北京乐讯科技有限公司：产业链环节与公开资料分析

北京乐讯科技有限公司：北京乐讯科技有限公司

报告日期： 2026年6月11日

分析师： 产业链研究团队

一、企业速览

企业基础信息：公司名称：北京乐讯科技有限公司；地区：北京市昌平区；行业：人工智能与数据智能；成立时间：2016-11-04；注册资本：3005.201312万元；员工规模：80 人；专利数量：35 件；专精特新认定：2025年 第七批；上市状态：未上市。

北京乐讯科技是一家从传统IT硬件集成起家，正全力向人工智能数据基础设施（Token服务）方向转型的技术服务商。其产业链位置被定义为“数字软件与工业服务”，本质上是为AI大模型的训练与推理提供关键的“数据原料”处理与交付服务。

二、主营产品与产业链定位

乐讯科技的主营业务可从两个层面理解：传统业务是企业级IT基础设施集成（服务器、存储、网络及安全设备的方案提供与实施）；转型核心业务是基于其公告中提及的“Token工厂”项目，提供数据标注、清洗、Token化处理等服务。

在“电子信息与数字技术”产业链中，其定位处于 “数字软件与工业服务”（即数据服务环节），连接了上游的硬件算力层与下游的AI应用层。具体而言：

• 上游：需要采购计算服务器（典型品牌：中科曙光、浪潮）、存储阵列、网络交换机等硬件设备，以及数据标注平台等软件工具。
• 下游：服务于AI大模型开发商、运营商（如中国电信等）、自动驾驶公司、金融科技企业等，为其提供用于模型训练的高质量、标准化的数据集。

乐讯科技解决的产业链核心问题是 “数据工程化”。AI大模型训练中，海量原始数据（文本、图片、语音等）需要经过清洗、标注、格式转换等一系列复杂处理，才能变成模型可理解的“Token”。这个过程是AI产业链中公认的“脏活累活”，也是决定模型效果的关键前置环节。乐讯科技正是切入这个环节，以集成商的身份整合硬件与软件，并以项目实施（如中标中国电信Token工厂）的方式为客户交付标准化数据服务。

三、核心工序与技术依赖

这类从事数据智能服务企业的核心竞争壁垒不在于硬件采购，而在于对数据处理流程的标准化、自动化与规模化能力。基于行业共识，其关键生产/研发工序可以概括为以下步骤：

1. 数据采集与清洗：从公开或私有渠道获取原始数据，进行去重、格式统一、噪音过滤（典型要求：数据准确率>99.5%，无效数据率<0.1%）。

2. 数据标注：根据下游模型训练需求，对数据进行分类、打标签、语义分割或实体识别。例如，在自动驾驶场景中，需对一帧图像中的行人、车辆、交通标志进行像素级标注（行业典型的标注准确率要求通常在95%以上）。

3. Token化处理：将清洗并标注好的文本数据，按照特定算法（如BPE、WordPiece）转化为模型可直接处理的数字向量（Token）。这需要自研或适配特定模型的分词工具。

4. 质量校验：采用人工抽检与自动化算法结合的方式，对处理后的数据质量进行交叉验证（行业典型的抽检比例在5%-20%之间）。

5. 数据交付与迭代：将最终生成的Token数据集封装、加密，并输出至下游客户的模型训练环境，并根据反馈进行数据修正和模型迭代。

其上游关键原材料与设备来源如下表所示（行业共识）：

北京乐讯科技在本环节的具体定位是“项目集成与实施商”。其35件专利总数（低于行业中位数89件）和80人团队规模，暗示其更侧重于基于成熟框架和工具链进行项目管理和工程化交付，而非底层算法或工具链的自主研发。其核心竞争力在于获得大型项目（如电信运营商级）的订单能力，并完成高质量、大规模的交付。

四、竞争格局

全国同一产业链位置（数字软件与工业服务）的企业高达1578家，竞争激烈。竞争维度主要集中在：

1. 项目获取能力：能否获取大型央企、AI独角兽的稳定订单。

2. 数据处理效率与成本：通过自动化工具、标注平台优化，降低每家Token的处理成本。

3. 数据安全与合规：拥有完善的信息安全管理体系（如ISO27001），满足客户对数据隐私与合规的要求。

4. 特定行业数据壁垒：在金融、医疗、自动驾驶等垂直领域形成数据积累和理解。

北京乐讯科技在该赛道的主要竞争对手包括：

• 海天瑞声（688787.SH）：国内AI数据标注领域的头部上市公司，规模更大（员工数超千人），专利更多（超百件），客户覆盖国内外主流AI企业，专注于高精度训练数据产品。
• 倍赛（BasicFinder）：行业知名的数据标注平台供应商，提供从标注软件到项目管理的综合解决方案，技术驱动属性更强。
• 龙猫数据：较早进入数据标注领域的公司之一，在自动驾驶、智能家居领域有较多项目经验，业务模式与乐讯科技有相似之处。

