数据要素企业的成本结构，通常集中在数据集结构设计、组织数据采集与原料数据加工三个环节，并以软件形式向客户交付专业数据集；其盈利模式则与数据集复用率、多领域覆盖广度和交付标准化程度密切相关。以海天瑞声为例，公司自成立以来始终为AI产业链各类机构提供算法模型训练所需的专业数据集，具体流程是设计数据集结构、组织数据采集，再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，并通过软件形式向客户交付。

成本结构拆解

从上述流程看，成本首先发生在数据集结构设计环节——这是决定数据可用性的前置投入，需要理解客户算法模型的训练目标，属于研发与专业能力密集型支出。

其次是组织数据采集环节，涉及采集渠道的组织与原料数据的取得，构成采集与授权类成本。

第三是原料数据加工环节。数据加工通常包括数据清洗、数据标注、数据审核和数据融合等步骤，其中数据标注需要借助特定软件标注工具、以人工方式对图片、语音、文本、视频等内容打上特征标签。人工参与度高，意味着人工标注与质检成本是加工环节的主要构成。此外，数据审核一般采用机器与人工双重过滤，也带来相应的人力与工具投入。

盈利模式的支撑变量

数据要素企业的收入以软件形式交付专业数据集实现，其盈利水平取决于几个可观察的变量：

  • 数据集复用率：同一数据集若能服务更多算法模型训练需求，单位交付成本被摊薄；
  • 多领域覆盖广度：海天瑞声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，并服务于人机交互、智能家居、智能驾驶等多种创新应用场景，覆盖越广，产品标准化程度与复用空间越大；
  • 交付标准化程度：标准化产品、定制化服务及相关应用服务的组合，影响交付效率与成本可控性。

需要说明的是，数据标注产业具有一定技术门槛，因此不少数据运营商选择外包，这为第三方数据服务商留出了空间。

常见问题

数据要素企业的成本主要花在哪里？

主要花在数据集结构设计、组织数据采集和原料数据加工三个环节，其中加工环节的数据标注、数据审核需要人工深度参与，是成本的重要来源。

为什么数据集复用率会影响盈利？

专业数据集以软件形式交付，同一数据集被复用的次数越多，前期设计与采集投入被摊薄的程度越高，单位交付成本相应下降。

海天瑞声在产业链中处于什么位置？

海天瑞声成立于2005年，致力于为AI产业链各类机构提供算法模型训练所需的专业数据集，在人工智能基础数据服务领域已成为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、定制化服务及相关应用服务的全覆盖。