热点科技｜2026 中国国际大数据产业博览会现场观察

  2026 数博会本原智数展位现场

如果把过去几年的 AI 竞争概括成几个关键词，参数、算力和模型架构大概最容易被提到。但到了 2026 年，另一个更基础的问题正在被重新摆到台前：模型究竟拿什么继续学习？

在贵州举行的 2026 数博会上，热点科技参加了本原智数首届生态发布会，并来到其展位体验。相比单纯强调 " 数据标注 "，本原智数这次把讨论范围拉到了 AI 全生命周期：从评测发现能力短板，到专家生产高质量数据，再到智能体持续运行，以及面向具身智能的物理数据建设。

这背后值得关注的，不只是数据服务商增加了几个平台，而是 AI 数据产业本身正在换挡——从 " 有多少数据 " 转向 " 什么数据真正有用 "，从一次性交付转向围绕模型能力持续迭代。

数据公司的角色，正在从 " 施工队 " 变成标准共建者

本原智数创始人李逆勇在第一届本原智数生态发布会上分享

发布会上，本原智数创始人李逆勇把行业变化概括得很直接：过去客户给出原始数据和标注文档，数据公司负责采集、清洗、标注、审核，更像按照图纸施工；但随着大模型、智能体、世界模型和具身智能继续发展，客户真正关心的问题已经变成 " 什么样的数据能够让模型能力继续提升 "。

按照本原智数披露的数据，公司累计交付 500 多个大型项目，年均标注量达到数亿级，核心项目交付及时率为 100%，质量达标率超过 98%。但比这些交付指标更值得注意的是，它正在把评测、标准和数据生产放到同一套体系里：先判断模型缺什么，再反向决定该生产什么数据。相关数字均为企业现场披露口径。

发布会现场公布本原智数 AI 全生命周期基础设施：原测、原识、原智与原物

现场展示的四个平台分别对应不同环节：原测 OriginBench 负责 AI 全生命周期评测；原识 OriginWise 面向专家级数据生产；原智 OriginFlow 聚焦智能体运行与持续进化；原物 OriginPhysics 则把能力延伸到具身智能的数据采集、训练和评测。

这套思路的关键不是 " 工具更多了 "，而是把评测和数据生产连接起来。过去数据往往在模型训练之前完成，交付后项目就结束；现在则更像一个循环：模型运行产生经验，评测暴露问题，再生成或组织新的高质量数据，继续进入下一轮训练和优化。

真正稀缺的，正在从通识语料变成专家经验

为什么高质量数据越来越重要？一个现实变化是，互联网上容易获取的公开文本并不会无限增长，而模型能力又开始进入医疗、金融、法律、代码、科研等专业领域。此时简单增加通用文本，很难等比例换来能力提升。

本原智数给出的方向是 " 专家数据 "。例如医疗数据由专业医师参与，金融数据覆盖银行、保险、证券等场景，法律数据需要专业人员对合同风险进行判断，Coding 数据则进一步覆盖 GPU 内核、软件工程和 Agent 工具调用。企业资料显示，其专家数据生产已覆盖金融、医疗、法律、科学、教育、工业等十余个垂直领域。

本原智数提出 Digital AI 飞轮，将运行、经验、评价、生产和进化连接成持续循环

这里真正发生的变化，是 " 标注 " 这个词已经不足以概括数据生产。AI 需要学习的越来越不是一个标签，而是人类解决问题时的判断依据、执行路径、失败经验和反馈过程。尤其进入 Agent 阶段之后，一条完整的任务轨迹——调用了什么工具、为什么做出选择、执行结果如何——本身就可能成为新的训练资产。

从这个角度看，未来数据服务行业的门槛未必只取决于拥有多少标注人员，而会越来越取决于能否组织专家、定义标准、形成评测体系，并把这些知识规模化转化成机器可以学习的数据。

