人工智能基础数据服务行业分析课件

1、摘要1.海天瑞声是国内领先的训练数据提供商。主要从事训练数据的研发设计、生产及销售业务。凭借丰富的技术积累和行业经验， 公司已成为同时具备核心技术、产品资源、优质客户为一体的本土训练数据提供企业；高管团队及技术人员实力雄厚，在各自领 域具有深厚的技术积累，能够前瞻性地把握行业发展方向。公司主营业务收入的核心来源为数据资源定制服务，2020年占比50%，公司国内业务占比逐年增加，2020年占比64%。公司主营专业数据集，致力于建立技术壁垒：海天瑞声主要经营专业训练数据集，持续增加研发投入，筑高技术壁垒。公司投 入了每年总营业收入将近20%的费用进行研发，在众多主流 AI 产品及终端应用的训练过程

2、中，实现多项终端应用场景覆盖，公 司训练数据提取在业内具有较强的专业技术水平优势，正在积极与对手拉开技术代差，形成“护城河”。海天瑞声位于中国语音类基础数据服务领域首位。公司占国内AI基础数据服务行业，市场份额约8%，行业排名前五，紧随百度众包之后，成为国内市场第二大基础数据服务提供企业。AI技术数据服务市场高景气，2020年国内总销售额约为36亿元，同比增长20%。近年全球人工智能商业价值稳定增长，因此 全球人工智能市场规模保持稳定上涨，2020年已实现总销售额501亿美元。风险提示：市场竞争加剧的风险、收入主要来自老客户，新客户收入占比较低的风险、专利被申请宣告无效的风险、核心技术快 速迭

3、代风险、核心技术人员流失风险、核心技术失密风险、采购成本上升风险、数据安全相关风险等12目录1. 海天瑞声：训练数据专业提供商1.1 公司概况：国内领先的训练数据专业提供商1.2 主营业务：致力于为AI产业链的机构提供专业数据集1.3 业务类型: 公司主营训练数据业务，细分为三条产品业务线1.4 财务基本情况：总体营收与净利润保持稳定1.5 收入拆分：训练数据产品国内营收创新高，占比逐步回升1.6 费用分析：持续增大研发投入，不断筑高技术壁垒1.7 高管 & 技术团队：拥有名校背景及知名公司经历1.8 客户情况：前五大客户销售占比超50%，老客户群较为固定2.公司主要产品：训练数据服务2.1

4、主要产品：训练数据产品及服务2.2 主要应用技术：训练数据专业提供商三大AI核心领域2.3 主要业务流程：数据服务采购执行与销售流程3. 人工智能基础数据服务行业分析3.1 中国AI基础数据服务行业产业链全梳理3.2 发展态势：国家产业政策助力行业稳步发展3.3 人工智能行业市场规模：市场规模持续增长3.4 AI基础数据服务行业市场规模：人工智能市场扩张带动发展3.5 行业数据量：训练数据总量高速增长3.6 行业市场需求：训练数据需求增长3.7 竞争格局：训练数据供应集中化3.8 市场地位：中国语音类基础数据服务领域首位4. 风险提示3海天瑞声：训练数据专业提供商11.1 公司概况：国内领先的

5、训练数据专业提供商公司基本信息公司名称：北京海天瑞声科技股份有限公司（Beijing Haitian Ruisheng Science Technology Ltd.） 成立日期：2005 年 05 月 11 日（北京）2005年，贺琳和俞舸签署北京海天瑞声科技有限公司章程，共同出资设立海天瑞声有限。根据该章程，海天 瑞声有限注册资本为 30 万元，其中，贺琳以货币出资 27 万元，占注册资本的 90%；俞舸以货币出资 3 万元， 占注册资本的 10%。图1：公司发展历程及荣誉图2：公司成立时注册资本构成比例2005年贺琳，俞舸共同出资设 立北京海天瑞声科技股 份有限公司2017年年度人工智能

