证券代码：688787 证券简称：海天瑞声

北京海天瑞声科技股份有限公司

投资者关系活动记录表

编号：2026-006

投资者关系活动类别 □特定对象调研 □分析师会议 □媒体采访 □业绩说明会 □新闻发布会 √路演活动 □现场参观 □电话会议 □其他（请文字说明其他活动内容）

参与单位名称及人员姓名 招商基金管理有限公司 杨振雄 建信养老金管理公司 高月 鹏华基金管理有限公司 董威 中银基金管理有限公司 张令泓 长城财富保险资产管理股份有限公司 胡纪元 长城基金管理有限公司 韩林 朱雀基金管理有限公司 何之渊 深圳市远望角投资管理企业（有限合伙） 陈烨珩 国投瑞银基金管理有限公司 周诗华 渤海人寿保险股份有限公司 刘冬 青榕资产管理有限公司 唐明 兴业证券股份有限公司 杨海盟 创金合信基金管理有限公司 张小郭 太平洋资产管理有限责任公司 陶韫琦 中金公司 韩蕊 平安基金管理有限公司 季清斌 海南智联私募基金管理有限公司 李欣怡 国寿安保基金管理有限公司 张帆 泰信基金管理有限公司 李其东 中融基金管理有限公司 焦阳 长生人寿保险有限公司 王新元 东方资产管理（香港）有限公司 顾汇汇 中信建投证券 陈靓璇、徐伟 永安财产保险股份有限公司 龚宇霆 福州开发区三鑫资产管理有限公司 冯强 国联基金管理有限公司 焦阳 富国基金管理有限公司 王卓立 光大证券股份有限公司 刘勇 华宝基金管理有限公司 毛文博 长城基金管理有限公司 韩林 中银基金管理有限公司 张令泓 创金合信基金管理有限公司 张小郭 万家基金管理有限公司 孙蔓菁 大家资产管理有限责任公司 王雪峰 国寿安保基金管理有限公司 张帆 上海光大证券资产管理有限公司 江俊晨 中金资管 王琛 金融街证券股份有限公司 侯健 新华资产 姜新月 兴业基金 唐晨卓 众惠财产相互保险社 肖劲辉 中汇兴投投资控股（海南）有限公司 郭小兵 衍航投资 张祥 华创自营 杜郁坤 红塔证券股份有限公司 李沂燃 中国民生信托有限公司 景莹 永安财险 惠昊东 金融街证券股份有限公司 王禁 中再资产 孙浦哲 长盛基金 杨睿琦 阳光资产 王鹏 中信建投基金管理有限公司 周紫光 新沃基金管理有限公司 刘屾 长城财富保险资产管理股份有限公司 胡纪元 中航基金管理有限公司 郑常斌 博道基金管理有限公司 高笑潇 福州开发区三鑫资产管理有限公司 冯强 诚通证券股份有限公司 李天一 益和源资产 魏炜 中国银河证券股份有限公司 张宸 中加基金管理有限公司 于成琨 中信保诚资产管理有限责任公司 段又茵 新华养老保险 卢珊 国金自营 茅梦云 中加基金 于成琨 诚盛投资 王雨龙 黄河财险 栾合振 北京乐正资本管理有限公司 王慧怡 北京神农投资管理股份有限公司 姚媛元 投资与产品研究中心 王宏涛 招商基金 源洁莹 博道基金 高笑潇 上海泰旸资产管理有限公司 骆华森 中信期货资管部 魏巍 华夏财富创新投资管理有限公司 刘春胜 上海瀚伦私募基金 汪帅 浙江益恒投资管理有限公司 钱坤 银河证券自营 杨立坤 东方资产管理（香港）有限公司 Kathy Gu 北京泽铭投资有限公司 单河 华能资本 李建长 青榕资产管理有限公司 唐明 中信期货资管部 魏巍 Stoneylake 张帆 中金公司 韩蕊 上海国际信托有限公司 陆方 元兹投资管理（上海）有限公司 黄颖峰 小红书投资 曹青骊 北京天下溪投资管理有限公司 于常健 广东正圆私募 曹智明2 深圳市尚诚资产管理有限责任公司 黄向前 中国太平洋保险（集团）股份有限公司 王喆 景顺长城基金管理有限公司 刘苏 长城基金管理有限公司 韩林 摩根士丹利华鑫基金管理有限公司 李子扬 西藏瑞华资本管理有限公司 章礼英 上海辰韬资产管理有限公司 胡鑫 华安基金管理有限公司 杨明 中银基金 张令泓 南方基金管理股份有限公司 廖欣宇 复星保德信人寿公司 李心宇 上海榜样投资管理有限公司 钟挺 西藏合众易晟投资管理有限责任公司 黄桂容 深圳前海辰星私募证券投资基金管理合伙企业（有限合伙） 严冬冬 观富（北京）资产管理有限公司 唐天 深圳前海承势资本管理合伙企业（有限合伙） 魏梅娟 Horizon China Master Fund LiShengnong 平安资管 何江月 中国国际金融部分有限公司 李铭姌 光大保德信基金管理有限公司 徐欢 中金公司 李铭姌 上海混沌投资（集团）有限公司 邵伟 中银国际证券股份有限公司资产管理部 张岩松 上海明河投资 姜宇帆 华宝信托投资有限责任公司 顾宝成 华夏基金管理有限公司 张帆 大家资产管理有限责任公司 钱怡 上海榜样投资管理有限公司 钟挺

