凌晨兩點，北京某多模態大模型實驗室。大屏上，一個正在進行的預訓練Run跑到了第47小時。技術負責人盯著Loss曲線抖了一下，然後把椅子轉回來說了一句：“我們缺的不是卡，是幹淨、對齊55世紀官網平台、能被復用的多模態語料。”

　　這不是個例。2026年4月2日，字節火山引擎披露：豆包大模型日均Token使用量突破120萬億，兩年翻了約1000倍；同月，中國日均Token調用量跨過140萬億量級。2026年2月中旬，OpenRouter平台上中國大模型的週調用量首次超越美國，並在隨後一週衝到5.16萬億Token家居用品，，三週內增長127%。豆包2.0、GLM-5棋樂遊戲、MiniMax M2.5、Kimi K2.5在春節前後連環發布；Sora 2以“GPT-3.5 moment for video”的定位在2025年9月30日登場，雖然這款產品最終于2026年4月26日App下架（API延至9月24日），但它所引爆的多模態軍備競賽並沒有停。可靈（Kling）2.6在2025年12月實現單次生成完整音視頻，3.0進入Omni階段；阿裡Wan2.6、字節Seedance 2.0、Seedream 5.0 Lite接連上線多模態“百模大戰”已從“能不能生”迭代為“好不好用”。

　　這篇稿子，想回答這個被參數與Benchmark分數淹沒的“上遊問題”並且，想用一家公司的年報，把它講清楚。

　　第一種形態，通用爬取的公開數據。Common Crawl約含130萬億Token，全指數化網頁約510萬億Token，全量網絡（含登錄牆後內容）約3100萬億Token。據Epoch AI在同行評審的測算，高質量人類生成公開文本的“有效存量”約300萬億Token，在當前scaling節奏下將在20262032年間耗盡，這種形態的黃金時代，已經走到了尾聲。更糟的是，公開數據不僅在枯竭，還在被“鎖進保險櫃”Reddit、Stack Overflow、X、知乎紛紛對爬蟲加設圍欄；紐約時報、Getty、環球音樂、康科德音樂先後對OpenAI、Stability、Anthropic發起訴訟。一位北京的AI法律合規專家告訴筆者：“公開互聯網的數據，法律成本從邊際成本變成了固定成本。”

　　第二種形態棋樂遊戲，人工合成的AI生成數據。Sam Altman在公開場合承認嘗試過“生成海量合成數據”，但也親口提示不能過度依賴。Nature 2024年一篇論文系統描述了“Model Collapse”用AI生成的數據反復訓練AI，會讓模型的表達分布持續退化。合成數據可以是拐杖，不能是主糧。

　　第三種形態，垂類深耕的結構化數據資產。這是目前產業裡不僅稀缺，更是被各方看中並爭搶的數據資產形態。它由人類在真實產業場景中沉澱，帶有明確的時空/主體/語義標簽，具備跨模態對齊能力，合規、可追溯、可被多次復用。它不是互聯網上就能爬來的，也不是AI自己能合成的。它需要有人在某一個具體的行業裡，花足夠長的時間55世紀登錄，把數據鏈路一段一段建起來。

　　藝恩數據北京藝恩世紀數據科技股份有限公司，ENDATA，新三板證券代碼871430正是第三種形態的中國代表玩家之一。它不是通用大廠紙巾用品，也不是通用爬取平台，而是一家把“視頻+圖像+文本”三模態數據，在影視綜、社媒、電商、版權數據四個領域打深的垂直數據公司。它的產品線叫enbase數據智庫和藝恩營銷智庫。

　　視頻模態鏈路。在影視綜場景下，從劇集、綜藝、電影、短劇的全網播映數據，到彈幕、評論、評分、票房、用戶畫像的結構化採集；在社媒場景下，從KOL視頻行為、話題傳播曲線到情緒衰減週期的動態追蹤；在電商場景下，從直播間講解視頻到商品展示視頻的多粒度標注；在版權場景下，從授權鏈條到代言/IP的跨平台溯源。視頻模態不是簡單“扒視頻”，而是“視頻+標簽+時間戳+主體+語義”的全鏈路。

　　圖像模態鏈路。商品圖的結構化拆解（材質、顏色、款式、搭配），劇照的角色/場景/情緒多粒度標注，KOL視覺資產的身份綁定，版權圖像的授權狀態追蹤。這些是多模態大模型“看圖理解”訓練中極稀缺的語料形態。

　　文本模態鏈路。劇本、評論、傳播文本、版權文本、代言合約關鍵條款藝恩把這些文本結構化成可調用的知識圖譜。

　　三種模態裡真正具有Alpha的棋樂遊戲55世紀登錄入口，，是“跨模態綁定”。同一部劇集55世紀官網平台，它的視頻片段、劇照海報、劇本台詞、彈幕評論55世紀官網平台、票房數據、主演代言在藝恩的數據結構裡，共享同一個主體ID下的不同模態視圖。這種“同源對齊”正是MLLM（多模態大語言模型）訓練中最貴、最稀缺、最難替代的語料。它不是用OCR和CLIP從爬來的圖文對中硬配的，而是從業務源頭就綁在一起的。

　　這就是藝恩數據與通用爬取數據的根本差別前者是“原生對齊”，後者是“事後擬合”。對Sora 2棋樂遊戲、可靈3.0 Omni、Seedance 2.055世紀(中國)官網登錄，、Seedream這樣的模型而言，原生對齊的語料直接決定生成效果的上限。