6、数据 服务领域领军企业2018年智能语音创新大赛行业 先锋奖，2018 年人工 智能行业最佳产品专精特新“小 巨人”企业2020年新一代人工智能产业创新重点任 务揭榜优胜单位2021年90%10%贺琳俞舸41.2 主营业务：致力于为AI产业链的机构提供专业数据集算法与数据处 理技术并用截至 2020 年 12 月 31 日，公司已积累 760 余个自有知识产权的训练数据产品，可提供超过 160 余个语种/方言的训练数据。工具和平台共建融入项目流程 管理、质量把控、数据安全管理，嵌入生产所需的 各类工具、软件模块深厚积累于语 音语言学基础 研究方面公司已经取得 24 项发明专利、1 项实用新型专

7、利授权及 1 项外 观设计专利授权，134 项计算机软件著作权，另有 2 项专利已提 交申请。5公司主营业务公司主营业务：公司主要从事训练数据的研发设计、生产及销售业务。公司相关产品和服务主要应用于软件和信息技术服务业。公司始终贯彻培养自身研发核心技术为要领，通过基础研究与实际应用的紧密结合，自主开发了一体化数据处理平 台，在基础研究、平台工具、训练数据生产三个维度均积累下核心技术，并且以前瞻性的专业数据集设计能力、丰富的语言覆盖能力及场景采集能力，以及AI 辅助标注及精细标注能力共同搭建起训练数据开发一站式解决方案，大 幅提升开发效率、服务质量及数据安全性， 为下游客户提供高质量的训练数据产

8、品、高效率的训练数据定制服务及 高水准的训练数据相关应用服务。图3：公司三大核心技术1.3 业务类型：公司主营训练数据业务，细分为三条产品业务线主要业务类型公司专注于为AI 产业链上的各类机构提供算法模型开发训练所需的专业数据集。公司提供的训练数据覆盖智能语 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，全面服务于人机交互、智能驾驶、智慧城 市等多种创新应用场景。公司研发生产的训练数据主要运用于人工智能算法模型开发训练，产品服务形式包括训练数据定制服务、训练数 据产品及相关的应用服务。产品服务 矩阵训练数据定制服务通过采集大量数据，比如声音、文本、图像、视频， 以提供定制化数

9、据运用场景（定制分为两类：一类是采集加工，一类是纯加工）训练数据产品公司开发并授权客户使用训练数据集成品，公 司拥有多次销售使用权（标准化数据集）训练数据相关的应用服务公司负责根据客户需求提供后续产品服务，如 用户界面、软件等训练数据运用场景由于智能音箱使用人群年龄层跨 度大，由少儿覆盖到老年人群， 公司在训练数据集的设计过程中 需要充分考虑方言的分布以及不 同声音的语言环境。考虑的因素 由年龄层次和发音特点组成。6图4：产品应用场景图5：产品服务类型1.4 财务基本情况：总体营收与净利润保持稳定2018年至2019年同比增长率为23%，三年净利率分别为34.84%, 34.34%和35.17

10、%，总体净利润较为稳定。净利润涨势与总营收表现持平：2018-2020年，海天瑞声净利润分别为6713.07万元，8158.68万元和8208.1万 元， 2018年至2019年同比增长率为22%。总体营收较2018年涨势明显：2018-2020年总营业收入.分别为19265.77万元，23755.81万元和23337.4万元，营业收入图6：2018-2020年营业总收入（万元）图7：2018-2020年净利润（万元）19266233372375623%-2%-5%0%5%10%15%20%25%05000100001500020000250002018A2019A2020A营业收入（万元）同

11、比增长率（%，右轴）67131%0%5%10%15%20%25%90008000700060005000400030002000100002018A2019A2020A净利润（万元）同比增长率（%，右轴）8159820822%71.4 财务基本情况：毛利率保持稳定，均超过65%毛利率公司毛利率保持稳定，已将近70%。2018-2020年毛利率分别为64.77%，70.25%和67.70%，公司的训练数据 产品业绩稳扎稳打。图9：2018-2020年公司毛利率稳定上升图8：2018-2020年公司毛利润（万元）12,47816,68815,79934%-5%1400012000100008000

12、600040002000018000160002018A2019A2020A毛利润同比增长率（%，右轴）65%870%68%40%35%30%25%20%15%10%5%0%-5%-10%62%63%64%65%66%67%68%69%70%71%2018A2019A2020A1.5 收入拆分：训练数据产品国内营收创新高，占比逐步回升营业收入主要构成公司营收主场为国内地区，2020年国内营收涨幅较高。2019年至2020年公司国内营业收入同比增长率已上升至25.01%。 2018-2020年国内总营业收入分别为13293.77万元，11973.75万元，14968.83万元。公司海外业务收入2

