DATA SOURCING STRATEGY · 2026

从数据需求
到全球供给网络

本方案说明对模型数据需求和市场供给的判断、两者之间的差距、可投入的资源与生态合作方式，以及入职后的工作计划。

01可直接取得的数据有限

可直接取得的只有开放论文和公司自有的游戏录屏与操作日志，其余都要逐家谈授权或定制。

02差距在需要洽谈的内容

国际出版社的订阅内容、中文期刊、图书与古籍、企业文档，都要逐家取得授权。

03切入点：学术出版、高校科研机构与公司自有数据

文本方向的资源集中在期刊社、学会、数据库公司和高校学者；多模态方向以公司自有的游戏数据和 3D 资产为起点，经内部协调取得。

Nicole · 2026 年 11 月

268 家出版机构、数据库与数据服务商

SCROLL ↓

01 · DEMAND

模型数据需求

四类用途的采购条件差别很大：预训练看规模与训练授权，后训练看质量与定制，评测必须独家保密，上线检索按访问量付费。同一类数据可以同时服务多个用途。

02 · GLOBAL SUPPLY

全球数据供给

以论文为例：全球约 1.87 亿篇中，许可允许商用的约 1,800 万篇，其余约 1.7 亿篇需要洽谈训练授权。供给分散在全球的出版机构、数据库和数据服务商手中。

1.87 亿全球论文总量

1,800 万许可允许商用，可直接取得

1.7 亿需洽谈训练授权（闭源约 1.2 亿）

5,325 种国内科技期刊，基本需洽谈

拖动旋转 · 点击节点查看机构

采购优先级

闭源论文约七成不在六家最大出版社手中。论文量与期刊数按国际索引统计。完整版数据资源地球仪 ↗

03 · SUPPLY × DEMAND

市场供需对照

可直接取得需洽谈授权需定制获取难度高

1可直接取得或已有明确许可2可形成独占或已有成交先例

3体量大、洽谈周期长4成本高、合规重，先小规模验证

04 · MY COVERAGE

我的资源覆盖

05 · ECOSYSTEM & PARTNERSHIP

生态拓展与合作

供需对接方式，触达与促成合作的途径。

对内

跟进各模型版本的数据缺口，在版本启动前完成寻源。

对外

讲清需求、不涉模型方向，梳理对方的权属与交付能力。

积累

评估、价格和交易经验持续记入供应商资料。

06 · EXECUTION ROADMAP

入职第一年工作计划

这份计划是起点，不是定稿。入职后先对齐需求和团队现有的作业方式，再据此调整计划，逐步固化为稳定的作业模式。沿用我带教新人时的管理方式：先定工作计划，再按待办推进、定期复盘。