引言：AI 落地倒逼数据服务产业模式革新-大讲堂

2026 AI 训练数据服务行业实践白皮书 —— 知识密集驱动下的数据工业化之路

摘要

随着大模型、多模态大模型、人形机器人、智能体 Agent 技术持续迭代，AI 产业竞争的重心逐步由算力、模型参数转向高质量训练数据供给。传统以人力堆叠为主的数据生产模式，已经难以适配垂域大模型、具身智能对专业认知、多传感器同步、物理因果理解的新要求，行业正在完成从 “人力密集” 向 “知识密集 + 工业化生产” 的重要转型。

2026 年，国内各类 AI 应用加速向实体经济落地，医疗、法律、金融、智能制造、家庭服务机器人等场景，对垂直领域专业数据集的需求持续走高。与此同时行业依旧面临专业人才供给不足、多模态数据工程实施门槛高、跨境与个人信息合规压力大、仿真与真实数据融合生产机制尚未成熟等现实痛点。

本白皮书立足国内 AI 产业落地的实际场景，梳理 AI 训练数据服务行业的发展现状与转型逻辑，结合甲骨易二十余年深耕 AI 数据服务的一线实践，从平台技术、全球化交付网络、专家人才体系、全流程质量与合规管控、多赛道落地案例等维度，解析国内头部数据服务商如何应对产业新需求。报告覆盖多模态采集标注、大模型对齐评测、八大垂直行业解决方案、具身智能全链路数据工程、成品数据集等业务板块，从企业实践出发，面向产业上下游输出可落地的实践经验，为 AI 企业、科研机构、行业主管部门提供参考，共同推动国内 AI 数据产业高质量发展。

第三章品牌价值与企业实践 3.1 甲骨易发展之路：跟随中国 AI 产业共同演进 3.2 企业定位、使命与权威资质体系 3.3 Pandata 平台：构建人机协同的工业化生产底座 3.4 “总部‑基地‑区域‑全球” 四级运营交付网络 3.5 知识密集型人才体系建设路径 3.6 贯穿项目全生命周期的数据安全与质量管控

第四章全栈业务能力与标准化实施体系 4.1 多模态定制化数据采集能力 4.2 覆盖全场景的数据标注能力矩阵 4.3 垂直行业数据解决方案实践 4.4 具身智能端到端数据工程完整能力 4.5 大模型全周期对齐与评测数据服务 4.6 成品数据集：即拿即用的数据资产 4.7 标准化项目实施与交付服务流程

第五章产业落地典型实践案例 5.1 可穿戴生理健康多源数据采集项目 5.2 音乐内容 AI 训练精细化标注项目实践 5.3 具身智能：家庭与工业场景数据落地案例 5.4 垂直行业大模型数据服务落地

第六章行业发展洞察与多方共建建议 6.1 对政府及行业协会：完善标准体系，推动产业协同 6.2 对 AI 研发企业：建立数据前置规划思维 6.3 对数据服务厂商：坚持技术、人才、合规三位一体 6.4 产学研协同：打通科研需求与工业化数据生产

第七章企业未来发展愿景 7.1 持续强化多模态‑具身‑垂域大模型全栈数据能力 7.2 可信数据空间与合成数据技术深化落地 7.3 共建开放协同的 AI 数据产业生态

参考文献附录 A 名词术语说明附录 B 甲骨易业务资质清单

第一章引言：AI 落地倒逼数据服务产业模式革新

1.1 产业现实：AI 从实验室走向产业应用

2026 年，人工智能产业已经跨过单纯技术演示阶段，进入规模化落地的关键时期。通用大模型能力持续迭代，行业大模型、人形机器人、软件智能体成为产业热点。各行各业不再满足于模型在公开基准测试榜单上的亮眼分数，更加看重模型在真实业务场景中的实际表现。

模型能力的上限，由训练数据的质量、多样性、场景适配度所决定。公开互联网数据存在噪声大、专业内容不足、分布与真实业务场景错位等问题，很难直接拿来训练面向实体经济的 AI 系统。想要让 AI 看懂医学影像、读懂法律合同、理解金融财报、操控家庭机器人完成家务，必须依靠专业化的数据服务，把原始信号转化成具备语义、逻辑、物理关联的结构化训练样本。

在此背景下，AI 训练数据服务不再是 AI 产业链末端的配套外包环节，而是成为制约 AI 产业落地的关键基础设施，行业价值与产业地位正在发生本质变化。

1.2 数据服务行业新旧模式对比

过去传统的数据服务模式属于典型人力密集模式：业务以 2D 目标框选、语音转写、简单文本分类为主，任务偏向重复性感知类工作；生产以人力手工操作为主，工具简单，缺少统一平台；人才以普通劳务人员为主，对专业知识要求低；项目交付重点关注产出数量，质量依靠简单抽检，难以处理高复杂度认知类任务。

