把样品交给第三方之前，先弄清这五件事

把样品交给第三方之前，先弄清这五件事

从选平台到验收数据，一份能照着做的清单

从事材料、化学、生物等工作的同学，常常会遇到一个难题：仪器预约难。场发射电镜排了3个月，XPS要跨校预约，BET送出去两周都没消息。于是第三方测试平台成为了一个常见的选择——线上订购、寄样、收数据，跟网购一样简单。

但是样品不是衣服，退不了；数据不是快递，拆开来才知道里面是什么。同样的样品，不同的平台报价相差几倍；同样的回来东西有的是可以直接写入论文中的原始谱图，而有的只是一个不知道在什么条件下测得的一张图片。这篇不带名字，只说怎么选、如何考察、最常见的坑有哪些。

先看清业务范围。形貌结构（SEM、TEM、AFM、XRD），成分价态（XPS、EDS、ICP-MS、元素表征），物性与热分析（比表面积及孔径、DSC、TG、粒径及Zeta电位），力学及电化学测试，生医（细胞和动物的实验），算力服务（第一性原理）等。基本上你实验室所没有的，在平台都能找到对应的。

但同样是“能测”，模式不同。一类是自建实验室，仪器、人员和流程都在平台上自己的手中，报价固定，格式统一，出了问题有明确责任人。另一种类似撮合，平台接了单分派到高校或研究所的课题组，利用他们的机时和人力进行测试。后一种可做的偏门多，价格弹性大，但最后操作仪器的人是谁你不知道，是干了十年实验员，还是一个半年的学生。

无论哪种模式，报价单中最需要关注的不是总价，是交付边界。同样是XRD，有的是原始谱图加上完整的测试参数，有的是直接给一张裁剪好排版好的图片；同样是XPS，有的是荷电校正加拟合，有的连一行原始数据都没有。测试条件是什么？扫描电镜用的是钨灯丝、还是场发的，加速电压是多少？BET用的什么吸附质，脱气温度是多少？不写出来，数据拿回来也不知道能不能用，也写不进论文方法里。

第一看资质和责任主体。付款前确认：与你签订合同的公司是谁？可以开具正式发票吗？出了问题找谁？有些页面做的很专业，实际上是个人在转单，一旦数据出了问题，找不到人，也追不到责任。对方说能出具带有CMA或者CNAS标志的报告，不能光听对方怎么说，要看其报告上是否有该标志和编号，并且编号能否在认可委官网上查询到。科研测试平台大部分并不是出具社会证明作用报告的机构，宣传和实际经常对不上，多问一句不会损失什么。

第二看设备和测试条件。同一个测试，设备的档次差的很远：场发射、钨灯丝，拍出来的形貌都不是一个量级；不同型号的XPS，能量分辨率有差异。直接问型号、使用多久、谁在用、能否指定参数。愿意把这些讲清楚的，在结果异常时也往往更愿意坐下来跟你探讨，而不是“仪器就是这样”打发了事。

第三看数据提供。下单前先问清楚：是否提供仪器原始文件、图像是否为原图（未压缩）、数据导出格式、处理到什么程度。这条看起来比较繁琐，但是是后续所有验收的前提，没有原始数据，只有图片，你甚至都无法去复核，更别提去判断数据的真假了。

四看周期。承诺的周期需问清是否包括排队、前处理、复测。加急费用如何计算，超时如何处理，样品测试过程损坏谁承担责任？最好落实到合同或聊天记录中，而不是口头协议。第五看售后：明显数据异常能否免费重测一次？沟通是找客服还是一样可以联系到测试人员？未发布的数据如何保密、保多久？五项中最重要的两个是资质和数据，其他三项可以根据预算以及紧急程度来取舍。

样品寄出去，数据回来了，可别急着看那张图漂不漂亮。合格的交付至少要有三样：仪器原始数据文件、写明测试条件和参数的报告、未经修饰的原始图像或谱图。三缺一就要追问。特别是警惕那种发一张排版漂亮的图，你问原始的文件他告诉你“我们不提供”的——科研数据需要可追溯性，这是底线，而不是需要花钱购买的增值服务。

看数据本身，有几点简单有效。谱图基线平得不像话，噪点磨得干净利落，明显是过度平滑的结果。电镜图的边缘锐利失真，也许是锐化过度造成的。XRD峰位与标准卡片对不上，要么就是物相不对，要么就是仪器没有校准。XPS如果不看C1s定标与荷电校正，结合能就会整体偏移。这不是要求你每台仪器都成专家，只是提醒一句，数据“太漂亮”的时候，多问一句它是如何被处理出来。

关键结论不要仅通过一次试验。送样自己留一个平行样，一批样品分成两个地方测，或不同手段相互验证，成分XPS与EDS，物相XRD与电镜衍射。寄样前拍照、编号、记录寄出时间和样品状态，这些看似麻烦，但真出问题的时候，这是唯一能说清楚的证据链。再有一句不好听的是：数据出问题了，署名是你，不是平台。不能因为是花钱买的就默认可靠，审稿人和评审看的也是你能不能解释每一个峰的来源。

最常见的就是低价引流。一个很低的起价，等到你寄过样品回来，前处理，喷金，切片，加急，超点位数一个个加起来，最后价格翻倍。避免的办法非常简单，把样品情况一次性说明白，要求一份列明分项的报价单，而不是一张大数字。

更致命的是数据的坑。有的图在多个样品多个批次的报告中重复出现；有的谱图过于平滑，不像是实测的。这个问题现在很好找，期刊和基金委对于图像完整性的筛查越来越多，重复的图终将被发现。所以不要接受“帮你把数据调好看一点”这种提议，那不是服务，是把你架在火上烤。有些平台还会公布盲样抽检数据，同一样品发给多个实验室测量并观察离散度，这比那些宣传语靠谱得多，不过要注意抽检比例以及判定标准。

还有两个易被忽视的：保密、合同。没发表的结构、配方、工艺参数发过去，就有被第三方看到的风险，甚至被使用，送样前要确认保密条款、数据保存期限。其次，全程微信沟通、私人转账、不开票，看似省事，出事时却无责任主体也无凭证。真到了追究责任的时候，你所能提供的不过是当初的几句聊天记录而已。

数据这一关过了，这些内容最终还是要写进论文和报告。成稿阶段的查重、AIGC 检测，PaperOK 这类工具能帮上忙；但它管的是文字，替不了你把样品和数据这一关走完。顺序别搞反了。

数据上签字的是你，平台只是替你按了快门