全球大模型数据市场白皮书

数据，正成为大模型时代的稀缺生产要素

进入2025-2026年，随着算力竞赛逼近边际、公开互联网语料趋于枯竭，数据已从「可廉价获取的原料」转变为决定模型上限的稀缺生产要素。市场的核心命题，正由「数据规模」转向「数据质量、专业度与合规性」。

狭义口径，显著低估真实市场

常被引用的「AI训练数据集」狭义口径仅约28-32亿美元(2024-25)，只统计打包数据集+标注软件。但本白皮书采用广义口径(B)=数据集+采集标注+RLHF/专家数据+合成数据:自下而上测算2024约60-90亿、2025约100-160亿美元(毛口径买方支出)。