--- title: "卖数据的人说，合成数据替代不了真数据" date: 2026-11-09 category: AIGC内容 site: 脑机网 canonical: https://aiai.cafe/a/njw-bd3cc1 language: zh-CN --- # 卖数据的人说，合成数据替代不了真数据 > 省会的标注基地里，一队人在过仓库机器人的画面：机械臂离托盘差十厘米。每一帧都要人判断：这是标注错误、传感器故障，还是值得留下的边界案例。工作慢、重复、按小时计费。 省会的标注基地里，一队人在过仓库机器人的画面：机械臂离托盘差十厘米。每一帧都要人判断：这是标注错误、传感器故障，还是值得留下的边界案例。工作慢、重复、按小时计费。 替代方案是渲染农场：一夜生成一万个同样的场景，标签完美。这正是合成数据行业在卖的东西。而坐在标注车间里的海天瑞声——A股唯一纯做AI训练数据的公司——口径一直是：渲染农场有用，但不够用。 ## 关键要点 - 海天瑞声（688787.SH）2025年营收3.77亿元，同比增长59%，为上市以来最快增速。 - 综合毛利率48.08%，同比下降18.38个百分点，创上市以来新低；经营现金流净额177.26万元，同比降93.83%。 - 应收账款1.69亿元，同比增95.33%，约为全年营收的45%。 - 在公开投资者问答中，公司首席执行官李科表示，合成数据主要用于高危、罕见的corner case，在真实场景特征上仍无法替代实采数据。 ## 一家同时变快和变薄的公司 2025年年报读起来像两家公司被钉在一起。 上面那条是增长故事：一年营收涨59%，计算机视觉数据1.48亿元、同比增217.66%，自然语言数据增112.29%。客户超1200家，包括阿里、腾讯、字节、微软、亚马逊。数据集1877个，覆盖300多个语种——一次生产、反复销售，这是行业最接近护城河的东西。 下面那条是警告：毛利率跌到48.08%，为上市以来最低；经营现金流从2873万元塌到177万元；应收账款接近翻倍。直白地说，确认的收入远多于收回的现金，价格更差。 增长快、毛利薄、回款慢，这是供给快过定价权时的样子。七个国家级数据标注基地已落地，抢的是同一批大模型订单。 ## 总经理究竟说了什么 关于中国合成数据，最有用的一份材料不是厂商白皮书，而是上交所路演平台上的一次投资者问答记录。 被问到合成数据会不会冲击业务时，李科的回答很少见：合成数据是行业发展到一定阶段的必然产物，可以作为数据采集的有效辅助，但局限性很强，会降低模型对真实世界各类特征的学习效果；在计算机视觉里，它主要用在某些高危、罕见的corner case模拟训练中；因为本质是机器生成的虚拟数据，质量和真实性仍无法替代真实场景数据，所以按目前的技术路线，绝大多数企业仍在用实采数据训练。 合成数据常年被宣传成数据稀缺的解药：更便宜、更快、可无限扩展。一家收入完全依赖"好数据稀缺"的公司，本有充分动机贬低它。正因如此，这个承认才有分量：最有理由唱衰的人，用的是技术理由而不是商业理由。 ## 合成数据真正赢的地方 两边都可以是对的。合成数据在三件事上很强，在第四件上很弱。 采集危险或不可能时它赢：碰撞场景、机器人摔倒、罕见病例。标签准确性上它赢：生成器本来就知道每个物体在哪。隐私上它赢：生成的人脸和车牌不属于谁。 它输在物理真实的长尾。渲染的仓库按渲染器的理解反光；真实素材里有灰尘、包错的托盘膜、闪烁的灯管、手持的抖动——这些纹理是模型悄悄学走的，合成管线把它们抹平了。所以最常见的架构是混合：生成罕见的一例，实采普通的一万例。 上半年的数字说明这套混合论还站得住：营收同比增22.45%，境外5114万元、约占四分之一，毛利率回到49.10%。第二季度转弱，营收同比增9.46%、环比降1.73%，净利润同比降60.1%。增长是按合同一段一段来的，不是平滑曲线。 在脑机网首席科学家李安看来，数据商的战略风险不是合成管线变得更好，而是它在八成普通场景上"够好"，把人类只剩在最贵的两成里。 ## 谁在为增长买单 两个数字解释了合成故事为什么好讲、难开票。研发2025年投入5859万元、占营收15.5%，公司把平台描述为提升自有生产效率的工具，而不是客户单独购买的产品。客户则是国内最大的几家科技公司，谈多年合同，付款最终变成应收账款。以48%毛利卖数据给巨头、几个月后才收钱的公司，叙事再像软件也不是软件公司。 ## 诚实的局限 本文依据海天瑞声披露的2025年年报、2026年半年报、中文财经媒体报道，以及一次公开投资者问答记录。李科的表述发生在较早报告期，未必反映当前产品计划。公司不披露合成数据占收入比例，"生成"与"实采"的结构无从拆解。 ## 普通人现在能做什么 - 采购数据时直接问：这批交付里合成数据占多少，这个比例写不写进合同。 - 按混合管线做预算，而不是押注单一来源；纯合成训练的失败会在几个月后的边界案例里才现形。 - 看数据服务公司先看应收账款和现金流，增长可能是用营运资金买来的。 - 做机器人或自动驾驶项目时保留一套实采基线，否则无法判断生成数据到底加了多少分。 --- 来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-bd3cc1 本内容仅供参考，不构成投资建议。