图1 2005-2024数据标注企业数量

2024年底，我国数据标注企业数量逾4000家，年均复合增长率达11.3%。其中“专精特新”企业占比12%，上市公司（包括海外上市）占比3%。

从增长趋势上看，近20年可以分为3个阶段，第一阶段2005-2013，企业数量年增长率处于10%~12%区间，

第二阶段2014~2018，数据标注新增企业数量快速增长，2018年增长率高达17%；

第三阶段2019-至今，增长逐步缓和，受制于宏观经济和外部冲击，2022年增长率降至5%。这三个阶段分别对应了数据标注产业的成长期、快速增长期、平稳高质量发展期。

值得注意的是，新增企业数量在经历了2021-2023年的快速回落后，于2024年出现了明显的反弹，背后可能的原因是2024年我国人工智能产业的爆发式增长对数据标注行业有效拉动的结果。

图2 数据标注企业城市分布

图2展示了数据标注企业数量排名前20的城市。北京以677家的绝对优势排名第一，占全国企业数量的17%，紧随其后的城市为上海、深圳，数据标注企业数量均超过200家。

杭州、成都、南京、武汉、太原、广州，合肥组成第三梯队，数据标注企业数量均在100以上。

图3 数据标注产业空间演进

图3(1)-(3) 描绘了数据标注产业地区间的分布趋势，红点表示有数据标注企业的城市，企业数量越多红点半径越大。可以明显看出，随着时间推移，数据标注产业逐渐向南部沿海城市和中西部地区转移。

图3(4) 展示了数据标注产业空间集聚度的变化情况，CR10反映数据标注企业最多的10个城市数据标注企业总数占全国的比重，HHI为区域Herfindahl指数，表示空间集中度。可以明显看出，2015年之前区域集中度几乎不变，2015年后区域集中度显著下降，反映出越来越多的城市加入到数据标注产业分工中，产业空间分布呈扁平化态势。

图4 数据标注与其它产业协同关系

图4反映了数据标注产业规模²与关联产业之间的相关性。其中图4(1) 描述了数据标注产业规模同数字经济发展水平³的回归关系，其结论是显而易见的，数据标注产业作为数字经济整体建设的一个细分项，必然展现出紧密的正向关系。

图4(2) 进一步考察了数据标注产业同下游人工智能产业规模⁴之间的关系。人工智能产业特别是图像识别、语音识别、自动驾驶、大模型等行业需要高质量的标注数据作为输入，人工智能行业必然从需求端拉动数据标注产业的发展，图4(2) 的回归结果显示，下游人工智能产业规模每提高1个百分点，能通过需求拉动效应带动上游数据标注产业规模扩张1.15个百分点，虽然该因果关系还需控制各种因素进行严格的计量经济模型识别，但人工智能产业发展对数据标注产业的拉动效应已是不争地事实。 

图5 数据标注类专利数

2020年后，我国数据标注领域的专利授权数⁵呈现爆发增长态势，年均复合增长率达77%，4年内专利授权数增长了10倍，其中仅2021年在前一年基础上专利授权数翻了1.6倍。

数据标注产业的创新发展水平远超产业自身规模发展水平，反映出我国数据标注产业发展质与量并重，创新驱动发展的态势。 

图6 数据标注领域专利构成

专利构成方面，与数据标注相关的专利大致可分为6类，包括计算机视觉、神经网络/深度学习、数据库管理、自然语言处理、机器学习、图像处理/分析。构成上以计算机视觉和神经网络/深度学习占据主导，比例分别为43.2% 与34.4%，后4类分布相对一致，比例在5.1%-6.5%之间。神经网络/深度学习类专利在数据标注类专利中的占比逐年提高，反映出深度学习技术正处在快速迭代阶段。

值得注意的是，计算机视觉与深度学习的技术交叉点（如训练数据生成、分类模型优化）专利量增长明显，凸显出人工智能发展正从单一技术突破转向算法、数据、应用场景的协同创新。这种跨领域融合可能成为未来技术升级的重要方向。

