匹配这件事分两段做才靠谱：AI 负责把可能的对象从一堆登记里筛出来、说清为什么匹配；人负责把「为什么还不够匹配」谈清楚，并把授权范围、使用目的与交付方式落到纸面。
匹配不是「关键词相同就推荐」。它同时看业务维度与合规维度 —— 一个在业务上完美匹配、在合规上无法落地的组合，对双方都是浪费时间。
按契合度排序的候选对象列表，每条附带匹配理由与差距说明，便于快速判断哪些值得深入。
明确指出「差在哪」：字段粒度不足、时间跨度不够、授权范围不匹配，或缺某类合规材料。
对可行组合给出可能的交付方式与注意事项，供顾问在人工跟进阶段进一步确认。
每个维度都有「匹配 / 部分匹配 / 不匹配」三档判断，部分匹配会给出可替代方案建议。
匹配环节最怕两件事：一是「推荐了但说不清为什么」，二是「谈不下来却不知道为什么」。前者交给 AI，后者交给人。
流程设计的目标是「随时知道下一步做什么」：每个环节的输入、输出与责任人都明确。
把双方登记的自由文本整理为结构化维度描述，补齐缺失的关键项（如使用场景、字段清单）。产出：规范化登记档案。
核对场景明确性与边界清晰度，判断是否具备可推进的前提；涉及需单独评估的数据类型时提前标注。产出：初筛结论。
按六个维度计算并排序，生成候选清单与匹配理由，标注「部分匹配」的具体差距。产出：匹配清单。
与双方分别沟通，确认需求真实性、资源可得性与合规条件，必要时调整方案或扩大候选范围。产出：跟进方案。
按数据等级选择交付方式，在安全可信环境中完成交付，形成交易与交付过程记录。产出：交付记录与凭证材料。
按数据敏感程度与使用场景选择交付方式。多数医疗数据场景更希望「可用但不可见」—— 需求方拿到结果，数据持有方保留控制权。
需求方在受控沙箱环境中完成分析或建模，可以使用数据、得到结果，但无法导出或带走原始数据。适合敏感程度较高、使用目的明确的场景。
这是医疗数据场景中最常见的交付形态：既让需求方拿到分析价值，也让数据持有方保留对数据的控制。
以接口形式提供特定查询、核验或计算能力，调用量可计量、用途可核验，权限随协议到期自动收回。
接口方式把「数据交付」转化为「能力调用」，是降低数据外流风险的有效路径。
以专病模型或封装后的智能体形式交付能力，支持受控服务调用或私有化部署，满足信创环境与数据不出域要求。
模型类交付需同时说明训练数据范围与适用边界，避免被超范围使用。
在完成合规评估、授权确认与脱敏处理后，以数据集形式交付。适用于敏感程度可控、使用范围明确、且已具备完整合规链路的情形。
数据集交付的门槛相对最高，因此更适合作为长期合作的一部分，而非一次性动作。
* 交付方式需与数据敏感程度、授权范围及监管要求相匹配。涉及人类遗传资源、高敏个人信息的场景，需按规定完成相应程序后方可推进；具体方式以双方协议与相关监管要求为准。
先由顾问分别沟通，确认需求真实性与条件可行性，再按双方意愿安排对接。这样能避免「直接对接后发现根本不合适」的无效沟通，也便于在早期就把授权范围与合规条件谈清楚。
顾问会反馈差距所在，并给出可选的调整路径：扩大或收窄候选范围、调整字段粒度要求、改换交付方式、或先补齐某类合规材料。若判断当前市场确实缺乏匹配对象，也会如实说明，而不是强行推荐。
价格由交易双方协商确定，平台不单方面定价。顾问可协助双方明确计价逻辑与影响价格的关键变量（数据范围、更新频率、使用范围与期限、独占性等），使议价有共同基础。
包括登记与初筛记录、匹配结论、匹配与跟进过程的关键确认事项、交付方式与数据去向记录，以及必要的凭证材料。留痕的目的是让数据从哪来、到哪去、被用在什么范围内，都能被回答。
可以。登记时可在说明中列出需要回避的竞争关系或既有合作约束，匹配与跟进环节会据此排除相应对象，相关信息仅用于本流程内部判断。
把资源或需求登记下来；AI 先缩小范围，专业顾问再把方案谈清楚。我们会在初筛后与您确认下一步。
