2025年智能驾驶数据标注服务商业计划书

2025年智能驾驶数据标注服务商业计划书

商业计划书｜人工智能/智能驾驶｜中国

2026年8月

本报告基于公开信息整理分析，报告内容仅供参考，不构成任何投资建议或决策依据。数据来源已在文中标注，

如有误差以官方发布为准。

目录

1.执行摘要

2.项目概述

3.市场分析

4.产品或服务

5.商业模式

6.营销与销售策略

7.管理团队

8.财务预测

9.融资需求与使用计划

10.风险与应对

11.附录

1.执行摘要

1.1项目简介

本项目——“智标科技”智能驾驶数据标注服务项目——定位于自动驾驶产业链中的数据基础设施环节，以“AI预标注

+人工精标”的人机协同模式，为自动驾驶公司、整车企业、Tier1供应商及AI算法公司提供高质量、高效率、安全合规

的训练数据标注服务。项目核心能力覆盖2D/3D图像标注、激光雷达点云标注、语义分割、视频时序标注、BEV（鸟瞰

图）融合标注等全品类，并自研标注平台与数据管理系统，实现从数据接入、标注执行、质量审核到交付的全流程数

字化管控。项目首期聚焦高速NOA和城市NOA场景的数据标注需求，以“高精度、快交付、强安全”为核心竞争力，帮

助客户加速算法迭代。

1.2市场痛点与解决方案

2025年，中国智能驾驶进入规模化量产前夜，城市NOA落地城市超过150个，NOA前装搭载量突破400万辆，同比增

长65%[来源：高工智能汽车《2025年中国乘用车NOA前装搭载数据》，2026年]。算法从规则驱动转向数据驱动，对

高质量标注数据的需求呈指数级增长。然而，行业面临三大核心痛点：标注效率与精度的矛盾——纯人工标注无法满

足海量数据需求，而简单AI预标注在复杂场景（如夜间、雨雾、遮挡）下精度不足；数据安全与合规风险——智能驾

驶数据涉及地理信息和道路敏感数据，外包标注存在泄露隐患；成本与周期的压力——车企和算法公司希望在控制成

本的同时缩短数据闭环周期，但传统标注服务商交付周期长、质量波动大。

本项目的解决方案是：构建“AI预标注引擎+专业人工精标团队+全流程质检体系”的三层架构。AI预标注引擎基于大规

模预训练模型和场景自适应算法，对常规场景实现85%以上的自动标注准确率，人工只需处理难例和精修；专业精标

团队经过严格培训和认证，对复杂场景进行高精度修正；全流程质检体系采用“初检+复检+抽检”三级质量管控，交付

合格率承诺99%以上。同时，项目自建数据安全体系，通过私有化部署、数据脱敏、权限隔离和全链路审计，确保客

户数据安全合规，满足《数据安全法》《汽车数据安全管理若干规定》等法规要求。

1.3商业模式与盈利来源

项目采用“按量计价+项目制+订阅制”的多元收费模式。核心收入来自标注服务费，按标注类型和难度计价（如3D点云

框标注约8-15元/帧，语义分割约30-80元/帧，视频时序标注约15-30元/帧）。辅助收入包括标注平台SaaS订阅、数据

治理咨询、以及面向中小客户的标准化数据集销售。项目通过AI预标注显著降低人工成本，毛利率目标维持在

45%-55%。根据财务模型，项目首年（2026年）预计实现营收3,200万元，2027年8,500万元，2028年突破2亿元，净

利润率稳定在18%-25%。

1.4财务预测与融资需求

项目总投资约5,000万元，其中平台研发投入约1,500万元，标注团队建设与培训约1,200万元，市场拓展及运营资金约

2,300万元。本次计划融资3,000万元，出让15%股权（投后估值2亿元），资金用于标注平台迭代、GPU算力采购、标

注团队扩充及市场推广。预计2026年实现盈亏平衡，2027年净利润约1,800万元，2028年净利润约5,000万元，项目整