而当下新的产业需求催生知识密集型的数据服务新模式：业务层面，除传统感知任务之外，大量新增思维链标注、RLHF 偏好排序、长文本逻辑解析、多模态对齐、物理交互因果标注等高认知门槛任务；生产模式层面，依托自研平台，采用 “AI 预标注 + 专家人工精修” 人机协同模式，实现采集、标注、质检、交付全流程线上闭环；人才层面，大量引入医疗、法律、金融、机械、语言学等高学历专业人才，处理垂直领域复杂任务；质量导向层面，不再只看数据条数，更加看重样本多样性、场景真实性、标注一致性、元数据完整度；业务边界向外拓展，从单纯 “做标注标签” 拓展为包含硬件部署、真机采集、仿真合成、模型评测的完整数据工程。

1.3 当前行业面临的机遇与现实矛盾

从机遇来看，AI 向千行百业渗透打开广阔市场空间。一方面国内各大科技企业持续迭代基座大模型；另一方面智能制造、智慧医疗、智慧金融、人形机器人等实体行业加速数字化转型，带来海量垂直领域数据需求；国内企业出海，又进一步催生多语种、跨地域、符合海外监管要求的数据服务增量市场。

但行业同时也面临多重现实矛盾。第一，垂直领域专业人才缺口显著。医疗、法律等行业的数据处理，要求从业人员既要理解 AI 算法需求，又要掌握行业专业知识，复合型人才供给不足，制约行业大模型落地。第二，新型数据工程实施门槛高。具身智能、多模态任务，不再是单纯打标签，涉及传感器部署、多源信号时序同步、空间标定、仿真数字孪生等大量工程工作，技术投入大，建设周期长。第三，合规复杂度持续提升。国内《个人信息保护法》以及海外 GDPR 等多重监管并行，采集知情同意、脱敏处理、跨境流转、数据存储销毁全链条都需要严格管控，合规风险已经成为项目的核心风险点。第四，质量评价体系有待进一步普及。2026 年工信部正式发布具身智能数据集相关行业标准，但是整个行业范围内，“重数量、轻质量” 的惯性仍然存在，部分项目一味压缩成本、追求数据产出条数，忽视样本多样性与场景真实性，最终造成模型泛化能力不足。第五，真实采集成本高，长尾极端样本难以穷尽。真实世界存在大量遮挡、暗光、非常规布局的长尾场景，如果全部依靠真机采集，时间与经济成本高昂，如何平衡真实采集与仿真合成数据的关系，是行业共同面对的课题。

想要化解以上矛盾，不能只依靠简单扩充人力，需要平台技术、专业人才、标准化流程、合规管控、产业实践经验多维度协同发力。

第二章 AI 训练数据服务的核心能力构成

2.1 全生命周期数据服务：采集‑标注‑评测‑数据集交付

完整的 AI 数据链条包含原始数据采集、清洗脱敏、标注加工、质量评测、数据集交付，不同环节环环相扣，任何一个环节出现短板，都会影响最终数据集质量。

采集决定原始素材的真实性与多样性；标注赋予原始数据语义与逻辑；评测完成数据集质量校验，发现偏差与缺陷；数据集交付包含标准化格式、元数据、说明文档，保证数据可以直接对接模型训练。早期很多服务商只承接标注单一环节，上下游环节割裂，容易出现原始素材质量差，后续标注再努力也无法弥补的问题。因此端到端全链路能力，成为头部服务商的核心竞争力。

2.2 大模型时代下的新型数据任务体系

大模型催生大量感知时代不存在的新型数据任务。监督微调 SFT 相关：高质量指令样本、多轮对话、CoT 思维链推理标注、格式化输出、负向拒答样本构建；人类反馈强化学习 RLHF：多答案成对比较、多维度质量打分、偏好理由撰写；模型安全红队评测：越狱提示词构造、对抗攻击样本、隐性偏见、价值观对齐标注； RAG 检索增强评测：查询‑文档‑答案三元组、幻觉识别、文档忠实度标注、多文档冲突检测。

这一类任务高度考验人的阅读理解、逻辑思辨、价值判断能力，属于认知型工作，普通劳务人员很难胜任，必须依托具备良好知识储备的专业人员完成。

2.3 具身智能带来的数据工程范式变革

具身智能目标是让机器人能够感知物理世界、执行现实操作。对应的数据集，不再是一张张独立图片，而是由视频、深度图像、力觉信号、IMU 运动轨迹、物体六自由度位姿共同组成的连续时序多源数据。

