高质量数据需求持续提升，政策利好持续释放。随着人工智能技术的快速发展，对高质量数据的需求日益增长。高质量数据集是大模型优化及应用落地的基础，长期来看，高质量的精标数据产品需求强劲，专业化、场景化或将成为行业趋势。此外，政府持续出台利好政策，推动我国智能数据行业的发展，如2024年12月《关于促进数据产业高质量发展的指导意见》、2025年5月《数字中国建设2025年行动方案》等。
　　数据标注产业日益增长。根据《2025高质量数据集研究报告》，我国数据标注产业产值已突破80亿元，构建335个高质量数据集，标注规模达1.7万亿TB（太字节）。而根据Grand ViewResearch测算，2023年全球数据标注和服务市场规模达140.7亿美元，预计2024-2030年的复合年增长率为20.3%。根据IDC预测，2024年全球产生约160ZB的数据量，其中大部分为非结构化数据。只有将这些数据转换为机器能够识别和学习的结构化数据格式，数据价值才能得到充分发挥，进而推动大模型的持续更新迭代。
　　数据智能“瓶颈”亟待突破：根据《数据智能研究报告（2025）》，我国数据智能建设主要面临三大瓶颈：首先，缺乏落地实践的方法论，不同行业、模型阶段对数据需求差异大，数据处理环节需针对性适配；其次，技术能力仍存在短板，例如在数据采集、清洗等环节，存在格式兼容、数据质量、特定数据支持等问题；第三，数据流通机制还有待完善，包括基础设施层面机制尚未落地，企业因安全、竞争等考量，数据价值难以释放，定价、授权等不清。
　　数据标注未来格局或形成共存模式：随着自动化标注技术不断进步，AI数据标注的占比或将持续提升，未来将承担更多标准化、规模化的标注任务。而人工标注将更加聚焦于需要深度思考和复杂判断的任务，与自动化标注形成互补。项目可能会先由AI进行初步标注，然后人工进行审核和修正，结合两者的优势，提高标注质量和效率。
　　投资风险：行业监管，成本控制，商业模式模糊。