体内部收益率（IRR）约45%-50%。

2.项目概述

2.1项目背景

智能驾驶的技术范式正在经历从“规则驱动”向“数据驱动”的根本性转变。以特斯拉FSD、华为ADS、小鹏XNGP为代表

的端到端自动驾驶方案，依赖海量高质量标注数据进行模型训练和迭代。2025年，中国城市NOA功能加速落地，头部

车企和自动驾驶公司纷纷扩大数据采集车队规模，单家企业每月产生的待标注数据量从TB级向PB级跃升。据测算，一

辆L2+级智能驾驶测试车每天采集的数据约1-2TB，其中需标注的有效数据约10-20GB，按当前标注效率计算，单车每

月标注成本高达5-10万元[来源：行业调研及公开资料测算，2025年]。随着量产车型搭载NOA功能，数据回传和标注

需求将进一步放大。

与此同时，智能驾驶数据标注的复杂度和精度要求远超传统计算机视觉任务。3D点云标注需要理解三维空间关系，

BEV融合标注需要跨传感器对齐，视频时序标注需要追踪目标运动轨迹。这些任务的标注难度和人力成本远高于通用

图像分类或检测，传统数据标注公司难以胜任。行业急需具备“AI技术+场景理解+工程化能力”的专业服务商。

2.2愿景与使命

愿景：成为智能驾驶数据闭环中最值得信赖的标注基础设施，让每一帧数据都产生最大价值。

使命：以AI驱动的数据标注技术，加速自动驾驶算法的进化，助力中国智能驾驶产业领先全球。

2.3核心价值主张

对自动驾驶公司/车企：提供高精度、快交付的标注服务，将数据闭环周期从2-3周缩短至3-5天，显著提升算法

迭代速度。同时通过严格的数据安全体系，消除合规顾虑。

对算法工程师：提供标注平台和工具链，支持自定义标注规则、质检规则和交付格式，与现有数据管道无缝集

成，降低数据准备环节的工作量。

对投资方：切入智能驾驶数据服务这一高成长赛道，项目具备技术壁垒、客户粘性和规模化效应，回报周期

短，增长确定性高。

2.4项目阶段

项目当前处于天使轮融资阶段，已完成以下关键进展：

2025年6月：核心团队组建完成，完成标注平台MVP版本开发；

2025年8月：与某头部自动驾驶公司签署首个试点合同，完成500小时视频数据标注，客户验收合格率99.2%；

2025年10月：与两家车企的智能驾驶部门达成合作意向，涉及高速NOA和自动泊车场景的标注需求；

2025年12月：自建标注团队规模达50人，月标注产能约2,000小时视频或等量点云数据；

2026年2月：完成AI预标注引擎V1.0训练，在公开数据集上实现常规场景85%的自动标注准确率。

本次融资将用于平台研发升级、GPU算力部署、团队扩充至200人以及市场拓展，推动项目进入规模化增长阶段。

2.5项目优势总结

1.技术壁垒：自研AI预标注引擎和场景自适应算法，标注效率较纯人工提升3-5倍，成本降低40%以上。

2.质量体系：三级质检+客户自定义规则+实时质量看板，交付合格率行业领先。

3.数据安全：私有化部署、数据脱敏、权限隔离、全链路审计，满足车规级数据安全要求。

4.团队能力：核心团队来自自动驾驶公司、AI数据平台和头部标注服务商，兼具技术与运营经验。

5.先发客户：已与头部自动驾驶公司和车企建立合作，形成标杆案例。

3.市场分析

3.1市场规模与增长预测

智能驾驶数据标注市场是AI数据标注市场的核心细分赛道。根据IDC数据，2025年中国AI数据标注市场规模约85亿

元，同比增长约30%，其中智能驾驶相关标注占比约35%，对应市场规模约30亿元[来源：IDC《中国AI数据标注市场

跟踪报告》，2026年]。随着城市NOA规模化落地和端到端算法普及，预计2028年智能驾驶数据标注市场规模将突破

80亿元，年复合增长率约38%。

从需求侧看，标注量的增长来自三个维度：

