层级定义：数据供给、安全合规、社区平台与知识基础设施。本层多与监管周期强相关——"监管只收紧不放松"是十年主旋律。
C101 LLM 友好爬虫
范围：为 LLM/RAG 提供网页抓取与结构化（JS 渲染、反爬、转 Markdown）。 代表项目：Firecrawl ✅200k（AGPL，行业热度第一）、crawl4ai ✅87k（Apache，商用更自由）、Scrapy ✅65k（BSD，传统标准）、Playwright ✅（微软，渲染底座）、Crawlee ○。 六维：需求★★★★（RAG 数据管道刚需）｜商业化★★★★（爬取即服务）｜生态★★★★｜壁垒★★★（反爬军备+代理网络）｜扩展性★★★★ 主要风险：目标网站封锁（Cloudflare AI 反爬联盟）；robots.txt 与版权诉讼。 | 年 | Y1 | Y2 | Y3 | Y4 | Y5 | Y6 | Y7 | Y8 | Y9 | Y10 | |---|---|---|---|---|---|---|---|---|---|---| | TAM | 4 | 4.8 | 5.8 | 7 | 8.5 | 10.3 | 12.5 | 15.1 | 18.3 | 22.1 | 关键假设：企业 RAG 项目 100% 需要数据接入层；授权数据合作（分成模式）逐步替代硬爬；年增 21%。
C102 数据标注平台
范围：图像/文本/多模态标注（含 RLHF 偏好标注）。 代表项目：Label Studio ○（HumanSignal，事实标准）、CVAT ○（Intel，CV 标注）、doccano ○（文本）、LabelImg ○（轻量）。 六维：需求★★★★★（RLHF/评测集/垂直微调都需要人工数据，标注是 AI 的"体力活"底座）｜商业化★★★★（标注服务市场巨大）｜生态★★★★｜壁垒★★★｜扩展性★★★★ 主要风险：模型自动化标注（AI 标 AI）压缩人工需求——但"黄金标准集"仍需人工（份额收缩不消失）。 | 年 | Y1 | Y2 | Y3 | Y4 | Y5 | Y6 | Y7 | Y8 | Y9 | Y10 | |---|---|---|---|---|---|---|---|---|---|---| | TAM | 12 | 14.2 | 16.7 | 19.7 | 23.3 | 27.5 | 32.4 | 38.2 | 45.1 | 53.2 | 关键假设：人工标注占比降（被 AI 预标）但单价升（专家级标注）；年增 18%。
C103 合成数据
范围：仿真/生成式合成数据（隐私替代+稀缺补充）。 代表项目：SDV ○（Synthetic Data Vault，表格合成标准）、ydata-synthetic ○、Unity Perception ○（CV 仿真）、Gretel 闭源对标 ○。 六维：需求★★★★★（隐私法规+数据稀缺双重驱动，真机/医疗数据不可得时唯一解）｜商业化★★★★｜生态★★★｜壁垒★★★★（分布保真度 knowhow）｜扩展性★★★★ 主要风险：模型自食合成数据的"退化"风险（quality 检测成为子市场）；合成偏见放大。 | 年 | Y1 | Y2 | Y3 | Y4 | Y5 | Y6 | Y7 | Y8 | Y9 | Y10 | |---|---|---|---|---|---|---|---|---|---|---| | TAM | 5 | 6.5 | 8.5 | 11 | 14.3 | 18.6 | 24.2 | 31.5 | 40.9 | 53.2 | 关键假设：训练数据中合成占比 10%→40%；年增 30%。
C104 数据质量与清洗
范围：校验/去重/PII 清洗/模式契约。 代表项目：Great Expectations ○、Soda ○、Pandas + 自研脚本 ○（最大实际）、Cleanlab ○（标签纠错）。 六维：需求★★★★（"垃圾进垃圾出"永真）｜商业化★★★｜生态★★★｜壁垒★★｜扩展性★★★★ 主要风险：被数据平台（Databricks/dbt）一体化。 | 年 | Y1 | Y2 | Y3 | Y4 | Y5 | Y6 | Y7 | Y8 | Y9 | Y10 | |---|---|---|---|---|---|---|---|---|---|---| | TAM | 8 | 9.6 | 11.5 | 13.8 | 16.6 | 19.9 | 23.9 | 28.7 | 34.4 | 41.3 | 关键假设：年增 20%，随企业 AI 数据管道扩张。
