核心财务数据：业绩强劲增长
营业收入：人民币3.77亿元，较2024年增长59.00%。
归属于上市公司股东的净利润：1,411.85万元，同比增长24.54%。
扣非净利润：1,078.52万元，同比增长达116.85%，显示主营业务盈利能力大幅提升。
研发投入：研发投入占营业收入比例为15.54%。虽然占比因收入高增而较去年有所下降，但公司仍保持了高强度的研发支撑。
现金流状况：经营活动产生的现金流量净额为177.26万元，同比下降93.83%。这主要是由于海外业务布局加速导致运营资金支出增加，以及职工薪酬支付额上升所致。
随着DeepSeek、Gemini 等成为现象级应用，以及AI手机、具身智能等终端加速落地，大模型技术正驱动数据需求发生深刻变革。
a.多模态大模型成为主流，驱动多模态数据需求爆发式增长 大模型正从单模态向多模态范式加速演进。多模态技术的本质在于跨模态信息融合，即通过 协同处理文本、图像、音频、视频等不同形式的数据，使AI具备更接近人类的全维度认知能力。 这种演进解锁了诸如视觉问答、跨模态生成、智能语音交互等复杂场景的应用潜力。以视觉问答 为例，系统需同时解析图像中的视觉和文本信息，并通过模态对齐与知识推理生成准确回答。这 一过程的实现，依赖于海量高质量的图文对数据。数据服务商需构建覆盖多样化场景的问答对， 通过模拟现实中的视觉推理逻辑，训练AI建立视觉-语言联合表征能力。实践证明，数据质量与 多样性直接决定多模态模型的能力上限。随着多模态数据生态的完善，AI的感知与认知能力将实现新跨越。
b. 大模型从“规模驱动”转向“推理驱动”，思维链（CoT）数据成为关键突破口 随着模型参数量逼近实用天花板，传统Scaling Law的边际收益正在递减。单纯堆算力与参 数已难以解决逻辑、数学等复杂推理任务，行业正加速向“推理驱动”范式转型——让模型从直 觉式“快思考”转向逻辑式“慢思考”。 2025 年，DeepSeek R1 的推出验证了这一路径的可行性。其核心创新在于思维链（Chain-of Thought, CoT）技术：通过将复杂问题拆解为多步可追溯的推理步骤，得以模拟人类的分步思考 过程，显著提升逻辑一致性与答案可解释性。这一技术突破使CoT数据从“可选项”变为“必选 项”。 对于数据服务商而言，CoT数据的供给能力将成为衡量专业水准的关键标尺。率先建立专家 标注体系、掌握复杂推理数据生产方法论的企业，将在大模型下一阶段的竞争中占据核心生态位。
c.从通用到垂直，高质量行业数据需求显著提升 DeepSeek 等开源模型的高性能、低成本加速了AI应用普及，推动AI从通用助手向行业专家 和AI Agent 演进。医疗、法律、金融等垂直领域对专业数据的需求激增：医疗大模型要求标注人 员具备医学知识，法律模型需理解法条与判例逻辑。同时，AIAgent需要理解用户指令并执行订 餐、行程规划等复杂任务，对多轮交互、任务拆解类数据提出新要求。对于数据服务商而言，上 述变化意味着核心竞争力正在重构：不再仅仅是“数据产量”的比拼，更是行业理解深度、专家 资源网络、复杂任务拆解能力的综合考验。能够为垂直领域提供“数据+知识”一体化解决方案的 企业，将在AI产业深水区占据不可替代的位置。
d.具身智能浪潮来袭，数据供给瓶颈亟待突破 具身智能被广泛视为通往AGI的关键一跃。2025年，特斯拉Optimus、Figure 01等机器人 加速从实验室走向工厂与家庭。与纯软件AI不同，具身智能要求模型理解并交互于真实物理世界 ——这一跨越带来了根本性的数据挑战。行业依赖以下种数据来源：互联网开源数据集（规模有 限，仅百万级）、虚拟合成、动作捕捉、第一人称视角（如头戴相机记录人类操作）、UMI（通用 操作接口）、真机遥操。虚拟合成数据虽可批量生成，但“仿真到现实”的差距始终存在——物 理引擎无法完美模拟摩擦力、形变、光照变化等复杂因素。真机遥操采集（如人类通过VR设备远 程操控机器人）能产出最高质量的数据，但单条数据采集成本高达数十元，难以快速规模化。目 前，混合式数据策略成为行业共识，即用第一人称视角、UMI数据、虚拟数据等进行预训练、用真 实数据精调。 对于数据服务商而言，具身智能是一个全新的蓝海市场。当前行业仍处于“数据荒”阶段， 率先建立物理世界数据采集、以及仿真数据能力的数据服务企业，将在具身智能时代占据更强的 先发优势。
e.数据安全法规密集落地，合规能力成核心竞争力 近年，《数据安全法》《个人信息保护法》《网络数据安全管理条例》等法律法规相继实施。2025 年，国家进一步强化数据出境安全评估、生成式AI内容标识等要求。对于数据服务企业， 数据安全与合规能力已成为核心评价维度。能够持续跟踪法律变化、建立成熟安全管理体系、坚 持发展与安全并重的企业，将具备更强的市场竞争力。
报告期内新技术、新产业、新业态、新模式的发展情况和未来发展趋势
（1）DeepSeek带火CoT技术，多领域CoT数据需求集中涌现