业务分为采集与标注两大块。采集端涉及真机遥操作、动捕设备、第一视角头戴设备、仿真数字孪生环境搭建；标注除识别物体类别，还需要标注原子动作、任务高层描述、手物接触关系、作用力方向、物体状态变化、动作失败原因，建立动作和环境改变之间的因果联系。整套工作属于典型的数据工程，技术链条长，对硬件、平台、人员综合能力要求很高。

而 Agent 智能体，则聚焦软件界面交互，采集 GUI 界面点击、滚动、输入等操作轨迹，配套思考与工具调用日志，训练 AI 看懂屏幕、自主完成软件任务。

2.4 高质量数据集的实践评判标准

结合工信部行业标准与产业落地实践，一套高质量训练数据集，需要满足八项核心指标： 1.完整性：样本要素齐全，元数据完整，无传感器丢数、关键帧缺失； 2.一致性：标签规则统一，不同标注人员输出对齐，时序、空间坐标不存在冲突； 3.多样性：覆盖不同光照、物体变体、人员特征、长尾边缘场景，规避样本单一带来模型偏见； 4.真实性：还原现实世界真实行为，避免摆拍、表演式人工造样本； 5.易用性：输出格式兼容主流训练框架，字段清晰，配套完整说明文档； 6.实用性：样本贴合下游真实业务场景，切实提升模型实际业务表现； 7.可扩展性：生产流程可复制，能够根据业务需求快速扩大规模； 8.安全性：完成脱敏，来源可追溯，保护个人隐私，规避版权风险。

第三章品牌价值与企业实践

3.1 甲骨易发展之路：跟随中国 AI 产业共同演进

甲骨易 (北京) 语言科技股份有限公司创立于 2004 年，新三板挂牌企业（股票代码：870633），是国内最早布局 AI 训练数据赛道的企业之一。企业完整见证国内 AI 行业的发展历程：从早期语音识别起步，到计算机视觉大规模落地，再到大模型爆发，直至如今具身智能、智能体成为产业热点。

在行业普遍将数据标注视作低附加值外包业务的阶段，甲骨易就前瞻性布局全球化多语种采标网络，搭建专业录音棚，积累全球语言资源。伴随着大模型浪潮，企业进一步向多模态、具身智能、垂域大模型拓展，完成从语言服务企业，升级为具备 “多模态‑具身智能‑垂域大模型” 端到端能力的全球 AI 全栈生态领航者。

企业始终秉持核心理念：模型架构决定 AI 的起点，而数据质量定义 AI 的天花板。企业发展历程可以划分为三个重要阶段：第一阶段，夯实语言多语种底座，搭建全球化采集标注网络，积累语音、文本基础数据服务能力；第二阶段，自研 Pandata 采标一体化智能平台，推动业务由人力密集向 “算法引擎 + 专家认知” 的工业化生产模式转型；第三阶段，面向大模型时代，拓展具身智能、Agent 智能体业务，引入区块链、隐私计算打造可信数据空间，打通采集、标注、合成、评测、微调配套的完整业务闭环。2026 年 8 月，甲骨易发布《数据行业治理白皮书》，梳理全球数据需求变革，剖析产业痛点，面向政府、企业、科研机构输出分层建议。

3.2 企业定位、使命与权威资质体系

甲骨易以为海内外基座大模型提供核心数据基础设施为企业使命，致力于以高质量数据支撑全球 AI 系统训练迭代，夯实人工智能产业数字底座。

集团总部设立在北京，长沙为核心标注运营中心，国内多个核心城市设立分支机构；海外在东南亚、东亚、北美、欧洲、中东、非洲布局合作基地与采标网络，业务覆盖全球六大洲、50 余个国家和地区，形成 “一总部、多中心、跨大洲、全天候” 的全球化布局。依托跨时区运营节点，实现 7×24 小时不间断项目响应，提供无时差本地化数据服务。

企业拥有多项国家级资质：国家首批语言数据服务出口基地、国家文化出口重点企业、国家高新技术企业、北京市专精特新中小企业；同时是工信部关键技术实验室合作伙伴，工信部大模型基准测试体系 “方升” 首批合作伙伴。

公司取得 CMMI3、ISO27001 信息安全、ISO27701 隐私信息、ISO42001 人工智能管理体系等全套国际认证。客户包含全球 500 强企业、国内外头部互联网、云计算 AI 巨头、智能汽车、消费电子厂商；同时也是外交部、商务部、中宣部等国家级官方机构指定的数据服务合作方。累计服务数千家客户，交付上万个定制化项目，业务覆盖人工智能、金融科技、智慧医疗、智能制造、智能汽车、政务、数字教育等众多领域。