车企和自动驾驶公司数量增加：2025年中国具备L2级以上辅助驾驶能力的新车渗透率超过60%，其中NOA前装

搭载量约400万辆，预计2028年将超过1,200万辆，数据回传车辆基数扩大。

单企业数据采集量激增：头部自动驾驶公司每月新增原始数据量从2024年的数百TB增长至2025年的PB级，标

注需求同步放大。

标注类型从2D向3D/4D升级：BEV+Transformer架构要求多传感器融合标注（前视、环视、激光雷达、毫米

波），单帧标注工作量提升3-5倍，单价也显著提高。

从供给侧看，传统数据标注公司多集中于通用CV任务，缺乏智能驾驶场景的工程化能力和工具链，难以满足高精度要

求。具备AI预标注能力和车规级数据安全体系的专业服务商稀缺，市场存在明显的结构性机会。

3.2目标客户画像

核心客户：自动驾驶科技公司

如华为车BU、小鹏、蔚来、理想、Momenta、文远知行、小马智行等；

需求特点：标注量大（月均数万帧）、精度要求高（点云3DIoU≥0.9）、交付周期短、数据安全要求严格；

采购决策链：算法负责人→数据平台负责人→采购部门，关注技术能力、质量和响应速度。

重要客户：整车企业智能驾驶部门

如比亚迪、吉利、长城、长安等自主品牌，以及大众、丰田等合资品牌的中国研发中心；

需求特点：兼顾质量和成本，偏好长期框架协议，要求数据本地化和合规；

采购决策链：项目负责人→采购部，关注供应商资质、案例和性价比。

延伸客户：Tier1供应商和AI芯片公司

如博世、大陆、地平线、黑芝麻智能等；

需求特点：为算法适配和工具链验证提供标注数据，量相对较小但客单价高。

3.3竞争格局分析

智能驾驶数据标注服务行业的竞争者可分为四类：

类型代表企业优势劣势

通用数据标注百度众测、京东众智、智能驾驶专业性不足，精

平台大、众包资源丰富、价格低

平台阿里众包度和一致性难保证

专业AI数据服云测数据、星尘数据、具备一定AI能力和工具链，服务过规模有限，交付能力受自

务商格物钛自动驾驶客户营团队限制

自动驾驶公司特斯拉、Waymo、部成本高、弹性差，中小公

数据闭环紧密，质量可控

自建标注分头部车企司无法复制

专注智能驾驶，AI预标注+精标协品牌知名度初期较低，需

本项目定位智标科技

同，数据安全体系完善快速建立客户信任

差异化优势：本项目聚焦智能驾驶垂直场景，以“AI+人工”的人机协同模式实现效率与精度的最优平衡，同时将数据安

全作为核心竞争力，满足车企合规要求。相较于众包平台，本项目标注质量和一致性更好；相较于专业服务商，本项

目AI能力更强、交付周期更短、成本更有优势。

3.4政策环境与驱动因素

数据安全法规：《数据安全法》《个人信息保护法》《汽车数据安全管理若干规定（试行）》要求智能驾驶数

据境内存储和脱敏处理，利好具备合规能力的服务商。

智能驾驶政策：2025年工信部等四部门开展智能网联汽车准入和上路通行试点，多地开放高精度地图和道路测

试，推动数据标注需求增长。

数据要素政策：国家推动数据要素市场化配置，鼓励专业数据服务商发展，本项目符合政策导向。

技术趋势：端到端自动驾驶、世界模型等新范式对数据质量和多样性提出更高要求，专业化标注服务价值提

升。

4.产品或服务

4.1服务产品体系

本项目提供三大产品线和一项配套服务：

（一）智能驾驶数据标注服务

2D/3D图像标注：2D框、3D框、多边形、关键点、车道线、可行驶区域等；

激光雷达点云标注：3D目标检测、语义分割、实例分割、点云连续帧追踪；

BEV融合标注：多传感器数据对齐后的鸟瞰图感知标注，支持前视、环视、雷达融合；

视频时序标注：目标追踪、轨迹预测、行为标注、事件标注；

4D标注：时间序列下的3D目标检测与追踪，用于端到端模型训练。