13、019年增幅明显，营收占比已恢复如初。2018-2020年，海天瑞声海外营收分别是5972万元，11782.07万元，8368.56万元，占总营收比重分别为31%，50%，36%，2020年海外收入受疫情影响，占比浮动较大。图10：2018-2020年公司国内外业务收入及占比图11：2018-2020年公司国内外业务收入及占比1329414969597211974 11782836902000400060008000100001200014000160002018A2019A2020A中国大陆营业收入（万元）国外营业收入（万元）69%50%64%31%50%36%90%80%70%60%50%

14、40%30%20%10%0%100%2018A2019A2020A中国大陆营业收入占比国外营业收入占比91.5 收入拆分：数据库产品服务收入占比逐年升高，已达46%营业收入主要构成公司核心来源为数据资源定制服务，2020年占比约50%。定制服务产品营收较为稳定，2018年至2020年销售额分 别为12369.55万元，14232.91万元，11729.91万元。公司数据库产品服务占比在逐年上升，营收占比将与数据资源定制服务相持平。2018-2020年该项服务营收分别为6601.67万元，9167.47万元，10613.71万元，占总营收比重分别为34.27%，38.63%，45.48%。公司数

15、据库资源相关服务占比小幅提升。2018年至2020年占总营收比重由1.53%增长为4.26%。图12：2020年公司训练数据产品销售收入占比图13：2018-2020年训练数据产品销售收入数据资源定制 服务 50%数据库产品服务46%数据资源相关的 应用服务4%660291761061412370142331173029534699416000140001200010000800060004000200002018A2019A2020A数据资源定制服务收入（万元）数据库产品收入（万元）数据资源相关的应用服务收入（万元）101.6 费用分析：持续增大研发投入，不断筑高技术壁垒达 103人，占公司

16、总人数比例达68.21%。图14：2018-2020年销售、管理、研 发、财务费用数额（万元）图16：公司2018-2020年的研发费用占营业 收入比重逐步增加87492511132181315625672735435011315021550004500400035003000250020001500100050002018A2019A2020A销售费用管理费用研发费用4170财务费用费用投入主要构成重视研发团队建设，研发技术人员比例几近70%。截止2020年12月31日，公司总人数151人，研发与技术人员数量筑高技术壁垒，高研发费用。公司2018-2020年研发费用.分别为2734.32万元

17、，4169.61万元和4349.75万元，占 总营业收入的比例分别为14.19%、17.55%、18.64%，公司2018-2020年的研发费用逐年递增，占营业收入比重 皆超过10%，现已高达至19%。53%31%14%3%研发费用管理费用销售费用财务费用图15：公司2020年研发费用占比已达53%14%1118%19%18%16%14%12%10%8%6%4%2%0%20%2018A2019A2020A1.7 高管 & 技术团队：拥有名校背景及知名公司经历高级 管理 人员核心 技术 人员姓名职务任职期限唐涤飞董事、总经理2017 年 11 月 至 2020 年 11 月李科董事、副总经理20

18、17 年 11 月 至 2020 年 11 月吕思遥副总经理、董事会秘书2017 年 11 月 至 2020 年 11 月黄宇凯董事、技术总监2019 年 1 月 至 2020 年 11 月郝玉峰副总经理、技术总监、首席科学家2017 年 11 月 至 2020 年 11 月 姓名职务 其他信息李科董事、副总经理1981 年 8 月出生，清华大学信息与信号处理专业硕士黄宇凯董事、副总经理、技术总监1983 年 5 月出生，复旦大学计算机科学与技术专业硕士郝玉峰副总经理、技术总监、首席科学家1974 年 5 月出生，东南大学生物医学工程专业博士曹琼计算机视觉业务部总监1982 年 10 月出生，