3.3 Pandata 平台：构建人机协同的工业化生产底座

传统数据项目经常面临多工具切换、文件手动流转、进度质量难以管控的痛点。甲骨易自研 Pandata 采标一体化智能平台，是企业实现工业化数据生产的核心载体。

平台整体分为智能调度、AI 预标注引擎、人工校准、质量管控四层架构，打通采集、脱敏、标注、质检、交付全流程，实现人机协同作业。

智能调度层基于人员技能画像、历史绩效，实现任务智能分配，具备产能预测、动态排期，支持多项目大规模并行调度。

AI 预标注引擎依托项目沉淀业务数据持续迭代，完成目标检测、语义分割、姿态估计、实体链接、情感分类等任务的预标注输出，交由领域专家人工修正；修正后的数据回流训练预标注模型，形成 “生产‑反馈‑优化” 的数据飞轮，持续降低重复人工工作量。

质量管控模块建立四级检查机制：标注员自检、小组抽检、专家复核、终检。沉淀典型错误与优秀案例知识库，用于团队常态化学习提升。

平台配备可视化管理看板，管理者实时掌握项目进度、人员产能、质量指标；交付支持 JSON、Parquet 等主流格式，附带完整元数据与标签文档，适配各类大模型训练框架。平台同时具备完善权限管理、操作审计日志，能够安全支撑长期上百人大规模项目运行。

3.4 “总部‑基地‑区域‑全球” 四级运营交付网络

甲骨易搭建起 “总部统筹 — 基地交付 — 区域响应 — 全球协同” 四级运营体系。国内拥有北京、长沙、山东三大自营基地，合计 2190 个专业席位；长沙基地承担企业核心规模化标注产能。以上海、杭州、南京、深圳、广州、成都、重庆、西安、武汉等城市分支机构，覆盖国内六大经济圈。语音采集网络覆盖国内重点城市，能够快速响应各地方言、口音采集需求。

海外布局方面：东南亚多国建设合作标注基地，作为亚太业务枢纽；东亚覆盖日韩语种；北美对接美国加拿大市场；欧洲覆盖三十余种欧洲语种，适配 GDPR 合规；中东非洲覆盖阿拉伯语、斯瓦希里语等二十余种小语种。整体拥有 230 余间专业录音棚，7000 余名全球采标人员，支持 200 余种语言及方言的数据采集标注。

依托全球不同时区的运营节点，实现 7×24 小时接续工作，有效压缩项目交付周期。

3.5 知识密集型人才体系建设路径

人才是知识密集型数据服务的核心壁垒。甲骨易全球平台汇聚 68000 余名标注人员，分布全球三十多个国家。硕士及以上学历标注与管理人才超过 3000 人，博士 200 人以上，专业背景覆盖计算机、人工智能、医学、法学、金融、语言学、机械工程等多个学科，专门承接高复杂度垂直领域任务。

企业搭建六层人才储备渠道：自建人才库、线上招聘平台、内部推荐机制、垂直行业社群等，保障人员供给。对采集、标注人员实行分级认证：初级操作员、中级操作员、高级操作员、项目经理。所有人员上岗前完成标准化 SOP 培训，参与试采试标考核，持证上岗。垂直高复杂度项目，额外增加行业专家带教、专项认证。

人员风险防控体系完整：身份公安核验，学历学信网核验，工作经历社保交叉核验；全员签署保密协议与数据安全承诺书，核心岗位签订竞业限制。建立人员流失应急方案：员工离职 24 小时启动招聘，72 小时完成补位；核心岗位设置 AB 角，保障项目连续性。同时通过排班轮换、加班管控，规避疲劳作业带来的质量风险。

3.6 贯穿项目全生命周期的数据安全与质量管控

甲骨易将数据安全视作业务生命线，管控覆盖采集、传输、存储、标注、交付、销毁全链条。采集阶段：签署合规协议，涉及个人信息的采集，全部取得被采集者知情同意；采集设备专用，作业现场禁止带入个人电子设备。存储传输阶段：数据加密存储加密传输，实行岗位最小权限，所有操作留存审计日志，做到行为可追溯。标注作业阶段：保密作业区域监控全覆盖，驻场作业区禁止手机进入；工具内置自动脱敏能力，识别处理敏感个人信息。交付销毁阶段：加密通道完成交付；项目结束按照协议完成数据销毁，出具销毁证明文件。

质量层面执行三级核验：一级作业人员自检；二级高级人员抽样巡检，重点场景 100% 抽检；三级质量团队终检复核。企业数据清洗准确率 98% 以上，标注精度稳定维持 99% 以上。项目交付之后，提供 30 天质量问题免费补采、免费修正；闭环工单 4 小时响应，保障售后。