图7 数据标注相关专利申请人及所在地区分布

从授权专利地区分布看，北京以457份授权专利遥遥领先其它城市，深圳、杭州、上海、南京、广州相关授权专利数量超100份，构成数据标注产业创新的第二梯队。第三梯队中，成都创新能力表现亮眼，武汉、苏州、合肥紧随其后。

从授权专利申请人角度分析，互联网平台企业的创新能力突出，各类高校科研院所构成了创新的中坚力量，入围创新能力前30的申请人中，大型国有企业为国家电网和工商银行，表明大型国央企在数据标注创新领域发展空间巨大。

表1 全国各地提及数据标注的政策文件一览

根据表1，我国数据标注产业政策呈现以下导向：

一、国家战略引领，构建顶层框架。国家层面以《促进数据标注产业高质量发展的实施意见》为核心，形成"标准建设+技术攻关+生态培育"三管齐下的政策体系。

二、区域差异化布局，打造特色产业集群。各地基于产业基础与资源禀赋形成差异化发展路径。作为劳动力大省，河南利用其人力资源优势，提出"数据标注乡（村）"概念，推进数据标注产业集聚发展。山东则依托海洋优势，建设海洋数据标注基地。

三、技术应用深度融合。政策普遍强调数据标注与人工智能、大模型的协同发展，支持自动化标注、AI辅助标注技术研发，强化数据标注在智能制造、车联网等场景的应用支撑，推动数据标注从基础服务向智能化升级，构建“数据标注-模型训练-场景应用”闭环。

四、标准体系建设加速推进。国家层面加快研制数据采集、标注、治理等全流程标准，各地推进数据标注相关地方标准与行业标准建设，逐步形成“国家标准+行业标准+地方标准”的立体化标准建设体系。

五、要素保障持续强化。人才培育方面，河南开展大数据标注基础人才培训，贵州强调培养数据标注工程师人才；数据供给方面，安徽通过开放公共数据资源吸引数据标注企业，广东建立人工智能产业数据资源清单，提升人工智能数据标注库规模和质量；资金支持方面，安徽对在本省从事数据标注的企业按数据交易额与企业绩效进行补贴与奖励。

值得注意的是，合肥作为首个发布数据标注产业规划的地级市，在《合肥数据标注产业发展规划（2025-2027年》中明确到2027年底，合肥将实现多语种标注和语音标注能力国际领先，构建超11个行业高质量数据集，标注数据规模达3000TB，产业规模突破30亿元，带动相关产业形成千亿级体量。这标志着合肥在数据标注产业与数据要素市场等制度建设方面，走在了全国前列。

当前政策体系已形成“国家战略牵引、地方特色发展、技术应用融合、技术标准协同、要素创新保障”的发展格局，预期将推动数据标注产业从劳动密集型向技术密集型升级，催生可观的市场规模，同时全国层面将加强跨区域合作机制建设，推动形成统一的数据标注质量认证体系，促进全国要素市场互联互通。

表2 全国数据标注相关标准工作一览

从当前标准体系建设来看，数据标注领域的规范化进程呈现出明显的立体化特征。国家层面，《人工智能 面向机器学习的数据标注规程》作为首个机器学习数据标注的通用国标，为行业锚定了基础框架；《YY/T 1833.3-2022》与《YC/T 513-2014》行业标准则深入医疗、烟草垂直领域，针对器械质量评估、地理信息标注等场景提出专项要求，凸显标准化需适配行业特性的必然趋势。

地方层面动作密集，黑龙江、山西等地近两年连续发布涵盖框架设计、技术细则乃至人才培训的地方标准，反映出区域产业化布局中数据标注作为基础设施的战略地位。针对生成式AI爆发式增长带来的安全考虑，新立项的《网络安全技术 生成式人工智能数据标注安全规范》直击数据标注环节的合规风险，体现标准制定与技术演进的动态协同。

整体而言，当前标准体系初步形成“通用+垂直”“中央+地方”的双轨架构,根据全国数据标准化技术委员会的工作安排，预期将会有一系列数据标注相关标准落地出台。