会议时间 2026年4月28日 2026年4月26日 2026年5月6日 2026年5月8日

会议地点 线上说明会、线下交流

上市公司接待人员姓名 董事会秘书：张哲 投资者关系负责人：袁璐

投资者关系活动主要内容介绍 1、公司第一季度收入增长原因是什么？ 2026年第一季度，公司实现营业收入9,677.93万元，同比增长38.63%，受益于AI应用爆发与数据要素产业化提速，业绩增长强劲。 全球AI竞争加剧，高质量训练数据成为核心资源。公司作为国内AI数据服务头部企业，传统业务凭借全品类、规模化、高合规优势稳健增长。同时，ToG可信数据空间业务实现突破，与国家级数据标注试点城市深度合作，提供全栈解决方案，开辟政务与公共数据新增长曲线。此外，公司东南亚数据交付基地完成产能爬坡，全球化交付能力与竞争力提升。以上因素共同驱动公司业务的高速增长。 2、一季度公司毛利率提升的原因是什么？ 2026年第一季度公司毛利率同比提升，主要得益于业务结构的积极变化，具体来说：高毛利的政府平台类业务在本季度显著起量。政府（G端）客户的可信数据空间建设，核心是提供标准化程度较高的数据处理平台及方案，相比传统定制化的数据采集与标注业务，其人力密集程度更低、交付周期更短、边际成本递减效应更明显，因此毛利率水平更高。 2026年第一季度，随着公司前期在G端市场的全面布局进入收获期，这部分高毛利业务在收入结构中的占比明显提升，从而带动了整体毛利率的增长。 3、公司在具身数据领域的核心竞争优势是什么？ （1）硬件理解+驾驭壁垒：通过头部主流本体厂商合作经验，深度理解本体硬件性能特性、负载逻辑与异构适配要点，可快速解决硬件高故障率与稳定性问题；已在北京运营首个具身智能数据训练场，依托100+台机器人实现高效数据产出。 （2）模型理解与落地壁垒：核心团队拥有大模型开发等资深背景，懂模型更懂数据；数据体系精准对齐机器人大脑训练范式，提供具备高泛化能力的数据解决方案，支撑具身大脑模型训练。 （3）综合数据工程化壁垒：不仅具备全球化数据采集与低成本交付资源；同时，自研的AI自动化标注平台与7×24小时算法质检，兼顾低成本与专家级质量。 4、不同机器人公司之间，是否存在可以共用的数据？ 不同机器人公司之间确实存在可以共用的数据，但需要区分数据类型来看。 目前数据主要分为三类：真机数据、UMI数据、第一人称视角数据。 从共用难度来看，真机数据很难直接共用，而UMI和第一人称视角数据相对更容易跨本体迁移。UMI数据和第一人称视角数据不绑定具体机器人的关节参数和运动学模型，采集的是“操作过程”本身，理论上可以被不同机器人学习和泛化。 为什么真机数据很难共用？主要有2个原因： 一是硬件本体不统一。不同厂家机器人关节数量、自由度、末端执行器各不相同，A公司的“抓取”数据没法直接拿去训练B公司的机械臂。 二是数据格式各自为政，行业缺乏统一的标准和“通用语言”。 所以行业正在推动的是：让UMI和第一人称这类“本体无关”的数据更多流通共用，同时通过技术对齐和标准统一，逐步解决真机数据的跨本体迁移问题。 