过往项目实践中，某头部 AI 科技公司 60 人规模采集项目运行 18 个月无数据安全事故；某互联网大厂自动驾驶标注项目 120 人团队运行 12 个月，连续 12 个月零违规，顺利通过甲方安全审计。

第四章全栈业务能力与标准化实施体系

4.1 多模态定制化数据采集能力

采集业务覆盖文本、语音、图像、视频、多模态、具身传感器采集。文本采集包含专家访谈文本、红队对抗语料、价值观对比文本、代码注释采集；语音采集覆盖多语种、方言对话、儿童老年语音、远场唤醒、嘈杂环境、多人会议录音；图像采集包含多传感器同步、鱼眼图像、航拍、路侧摄像头、医学影像、显微图像；视频采集包含 Ego 第一人称、工业操作视频、家庭自然行为、多视角同步录制；多模态采集实现音画同步、车路云一体化、人车路协同、视听语言三模态对齐；

具身智能采集包含真机遥操作、Ego 无本体采集、UMI 手持夹爪、动捕服 + 数据手套采集；同时基于 NVIDIA Isaac Sim、MuJoCo 等仿真引擎实现仿真合成数据生产，构建数字孪生场景，通过域随机化批量生成样本，补充真实采集难以覆盖的长尾场景。

4.2 覆盖全场景的数据标注能力矩阵

标注分为文本、图像、视频、音频、多模态、对齐标注六大类。 文本标注：大模型指令理解、CoT 思维链、长文本逻辑关系、多语言平行语料、代码与学科公式标注； 图像标注：3D 点云语义分割、立体框、高精度语义分割、OCR、精细边缘、遮挡分层标注； 视频标注：时序动作定位、群体个体动作分离、鱼眼全景畸变校正、跨帧物体追踪； 音频标注：情感韵律标注、多语言方言转写、说话人分离、环境音异常事件识别； 多模态标注：视听对齐、多模态搜索、视觉问答 VQA、事件密集描述； 对齐标注：生成搜索相关性、RLHF 偏好排序、RAG 问答相关性、大模型价值观对齐标注，服务大模型微调、评测与安全对齐。

4.3 垂直行业数据解决方案实践

依托医疗、法律、金融、教育、创作 AIGC、内容审核、Agent 智能体、具身智能八大垂直领域专家团队，把行业隐性业务知识转化为结构化训练数据，提供需求诊断、方案设计、数据交付全链路服务。

金融行业：面向智能风控、票据处理、智能客服、智能营销。提供交易流水、票据证件、客服对话、舆情行为多模态数据，支撑欺诈识别、合同要素抽取、AI 客服训练。 医疗行业：覆盖医学影像、电子病历、生理信号、医患对话、手术视频。完成 CT/MRI 病灶分割、数字病理切片细胞级标注、电子病历知识图谱、问诊对话标注，赋能辅助诊断、临床预警、智能问诊。合作多家大型医院与医科院校，由医学硕博、持证专家把控质量。 法律行业：裁判文书、合同、庭审音视频综合标注；案件要素抽取、争议焦点、证据链、量刑情节标注，支撑智能审判辅助、类案推送、合同智能审查、法律文书生成。 教育行业：学科知识图谱、试题知识点、手写公式、作文多维度评分、英语口语音素评测，支持自适应学习、智能阅卷、特殊教育手语数据。 AIGC 创作领域：多风格文案、AI 绘画提示词工程、数字人 AU 动作单元、视频镜头语言标注、AIGC 生成内容多维质量评分，赋能文案生成、AI 绘画、数字人直播、智能剪辑。 内容审核：图文、短视频、直播弹幕全形态内容标注，识别隐晦变种违规、音画不一致复合型风险，未成年人专项保护、深度伪造鉴别，助力网络内容安全。 Agent 智能体：网页、移动端、企业软件 GUI 交互轨迹采集标注，记录视觉输入、操作动作、工具调用决策日志，支撑 GUI 智能体训练。

4.4 具身智能端到端数据工程完整能力

具身智能业务面向商业、工业、家庭真实场景，支持真人实操、遥操作双模式采集，同步采集多传感器数据，支撑 VLA 视觉‑语言‑动作模型训练。

跨学科技术团队覆盖机器人学、计算机视觉、物理仿真、数据科学，可完成硬件选型、场景方案设计、数据格式定义全流程技术支持。标注能力分为三大模块：

语义级任务标注：原子动作自然语言描述、高层任务描述、指令‑动作时序对齐；
物理交互标注：手‑物接触点、接触力方向、动作‑环境因果对、物体 6‑DoF 位姿、操作失败原因分类；
空间感知标注：三维点云实例分割、物体可供性标注。