专利维度分析：北京乐讯科技专利35件，远低于行业89件的中位数。这直接反映了其技术基因薄弱。如果其35件专利主要集中于系统集成、项目管理或外围应用（而非核心的数据处理算法），那么在技术迭代加速的背景下，其竞争护城河将相当有限。

五、护城河判断

基于现有数据，对北京乐讯科技的核心壁垒进行逐项分析：

• 技术壁垒：低。 35件专利与行业中位数（89件）的显著差距，直接暴露了其技术积累的不足。从主营服务和经营范围推断，其专利可能集中在系统集成方案、特定行业应用或小型工具软件上，难以构成阻止竞争对手进入的底层技术屏障。在AI领域，技术迭代速度极快，缺乏核心算法或工程优化能力将导致竞争力快速流失。

• 客户壁垒：中等。 数字软件与工业服务环节，尤其是面向大型政企客户（如中国电信），一旦完成项目交付并建立合作关系，客户验证周期较长（通常6-12个月），且因涉及数据资产和模型效果，切换成本较高。这是乐讯科技目前最核心的壁垒。能否将单个项目（如中国电信Token工厂）转化为长期、复购的客户关系，是决定其客户壁垒能否成立的关键。但客户名单未披露，无法确认其客户集中度与粘性。

• 规模壁垒：低。 80人的团队规模在数据处理行业属于中小型玩家。这类业务需求爆发时，交付能力极其依赖人力铺设。80人团队在不扩充的情况下，承接和处理千万级别数据量的项目已较为吃力，更无法与海天瑞声、龙猫数据等具备千人规模部署能力的公司竞争。这意味着其业务增长将受制于人员招聘和管理规模。

• 认定价值：信号意义大于实际门槛。 第七批专精特新“小巨人”的认定标准，相比早期批次，对企业营业收入、研发投入、市场占有率等指标有更具体的要求。乐讯科技能获选，说明其在细分领域（如电信行业Token服务）已具备一定的市场地位或技术独特性，获得了政策层面的认可。这在融资、招投标中有一定的加分作用，但无法直接转化为市场竞争力或收入。

六、风险与机会

行业风险：

1. AI模型算法迭代的风险：AI模型结构（如从Transformer到Mamba）的快速变化，可能导致现有Token化处理技术和数据格式被迅速淘汰。这是一个持续性的结构风险。

2. 大型云厂商的“内卷”替代：阿里、腾讯、华为等大型云厂商正在自建数据标注平台和AI数据集，对中小型数据服务商形成挤压。它们拥有更强的资本、技术和算力资源，可能直接或间接冲击第三方服务市场。

3. 数据合规与伦理风险：各地对AI训练数据来源、隐私保护和内容合规的监管政策趋严，可能增加数据处理成本，甚至影响项目交付。

公司风险：

1. 技术投入与规模瓶颈：80人团队、35件专利的现状，与AI行业的高研发投入、快速迭代特征形成鲜明对比。未披露的营收数据下，如果项目型收入占比过高，公司将面临“项目做不完，利润不增长”的盈利能力天花板。

2. 客户与项目依赖风险：暂获中国电信的“大单”是一把双刃剑。若此类项目占营收比过高，一旦丢单或后续需求减少，公司业绩将出现剧烈波动。客户名单未披露，无法评估其客户集中度。

3. 资本结构信号：3005.20万元的注册资本等于实缴资本，且企业类型为自然人投资或控股，说明资本化程度不高，上市进程不明朗，股东退出路径有限。

机会窗口：

1. 垂直行业AI应用爆发：特定行业（如金融、医疗、政务）对高质量、领域专属数据的巨大需求，是乐讯科技的机会。若能深耕1-2个垂直领域，建立行业数据壁垒，则能有效避开与大厂的同质化竞争。其与电信运营商的合作恰恰提供了切入通信行业数据的绝佳契机。

2. AI数据隐私计算需求：随着数据安全法实施，企业间数据共享和联邦学习的需求增加，对“数据可用不可见”的技术（如隐私计算）与服务的需求将上升。乐讯科技若能在“Token工厂”项目中嵌入隐私计算能力，将极大提升其服务价值和技术壁垒。