同樣做標注，為什么美國公司這么值錢?

““AI的底層戰爭：中國有數據、有人力、有場景，為何跑不出Scale AI？”

你敢相信嗎，一家2016年成立的數據標注公司，它的估值竟能追平百度與理想汽車？

2025年6月，Meta豪擲143億美元，拿下美國數據標注巨頭Scale AI的49%股份，將其估值一舉推至驚人的290億美元（約合人民幣2082億元）。

這一數字意味著什么？截至2025年6月20日，百度的市值約為287.5億美元，理想汽車為263.6億美元。Scale AI的估值，已然超越了許多我們耳熟能詳的科技巨頭。

在人工智能浪潮席卷全球的今天，高質量的數據資源被譽為新時代的“石油”。而未經加工的原始數據如同埋藏地下的原油，其巨大價值需通過一道關鍵工序方能釋放——這就是數據標注。

成立十年的Scale AI，不做模型，不搞應用，只專注一件事：為全球頂尖AI公司提供高質量的標注數據與數據管理平臺。如今，這家曾被視為“AI產業鏈底層苦力”的公司，正迎來高光時刻。

然而，視線轉回國內：盡管中國擁有全球最龐大的數據資源、最豐富的標注勞動力、最活躍的AI應用場景，卻始終未能跑出一家Scale AI級別的超級獨角獸。

同樣是為大模型準備“養料”，為何中美兩國的命運如此迥異？是技術的代差，還是商業邏輯的錯位？

為探究原因，我們聯系到了國內頭部的數據標注公司海天瑞聲（688787.SH）和本原智數的相關負責人，試圖從商業環境土壤、行業運作路徑以及未來破局之道等維度，拆解這一現象背后的深層邏輯。

商業環境的溫差：

底層邏輯與產業生態分野

營收規模的落差，是中美數據標注企業最直觀的差距。

海天瑞聲董事會秘書張哲在接受數據猿采訪時坦言，國內外數據標注企業的估值差距，本質源于收入規模的量級鴻溝。

公開數據顯示，Scale AI收入由2022年2.5億美元升至2023年7.6億美元；在2024年營收約8.7億美元（約合人民幣62.3億元），單筆合同與客單價多在八位數至九位數美元區間。東吳證券研報披露，Scale AI預計 2025 年收入達到20 億美元（約合人民幣143億元），并實現EBITDA 盈利，2026 年銷售額接近 40 億美元。

Scale AI聯合創始人 圖源：Alexandr Wang社媒賬號

與海外頭部企業相比，國內數據標注公司的營收規模大多處在幾千萬到幾億的區間，兩者之間的量級差距顯而易見。

這背后，其實暗含了“水大魚大”的道理——“水”是AI應用市場，“魚”是數據服務企業。當前，美國市場的“水域”更為廣闊。這不僅源于技術層面的先發優勢，更得益于其成熟完善的軟件商業生態。在這樣的土壤上，自然生長出了層次豐富的產業格局：既有Scale AI這類覆蓋全鏈條的全能型服務商，也有Surge AI、Turing等聚焦模型微調的垂直玩家，還有Lionbridge等深耕文本、語音領域的專業機構。

反觀國內，盡管AI產業發展突飛猛進，但產業之間的分工與美國相比，還不夠專業、不夠合理。不少互聯網大廠傾向于自建眾包體系，將數據標注視為內部閉環的一部分。這種“自成一體”的模式，在短期內保障了數據安全與響應速度，卻也無形中擠壓了專業數據服務商的成長空間。

更深層來看，數據服務本質上屬于廣義的軟件行業，而中國長期以來“重硬件、輕軟件”的發展慣性，使得軟件生態的培育缺乏足夠的土壤。相比美國從企業級軟件時代就積累下來的分工習慣與付費文化，國內的數據服務企業往往更難獲得規?；l展的機會。水域雖在擴張，但真正能容納大魚暢游的深水區，還有待時間與生態的逐步完善。

產業格局分化：

客戶壁壘與市場集中度差異

當前，數據標注產業已形成清晰的上下游生態。其上游是數據源頭與需求方：一方面，數據來源廣泛分布于互聯網公司、政府機構、車企、醫療機構及金融機構等，它們是原始數據的生產者和擁有者；另一方面，需求方主要包括AI算法公司、科技巨頭、具身智能企業、高校及科研院所，以及傳統企業的數字化轉型部門，他們是標注服務的最終客戶，驅動著整個產業的運轉。