采集模式分为真机遥操作、无本体真人采集、仿真合成数据三类。家庭专项方案覆盖厨房、客厅、卧室、书房、卫浴五大空间，划分 L1/L2/L3 复杂度分级；覆盖抓取、推拉、旋转、按压，备餐、全屋清洁、衣物整理等长时序任务链；物体库覆盖 500 种以上家庭物体；从物体变体、布局、光照、遮挡、操作角度做多维度场景变体；长尾场景采用 “真实采集 + 仿真合成” 双轨补齐，仿真单月产出十万条以上有效样本。

交付采用 “长沙基地场内模拟工厂 + 场外真实家庭” 双轨采集体系，投入 1000 台以上专业穿戴采集设备，联动院校可以快速组建千人级标准化团队。

质量标准对齐工信部《人工智能关键基础技术具身智能数据集质量要求及评价方法》，项目启动前完成方案评审；硬件触发实现多传感器同步，音画唇音同步误差控制 ±10ms 以内，IMU 触觉与视觉误差 ±1ms；空间标定重投影误差小于 0.5 像素；3D 姿态反投影偏差超过 2 厘米的片段直接剔除，不纳入数据集。

4.5 大模型全周期对齐与评测数据服务

完整覆盖大模型预训练、微调、偏好对齐、安全红队、RAG 评测全周期： 1.SFT 监督微调：通用对话、垂直行业问答、CoT 推理链、格式化输出、拒答负样本； 2.RLHF 人类反馈强化学习：成对偏好对比、多维度打分、偏好理由标注； 3.LLM 评估与 A/B 测试：标准能力测试集、对抗鲁棒性数据集、LLM‑as‑Judge 训练素材； 4. 红队测试与模型安全：越狱提示词库、渐进式攻击轨迹、偏见与隐私泄露探测； 5.RAG 检索增强评测：查询‑文档‑答案三元组、幻觉分类、文档忠实度、多文档冲突检测。

4.6 成品数据集：即拿即用的数据资产

甲骨易提供经过清洗、结构化、脱敏处理，可直接投入使用的成品数据集，分为基础通用资源、十三个垂直领域数据集。基础通用资源包含千亿 Token 通用文本、对话交互、知识图谱、多模态图文、多语种语料、推理专项、语音 ASR/TTS、医疗基础、具身智能基础数据集。垂直领域数据集包含翻译、司法法律、医疗、金融保险、Agent 具身、教育教辅、交通、气象、工业制造、农业、测绘地理、城市规划，帮助 AI 研发机构缩短研发周期。

4.7 标准化项目实施与交付服务流程

采集服务流程 1. 需求深度对齐：多方联合评审需求，编制《采集需求说明书》、SOP 操作手册；开展 1‑3% 规模免费试采集，输出试采集报告确认方案，规避返工； 2. 敏捷方案共创：24 小时提供阶梯报价，实地勘察风险，支持项目执行过程动态调整规模； 3. 规模化生产：仅试采考核通过人员上岗；任务按天切片日清日结；设备每日标定；每日输出产能报告，每周输出环境一致性报告； 4. 动态质控：采集员自检，质检动态抽样巡检，不合格及时重采；共性问题 48 小时复盘培训； 5. 验收交付：原始数据 + 元数据同步交付，支持多种入模格式，配套说明文档、完整质控档案，支持客户抽检复盘； 6. 售后服务：交付后 30 天质量问题免费补换；4 小时工单响应；项目结束输出复盘报告。

标注服务流程 1. 需求联合评审，编制标注说明书、操作手册；开展 1‑2% 样本试标注，计算 Kappa 一致率，修正标注规范； 2. 敏捷方案共创，灵活报价，支持批次动态调整； 3. 规模化生产，试标合格人员上岗，实名制班组管理；AI 预标注辅助提效；每日统计产能； 4. 动态质控，自检 + 多级盲检抽检，分歧样本专家仲裁，不合格退回重标，共性问题培训闭环； 5. 验收交付，输出标准格式标注文件、标签映射表、全套质检追溯档案； 6. 售后服务，交付后 30 天标注错误免费修正，4 小时工单响应，沉淀案例进入企业知识库。

第五章产业落地典型实践案例

5.1 可穿戴生理健康多源数据采集项目

案例：智能穿戴设备运动心肺能力数据集项目 该项目累计招募 600 例受试者，男女各 300 例，按年龄分层，覆盖健康人群与轻中度 OSA 睡眠呼吸暂停患者，体能水平从久坐人群到高水平运动者均衡分布。采用自研手表、体脂秤、功率自行车以及参考心率设备，全部设备提前校准。志愿者完成静息基线记录之后开展两轮亚极量运动负荷试验，采集运动及恢复期完整时序生理数据。