C105 开源数据集聚合
范围：数据集目录/元数据/许可标注。 代表项目：awesome-public-datasets ✅80k（入口价值）、HF Datasets ✅（托管侧）、Kaggle ○（闭源对标）、OpenDataLab ○（中国）。 六维：需求★★★（入口型价值，变现弱）｜商业化★★｜生态★★★★｜壁垒★★｜扩展性★★★ 主要风险：纯目录型项目价值随搜索/AI 助手普及而稀释。 | 年 | Y1 | Y2 | Y3 | Y4 | Y5 | Y6 | Y7 | Y8 | Y9 | Y10 | |---|---|---|---|---|---|---|---|---|---|---| | TAM | 3 | 3.7 | 4.5 | 5.5 | 6.7 | 8.2 | 10 | 12.2 | 14.9 | 18.1 | 关键假设：价值向"许可清晰的精选数据服务"迁移；年增 22%。
C106 红队与漏洞扫描（AI 向）
范围：LLM 漏洞/提示注入/越狱扫描+安全扫描 AI 化。 代表项目：garak ✅10k（NVIDIA，LLM 漏洞扫描标准）、promptfoo ✅27k（红队测试模块）、PyRIT ○（微软）、semgrep ○（代码安全 AI 化）。 六维：需求★★★★★（每款生成式 AI 上线前合规刚需——中国 2025 年新增 446 款备案）｜商业化★★★★★（咨询+工具高毛利）｜生态★★★★｜壁垒★★★（攻击知识库是资产）｜扩展性★★★★ 主要风险：攻防不对称（新攻击方法层出不穷，工具永远滞后）；被大厂安全套件覆盖。 | 年 | Y1 | Y2 | Y3 | Y4 | Y5 | Y6 | Y7 | Y8 | Y9 | Y10 | |---|---|---|---|---|---|---|---|---|---|---| | TAM | 3 | 3.8 | 4.9 | 6.3 | 8 | 10.3 | 13.2 | 16.9 | 21.6 | 27.6 | 关键假设：年增 28%；中国备案评估市场为主要增量（供给端"懂技术又懂法规"者极稀缺）。
C107 内容水印与溯源
范围：AI 生成内容水印/内容凭证（C2PA）。 代表项目：invisible-watermark ○（SD 内置）、Meta Watermark 工具 ○、C2PA 参考实现 ○（内容凭证标准）、Truepic 闭源对标 ○。 六维：需求★★★★（各国立法强制趋势：中国《人工智能生成合成内容标识办法》已落地）｜商业化★★★★（合规即市场）｜生态★★★｜壁垒★★★（标准话语权）｜扩展性★★★★ 主要风险：水印可被对抗移除（技术军备）；标准之争（C2PA vs 国标）。 | 年 | Y1 | Y2 | Y3 | Y4 | Y5 | Y6 | Y7 | Y8 | Y9 | Y10 | |---|---|---|---|---|---|---|---|---|---|---| | TAM | 1 | 1.3 | 1.8 | 2.4 | 3.2 | 4.2 | 5.6 | 7.4 | 9.9 | 13.1 | 关键假设：强制标识执法自 2027 起趋严，合规采购年增 33%。
C108 AI 生成内容检测
范围：AIGC 检测（文本/图像/音视频真伪）。 代表项目：开源检测研究（GPTZero 闭源对标 ○、检测类学术仓库 ○）。开源成熟产品稀少——准确性是公认难题。 六维：需求★★★★（学术诚信/媒体/司法）｜商业化★★★（误判率高导致采用谨慎）｜生态★★｜壁垒★★★｜扩展性★★★ 主要风险：技术上不可靠（对抗样本轻松绕过）——市场需求真实但产品可信度难建立。 | 年 | Y1 | Y2 | Y3 | Y4 | Y5 | Y6 | Y7 | Y8 | Y9 | Y10 | |---|---|---|---|---|---|---|---|---|---|---| | TAM | 1 | 1.2 | 1.6 | 2 | 2.6 | 3.4 | 4.4 | 5.7 | 7.4 | 9.7 | 关键假设：年增 30%（基数低）；溯源（C107）比检测更可行，本类部分被其替代。