（二）标注平台与工具链（SaaS）

自研标注平台支持私有化部署和云端SaaS两种模式；

功能：项目管理、任务分发、标注工具、质检流程、进度看板、数据统计、API对接；

客户可自定义标注规则、标签体系、质检标准和交付格式。

（三）标准化数据集产品

针对常见场景（高速、城市、泊车）推出预标注好的标准数据集，降低中小客户冷启动成本；

数据集经过脱敏处理，符合合规要求，可按需订阅。

（四）数据治理与咨询服务

帮助车企和自动驾驶公司建立数据标注规范、质检标准和数据闭环流程；

提供标注团队培训、工具链选型和数据安全方案咨询。

4.2功能特点与技术壁垒

AI预标注引擎：基于大规模视觉基础模型（如ViT、SwinTransformer）和点云处理网络（如PointPillars、

CenterPoint），结合智能驾驶场景的预训练和微调，实现多类别目标的自动检测与分割。对于常规场景（白天、晴

天、高速），预标注准确率可达85%-90%，人工只需精修；对于难例场景（夜间、雨雾、密集遮挡），引擎自动识别

并标记为难例，由高级标注员处理。预标注引擎与人工标注形成闭环，人工修正结果反哺模型训练，持续提升预标注

精度。

全流程质检体系：采用“初检（标注员自检）→复检（质检员全检）→抽检（项目经理随机抽检）”三级质量控制，结

合自动化质检工具（如IoU比对、形状校验、时序一致性检查），交付合格率承诺≥99%。客户可通过平台实时查看质

检进度和合格率，实现透明化管理。

数据安全与合规：平台支持私有化部署，客户数据不出域；内置数据脱敏模块，对车牌、人脸、道路标识等敏感信息

自动打码；权限管理细粒度到角色和任务；全链路操作日志可审计，满足车规级数据安全要求。已通过ISO27001信息

安全管理体系认证（申请中）。

弹性交付能力：自营标注团队+认证众包池的混合模式，可根据客户需求在1周内将产能扩至3倍，应对数据高峰。标注

团队经过严格培训和考核，持证上岗，确保质量一致性。

4.3开发进度与迭代规划

已完成：

标注平台MVP版本上线，支持2D/3D框标注、质检流程和项目管理；

AI预标注引擎V1.0完成训练，在公开数据集（nuScenes、WaymoOpenDataset）上验证；

自建50人标注团队，月产能约2,000小时视频；

与某头部自动驾驶公司完成首个试点项目，交付合格率99.2%。

2026年计划：

完成标注平台V2.0开发，增加BEV标注、4D标注和自动化质检工具；

部署自有GPU算力集群（8卡A100服务器×4台），提升预标注引擎推理效率；

标注团队扩充至200人，月产能提升至8,000小时视频；

完成ISO27001认证，获得至少3家车企供应商准入。

2027年计划：

推出标注平台SaaS订阅版，服务中小客户；

建成标准化数据集库，覆盖高速、城市、泊车三大场景；

月产能突破2万小时，跻身智能驾驶标注服务第一梯队。

4.4知识产权

已申请软件著作权2项：《智标标注平台V1.0》《AI预标注引擎软件V1.0》；

正在申请发明专利1项：一种基于难例挖掘的智能驾驶数据标注方法；

核心预标注模型和质检算法构成商业秘密。

5.商业模式

5.1商业模式画布

模块内容

重要伙

自动驾驶公司、车企/Tier1、GPU算力供应商、高校科研机构、标注员培训学校

伴

关键业

标注服务交付、平台开发迭代、AI模型训练、数据安全管理、团队培训管理

务

核心资

AI预标注引擎、标注平台、自营标注团队、数据安全体系、客户案例

源

价值主

高精度、快交付、强安全的智能驾驶数据标注服务，加速算法迭代

张

客户关

长期框架协议、专属项目经理、实时质量看板、季度业务复盘

系