项目最终交付 600 例标准化血氧心肺储备数据集，包含 1200 条有效运动记录，衍生心率恢复率、最大摄氧量 VO₂max 等指标。项目完成伦理审批、知情同意签署、数据去标识化，符合国内个保法以及 GDPR 要求。客户抽检结果显示核心模块完整率 100%，核心指标计算误差≤5%，OSA 分组标签临床诊断一致率≥97%，项目按期高质量完成交付。

5.2 音乐内容 AI 训练精细化标注项目实践

案例：Prompt 生成音乐采集与评测项目 项目总量 10 万条音乐片段，周期 3 个月。投入项目经理、质检员、审校、标注员合计 39 人，团队全部具备音乐理论功底。工作分为两大模块：基于给定 Prompt 生成音乐片段，再从指令遵循、音乐质量、歌词质量三大维度做多维度打分与标签标注，标签覆盖风格、情绪、节奏。

最终交付结构化 JSON 标注数据、音乐文件包、质量报告、标注 SOP 手册。项目有效数据占比 97.6%，标注员间一致性 0.95，L3 终检通过率 98.2%，返修之后全部达标，风格情绪标签实现充分覆盖，项目顺利结项。

5.3 具身智能：家庭与工业场景数据落地案例

案例一：工业场景精密力控装配真机遥操作项目 面向汽车总装环节螺栓拧紧、线束插接精密作业，采用同构主从机械臂 1:1 真机遥操作采集，同步采集 7 类模态数据：Ego 第一视角视频、多机位第三人称视频、全身手部运动轨迹、物体 6‑DoF 位姿、音频、触觉力信号。数据达到量产研发标准，累计交付 500 + 小时真机操作数据，助力工业机械臂学习精密装配技能。

案例二：仿真合成长尾场景补充项目 基于 Isaac Sim 搭建高精度家庭数字孪生场景，通过物体种类、摆放位置、光照、遮挡的全维度域随机化，数千环境并行采样，单月产出十万条以上有效操作样本。专门补齐真实采集很难覆盖的暗光、高遮挡、特殊物体组合等长尾场景，帮助客户模型任务泛化能力获得显著提升。

5.4 垂直行业大模型数据服务落地

在司法大模型项目当中，甲骨易由法学背景专家主导，对裁判文书、合同文本做要素级标注，抽取诉请、答辩、争议焦点、证据、法条、量刑情节，搭建细粒度标签体系，支撑卷宗要素自动抽取、类案推送、合同风险识别，服务智慧司法业务落地。

医疗项目当中，和多家医院合作开展 CT、MRI 影像病灶像素级分割、病理切片细胞标注，持证医疗专家参与质量管控，输出脱敏数据集，用于肺结节、脑卒中、眼底病变 AI 辅助筛查模型训练。

第六章行业发展洞察与多方共建建议

6.1 对政府及行业协会：完善标准体系，推动产业协同

第一，持续推动数据集相关国家标准、行业标准宣贯落地，以标准统一行业质量标尺，引导行业由拼价格、拼数量转向拼质量、拼专业能力。第二，推动公共高质量数据集建设，面向医疗、工业、法律等领域开放合规脱敏示范数据集，降低中小 AI 企业研发门槛。第三，搭建产学研协同平台，打通科研机构算法需求与工业化数据生产之间的壁垒，促进技术交流。第四，进一步细化数据采集、脱敏、跨境流转的合规指引，帮助产业明确业务操作边界。

6.2 对 AI 研发企业：建立数据前置规划思维

第一，在模型研发早期就要同步开展数据规划，而不是模型开发完成之后再临时寻找标注资源，不同技术路线对应的数据需求差异巨大，提前对齐可以减少后期返工。第二，评估服务商不能只看报价，综合考察平台技术、垂直领域专家储备、全流程质量管控、安全合规体系，数据质量直接决定模型最终业务效果。第三，重视样本多样性，主动纳入遮挡、暗光、异常、长尾边缘场景，避免实验室效果优秀，现实业务表现大幅下滑。第四，建立完整数据集档案，记录来源、采集条件、标注规则、脱敏情况，保障数据集全链路可追溯。