5、后训练和强化学习阶段，对数据标注需求有哪些变化？ 在后训练和强化学习（RLHF/GRPO）阶段，模型的目标从“预训练期学会语言统计规律”转向“对齐人类偏好，这对标注数据的需求产生了深刻变化。 （1）从“量”到“质”与“复杂度”的转变 后训练阶段不再需要海量的原始文本，转而需要高质量、细粒度、领域专家级的标注数据。例如，SFT（监督微调）依赖精确的“标准答案”，而RL训练则需要能区分“好/较好/差”的偏好排序数据。 （2）聚焦“难例”与“长尾”场景 在RL阶段，“难例”（模型初始成功率低的数据）的价值远超易例，且能极大增强模型的泛化能力。标注重点从普遍规律转向稀缺、复杂的边界案例。 5、具身智能数据服务的需求逻辑？ 答：具身智能的核心在于赋予机器人具备理解与泛化能力的‘大脑’。这不仅是代码的堆砌，而是类似大模型‘涌现’的范式变革。由于当前仿真环境无法完美模拟物理接触与长尾场景，海量、高泛化度的真实物理交互数据成为训练具身大脑的唯一‘燃料’，这是具身智能区别于传统自动化的根本逻辑。 6、客户为何不自己做数据，而选择外部采购？ 答：数据工程是一项重人力、重流程、重管理的‘苦活累活’，并非算法厂商的核心基因。自建数据团队不仅边际成本高，且难以应对波峰波谷的弹性需求。我们定位为“具身智能行业的数据富士康”，通过规模化、标准化、可伴随客户迭代而同步迭代的整体数据供应链能力，帮助客户剥离非核心业务，使其聚焦于算法与本体研发，实现产业分工的最优解。 7、具身智能数据赛道能做多久，是否像智驾一样只有短期机会？ 答：这是一个比自动驾驶更长、更宽的赛道。正如李飞飞教授所言，自动驾驶主要解决避障与导航，而具身智能需要解决非结构化环境下的复杂物理交互。当前我们甚至还未穷尽场景的定义，数据需求将伴随机器人进家庭、进工厂的全过程。我们定位为全行业的数据基础设施，旨在伴随行业全生命周期成长，而非短期套利。 8、语音业务的发展趋势？ 语音业务作为公司的传统优势板块，当前正沿着三个明确方向升级：拟人化、全球化、多场景。这三大趋势共同驱动语音数据业务从“量的扩张”转向“质的升级”。 第一，拟人化：多情感、多音色成为刚需。 AI交互正从“能听会说”向“拟人化、情感化”迈进。大模型不仅要能识别指令，还要能通过语气、情感、风格进行自然交互。这要求语音数据覆盖丰富的情感维度和音色特征。公司在此方向已积累大量标准化产品资源，可高效匹配大厂的多情感、多风格语音交互需求。 第二，全球化：多语种能力决定产品边界。 科技巨头正在加速全球化布局，大模型的多语种覆盖能力直接决定了其产品的市场边界。公司拥有覆盖全球300多种语言的工业化数据生产网络，以及境外标注基地，能够支持客户AI产品的全球化拓展。 第三，多场景：从通用场景向垂类场景纵深。 语音数据的应用正从最初的通用对话，向医疗、金融、教育、车载等垂直行业深度渗透。垂类场景对数据专业性、术语准确性、场景真实性的要求远高于通用场景，数据价值密度更高，也为公司带来了更高附加值的业务机会。

附件清单（如有）

日期 2026年5月14日