北京時間8月16日，藝恩【數據市場】正式上線，首批 34 個成品數據集公開上架，覆蓋具身本體·Ego 數據、視頻數據、社媒數據、電商數據、及文本語料五大類別。客戶無需注冊、無需聯系銷售，即可完整查閱每個數據集的規格參數、標注字段定義、樣例記錄結構與授權合規說明，并可直接申請免費樣例包。
藝恩數據，作為AI 垂類數據基礎設施企業，此次上線的【數據市場】是其從“定制化交付”向“標準化產品+自助服務”轉型的關鍵一步。這一舉措標志著AI訓練數據從封閉采購走向開放瀏覽、按需試用的新階段，讓開發者能夠像逛超市一樣直觀地挑選數據產品，推動行業從“找數據”向“選數據”轉變。
這是國內 AI 訓練數據行業首批將成品數據集以"商品目錄"形式完整公開的實踐之一。此前，訓練數據的采購長期停留在項目制模式：買方需要經過詢價、需求溝通、方案提報等多輪流程，才能獲知供應商實際擁有哪些數據、標注到什么粒度、能否商用——整個周期通常需要六至十二周。
五大類 34 個數據集，細化至單一渠道
與以往按"能力描述"組織的產品頁不同，藝恩數據市場按數據類型 × 具體渠道雙維度組織貨架。以社媒數據為例，市場中不再只有籠統的"海外社媒數據"，而是細分為 X（Twitter）全球帖文集、TikTok 創作者與評論集、Instagram 圖文創作者集、YouTube 評論與字幕集、Facebook 公開主頁集等獨立 SKU；電商數據則細化到 Amazon、Shopee、Lazada、Coupang、TikTok Shop 等具體平臺。
圖1 首批上架數據集按類別分布。規模數字為藝恩產品口徑，統計截至 2026 年第一季度。
圖2 渠道顆粒度對比。數據市場將籠統品類拆解為可獨立采購的單一渠道 SKU，客戶可按實際訓練需求精確選取。
視頻數據類同樣細化到內容形態，包括電影級高質切片、紀錄片物理世界影像、YouTube 長視頻多語種集、TikTok 短視頻創意集、微短劇內容數據集與直播流媒體片段集。具身本體·Ego 類則按場景族劃分為家庭操作、廚房任務、室內導航、工業產線、零售場景等專項數據集，并配套多機位 4D 同步采集、遙操作軌跡與力觸覺交互數據。
每個數據集公開六層信息
數據市場的每個 SKU 都配有獨立詳情頁，按客戶實際評估順序組織六個板塊：數據集概覽、數據構成、標注體系、樣例預覽、交付與接入、合規說明。其中標注體系板塊完整列出該數據集的字段定義表，并以動態演示呈現標注流水線的四個階段——從原始幀到目標檢測、關鍵點與語義標注，再到時序動作分段。
圖3 數據集詳情頁信息結構。六個板塊按客戶評估決策的實際順序組織，全部無需登錄即可查閱。
"數據這個品類最特殊的地方在于，買方在拿到數據之前，幾乎無法獨立判斷質量。"藝恩數據相關負責人表示，"標注粒度、字段對齊方式、授權鏈路完整性——這些決定數據能不能直接進訓練管線的關鍵信息，過去往往要到第三次會議才談得到。我們的判斷是，把這些信息前置公開，損失的是一點信息差，換來的是整個交易周期的壓縮。"
免費樣例機制：先跑通，再采購
數據市場同步推出免費樣例機制。每個數據集提供 100 至 5,000 條規模的樣例包，與正式數據集結構完全一致，包含完整元數據、標注與授權信息。客戶在詳情頁提交申請并簽署保密協議后，24 小時內可獲得下載鏈接，有效期七天。
藝恩數據創始人郜壽智表示：“這個機制對我們不是沒有成本的，一個跑過樣例的客戶，進入商務環節的溝通效率，是沒跑過樣例客戶的數倍以上——他不再問‘你們數據質量怎么樣？’，而是直接問‘這個場景族能不能加到 30%？’。
我們希望客戶是帶著自己的測試結論進入商務環節的。他不需要相信我們說的質量有多好，他自己用幾千條樣例在訓練管線里跑一遍就知道了。這對雙方都更高效。"
三層授權審計與國際認證背書
合規是數據市場公開上架的前提條件。藝恩對每份數據集執行三層版權審計：第一層為內容版權方書面商業授權，逐條對應授權編號；第二層處理背景音樂版權，提供授權證明或完成去除替換；第三層覆蓋肖像權與個人信息，通過知情同意書與技術脫敏滿足《個人信息保護法》與 GDPR 雙軌要求。
圖4 藝恩數據合規體系。每個數據集詳情頁底部逐條列出適用的合規要點，不作統一模板化處理。
行業背景：數據供給正在被重新定價
數據市場的推出，與訓練數據供需格局的結構性變化直接相關。研究機構 Epoch AI 的測算顯示，公開可用的高質量人類文本語料預計將在 2026 至 2032 年間耗盡，中位數落在 2028 年前后。與此同時，合規成本正在快速抬升——Anthropic 就作者集體訴訟達成 15 億美元和解，創下美國版權訴訟史上最大規模的和解金額；歐盟 AI 法案對通用模型訓練數據的透明度義務也已進入實施階段。
資本市場對數據資產的定價同樣發生變化。Meta 以約 143 億美元取得 Scale AI 少數股權（對應估值約 290 億美元）后，多家頭部模型廠商基于數據機密性顧慮削減了與其的合作——這一事件被行業普遍解讀為：數據供應方的中立性本身構成核心資產。藝恩數據為新三板掛牌公司，不隸屬于任何模型廠商，亦無自研大模型業務。
藝恩數據創始人郜壽智還表示：“數據這門生意的效率損耗，大部分不發生在生產端，而發生在交易端。當買方需要花六周才能搞清楚賣方有什么，這六周對雙方都是純粹的浪費。我們把信息攤開，不是讓渡商業空間，而是把銷售資源從‘解釋我們有什么’，轉移到‘討論怎么用得更好’。”
后續規劃
據悉，首批上架的 34 個數據集來自藝恩三十大類數據資產中的核心品類，后續將按季度擴充 SKU 數量并細化篩選維度。藝恩同時提供定制采集服務，支持按場景族、任務族、時長與交付格式定制，從需求評審到首批交付最快六周閉環。
藝恩數據市場即日起面向全球客戶開放，中英文版本同步上線。
關于藝恩數據
北京藝恩世紀數據科技股份有限公司（Beijing ENDATA Technology Co., Ltd.，NEEQ：871430）成立于 2009 年，是 AI 垂類數據基礎設施的建設者之一。公司以視頻、圖像、文本三大模態，覆蓋社媒、電商、具身智能等多領域的高質量、合規、垂直數據資產，服務具身智能廠商、大模型廠商、互聯網平臺與全球化品牌。
藝恩已取得國家高新技術企業、北京市"專精特新"企業認定，以及 ISO 20000 信息技術服務管理、ISO 27001 信息安全管理、ISO 27701 隱私信息管理三項國際體系認證。2025 年度公司實現營業收入 3,735 萬元，同比增長 49.86%，歸母凈利潤 363 萬元，連續兩年保持盈利。
轉自：中國日報網
【版權及免責聲明】凡本網所屬版權作品，轉載時須獲得授權并注明來源“中國產業經濟信息網”，違者本網將保留追究其相關法律責任的權力。凡轉載文章及企業宣傳資訊，僅代表作者個人觀點，不代表本網觀點和立場。版權事宜請聯系：010-65363056。
延伸閱讀