19、北京航空航天大学检测技术与自动化装置专业博士邵志明高级研发工程师1987 年 12 月出生，北京邮电大学模式识别专业硕士创 始 人 员董事长贺琳1968 年 7 月出生，毕业于北京 大学，曾任职于中国科学院声学 研究所，先后参与“汉语人- 机 语音对话系统工程”、“汉语语 音参数合成”等国家自然科学基 金重点项目、 国家八六三计划智 能计算机主题项目和中国科学院“八五”重大项目，海天瑞声创 始人，现任公司董事长。总经理唐涤飞1970 年 12 月出生，中国科学技 术大学通信与电子系统专业工学 硕士，曾任联想集团技术中心项 目负责人，微软中国研发中心中 文技术部项目经理，微软亚洲工 程院资深项目

20、经理，阿里巴巴云 计算公司数据应用与服务、无线 平台的产品及项目总监，海天瑞 声，现任公司董事、总经理。121.8 客户情况：前五大客户销售占比超50%，老客户群较为固定年份前五大客户销售金额（万元）占营业收入比例2020年度11726.0350.25%2019年度12798.8053.88%2018年度11378.0659.06%客户情况国内主要客户小幅变动，境外收入因年而异：公司客户销售占比情况逐年更替，海外市场主要客户变动明显， 微软销售占比逐年增高，三星销售额陡然递减，由2019年4762.96万元缩减至2020年1383.66万元。前五大客户销售占比超50%，老客户较为稳定：2018

21、-2020年前五大客户销售占比皆超过50%，且不存在依赖 特定客户的情形，2018-2020年，微软、阿里巴巴、腾讯、三星稳定居于公司前五大客户，微软于2020年为公 司第一客户，营业收入占比18.56%。表1：前五大客户营收比例图17：前五大客户营收比例趋势变化2020前五大客户59%1354%50%44%46%48%50%52%54% 58%56%60%2018A2019A2020A14公司主要产品：训练数据服务2根据客户需求 设计训练数据 及结构组织原料数据采集对采集原料数据加工定制化训练 数据集2.1 主要产品：训练数据专业提供商训练数据定制服务训练数据定制服务公司是我国人工智能领域标

22、杆企业，在基础数据服务行业具备高影响力。训练数据定制服务为专属客户单独研发， 客户将享有最终生成的训练数据的知识产权，公司不可将此类业务生产的训练数据向其他客户重复销售。此项产品服务将根据客户定制化需求，优先按照初始计划生产部分数据，客户通过后续反馈方案决定是否更改数 据定制需求，并重新确定新的解决方案。采 集+加 工 服 务纯 加 工 服 务客户提供原料数据发行人根据客户需求 进行加工定制化训练数据集客户享 有最终 形成的 训练数 据集成 品的知 识产权152.1 主要产品：训练数据专业提供商训练数据产品训练数据产品公司开发自有知识产权的训练数据产品，通过销售训练数.据产品的使用授权许可，获

23、取让渡资产使用权收入。 此类训练数据集一经开发完成，公司可多次销售并获取授权许可收入。通过市场需求预判发展趋势评估算法技术应 用前景开发训练数据产 品满足算法模型对 模拟场景的学习 需要授权客户使用完 成品可重复多次销售 使用权数据文档音频文件标注文件说明文档训练数据设计文档音素集说明标注规范文件技术文档发音词典音频文件参数统计信 息训练数据场景设置参数文件发音人信息文件（非敏感）训练数据 产品流程训练数据集成品结构(以语音数据集为例）162.1 主要产品：训练数据专业提供商训练数据相关的应用服务公司基于其生产的训练数据提供算法模型相关的训练服务，运用训练数据研发能力助力下游客户完成其算法模型

24、的语言拓展、特定算法模块拓展、垂直应用领域拓展等，为客户定制针对特定应用场景的专属算法模型，提高 AI技术应用效果。.训练数据相关的应用服务开发特定应用领域的算法模型基于客户通用算法模型为客户定制开发特定语种/方言为客户算法模型实现覆盖能力拓 展使用特定语种/方言、特定应用领域的训 练数据对客户的算法模型进行训练满足其在特定应用领域的运用需要实现后续落地运用过程所需界面客户负责研发/提供核心的算法模型公司完成运用过程所需的用户界面、软 件及相关的系统集成工作172.2 主要应用技术：训练数据专业提供商三大AI核心领域主要产品服务的终端应用场景公司提供的训练数据广泛应用于众多主流 AI 产品及终