AI 从数字世界走向物理世界，数据形态也在变

这种变化在具身智能上更加明显。文字和图片可以从互联网获得，但机器人如何抓取、移动、操作工具，以及失败后怎样调整，并不存在一个天然可下载的 " 互联网数据库 "。数据必须在真实或仿真环境中被重新生产出来。

第一届本原智数生态发布会现场，以 " 数据为本 原力智慧 " 为主题

因此，本原智数在发布会上提出未来五年的 " 双十亿计划 "：建设十亿条专家轨迹数据，面向数字信息交互任务；同时建设十亿小时具身操作数据，面向物理场景交互任务。按照企业的解释，前者希望沉淀人类处理复杂数字任务的知识和决策过程，后者则让 AI 学习真实世界中的感知、行动与反馈。

目标最终能达到什么规模仍需要时间验证，但方向本身很有代表性：AI 数据产业正在从网页文本和图片，进入任务轨迹、3D/4D、传感器、机器人操作等更难获取的数据类型。数据的生产成本更高，但与下一阶段 AI 能力的关系也更加直接。

热点洞察：AI 基础设施的竞争，正在补上 " 数据闭环 " 这一层

发布会展示七大核心数据能力体系，覆盖多模态、Physical AI、行业知识、Agent、Coding、智力数据与 Research

过去谈 AI 基础设施，行业更习惯把重点放在 GPU、服务器、云平台和模型框架上。但随着模型逐渐进入产业场景，仅有算力和模型并不能自动解决效果问题。企业会越来越频繁地面对三个问题：能力怎么测、问题出在哪里、下一批数据应该怎么补。

这也是本原智数此次发布内容最值得观察的地方。它试图把 " 评测—数据生产—运行—再评测 " 做成持续循环。对于数据服务商来说，这意味着商业模式可能从项目制的人力交付，逐渐转向平台、标准、专家网络和长期数据运营；对于模型厂商和企业客户来说，数据也不再只是训练开始前准备的一批原料，而会成为伴随 AI 系统整个生命周期持续更新的基础设施。

今年 6 月，千百度宣布收购本原智数控股权，并向 AI 数据业务投入更多资源。公开信息显示，本原智数业务已经覆盖大模型、世界模型和具身智能，并形成 OriginBench、OriginWise、OriginFlow、OriginPhysics 四大平台。资本进入只是一个侧面，更重要的是，它反映出高质量 AI 数据正在从幕后环节走向产业链更核心的位置。

贵阳想留下的，也不只是 " 数据标注订单 "

发布会最后一个值得关注的信号，是本原智数把生态计划的核心放在贵阳。企业提出未来五年面向全球招募 100 个千人级核心数据生态伙伴，并希望推动生态伙伴年总产值达到 100 亿元；原测 OriginBench 和原识 OriginWise 等平台能力也计划进一步向伙伴开放。上述目标属于企业规划，并非当前已实现规模。

对贵州来说，这也对应着数据产业发展的下一道题。早期数据标注产业更多依赖人力和成本优势，但 AI 进入专家数据、智能体和具身智能阶段后，竞争要素已经扩展到专业人才、评测标准、数据工程平台以及与模型厂商的协同能力。一个地区如果只承接标注订单，很容易停留在产业链较低附加值环节；如果能够进一步形成标准、工具、专家和数据资产，则有机会把一次性项目变成持续的数据产业生态。

从本届数博会现场来看，" 数据为本 " 并不是一句回到旧话题的口号。恰恰相反，当模型越来越强、算力越来越充足之后，什么样的数据能够让 AI 继续进化，反而变成了一个更难、也更有价值的问题。

模型的参数会更新，技术路线也会变化，但 AI 始终需要从真实世界和人类经验中学习。下一阶段 AI 基础设施的竞争，或许不仅是 " 谁能算得更多 "，还会变成 " 谁能持续生产、评测和组织更有价值的数据 "。这也是本原智数此次发布会留给我们的最大观察。