C109 隐私计算与联邦学习
范围：FHE/MPC/联邦学习/差分隐私。 代表项目：OpenFHE ○、Microsoft SEAL ○、PySyft ○（OpenMined）、Flower ○（联邦学习标准）、FATE ○（WeBank，中国金融落地最广）。 六维：需求★★★★★（数据不出域的密码学解法，与私有化部署互补）｜商业化★★★★（金融/医疗/政务）｜生态★★★｜壁垒★★★★★（密码学人才稀缺）｜扩展性★★★ 主要风险：性能开销大（FHE 慢 1000 倍）；采用周期长。 | 年 | Y1 | Y2 | Y3 | Y4 | Y5 | Y6 | Y7 | Y8 | Y9 | Y10 | |---|---|---|---|---|---|---|---|---|---|---| | TAM | 10 | 12.1 | 14.6 | 17.7 | 21.4 | 25.9 | 31.4 | 38 | 45.9 | 55.6 | 关键假设：年增 21%；中国金融/政务为主要落地市场。
C110 开源合规工具
范围：许可证扫描/SBOM/供应链安全。 代表项目：FOSSA 闭源对标 ○、ScanCode ○、Syft ○（SBOM 标准）、Grype ○。 六维：需求★★★★（AI 组件供应链爆炸 → 合规刚需）｜商业化★★★★｜生态★★★｜壁垒★★★｜扩展性★★★★ 主要风险：被 GitHub/GitLab 原生功能覆盖。 | 年 | Y1 | Y2 | Y3 | Y4 | Y5 | Y6 | Y7 | Y8 | Y9 | Y10 | |---|---|---|---|---|---|---|---|---|---|---| | TAM | 2 | 2.5 | 3.2 | 4 | 5 | 6.3 | 8 | 10 | 12.6 | 15.9 | 关键假设：AI 模型权重许可证异构性（研限/NC/自定义）催生"模型 SBOM"新需求；年增 26%。
C111 模型社区与托管平台
范围：模型/数据集社区运营（自托管企业 Hub）。 代表项目：Hugging Face ○（生态核心）、ModelScope ✅9.2k（魔搭，中国合规版）、Civitai ○（图像社区）、MLX 社区 ○。 六维：需求★★★★★｜商业化★★★★★｜生态★★★★★｜壁垒★★★★★（社区网络效应十年难复制）｜扩展性★★★★★ 主要风险：地缘分裂（HF 在华不可用 → 魔搭崛起，双轨格局固化）；模型直发（厂商官网+API）绕过平台。 | 年 | Y1 | Y2 | Y3 | Y4 | Y5 | Y6 | Y7 | Y8 | Y9 | Y10 | |---|---|---|---|---|---|---|---|---|---|---| | TAM | 8 | 9.8 | 12.1 | 14.9 | 18.3 | 22.5 | 27.7 | 34.1 | 41.9 | 51.6 | 关键假设：企业私有 Hub（数据不出域版 HF）为开源最大机会；年增 23%。
C112 开发者学习资源聚合
范围：roadmap/教程/awesome 聚合。 代表项目：awesome-public-datasets ✅80k、developer-roadmap ○（150k+，职业路线图之王）、awesome-LLM 系 ○、手写教程仓库 ○。 六维：需求★★★（流量入口，变现弱）｜商业化★★（赞助/课程导流）｜生态★★★★｜壁垒★★｜扩展性★★ 主要风险：AI 助手直接回答取代"找资源"行为——目录型项目的十年寒冬。 | 年 | Y1 | Y2 | Y3 | Y4 | Y5 | Y6 | Y7 | Y8 | Y9 | Y10 | |---|---|---|---|---|---|---|---|---|---|---| | TAM | 1 | 1.2 | 1.5 | 1.8 | 2.1 | 2.5 | 2.9 | 3.4 | 4 | 4.6 | 关键假设：年增 24%（基数低），但结构上被 AI tutor 侵蚀；价值向"认证+实操平台"迁移。