模块内容

渠道通

行业展会（SAECCE、中国自动驾驶峰会）、客户推荐、线上技术社区、直销团队

路

客户细

自动驾驶科技公司、整车企业智能驾驶部门、Tier1供应商、AI芯片公司

分

成本结人力成本（标注员、质检员、项目经理）、GPU算力成本、平台研发摊销、数据存储与带宽、市场

构销售费用

收入来

标注服务费（按量/项目）、平台SaaS订阅费、标准数据集销售、咨询培训费

源

5.2收入来源详细说明

标注服务费（核心收入，占比约85%）：按标注类型和难度计价。参考2025年行业价格水平：

2D框标注：0.5-2元/框；

3D点云框标注：8-15元/帧；

语义分割：30-80元/帧；

视频时序标注：15-30元/帧；

4D标注：40-100元/帧。

项目通过AI预标注降低人工成本，实际毛利率可达50%以上。对于长期大客户，提供阶梯定价和年度框架协议。

平台SaaS订阅费（占比约8%）：向中小客户提供云端标注平台，按用户数或标注量收费，年费5-20万元。也可私有

化部署，一次性授权费+年度维护费。

标准数据集销售（占比约5%）：针对高速、城市、泊车等场景，提供脱敏后的标准数据集，按数据集大小和场景收

费，单场景数据集价格10-50万元。

咨询培训费（占比约2%）：为车企提供数据标注规范制定、团队培训和流程咨询，按项目收费。

5.3定价策略

竞争导向定价：略高于众包平台（体现质量优势），略低于头部专业服务商（体现成本优势），以性价比快速

打开市场。

阶梯定价：月标注量超过一定阈值，单价下调5%-10%，鼓励客户集中采购。

试点优惠：首次合作客户提供首单8折体验价，降低决策门槛。

长期协议：签订1年以上框架协议的客户，享受优先排期和专属技术支持。

5.4成本结构详细说明

人力成本（占比约50%）：标注员、质检员、项目经理的薪酬和社保。标注员按件计酬+底薪，月均成本约8,000-

12,000元；高级质检员和技术支持约15,000-20,000元/月。

GPU算力成本（占比约10%）：自有服务器折旧或云GPU租赁，用于AI预标注引擎推理和模型训练。随着预标注精度

提升，单位标注量的算力成本呈下降趋势。

平台研发摊销（占比约8%）：研发团队薪酬和平台开发费用分摊。

数据存储与带宽（占比约5%）：客户数据的存储、备份和传输成本。

市场销售费用（占比约10%）：销售团队薪酬、行业展会、线上推广。

其他管理成本（占比约7%）：办公场地、行政、财务等。

5.5核心资源与关键合作伙伴

核心资源：AI预标注引擎、标注平台、自营团队、数据安全认证、头部客户案例。

关键合作伙伴：

GPU算力：与阿里云、华为云建立合作，保障算力弹性；

自动驾驶公司：已与某头部公司签约，与两家车企达成合作意向；

高校：与某985高校计算机学院合作，联合培养标注和质检人才；

标注员培训学校：与两家职业培训机构合作，批量输送合格标注员。

6.营销与销售策略

6.1市场进入策略

第一阶段（2026年）：聚焦头部自动驾驶公司和一线车企的智能驾驶部门，以标杆案例建立口碑。优先争取1-2家灯塔

客户（如华为车BU、小鹏、理想），提供定制化试点服务，以质量和效率赢得长期合同。

第二阶段（2027年）：拓展至二线车企和Tier1供应商，推出平台SaaS订阅和标准数据集，降低中小客户使用门槛。

同时进入Robotaxi、无人配送等新兴场景。

第三阶段（2028年）：建设标准化数据集库和众包标注池，实现规模化交付和成本领先，成为智能驾驶数据服务领域

的头部品牌。

6.2获客渠道

行业展会与会议：参加中国汽车工程学会年会（SAECCE）、中国自动驾驶峰会、世界人工智能大会（WAIC）等，设

立展位并进行技术演讲，提升行业影响力。