從客戶結構看，Scale AI的高速增長離不開頂級客戶資源的支持，其核心客戶包括OpenAI、微軟、Meta、英偉達等科技巨頭。2024年公司實現營收的8.7億美元中，僅Google單一客戶貢獻便達1.5億美元。

Scale AI 官網界面

此外，美國軍方這一特殊大客戶成為Scale AI崛起的關鍵助力。公開信息顯示，軍方采購是其核心收入來源之一，巨額且穩定的訂單助力公司完成原始積累。

本原智數CTO林震亞提到了客戶需求方的原因，中美需求側對數據外包的態度存在本質差異，這也是制約國內產業發展的關鍵因素之一?！懊绹钠髽I，像OpenAI、谷歌，非常愿意把整塊的業務包出去。他相信數據公司對數據的理解是比他自己深的，而在國內，數據團隊中反而是很有話語權的供應商，基本上只能在（數據標注）基地里去提供人力”。

林震亞強調，這種模式本質上是需求方將核心的數據理解能力牢牢掌握在自己手中，并未給第三方數據公司留下足夠的成長空間，導致國內供應商難以構建真正的核心壁壘?！皣鴥鹊臄祿髽I沒有非常強的核心競爭力，而且國內又特別的卷，然后卷的話就導致分散，國外可能就是三個頭部公司就能吃下70%—80%的市場（份額），而國內排名前三的（公司）估計也就吃了20%—30%的市場（份額）?！?/p>

市場結構的極度分散，成為阻礙行業誕生獨角獸的關鍵。據林震亞分析，國內數據標注企業數量多達兩三千家，行業碎片化嚴重。這種分散不僅源于企業數量眾多，更與政府項目的采購壁壘密切相關。他透露，很多政府項目都是點對點直接發包，即便頭部企業也難以與政府建立深度合作，接觸不到核心標的，項目最終多被地方小團隊承接。缺乏集中效應的市場環境，使得國內數據企業難以做大做強，自然無法形成類似Scale AI那樣的規模護城河。

不過，林震亞也表示，國內行業正逐步走出困境。隨著市場對模型能力和體系化建設的重視程度不斷提升，國內數據企業只要明確發展目標、搭建標準化體系，完全有能力構建核心競爭力，實現高質量發展。

尋找破局之道：

乘勢而上與筑高壁壘

海天瑞聲相關負責人也對中國市場的未來表現出了強烈的信心，在“水大魚大”的產業邏輯里，中國AI市場這一“蓄水池”正迎來質變。“當我們的模型能力與一線模型差距在縮短，應用一起來，反倒是‘AI+應用’成了我們的優勢”。

他進一步表示，2025年8月國務院印發的《關于深入實施“人工智能+”行動的意見》，已明確了未來十年國家在人工智能領域的戰略方向，“就是要舉全國之力干這件事，央國企體系的帶動下，也會帶動民營領域。所以我覺得我們這個‘水池子’變大的速度會更快。水大了，魚長大的速度也會快，這是自然規律。海天瑞聲要做的，就是爭取成為比較大的那條魚”。

人工構建可信數據集過程 來源：海天瑞聲 2025 半年度報告

在國家“AI+數據要素”戰略的指引下，重點央企自2024年起加速布局通用+垂向大模型研發，帶動了高質量圖像、視頻等訓練數據的規模化采購需求。海天瑞聲已成為中國移動重要的數據服務供應商。并且公司也在全面推進全球化戰略布局，一方面通過東南亞交付基地的建設構建海外標注產能，重點拓展更具市場潛力的定制化服務；另一方面加快全球化服務網絡建設，已在中國香港、新加坡和美國設立區域子公司，并積極推進日本、韓國及歐盟子公司落地，提升客戶觸達效率和需求響應速度。

與此同時，本原智數正在嘗試通過科研實力打破僵局。林震亞進一步指出，純合成路線難以走遠，“標注的本質是把人類的知識精華沉淀下來給模型學習，如果全合成，人類精華產生的價值就非常小了”，并且若企業僅做數據合成，客戶最終采購的是合成模型而非數據服務，一旦該技術被攻克，企業便失去核心壁壘。因此本原智數堅持‘人機結合’模式，雖具備合成能力，但對外輸出均以人工標注為基礎，通過人工全流程校驗，沉淀人類知識精華供模型學習。

