北京时间8月16日，艺恩【数据市场】正式上线，首批 34 个成品数据集公开上架，覆盖具身本体·Ego 数据、视频数据、社媒数据、电商数据、及文本语料五大类别。客户无需注册、无需联系销售，即可完整查阅每个数据集的规格参数、标注字段定义、样例记录结构与授权合规说明，并可直接申请免费样例包。

艺恩数据，作为AI 垂类数据基础设施企业，此次上线的【数据市场】是其从“定制化交付”向“标准化产品+自助服务”转型的关键一步。这一举措标志着AI训练数据从封闭采购走向开放浏览、按需试用的新阶段，让开发者能够像逛超市一样直观地挑选数据产品，推动行业从“找数据”向“选数据”转变。

这是国内 AI 训练数据行业首批将成品数据集以"商品目录"形式完整公开的实践之一。此前，训练数据的采购长期停留在项目制模式：买方需要经过询价、需求沟通、方案提报等多轮流程，才能获知供应商实际拥有哪些数据、标注到什么粒度、能否商用——整个周期通常需要六至十二周。

五大类 34 个数据集，细化至单一渠道

与以往按"能力描述"组织的产品页不同，艺恩数据市场按数据类型 × 具体渠道双维度组织货架。以社媒数据为例，市场中不再只有笼统的"海外社媒数据"，而是细分为 X（Twitter）全球帖文集、TikTok 创作者与评论集、Instagram 图文创作者集、YouTube 评论与字幕集、Facebook 公开主页集等独立 SKU；电商数据则细化到 Amazon、Shopee、Lazada、Coupang、TikTok Shop 等具体平台。

图 1　首批上架数据集按类别分布。规模数字为艺恩产品口径，统计截至 2026 年第一季度。

图 2　渠道颗粒度对比。数据市场将笼统品类拆解为可独立采购的单一渠道 SKU，客户可按实际训练需求精确选取。

视频数据类同样细化到内容形态，包括电影级高质切片、纪录片物理世界影像、YouTube 长视频多语种集、TikTok 短视频创意集、微短剧内容数据集与直播流媒体片段集。具身本体·Ego 类则按场景族划分为家庭操作、厨房任务、室内导航、工业产线、零售场景等专项数据集，并配套多机位 4D 同步采集、遥操作轨迹与力触觉交互数据。

每个数据集公开六层信息

数据市场的每个 SKU 都配有独立详情页，按客户实际评估顺序组织六个板块：数据集概览、数据构成、标注体系、样例预览、交付与接入、合规说明。其中标注体系板块完整列出该数据集的字段定义表，并以动态演示呈现标注流水线的四个阶段——从原始帧到目标检测、关键点与语义标注，再到时序动作分段。

图 3　数据集详情页信息结构。六个板块按客户评估决策的实际顺序组织，全部无需登录即可查阅。

"数据这个品类最特殊的地方在于，买方在拿到数据之前，几乎无法独立判断质量。"艺恩数据相关负责人表示，"标注粒度、字段对齐方式、授权链路完整性——这些决定数据能不能直接进训练管线的关键信息，过去往往要到第三次会议才谈得到。我们的判断是，把这些信息前置公开，损失的是一点信息差，换来的是整个交易周期的压缩。"

免费样例机制：先跑通，再采购

数据市场同步推出免费样例机制。每个数据集提供 100 至 5,000 条规模的样例包，与正式数据集结构完全一致，包含完整元数据、标注与授权信息。客户在详情页提交申请并签署保密协议后，24 小时内可获得下载链接，有效期七天。

艺恩数据创始人郜寿智表示：“这个机制对我们不是没有成本的，一个跑过样例的客户，进入商务环节的沟通效率，是没跑过样例客户的数倍以上——他不再问‘你们数据质量怎么样？’，而是直接问‘这个场景族能不能加到 30%？’。

我们希望客户是带着自己的测试结论进入商务环节的。他不需要相信我们说的质量有多好，他自己用几千条样例在训练管线里跑一遍就知道了。这对双方都更高效。"

三层授权审计与国际认证背书

合规是数据市场公开上架的前提条件。艺恩对每份数据集执行三层版权审计：第一层为内容版权方书面商业授权，逐条对应授权编号；第二层处理背景音乐版权，提供授权证明或完成去除替换；第三层覆盖肖像权与个人信息，通过知情同意书与技术脱敏满足《个人信息保护法》与 GDPR 双轨要求。

图 4　艺恩数据合规体系。每个数据集详情页底部逐条列出适用的合规要点，不作统一模板化处理。

行业背景：数据供给正在被重新定价

数据市场的推出，与训练数据供需格局的结构性变化直接相关。研究机构 Epoch AI 的测算显示，公开可用的高质量人类文本语料预计将在 2026 至 2032 年间耗尽，中位数落在 2028 年前后。与此同时，合规成本正在快速抬升——Anthropic 就作者集体诉讼达成 15 亿美元和解，创下美国版权诉讼史上最大规模的和解金额；欧盟 AI 法案对通用模型训练数据的透明度义务也已进入实施阶段。

资本市场对数据资产的定价同样发生变化。Meta 以约 143 亿美元取得 Scale AI 少数股权（对应估值约 290 亿美元）后，多家头部模型厂商基于数据机密性顾虑削减了与其的合作——这一事件被行业普遍解读为：数据供应方的中立性本身构成核心资产。艺恩数据为新三板挂牌公司，不隶属于任何模型厂商，亦无自研大模型业务。

艺恩数据创始人郜寿智还表示：“数据这门生意的效率损耗，大部分不发生在生产端，而发生在交易端。当买方需要花六周才能搞清楚卖方有什么，这六周对双方都是纯粹的浪费。我们把信息摊开，不是让渡商业空间，而是把销售资源从‘解释我们有什么’，转移到‘讨论怎么用得更好’。”

后续规划

据悉，首批上架的 34 个数据集来自艺恩三十大类数据资产中的核心品类，后续将按季度扩充 SKU 数量并细化筛选维度。艺恩同时提供定制采集服务，支持按场景族、任务族、时长与交付格式定制，从需求评审到首批交付最快六周闭环。

艺恩数据市场即日起面向全球客户开放，中英文版本同步上线。

关于艺恩数据

北京艺恩世纪数据科技股份有限公司（Beijing ENDATA Technology Co., Ltd.，NEEQ：871430）成立于 2009 年，是 AI 垂类数据基础设施的建设者之一。公司以视频、图像、文本三大模态，覆盖社媒、电商、具身智能等多领域的高质量、合规、垂直数据资产，服务具身智能厂商、大模型厂商、互联网平台与全球化品牌。

艺恩已取得国家高新技术企业、北京市"专精特新"企业认定，以及 ISO 20000 信息技术服务管理、ISO 27001 信息安全管理、ISO 27701 隐私信息管理三项国际体系认证。2025 年度公司实现营业收入 3,735 万元，同比增长 49.86%，归母净利润 363 万元，连续两年保持盈利。