近日，清华大学对外发布招标信息，计划108万元采购一套总量不少于36万条的数据集，服务校内多模态大模型相关科研工作。
在大模型产业发展初期，高质量数据集采购需求主要集中在互联网企业、AI研发机构等市场主体。高校人工智能研究中，多数课题组以自主采集实验数据、采用合规开源数据集作为研究基础。
伴随多模态大模型研究持续向纵深推进，这一科研数据获取路径正在发生转变。梳理全国政府采购平台公示信息，多所高校陆续将专业数据集纳入采购范畴。部分高校面向行业大模型研发采购领域专用语料资源，部分根据细分研究方向采购定制化标注数据集，也有院校同步采购配套的数据管理服务，支撑科研数据的规范化调用，相关项目预算根据研究需求各有差异。
这一趋势的形成，源于前沿科研的现实约束。现有开源数据集多面向通用场景构建，普遍存在场景滞后、标签粒度不足、领域适配性偏弱等问题，难以匹配专项前沿课题的实验设计要求。不少多模态研究需要定向构建配对样本、负例样本、特殊场景样本，该类定制化数据难以通过公开渠道获取。
由科研团队独立完成全流程的数据采集、多维标注与质量核验，需要持续投入大量人力成本。高校科研团队的核心重心集中在算法设计、模型机理验证等方向，完整的数据生产链条会挤占核心研究资源。通过市场化采购获取合规数据集，让专业供应商承接数据加工工作，是科研资源优化配置的选择。
数据集采购同时伴随相应的合规与质控要求，如数据权属、授权范围、标注质量、成果知识产权划分，是高校采购环节必须落实的核心事项。外购数据集能否直接投入实验，高校仍需开展入库核验与治理工作，保障科研数据的可靠性。
高校采购专业化数据集，是人工智能科研产业链分工细化的直观体现。数据生产服务与基础算法研究逐步形成专业化分工，市场主体承接标准化、定制化的数据加工任务，高校聚焦基础理论与模型创新，这一协作模式逐步落地，将持续助力国内多模态大模型基础研究推进。
