆发驱动业绩高增 + 自动驾驶数据业务进入规模化交付期

公司近况（2026-05-05 更新）

根据公司2025年年度报告（2025-12-31口径）及2026年第一季度报告（2026-03-31口径），最新业绩呈现显著复苏与增长态势。2025全年实现营业收入3.77亿元，归母净利润1411.85万元，扣非归母净利润1078.52万元，综合毛利率为48.08%，净利率为4.00%。进入2026年第一季度，业绩加速释放，单季度营收达9677.93万元，同比增长38.63%，归母净利润840.30万元，同比大幅增长2161.14%，显示下游需求强劲复苏。机构方面，当前公司总市值约40亿元（基于公开市场数据），动态市盈率（TTM）较高，反映了市场对其在AI数据服务赛道的高成长预期，主流卖方评级多为“增持”或“买入”。公司当前定位为中国AI训练数据服务领域的核心供应商之一，正积极向大模型、自动驾驶等高价值场景渗透。

公司业务结构

盈利方式

公司主要通过为AI算法研发提供训练数据解决方案来盈利。具体包括：1）定制化数据采集与标注服务（项目制）；2）标准化数据集产品销售；3）数据管理平台与工具授权。收入核心驱动是下游客户（如互联网巨头、AI公司、车企）的AI模型研发与迭代需求。

分板块业务（口径：年报披露）

公司主营业务可拆分为“智能语音”、“计算机视觉”、“自然语言处理（NLP）”及其他数据服务板块。近年来，随着多模态大模型发展，业务界限趋于融合，但收入结构仍可大致区分。

注：2023年、2024年数据基于公司历年财报及业务描述推算，2025年为年报披露口径。

核心投资逻辑

短期逻辑（6-12 个月）

• 逻辑一：大模型数据需求爆发驱动业绩高增。2026Q1营收同比+38.63%，净利润同比+2161.14%，核心驱动力来自国内头部大模型厂商在模型迭代与优化过程中，对高质量、多模态（文本、图像、语音）训练数据的需求在2025H2-2026H1集中释放，公司在手订单饱满，预计该趋势将贯穿2026年全年。
• 逻辑二：自动驾驶数据业务进入规模化交付期。公司深度参与的若干L4级自动驾驶数据采集与标注项目，在2025年完成验证后，于2026年进入量产数据交付阶段。预计该板块2026年收入贡献占比将从2025年的约15%提升至25%以上，成为重要增长极。
• 逻辑三：产能利用率与盈利弹性提升。随着高毛利的复杂场景数据标注业务（如3D点云、多模态融合）占比提升，叠加上海、武汉等数据基地产能利用率从2025年的约70%爬升至2026年的85%以上，预计2026年全年综合毛利率有望突破50%，净利率改善显著。

长期逻辑（1-3 年）

• 逻辑一：AI数据服务向“数据飞轮”运营模式进化。预计至2028年，公司将从项目制服务商，转向为客户提供持续的数据采集、清洗、标注及模型评估的“数据运维”服务，合同周期从项目制转为年度服务协议，客户粘性与收入稳定性增强，年复合增长率（CAGR）有望维持在25%-30%。
• 逻辑二：全球化布局突破天花板。公司正加大海外标注团队与合规体系建设，以承接欧美AI企业的离岸数据需求。预计至2027年，海外业务收入占比将从2025年的不足5%提升至15%-20%，打开第二增长曲线。
• 逻辑三：AI Agent与具身智能催生新数据需求。随着AI智能体和机器人技术发展，对真实世界交互数据、多步骤任务数据的需求将呈指数级增长。公司已在该领域进行前瞻性技术储备与场景研究，有望在2027-2028年形成新的业务支柱。

