数据采集是“硬件感知采集→合规获取→清洗标注→数据集交付”的长链条。最大矛盾是高质量、可商用、有版权/授权的原始数据稀缺，但低端采集标注高度内卷、人力成本刚性、毛利率持续承压。本轮增量主线是多模态、物理AI/具身、自动驾驶、工业、遥感时空数据。
一、产业链分层
1.感知硬件层
传感器、摄像头、激光雷达、卫星载荷、工业采集网关、环境监测设备，价值是拿到物理世界原始信号。
壁垒：精度、可靠性、标定、国产化。
风险：硬件价格战、上游芯片断供。
2.合规获取层
API对接、授权采集、卫星/无人机遥感、车载回传、受控场景采集。爬虫无授权抓取属于高风险业务，监管持续收紧。
壁垒：数据来源资质、版权、脱敏、出境合规能力。
3.加工质控层
清洗、去重、脱敏、标注、质检，行业大部分上市公司集中在此。
商业模式：定制项目（按工时/样本收费）、标准化数据集（一次生产、多次复售，毛利率更高）、自动化标注平台订阅。
痛点：人力成本占比高、客户集中度高、订单跟随大模型资本开支波动。
4.数据集交付、数据要素运营层
封装好的垂直数据集、数据资产交易、数据服务SaaS。
壁垒：长期沉淀的私有数据资产、场景闭环。
二、核心板块标的
1.AI训练数据采集+标注（大模型语料/多模态）
海天瑞声：语音、NLP、视觉多模态数据采集、标注、数据集交付，覆盖200+语种方言，国内头部大模型+海外云厂商双客户；定制服务+标准化数据集（标品复卖是优质资产），布局自动驾驶、具身物理数据
2.工业物联网、工业现场数据采集（产线、设备）
工业数据采集网关、边缘采集、设备联网、工况数据采集，面向智能制造、工业质检、预测性维护；壁垒在工业协议适配、现场交付、工控安全。
中控技术：DCS+工业软件，自带大量工厂工况采集点位，向下采集设备工艺数据，属于场景内生采集，不是单纯卖采集服务；工厂准入壁垒极强，数据和控制闭环。
汇川技术：伺服、PLC、工业传感，硬件自带采集能力，设备端原生数据入口；数据是设备增值服务载体。
能科科技：工业仿真+产线数据采集、数字孪生，对接工厂传感器数据，和物理AI仿真数据链条打通。
拓尔思：文本、舆情、公开政务数据合规采集、非结构化文本治理；偏互联网文本数据，合规要求高，适合政务、金融风控。
3.遥感、时空、卫星数据采集（空间数据）
航天宏图：自有InSAR卫星星座（女娲星座），卫星对地遥感数据采集、地面接收、解译；属于自主可控数据源，数据资产在自己手里，壁垒显著高于单纯加工服务商；下游国土、水利、应急、测绘。
中科星图：以遥感数据加工、GIS平台为主，自有采集资产弱于航天宏图。
4.环境、监测、特种行业数据采集（环保、水利、气象）
碧兴物联：环境监测仪器、水质/大气在线监测终端，硬件+现场采集+运维数据服务；设备销售+长期托管数据运维；现金流稳定、政务采购为主。
雪迪龙、先河环保，逻辑一致，监测终端采集环境指标。
5.感知硬件采集端（传感器、视觉、动捕）
柯力传感：力学传感器，工业称重、力觉数据采集，物理AI触觉数据核心硬件。
奥比中光：3D视觉相机、深度数据采集，机器人、自动驾驶、工业视觉；
凌云光：机器视觉采集、光学成像设备，工业视觉+仿真训练数据采集配套。
三、核心风险
1.合规红线；
2.合成数据替代风险；
3.客户集中度风险；
4.人力内卷；
5.数据确权难。
四、重点跟踪
具身/物理AI真实交互数据订单、合成数据商业化进度、数据资产入表细则、跨境数据监管政策。