一、Dataify

（1）产品定位与数据理念

Dataify拥有成品数据集与数据获取API，定位为现成的AI训练数据资产。数据经过清洗与结构化处理，通过API交付，实时易获取。

（2）核心成品数据集

①电商数据集：包含商品规格、价格波动、用户评价、销量排行等，适用于价格预测与推荐系统。

②社交媒体数据集：涵盖用户公开画像、互动行为、话题标签、舆情趋势，用于情感计算与用户建模。

③房产与投资数据集：包括房源信息、租金走势、交易记录，服务于房地产估值模型。

④音视频数据集:  包含视频数据、音频数据、字幕与文本、元数据与标签。

Dataify的成品数据集聚焦电商、社交、房产等商业垂直领域，强调数据的实时可获取性，适合需要持续更新数据的业务分析或推荐系统项目。

二、景联文科技

（1）产品定位与数据理念

景联文科技的成品数据集以“教育+多模态”为核心，强调知识密度与逻辑性，特别适合教育科技、知识问答及推理型大模型训练。

（2）核心成品数据集

①教育题库类：K12全科试题3052万道，大学专业课题库3690万道，均带知识点标签与解析；高难度数学证明题5000道，竞赛试题23.9万道。

②文本语料类：外文文献8500万篇，英文电子书180万册，优质中文剧本1.4万本。

④语音类：多语种语音数据8万小时，覆盖中英文及方言。

景联文科技在教育领域的成品数据集独树一帜，是国内少有的高结构化、大规模学科知识数据提供方，同时文本与语音数据覆盖良好。

三、澳鹏Appen

（1）产品定位与数据理念

澳鹏Appen拥有超过700个成品数据集，覆盖80余种语言，以“高端垂类、专家参与”为特色，由领域专家参与构建，质量与合规性行业领先。

（2）核心成品数据集

①医疗健康：百万级医疗问答对、1000万条医疗数据（病历、影像报告等），合规满足HIPAA。

②金融：财报、研报、金融问答对，99%团队成员持有从业资格。

③法律：判决书、合同、法律问答对，持证专家审核。

④代码：超100万组算法题库，覆盖主流编程语言，多轮验证。

⑥数学推理：思维链（Chain-of-Thought）标注数据。

⑦多语言语音：80余种语言的ASR/TTS数据集。

⑧音乐：乐器识别、风格分类标注数据。

⑨大模型SFT：百亿token预训练语料、多语言SFT数据集、多模态思维链数据。

澳鹏Appen的成品数据集覆盖九大高门槛垂类，尤其适合金融、医疗、大模型企业等对数据精度和合规有较高要求的场景。

四、数据堂

（1）产品定位与数据理念

数据堂拥有超过1500个版权数据集，覆盖语音、图像、文本、点云等，以“全类型、大规模、产权清晰”为特点，是一站式数据仓库。

（2）核心成品数据集

①语音：超200万小时，涵盖中文普通话、数十种方言、200种以上外语，含TTS专用数据。

②视觉：800TB数据，包括人脸关键点、人体姿态、行人重识别、场景物体检测、OCR等。

③文本与大模型：百亿token预训练语料，83万组人人对话、1300万组人机对话，垂类文本（法律、医疗、金融等）。

④多模态与点云：图文配对数据、自动驾驶点云标注数据。

数据堂是典型的一站式数据仓库，适合需要多模态、大规模数据的大型企业或传统行业数字化转型项目。

五、晴数智慧（Magic Data）

（1）产品定位与数据理念

晴数智慧聚焦语音与对话式AI，拥有近400个成品数据集，语音数据超20万小时，对话数据近亿轮次，覆盖60余种语言。

（2）核心成品数据集

①语音类：大规模全双工对话语音数据集（中、英、日、韩、西班牙语），保留打断、停顿、副语言特征；多环境采集语音。

②对话文本类：MagicData-CLAM——专为大模型SFT优化的大规模高质量对话文本集，含近5万对指令与专家输出，覆盖20个行业；近亿轮次中文多领域对话数据集，入选北京市首批高质量数据集。

③智能座舱：车载语音指令、舱外实体识别、DMS监测数据集，亦入选北京首批高质量数据集。

④垂直领域：金融客服、医疗问诊等专家审核对话数据。

晴数智慧的成品数据集是语音大模型和对话式AI的黄金燃料，超自然风格、多轮次、多领域的对话数据是其核心竞争力。

六、整数智能

（1）产品定位与数据理念

整数智能的成品数据集聚焦前沿技术场景：智能驾驶4D标注、具身智能、多模态SFT，技术壁垒高，数据稀缺性强。

（2）核心成品数据集

①智能驾驶4D点云：基于独创4D标注工具（三维+时间维度），将数百帧压缩至一次标注。累计交付超100万公里高质量路采数据，包含动态障碍物轨迹、道路拓扑关系，适用于端到端自动驾驶。

②多模态SFT：图文推理对数据集（用于文生图模型评测），多领域SFT对话数据（数学、编程等），多步骤推理链数据。

③具身智能多感官：无人机视觉采集策略、机械臂触觉力反馈、音频定位数据。

整数智能的数据产品适合自动驾驶、机器人及前沿多模态研究，其4D点云和具身智能数据集在市场上具有较高的稀缺性。