产销链分析

主要客户（口径：年报）

公司客户集中度较高，依赖少数大型科技公司。根据2025年年报：

• 前五大客户合计销售额约为2.15亿元，占年度销售总额比例为57.0%。
• 第一大客户销售额为0.85亿元，占比22.5%，该客户为国内顶级互联网与AI企业（如阿里巴巴、腾讯或字节跳动等头部公司之一）。
• 其他重要客户包括：国内领先的自动驾驶公司（如百度Apollo、小马智行等）、其他AI独角兽企业。
• 订单能见度：与头部大模型客户的框架协议通常覆盖未来6-12个月，与自动驾驶客户的项目订单周期约3-6个月。

主要供应商（口径：年报）

公司作为数据服务提供商，主要采购成本为数据采集执行（外包众包团队、实地采集）、硬件设备及云服务。

• 前五大供应商合计采购额约为0.75亿元，占年度采购总额比例约为40%。
• 关键物料：数据采集执行服务是核心，部分细分领域（如特定方言语音、海外街景）存在一定的单源依赖，但公司通过发展多基地、多合作方策略以降低风险。
• 备货策略：采用“订单驱动+产能储备”模式。对于标准化数据集产品，会基于市场预测进行小批量备货；对于定制化项目，则根据合同签订情况，提前与外包团队锁定产能。

关键财务指标

数据源: Wind · 更新日期: 2026-05-06 · 单位: 亿元（百分比除外）

海外对标对比

对标公司具体数字依赖 _AP-Agent海外财报追踪.md 周扫填充

行业分析

需求端驱动：当前行业核心驱动力已完成从“通用AI”到“大模型”和“自动驾驶”的切换。大模型对海量、高质量、多模态数据的渴求是短期增长的主引擎。自动驾驶L3/L4级法规的逐步落地，催生了对corner case（极端场景）数据的刚性、长期需求。此外，AI Agent、具身智能、科研等新兴领域正在开辟新的数据需求边疆。 技术迭代路径与当前节点：行业技术路径正从“劳动密集型人工标注”向“人机协同的智能标注”演进。当前节点处于自动化标注工具初见成效，但复杂场景仍需大量人工干预的阶段。公司的核心壁垒在于将行业知识（Domain Knowledge）转化为高质量标注指南和质检规则的能力，以及管理大规模分布式标注团队的质量与效率。 供给瓶颈：高质量的标注人才（如懂医学的标注员、懂交通规则的3D点云标注员）是稀缺资源。同时，满足全球不同地区（如欧盟GDPR）的数据合规要求构成了显著的准入壁垒。短期内，具备规模化交付能力和多领域知识库的头部服务商优势明显。

同业对比

国内可比公司主要包括拓尔思（侧重NLP数据与文本数据）、云测数据（聚焦自动驾驶与AIOT）等。与拓尔思相比，海天瑞声在多模态数据（特别是语音与视觉）的采集与标注能力上更为全面和均衡。与云测数据相比，海天瑞声的客户结构更偏向互联网与AI研发机构，而云测在车企客户端优势更直接。海外对标公司为Appen，海天瑞声在国内数据安全与合规背景下具备本土化优势。

逻辑链

AI capex → 环节 → 公司受益点 大模型迭代加速 → 算力/数据需求扩张 → 公司 AI数据服务向“数据飞轮”运营模式进化 形成竞争力

催化事件时间表

自动跟踪（dataview 拉 04-催化事件）

风险与跟踪点

风险

• 下游需求风险：公司业绩与AI行业研发投入周期强相关。若全球或国内科技公司因宏观经济或战略调整削减AI研发预算，将直接导致数据采购需求下降，影响公司订单量与收入。
• 供应链风险：公司业务依赖庞大的数据采集与标注外包团队。若出现关键外包服务商流失、质量失控或人力成本大幅上涨，将影响项目交付、成本及利润率。
• 技术迭代风险：自动标注、合成数据技术发展可能超预期，部分标准化标注任务被自动化替代，从而挤压公司传统业务空间。若公司不能持续投入研发并快速应用新技术，其效率优势可能被削弱。
• 市场竞争/价格战风险：行业集中度仍较低，若竞争对手为获取市场份额采取激进定价策略，可能引发行业性价格压力，损害公司及全行业的盈利能力。

跟踪点（含频率）