　　2024年1月1日，財政部《企業數據資源相關會計處理暫行規定》正式施行數據資源從“費用化的業務輸入品”，變成“資本化的資產負債表科目”。這是中國數據要素市場一個很容易被技術圈忽略、但意義重大的拐點。

　　信號一：無形資產（數據資源）同比增長103.34%。這意味著藝恩在過去一個財年裡，把持續沉澱的、符合無形資產確認條件的數據資源，按照會計準則進行了系統性確認。對一家數據公司而言，這不是簡單的“賬面好看”而是把過去多年的“業務沉澱”正式轉化為“資產存量”。

　　信號二：開發支出同比大幅增長五五世紀用戶注冊平台，。對應的會計處理是：當數據產品尚處于研發階段、未滿足資本化條件的部分費用化；滿足條件的部分計入開發支出，後續可轉入無形資產。開發支出的增長棋樂遊戲，說明藝恩在數據產品的研發、結構化棋樂遊戲、標注鏈路上持續加碼。高金智庫跟蹤顯示，數據資源入表的企業中，約63.57%計入無形資產，35.48%計入開發支出藝恩的兩個科目雙向放量，走的就是這條會計主路徑。

　　把這兩個會計動作翻譯成產業語言：藝恩正將過去多年的“數據沉澱”從“業務成本”正式改寫為“資產存量”。在“數據資產可登記、可入股、可抵押融資”的基礎設施（2025年3月國家公共數據資源登記平台上線月國家數據局公共數據授權運營信息披露通知）逐步完備的背景下，這個改寫不是賬面技巧，而是估值地圖的重繪。

　　與此同時，2025年藝恩數據產品業務收入同比增長127.68%，數據產品業務毛利率同比上升16.83個百分點這兩個指標並列出現的含義很清晰：不是“低價走量”撐起來的翻倍，是“產品化+議價權”同時上抬。在一個被“價格戰”裹挾了一年半（火山引擎、阿裡雲55世紀官網平台、百度智能雲20242025連續降價）的AI產業中，毛利同步上行是一個值得注意的信號。

　　筆者詢問過三家不同類型客戶的採購負責人，把他們的回答合並起來，大致是三條：訓練效率、幻覺率、合規性。

　　訓練效率層面。中國大模型Token調用量在2026年2月第三週衝上5.16萬億（單週），字節豆包日均120萬億Token棋樂遊戲，跑在前面的模型廠商都意識到一件事Benchmark提升1個百分點的邊際訓練成本正在變貴。“找到一份原生對齊的多模態語料，相當于給訓練Run降本。”這不是情緒化判斷，是算力賬本日化用品，。

　　幻覺率層面。大模型在影視綜、品牌、代言、商品這類“事實密集”的長尾場景上，幻覺成本極高一個錯誤的代言歸因、一個失真的票房數據、一個過時的藝人標簽，都會直接傷害下遊商業化。藝恩這類持續維護“事實主體庫”的數據公司，在降低“知識類幻覺”上具有結構性優勢。

　　合規性層面。Anthropic的15億美元和解金55世紀官網平台、Concord新一輪30億美元索賠、NYT對OpenAI/Perplexity的訴訟，都在給中國大模型廠商上了一課“用未授權數據訓練”的長期成本，遠高于“買授權數據”的短期支出。合規的數據通道不再是可選項，是必選項。

　　再看“海外客戶”這一極。海外短劇2025年全球市場規模40億美元，ReelShort與DramaBox雙雄年度收入合計超過8億美元；可靈網頁端80%以上流量來自海外、2026年1月登頂韓國多個品類下載榜；中國AI應用在海外iOS的GenAI榜單持續衝高。出海紅利越大，對“可合規出境、可追溯、可本地化”的數據通道越依賴。藝恩2025年海外業務觸及千萬級訂單突破這個數字看似不大，但放在一家新三板基礎層公司的財報裡，它的意義是“中國AI數據的合規出海通道”在實際運行中被海外客戶付費驗證過了。

　　藝恩數據2025年營業收入37,355,395.51元，同比增長49.86%；毛利率48.79%；淨利潤3,635,478.71元單看數字，對一家營收體量僅3000多萬元的新三板公司而言並不驚豔；但當把這組數字放回2026年的多模態軍備競賽裡，它講出的故事截然不同：

　　數據產品業務增加127.68%、數據產品毛利率提升16.83pp、無形資產增加103.34%、開發支出同比大幅增長、海外業務千萬級訂單突破、數據集業務被明確為前瞻性核心增長方向。

　　這六條並列，構成一個清晰的產業敘事當“公開爬取的數據”在見底、“合成數據”被證偽為主糧、“結構化垂類數據資產”成為大模型的真正稀缺資源，藝恩手裡的enbase數據智庫和藝恩營銷智庫，正在承接來自大模型廠商、互聯網巨頭、海外客戶的三路需求。

　　回到開篇那個凌晨兩點的訓練Run，那位技術負責人說“我們缺的不是卡，是幹淨、對齊、能被復用的多模態語料”。

　　在中國AI產業下一個五年的故事裡，會有很多名字被記住有的是千億港元市值的明星棋樂遊戲，有的是百萬機卡的基建巨頭，也有的像871430這樣在影視綜、社媒、電商、版權數據的田裡埋頭深耕的“彈藥供應商”。