25、端应用的训练过程中，覆盖了个人助手、语音输入、智能家居、 智能客服、机器人、语音导航、智能播报、语音翻译、自动驾驶、智慧交通、智慧城市、机器翻译、智能问答、信息 提取、情感分析、OCR 识别等多种应用场景。训练数据产 品智能语音语音识别语音识别采语音识别转集写语音合成计算机视觉计算机视觉自然语言自然语言训练数据定制服务语 音 识 别语 音 合 成计算机视觉技术应用实例 人脸识别182.3 主要业务流程 采购流程预算管理需求部门提出采购申请部门直属负责人审批部门分管负责人审批采购部审批采购部选择采购方式，甄 选供应商签署采购合作协议供应商提供服务验收及结算预算管理需求部门提出采购申请部门直属负责

26、人审批部门分管负责人审批人力资源部审批人力资源部选择采购方式，甄选供应商签署采购合作协议供应商提供服务验收及结算预算管理需求部门提出采购申请行政部汇总并拟定采购 申请单行政部主管、财务部预 算会计审核（预算外的 另由需求部门总负责人、 行政部总监、财务总监及总裁审核）根据采购申请单拟定的 采购方式选择采购程序 并实施验收入库结算数 据 服 务 采 购岗 位 服 务 采 购其 他 采 购采购部 建立业 务采购 价格体 系人力资 源部建 立业务 采购价 格体系192.3 主要业务流程 数据服务采购执行与销售流程售后跟踪及服务合同执行完毕项目立项及执行合同签署项目报价及投标客户确认项目方案制定/训练

27、数据集产品推荐训练数据集开发需求分析数据 支持销售 部合 同报 价数据 中心 评估 成本分阶 段收 款项目 持续 跟踪销售流程数据服务采购执行流程确定采购 签署框架确定项目量，下达 协议A供应商B采购通知CD根据资源 状况确定 单价E项目执行验收结算FGHI客户意向收集及确认；市场需求研判数据服务采购质量控制20公司采取的质量控制措施能够保证供应商提供的数据满足其采集需 求，同时采购模式符合公司的业务特点和行业惯例，具备合理性。21行业分析33.1 中国人工智能基础数据服务行业的的产业链图谱下游AI算法研 发中游训练数据 的生产上游数据才产 生及产能 资源AI公司科技公司行业企业科研单位AI基

28、础数据服务商人力资源服务公司技术服务公司个人企事业单位政府机构数据生产者数据生产组织者223.2 AI基础数据服务行业发展态势：国家产业政策助力行业稳步发展2010年2015年2016年2017年2018年国务院加快建设宽 带、安全的 信息网略基 础设施国务院瞄准新一代信息 技术、高端装备、 新材料、生物医药等战略重点国务院支持新一代信息技 术、新能源汽车、 生物技术、绿色低 碳等产业链国家发改委人工智能首次进入 指导目录名单，包 括面向社会开放的 文本、语音、图像国家电子技术标准化 研究院全面推进人工智能标 准化工作，促进产业 发展2019年2019年2020年2020年202123年中央全

29、面深化 改革委促进人工智能 和实体经济深 度融合科学技术部明确指出”开放、共享“重要理念国务院首次将 ”数据“ 作为市场化要素写入 国家顶层设计级别 文件国家发改委加强人工智能领域标准化顶层设计十三届全国人大四 次会议十四五规划指出要加快数字化发 展3.3 人工智能行业市场规模：市场规模持续增长图18：2020-2024年全球人工智能市场规模不断上升50111000200400600800100012002020A2024E全球人工智能行业市场规模（亿美元）市场规模全球人工智能市场规模稳定扩张。基础数据服务行业人工智能行业发展情况息息相关，在近年来全球AI产业基本保 持稳定向好的发展态势下，2

30、020年至2024年复合增长率将提升至21.73%。国内人工智能市场规模持续增长。截至 2019 年年末，中国(不含港澳台)活跃 AI 企业达到 1,189 家，占全球总数的22.08%，位居全球第二；2019 年，中国人工智能行业的融资总额 约为 166 亿美元，占全球的 44.39%，位居全球首位。46638914717237%42%11630%27%17%20018016014012010080604020045%40%35%30%25%20%15%10%5%0%2019A2020E2021E2022E2023E2024E图19：2019-2024年国内人工智能市场规模逐年上升中国人工智