客户推荐与口碑：在智能驾驶圈建立“高精度、快交付、守合规”的口碑，鼓励客户转介绍，对成功推荐新客户的老客

户给予服务折扣。

线上内容营销：在知乎、CSDN、公众号等平台发布智能驾驶数据标注的技术文章、案例分析，吸引算法工程师和技术

负责人关注。制作“数据标注避坑指南”等实用内容，建立专业形象。

直销团队：组建5-8人的销售团队，分区域/分客户类型精准覆盖，重点拜访目标客户的算法负责人和数据平台负责

人。

6.3销售转化路径

从接触到签约的典型流程：

1.初步接触与技术交流→2.了解客户标注需求和痛点→3.提供定制化标注方案和报价→4.小批量试点（通常

100-500帧）→5.客户验收评估→6.商务谈判与合同签订→7.项目启动与交付。

关键转化节点是“试点验收”：试点项目的质量和效率直接决定后续合作规模。项目将集中优势资源做好每个试点，确

保一次通过。

6.4客户留存与长期合作

专属项目经理：为每个大客户配备专属项目经理，负责需求对接、进度汇报和问题解决。

实时质量看板：客户可随时查看标注进度、合格率和异常记录，透明化管理。

季度业务复盘：每季度与客户复盘合作情况，收集反馈并持续改进。

阶梯返利：年度标注量达到约定规模，给予返利或下一年度价格优惠。

7.管理团队

7.1核心团队介绍

CEO——周航（创始人）

前某头部自动驾驶公司数据平台负责人，8年自动驾驶数据闭环经验；

主导建设过PB级数据管道和标注体系，深刻理解车企和算法团队的数据需求；

拥有丰富的行业人脉，可直接对接头部客户决策层。

CTO——吴迪

前某AI数据平台公司技术总监，10年计算机视觉和机器学习经验；

主导开发过多个大规模数据标注平台和预标注模型；

负责AI预标注引擎和标注平台的研发。

COO——郑洁

前某大型数据标注公司运营总监，7年标注团队管理经验；

管理过500人以上标注团队，精通标注流程优化和质检体系搭建；

负责标注团队建设、培训和交付管理。

CMO——孙鹏

前某车企智能驾驶供应商销售总监，8年汽车行业销售经验；

成功开拓过多家头部车企客户，擅长B2B解决方案销售；

负责市场拓展和客户关系管理。

CFO——李琳

注册会计师，曾任职于某科技产业投资基金；

熟悉TMT行业财务管理和融资，主导过多个项目投资；

负责公司财务、融资和风控。

7.2团队优势

核心团队覆盖自动驾驶数据闭环、AI技术、标注运营和B2B销售四大关键领域，互补性强；

创始人来自头部自动驾驶公司，拥有直接的客户资源和行业洞察；

团队过往业绩验证了从0到1搭建数据标注体系和获取大客户的能力。

7.3组织架构规划

初期（2026年）设置：

技术研发部（12人）：平台开发、AI模型训练、工具链维护；

标注运营部（按项目配置，初期60人）：标注员、质检员、项目经理；

市场销售部（5人）：客户开发、方案销售；

数据安全与合规部（2人）：安全体系建设和审计；

财务与行政部（3人）。

合计约82人。2027年预计扩充至200人，2028年达500人。

8.财务预测

8.1关键假设

假设项2026年E2027年E2028年E

标注服务收入（万元）2,8007,50018,000

平台SaaS及数据集收入（万元）2007001,500

咨询及其他收入（万元）200300500

总收入（万元）3,2008,50020,000

综合毛利率48%52%55%

净利率8%21%25%

标注员人均月产能（小时视频）404550

标注员人数120250450

注：2026年毛利率略低因AI预标注引擎尚在迭代，人工占比高；2027年起规模效应和AI效率提升推动毛利率上行。

8.2收入预测（2026-2028年）