6.3 对数据服务厂商：坚持技术、人才、合规三位一体

第一，加大平台技术研发投入，走人机协同工业化生产路线，把人力释放到高价值认知类任务，不要单纯依靠扩充人力来扩大产能。第二，持续引进医疗、法律、金融、机器人等垂直领域专业人才，建设知识密集的服务能力，适配行业大模型时代的新需求。第三，严守数据安全合规底线，把合规落实到人员、流程、工具各个环节，规避隐私泄露、版权风险。第四，平衡真实采集与仿真合成数据，真机采集保证真实性，仿真合成补齐长尾极端样本，兼顾质量、多样性与生产成本。

6.4 产学研协同：打通科研需求与工业化数据生产

科研机构往往拥有前沿算法思路，但是缺少大规模工业化数据生产能力；而数据服务商具备规模化工程能力，但需要理解前沿算法的数据诉求。双方应当加强协同，把实验室的数据需求转化为可大规模落地的生产规范，共同推动国内高质量数据集建设。

第七章企业未来发展愿景

面向未来，甲骨易将继续践行 “为海内外基座大模型提供核心数据基础设施” 的使命，持续打磨多模态‑具身智能‑垂域大模型端到端全栈数据服务能力。

技术层面，持续迭代 Pandata 采标一体化平台，优化 AI 预标注、自动评测工具链；深化区块链、隐私计算技术落地，完善可信数据空间；持续推进合成数据技术迭代，探索真实采集 + 仿真混合增强模式，降低高质量数据集生产成本。

业务布局层面，夯实国内各大基地产能，持续优化全球化采标网络，完善 200 余种语言方言资源，服务国内企业出海与海外客户本地化需求；持续深耕医疗、法律、金融、教育、具身智能、Agent 智能体赛道，沉淀更多行业落地实践。

产业生态层面，深度参与国家、行业标准制定，加强和科研院所、上下游 AI 企业的协同合作，将一线项目实践沉淀的经验对外输出，助力整个行业能力提升。

高质量的数据是人工智能产业的数字底座。甲骨易将继续作为 AI 数据产业的建设者，携手产业上下游伙伴，共同推动人工智能安全可控、规模化落地，赋能千行百业数字化升级。

结语

数据服务行业的工业化，不是把人换成机器，而是让算法处理规模、让专家处理判断，两者各归其位。人机协同越成熟，高复杂度任务的可交付性越高。

知识密集是这条路上最难被复制的部分。工具可以采购，流程可以学习，但行业专家的判断力与全球化资源网络，需要长期投入才能形成。这也是行业从规模竞争走向能力竞争的分水岭。

参考文献

[1] 国家数据局。关于推进行业高质量数据集建设行动的实施方案（国数科基〔2026〕25 号）[Z].2026‑06‑03 [2] 工业和信息化部. YD/T 6771‑2026 人工智能关键基础技术具身智能数据集质量要求及评价方法 [S].2026‑07，2026‑11‑01 实施 [3] 甲骨易 (北京) 语言科技股份有限公司。甲骨易企业业务资料 [R].2026‑08 [4] 国家数据局。专家解读｜推动行业高质量数据集建设，实现与 “人工智能 +” 同频共振 [EB/OL].2026‑06‑12 [5] 中国电子技术标准化研究院。大模型数据治理研究报告 [R].2026‑03

附录

附录 A 名词术语说明

1.知识密集型数据服务：区别传统人力密集标注，大量依靠具备行业专业知识人员完成认知类标注任务的数据服务模式。 2.Pandata 平台：甲骨易自研采标一体化智能平台，实现采集、脱敏、标注、质检、交付全流程线上闭环。 3.6‑DoF 六自由度位姿：物体三维空间内的位置与旋转姿态，机器人感知物理物体的核心信息。 4.Ego 视角采集：头戴式相机，以人第一人称视角记录现场画面，广泛用于家庭机器人数据采集。 5.VLA 模型：视觉‑语言‑动作模型，具身智能主流模型范式，实现从视觉、语言指令输出机器人动作。 6.域随机化：仿真合成数据技术，随机改变物体、光照、摆放等参数，生成多样化仿真样本。

附录 B 甲骨易业务资质清单

国家级资质

国家首批语言数据服务出口基地
国家文化出口重点企业
国家高新技术企业
北京市专精特新中小企业
中关村高新技术企业
工信部重点实验室委员单位
工信部大模型基准测试体系 “方升” 首批合作伙伴

体系认证

CMMI3 级认证
ISO27001 信息安全管理体系认证
ISO27701 隐私信息管理体系认证
GB29490 知识产权管理体系认证
ISO9001 质量管理体系认证
ISO14001 环境管理体系认证
ISO17001 笔译服务 AAAA 认证
ISO45001 职业健康安全管理体系认证
ISO42001 人工智能管理体系认证

作者|laowu

排版|laowu

审核|白杨

摘要

目录

第一章 引言：AI 落地倒逼数据服务产业模式革新