憑借這一模式，公司構建起獨特的競爭壁壘：既以合成能力實現效率升級，又以人工精修保障數據品質；同時匯聚全球頂尖人才產出頂會級科研成果，以技術高度建立與甲方的平等對話權，“我們需要一批全世界最聰明的人貢獻自己的精華力量，對去貢獻給模型”，將人類專業智慧轉化為模型迭代的核心動力。

潮起東方：海外隱憂與本土數據價值釋放

數據標注產業兼具技術屬性與人力資源屬性，其發展邏輯與全球產業格局緊密相連。業內資深人士認為，對于Scale AI的百億美元估值不必過度焦慮。盡管Meta的巨額投資推高了其估值，卻也讓該公司陷入身份尷尬與信任危機。受Meta介入影響，谷歌、OpenAI、微軟等核心客戶出于數據隱私與商業競爭考量，紛紛削減或終止合作，使其面臨核心收入流失的風險；而Meta自身也未完全依賴Scale AI，仍保留與其他競爭對手的合作關系，進一步加劇了其商業處境的不確定性。

與此同時，Scale AI的運營模式也暗藏隱憂。據公開信息顯示，該公司通過旗下眾包平臺Remotasks，將基礎框選標注任務分包至菲律賓、肯尼亞等地區，其900名正式員工之外，依托超24萬遍布全球的低成本臨時工完成生產。這種勞動力結構雖能維持成本優勢，卻引發了數據質量、勞工權益等爭議，甚至使其貼上“數字血汗工廠”的標簽，光鮮的技術光環之下，潛藏著運營模式的脆弱性。

數據技術與智能技術深度融合演進趨勢 來源：中國信息通信研究院

與此同時，國內數據要素市場正迎來前所未有的發展機遇，呈現出強勁的增長勢頭。

2026年3月24日，國家數據局局長劉烈宏介紹，截至2025年年底，全國已建成高質量數據集超過10萬個。到今年3月，我國日均Token（詞元）調用量超過140萬億，相比2024年初的1000億增長了1000多倍，相比2025年底的100萬億，三個月時間又增長了40%多。數據調用激增，反映我國AI進入快速增長期，應用從對話向智能體演進，產業競爭力增強，數據要素價值釋放，與AI發展形成良性互動。

詞元調用量指數級增長，標志著數據要素通過可計價模式實現從供給到價值的閉環，大模型競爭正從能力比拼轉向用量比拼，而AIInfra作為支撐調用規模擴張的核心環節，意味著算力、網絡、數據調度等底層支撐系統必須同步甚至超前擴張，將充分受益于Token需求的持續攀升。

針對高質量數據集建設“小和散”的問題，國家26個部門組織遴選了72家高質量數據集建設鏈主單位、140個先行先試工作單位和104個典型案例，構建了鏈主帶動、多方參與、聯合攻關、共建共享、合作共贏的高質量數據集建設生態，從而持續推動高質量數據集的建設。

2017-2024 年部分全球數字生命力指數發展趨勢 來源：中國信息通信研究院

與海外巨頭通過資本與訂單構建的“中心化”壟斷格局不同，中國的數據標注產業更像是一片“萬魚競逐”的藍海。面對中美數據標注產業在體量上的客觀差距，或許我們不必急于尋求單一的“中國版Scale AI”。恰恰相反，中國市場的獨特魅力，或許正蘊藏于其“去中心化”的蓬勃生態之中。

截止到2025年年底，全國已建成的高質量數據集超過了10萬個，總體量超過了890PB，這相當于中國國家圖書館數字資源總量的310倍左右。

“水大了，魚長大的速度也會快?！碑敽Ａ康母哔|量數據集與指數級增長的Token需求成為這片海域的充沛養分，我們看到的不再是孤獨的巨鯨，而是萬千條充滿生機的“魚”在競相生長。這種勃勃生機，正是中國數據標注產業從“跟跑”邁向“并跑”乃至“領跑”的最強底氣。我們期待，在這場萬魚競逐的浪潮中，能涌現出更多具有獨特競爭力的創新力量，共同撐起中國AI產業的廣闊未來。