31、能市场规模（亿美元）同比增长率（%，右轴）243.4 AI基础数据服务行业市场规模：人工智能市场扩张带动发展图20：2018-2025年国内AI基础数据服务行业市场规模逐年扩增表2：2019年中国与全球人工智能行业发展情况对比市场规模全球人工智能行业高速发展助长国内AI基础数据服务行业市场规模扩增。公司营业收入受益于中国AI基础数据服务 行业市场规模稳步增长，2020年市场规模预计达36亿元，. 增长率常年稳定于20%。当前我国人工智能产业加速发展，从基础支撑、核心技术到行业应用的产业链条基本形成，一批创新活跃、特色鲜明的创新企业加速成长，新模式、新业态不断涌现，整体呈现蓬勃发展态势。政策支持

32、、投资引导和巨头布局将推 动中国AI 产业的结构调整，进一步扩大市场规模。项目全球中国论文数AI领域论文发布数量 占全部论文的3%中国AI领域论文发布数量 占全部论文的28%人才数/高级人才 数博士22,000名/专家5,400名博士413名/专家120名活跃企业数5,386家1,189家融资总额约374亿美元约166亿美元2009-2019年AI相关专利申请448,684项66,508项2631364320%18%18%19%5121%6125%770204060801001202018A2019A2020E2021E2022E2023E2024E2025E中国AI基础数据服务行业市场规模（

33、亿元）同比增长率（%，右轴）32%35%10130%25%20%15%10%5%0%253.5 AI基础数据服务行业数据量：训练数据总量高速增长3%。2018 年，中国的数据量为 7.6ZB，占全球总量的 23.4%，预计到 2025 年将增至 48.6ZB， 占全球总量的 27.8%，年复合增长率达 30.35%。2025 年的 175ZB，年复合增长率达 26.91%。其中，中. 国的数据量增速最快，平均每年的增长速度比全球快331752001801601401201008060402002018A2025E全球数据量（ZB)7.648.601020304050602018A2025E中国

34、数据量（ZB)图21：2018-2025年全球数据量增长趋势图22：2018-2025年中国数据量增长趋势数据量全球数据量呈指数型增长。据国际数据公司(IDC)预测，全球每年的数据量将从 2018 年的 33ZB 快速增加到263.6 AI基础数据服务行业市场需求：训练数据需求增长43%28%100万-1000万大于1000万66%4%27%28%50%51%0%10%20%30%40%50%60%70%数据偏差或错误数据量不足数据不可直接使用10%缺少标注工具缺少标注团队19%未曾遇到问题图23：训练数据需求量10万-100万少于10万图24：受访者遇到的与数据相关的难题及比例训练数据需求全

35、球基础数据服务行业处于快速成长期，市场规模具有较大的增长空间。应用场景的创新和机器学习算法的流行 直接带动了训练数据需求的大幅增长，得益于训练数据需求增长和对外采购意识的形成，全球基础数据服务行业 进入快速成长期，市场规模具有较大的增长潜力。273.7 AI基础数据服务行业竞争格局：训练数据供应集中化49.70%39.10%图像类数据需求语音类数据需求自然语言处理类数据需求47.00%30.40%11.20%22.60%中小数据供应商品牌数据服务商需求方自建团队图26：2019年中国AI基础数据服务行业需求类型图25：2019年中国AI基础数据服务行业供应方格局行业竞争格局中小数据供应商是市场

36、中的主要供应力量。品牌数据服务商、中小数据供应商和需求方自建基础数据团队构成市场 竞争关系，为基础数据服务市场的主要供应方，在 2019 年市场规模中的份额占比分别为 30.4%、47.0%和22.6%。未来随着训练数据的难度和精度要求越来越高，及对数据安全的要求越来越严，有向品牌集中的趋势。 中国基础数据服务行业的市场需求可以分为图像类数据需求、语音类数据需求和自然语言处理类数据需求。2019 年，图像类、语音类和 自然语言处理类数据需求规模占比分别为 49.7%、39.1%和 11.2%。283.8 公司市场地位：中国语音类基础数据服务领域首位市场地位公司是中国语音类基础数据服务领域的头部企业，在中国语音类基础数