据海天瑞声近期发布的三季度财报，公司今年前三季度实现营收1.03亿元，同比下降38.25%；归母净利润-3211万元，同比下降272.40%。单季度来看，第三季度营收为2875万元，同比下降45.10%。
针对业绩较大幅度波动，吕思遥表示，亏损主要系报告期内，公司境外收入受境外部分客户阶段性裁员、业务方向调整，以及数据出境相关法规落地实施的阶段性影响，公司境外收入同比下降；同时，为配合整体战略发展及业务拓展目标，公司在营销体系建设、管理架构及激励体系升级方面持续加大投入，叠加新购置办公楼带来折旧费用同比增加，使得管理费用、销售费用大幅增长。
公司本月接受机构调研表示，境内业务方面，虽然宏观稳经济政策已初见成效，但国内仍面临复杂严峻的内外部环境考验，部分境内客户对集中性研发投入仍持谨慎态度，基础数据服务领域客户预算及需求释放出现阶段性减缓，叠加行业内竞争加剧，综合导致境内收入同比下滑。
海天瑞声表示，未来公司将在继续巩固传统基础数据业务的同时，通过持续发展智能驾驶、大模型、数据要素等新兴战略型业务，实现收入的稳步回升。
▍智能驾驶数据需求广阔
海天瑞声今年境内智能驾驶业务收入表现平稳，整体收入占比有所提升，大模型等新兴数据需求逐步释放，公司称将为下一步驶入良性发展轨道奠定一定基础。
在业绩会上，投资者十分关注未来智能驾驶的数据需求空间，以及海天瑞声是否具备竞争力，能否抓住市场机遇。
海天瑞声董事长贺琳表示，随着智能驾驶相关政策的推出以及单车成本的不断下降，智能驾驶的商业化进程将加速，数据处理需求将呈现指数级增长趋势。根据德勤报告，智能驾驶数据需求在2022-2027年将达到30%以上复合增长率，具有广阔的市场空间。
具体来看，智能驾驶数据业务的市场需求主要与三个要素相关：
1）车厂的车型及传感器丰富度。通常来说，不同车型、不同传感器会有不同的硬件配置方案，继而需要不同的数据解决方案，因此车型/传感器等硬件配置的多样性程度，将会直接影响所需数据解决方案的数量；
2）量产车数量。量产车的数量决定了整个训练数据需求基数的大小；
3）智能驾驶级别的逐渐提升。智能驾驶级别和渗透率的提升决定了数据处理场景的种类和体量。
“这三个要素对训练数据需求的影响，是相互叠加的。”贺琳如是称。
据贺琳介绍，智能驾驶数据领域的核心竞争力主要体现在三个方面，分别是平台能力、算法能力以及数据安全能力。
首先，平台能力是数据标注能力的基石。“平台功能点覆盖的丰富度，是评价平台水平的核心要素，目前同时具备2D标注、3D点云标注、2D-3D联合标注、4D标注的供应商比较有限，能以最快速度覆盖更多功能需求的数据服务商，将能更好掌握智能驾驶数据市场的主动权以及议价能力。”
第二个核心要素是算法能力。平台的智能化程度越高，对人的依赖程度越低，在提高平台生产效率的同时，可以大幅降低生产成本。
第三个要素是数据安全能力。在智能驾驶数据领域，由于其采集图像、视频可能涉及地理及个人隐私信息，为更好防范数据安全风险，国家相关法律法规要求，数据流转链条上各类企业必须做好充分的数据安全保障。“因此，未来不具备相关数据安全能力的供应商，将逐渐被市场淘汰。”
▍大模型多模态发展，将催生新型数据需求
今年十月，全国信息安全标准化技术委员会发布技术文件《生成式人工智能服务安全基本要求》征求意见稿。该份文件对语料安全、模型安全、安全措施、安全评估等方面内容，给出了生成式人工智能服务在安全方面的基本要求。
该份文件对海天瑞声的数据标注业务将有何影响？贺琳面对投资者提问表示，该文件将进一步提升数据合规要求，增加需求侧对高质量、专业化、合规数据的需求。“预计将会有更多大模型厂商释放更多的数据服务需求，给第三方数据服务商。”
海天瑞声董事长贺琳在业绩会上表示，公司已启动大模型标准化数据集产品的研发投入计划。据了解，该公司此前定增计划的核心内容之一，即为大模型数据集产品建设。“标准化数据集产品是公司区别于其他竞争对手的特色商业模式，标准化数据集产品由于其一次性投入、未来可重复销售的特点，对公司的营收、毛利起着重要作用。”
据介绍，数据集建成后，将提供可供大模型训练和评测的不少于10个品类的专业数据集，显著提升行业内面向大模型训练数据集的类别和质量，实现基于大模型通用能力和垂直领域数据的训练学习。
“随着更多大模型产品面向公众推出上线，以及不断进行版本迭代，未来的大模型相关数据需求会持续显著增长，这符合当AI进入大规模落地应用后对数据的需求才会规模性增长的规律。”
贺琳表示，预期该类增长将主要体现在预训练阶段对高质量、大规模的版权数据、公共/政务数据、多模态数据、垂直领域的实际场景数据等方面的需求，以及不断提升其交互精准度的强化学习阶段各类数据需求等。未来，随着大模型向更高级、更多维、更广泛垂向拓展，大模型数据需求将呈现快速增长趋势。
此外，海天瑞声判断，未来大模型向多模态发展亦将会产生更多新型数据需求。
大模型向多模态发展后，将会产生更多的例如文生图的多模态大模型，通过文字输入生成对应图片，这就需要机器理解文字语义的同时，将理解的关键词与图片的关键标签进行映射，通过对齐两种独立模态关键特征的方式，实现按指令的创作，以此完成学习训练过程。因此，当大模型向多模态能力维度拓展时，高质量多模态训练数据集的持续学习训练的重要性将更加凸显，多模态的发展，将推动数据服务行业进入更大的增量空间。