字节把数据采购升成一级部门：数商面对的客户，开始分成采购、质检、合规、算法四方

字节成立了 AI 数据与安全一级部门，和 Seed、Flow、抖音平级，负责人王赢磊（智能涌现）。整合从 2026 年 6 月初开始，前身是傅越 2023 年成立、约百人的 Global Data 团队，加上集团数据中台 DMC 和 Flow 下面的 AI 数据平台 AIDP。

这件事没有新数字，价值在组织架构图上。国内大厂的数据采购正在从算法团队手里的项目制外包，变成有预算、有标准、有质检和合规的常设组织。对数商来说，客户从一个对接人变成了四个。

01部门事实与职能

Global Data 起初服务 Dola（豆包海外版）和 TikTok，后来负责 Seed 训练的数据采购和质量管控，内设产品、数据工程、采购、质检运营、安全合规几个职能。新部门覆盖标准制定、寻源采购、合成清洗、质量评测，服务字节所有大模型，跨模态。

量级上有两个数。Seedance 的数据评测团队上千人。世界模型和 Coding 模型的数据预算，2026 年初已是千万美元级，不够随时追加。

采购标准、质检、安全这三件事从此有了固定的负责人，不再随项目组解散而消失。数商过去找的是需要数据的那个算法团队，现在要先过这三道常设职能。

02四方评审怎么对接

四个角色问的问题完全不同。采购问报价结构和交付周期，质检运营问抽检方案、一致率和返工口径，安全合规问数据从哪来、经过谁的手，算法问这批数据对评测集有多大增量。

同一批交付要准备四份材料：采购看报价明细和排期，质检看抽检记录，合规看来源与人员清单，算法看小批量试验结果。只准备一份交付说明的数商，一定会在其中一方卡住。

按我见到的顺序，采购和算法通常最先点头，质检和合规最后放行，进度由最慢的那一方决定。报价里的交付周期要按质检和合规的节奏排，照算法团队的期望写就是给自己挖坑。

有人会说，大厂自建内部团队是要把数据生产收回去，数商的空间会变小。这在评测环节成立，Seedance 上千人的评测团队就在内部。但内部团队先接管的是标准、质检和安全，产能没有全接。专家稀缺、需求忽高忽低，一个千人团队解决不了，这部分仍然外采。真正变了的是外采的验收权回到了客户手里。

03拍板层级与卡点

预算在采购方的数据部门，立项在算法团队，拍板分两步：算法团队决定要什么数据、要多少，数据部门决定找谁买、按什么价买。只说服算法团队，签不下合同，采购和质检握着最后的否决权。

卡点通常在两处。一是质检验收，双方对合格的定义不一致，客户抽检一致率低于约定就整批返工，付款顺延。二是合规审查，数据来源、专家身份、跨境传输，任何一项说不清，流程就停在合规这一环，算法团队催也没用。能做的是提前交材料：专家身份核验方式、数据采集记录、传输路径，在报价阶段就附上，不等合规来问。

进入四方评审之后，数商的销售周期会拉长，续约率会更高。通过一次完整评审的供应商，下一个项目可以复用同一套材料，不必从头再过。

这个判断有条件：如果 2027 年上半年国内头部大厂的数据采购仍以单个算法团队直接下单为主，评审没有常态化，这个判断就错了。

04评测增量与合同写法

字节的数据团队按方向分成世界模型、代码、高难学科等，每个数据项目都要核算投入产出。采购方会问，这批数据让哪个评测集涨了几分，单位成本是多少。只报条数和单价的数商，答不上来。

能给出某个评测集增量的数商会占优，这需要两样东西：一套客户认可的评测集，加上小批量试验的能力——先交一千条看增量，再谈十万条。

合同要跟着这个逻辑改写，我的建议有四条。

验收条款写明评测集、抽检比例和合格线，合格线用一致率数值，不用「高质量」这类词。付款分批，每批验收通过再放下一批，试验批的结果是后续批次的付款前提；这样一来数商的现金流压力上升，报价里要把这部分垫资成本算进去。

独家条款写清范围：哪一类数据、多长时间、衍生数据归谁。独家期占用产能，单价应当高于非独家，否则等于低价卖掉了排他权。

核心人员条款单列。数商真正难复制的，是管理专家的项目经理和质检负责人，客户如果要阶段性买断这些人，价格和期限写进合同，不做口头约定。

最稀缺的数据，半年后会失去价值。合同期会变短，续约靠下一轮增量，不靠上一轮交付。

这个判断也有条件：如果 2027 年大厂公开的数据采购招标仍以条数和单价为主要评分项，评测增量就没有成为主流验收口径。

05阿里的岗位与采购清单

阿里控股发布了「数据采购专家-大模型」岗位，薪资 40-60K，要求 5 到 10 年经验（招聘平台）。职责写了三件事。一是构建全球大模型数据供应商的生态图谱，分析数据标注、合成数据、真机采集、预训练数据提供商的商业模式和技术壁垒。二是做技术尽调，评估供应商生产的自动化水平、成本控制能力和迭代路线，目的是规避供应商掉队。三是推动采购品类从买数据转向买能力。加分项有数据合规、版权和跨境传输。

采购方雇人研究数商的商业模式和掉队风险，这在标注外包时代很少见。

「买能力」这个词，和网易号一篇梳理文章里的分类对得上。文章把国内后训练数据玩家分成专家数据、benchmark、RL 环境、合成数据四路，客户以头部大模型公司为主，商业化有按量订阅、项目制、与云厂商捆绑几种。后三路卖的是一种可反复使用的生产或检验能力，不是一批数据。

字节的部门分工和阿里的岗位描述，指向同一份采购清单：交付带质检证据，来源经得起合规审查，效果折算成评测增量，独家条款写清，供应商自己的经营风险也在被评估。

我的第三个判断：仍按条数计价的数商，会先在大厂的续约谈判里被压价，因为采购方手里有了可以横向比较的评测增量。如果 2027 年大厂续约价格与条数计价仍然挂钩，这条判断不成立。

回到开头。一个一级部门成立，采购流程不会立刻成熟，字节内部几个部门的业务还有重叠。但客户的形态已经变了：从一个项目对接人，变成采购、质检、合规、算法四方评审。交付时带齐证据的数商，会比只带数据的数商走得远。

06常见问题

客户内部建了上千人的评测团队，外部数商还有多少空间？

评测环节会被内部大量接走，Seedance 那一千多人就是例证。但内部团队优先接的是标准、质检和安全这三件要长期沉淀的事，产能并没有全接。高难学科、世界模型这类专家稀缺、需求波动大的方向仍然外采，区别是验收权和定价权都挪到了客户的数据部门手里。

报价时怎么处理分批验收带来的垫资压力？

把试验批当成销售成本算进整单报价，不要指望靠它单独盈利。合同里明确每批验收的时限和合格线数值，避免客户以「还在评测」为由无限期拖住后续批次的付款。独家条款占用产能的部分单独加价，这笔钱本身就是对现金流占用的补偿。

没有客户认可的评测集，还能不能进四方评审？

能进，但谈判位置差。至少要能在小批量试验里给出一组可复算的对比数据，说明这批数据进了后训练之后哪个维度动了。只报条数和单价，在续约谈判里会被采购方拿同行的增量数据横向压价。