伴随DeepSeek R1的火爆出圈，其背后的思维链（CoT）技术成为AI领域的新焦点。该技术 通过模拟人类“慢思考”认知模式，将复杂问题拆解为逻辑严密的推理链条，使AI系统在数学推 导、专业决策等场景中准确率大幅提升。DeepSeek官方已公开R1的完整训练路径，将全过程拆 解为冷启动、推理导向RL、拒绝采样再微调、对齐导向RL四步，其中冷启动阶段正是使用数千 条能体现思考过程的CoT数据对模型进行监督微调，才使得R1在AIME 2025测试中，准确率由 70%提升至87.5%。在医疗影像诊断、法律文书推理、金融风控等专业领域，融入分步推理过程的 CoT 数据，可使模型掌握从问题解析到结论验证的完整认知闭环，提升专业任务准确性和可解释 性。因此，在大模型向垂直领域拓展时，高质量的多领域CoT数据需求预期将快速增加，并成为 推动AI技术发展的关键因素。
（2）垂向领域数据需求快速增加，标注复杂度不断提升 以DeepSeek 为代表的开源大模型，凭借高性能、低成本和无限制商用等特点，加速了AI应 用的普及。该技术民主化浪潮推动行业从通用模型竞赛转向面向医疗、金融、制造等领域的深度 价值挖掘，催生出行业数据处理需求的指数级增长。麦肯锡调研显示，全球78%的组织已在日常 运营中使用某种AI工具，其中85%已将AI Agent集成至少一项工作流程。与通用类数据处理不 同，行业数据处理难度更大、更加注重专业性，对数据服务商的综合能力也提出了更高的要求。 一方面，数据服务商需具备行业know-how，以设计出符合行业需求的数据解决方案；另一方面， 随着模型向更专业化和精细化方向发展，丰富的垂类专家资源也至关重要。
（3）AI Agent 技术路线快速演进，GUI数据与行为轨迹数据需求已开始呈现增长态势 以OpenClaw 为代表的AI Agent 开始大规模落地应用，标志着AI从被动响应工具向主动决 策执行者的根本性跨越。AI Agent已具备明确的“感知-决策-执行”闭环能力，可应用于采购策 略制定、工作流审批、工业设备操控等复杂场景。在技术路线上，GUI Agent路线加速走向成熟， 突破传统API调用模式，使智能体能够像人类一样通过视觉识别“看”懂屏幕、利用模拟点击“操 作”按钮，实现跨应用自动化操作。然而，GUI Agent的训练面临严峻的数据瓶颈——端到端训 练需要海量高质量GUI交互数据，但手动大规模标注行动轨迹成本极高。为此，行业正积极探索 从公开屏幕录制视频中自动挖掘训练数据的技术路径，有望大幅降低标注需求。同时，行为轨迹 数据的采集与标注成为新焦点，数据服务商需大规模采集鼠标移动、点击、键盘输入、屏幕触摸 等完整操作序列，并将宏观看似复杂的任务指令拆解为可训练的微观动作逻辑，为AIAgent训练 提供结构化且具情境意义的数据支撑。在Agent迈向规模化落地的关键窗口期，具备多端（PC、 移动）行为轨迹数据采集与标注能力的数据服务商将获得显著的差异化竞争优势。
（4）具身智能的训练数据市场呈现出巨大的供需缺口，需求旺盛且潜力巨大 具身智能作为实现通用人工智能（AGI）的关键路径与终极载体，正受到越来越多的关注。2026 年被行业公认为具身智能的“数据之年”，数据需求正呈指数级爆发——从Pi0的1万小时训练， 到Gen-0 的27万小时，头部具身大模型所需真机训练数据正逼近甚至超过百万小时级别。业内共 识认为，具身模型真正收敛需几百万甚至数千万小时高质量训练数据，但当前国内各家具身智能公司数据总量仅约几十万小时，量级差距巨大。从政策层面看，工信部等七部门联合印发《关于 推动未来产业创新发展的实施意见》，将具身智能纳入未来制造、未来信息等六大战略方向；北 京、上海、深圳等城市已出台专项行动计划，通过资金与政策支持推动具身智能产业发展。具身 智能需要机器人在复杂的真实世界中实现自主感知、学习和适应，该能力的构建依赖海量来自“真 实物理环境”的动态交互数据进行训练。目前数据获取仍面临成本高昂、场景覆盖有限等挑战， 高质量具身智能数据市场正呈现巨大的供需缺口，需求旺盛，未来增长潜力巨大。
（5）数字经济发展催生新型数据服务模式 发展数字经济已经成为我国经济“弯道超车”以及挖掘经济内生增长的重要战略举措。国家 在数字经济建设方面决心极为坚定，通过《中共中央、国务院关于构建数据基础制度更好发挥数 据要素作用的意见》、《数字中国建设整体布局规划》等政策文件的密集发布以及组建成立国家 数据局、国家数据发展研究院、世界数据组织（WDO）等职能部门和组织，进一步统筹并加速落地 数字经济发展战略，而数据要素作为深化数字经济发展的核心引擎，也将迎来新的发展机遇。未 来，围绕数据确权、汇聚、处理、利用和流通等环节将会产生巨大的增量市场空间，催生出围绕 公共数据以及行业数据开发的新型数据服务需求，以及以行业高质量数据集构建、可信数据空间 建设运营、数据标注基地建设、数据平台开发运营、数据交易为代表的新产品、新业态、新模式。