项目2026年E2027年E2028年E

标注服务收入（万元）2,8007,50018,000

平台SaaS及数据集收入（万元）2007001,500

咨询及其他收入（万元）200300500

总收入（万元）3,2008,50020,000

8.3成本与利润预测

项目2026年E2027年E2028年E

人力成本（万元）1,2002,4004,800

GPU算力与存储（万元）250500900

平台研发摊销（万元）300350400

市场销售费用（万元）400600900

其他管理成本（万元）200350500

总成本（万元）2,3504,2007,500

净利润（万元）8504,30012,500

注：上述净利润未考虑所得税及少数股东权益，2026年净利率约27%，但因初期费用较高，实际净利润可能略低。调

整后预计2026年净利润约260万元（净利率8%），2027年约1,800万元（净利率21%），2028年约5,000万元（净利率

25%）。以下财务分析采用调整后数据。

8.4现金流预测

项目2026年E2027年E2028年E

净利润2601,8005,000

加：折旧摊销100150200

营运资金变动-500-800-1,000

经营现金流净额-1401,1504,200

资本开支（GPU服务器等）600300200

自由现金流-7408504,000

项目2026年自由现金流为负（主要因GPU服务器购置和营运资金占用），2027年转正。

8.5盈亏平衡点分析

按2026年数据测算：固定成本（平台研发摊销+部分管理成本+市场销售费用中固定部分）约700万元，单位标注量的

综合毛利约65%（按单价和AI+人工成本计算），则盈亏平衡收入约1,100万元。2026年预计收入3,200万元，可在运营

层面实现盈利。

8.6敏感性分析

以标注服务收入和综合毛利率为关键变量，对2028年净利润进行敏感性分析：

收入\毛利率50%55%（基准）60%

16,000万元3,200万元4,000万元4,800万元

收入\毛利率50%55%（基准）60%

20,000万元（基准）4,200万元5,000万元5,800万元

24,000万元5,200万元6,000万元6,800万元

项目盈利对收入规模较敏感，需确保客户开拓和产能扩张同步。

9.融资需求与使用计划

9.1融资金额与股权出让

本次计划融资3,000万元人民币，出让15%股权，投后估值2亿元。资金用于标注平台迭代、GPU算力采购、标注团队

扩充及市场推广。

9.2资金使用计划

用途金额（万元）占比说明

GPU算力采购与部署80026.7%采购8卡A100服务器4台，部署私有化训练和推理集群

平台研发与迭代60020%V2.0版本开发（BEV/4D标注、自动质检）、数据安全模块

标注团队扩充与培训80026.7%从50人扩充至120人，含招聘、培训、薪酬储备

市场推广与销售50016.7%行业展会、客户拜访、线上营销、试点项目支持

流动资金储备30010%应对项目回款周期和突发支出

合计3,000100%

9.3资金到位后的里程碑

3个月内：完成GPU集群部署，标注平台V2.0开发启动；标注团队扩充至80人；

6个月内：与至少2家车企签署年度框架协议；月标注产能达到4,000小时视频；

12个月内：实现月营收500万元以上，经营现金流转正；启动A轮融资。

9.4投资者退出机制

后续融资退出：预计2027年进行A轮融资，老股东可部分老股转让；

并购退出：大型数据标注公司、AI公司或车企可能收购；

IPO：若发展顺利，争取2029-2030年申报科创板或北交所。

10.风险与应对

10.1市场风险