AI技術(shù)的飛速迭代與發(fā)展近年來已經(jīng)超乎預(yù)期。

隨著科研領(lǐng)域?qū)Ω咝f(xié)同、全流程賦能的需求日益凸顯，全球科研服務(wù)市場(chǎng)正邁入業(yè)態(tài)重塑的關(guān)鍵階段，其中科研Agent（學(xué)術(shù)超級(jí)智能體）細(xì)分領(lǐng)域，正打破傳統(tǒng)科研輔助工具的功能局限。

以往科研工作者對(duì)輔助工具的需求多集中在單一環(huán)節(jié)效率提升，如文獻(xiàn)檢索、數(shù)據(jù)計(jì)算等，如今已升級(jí)為對(duì)“全流程智能化支撐”“跨場(chǎng)景協(xié)同適配”的綜合訴求。在課題立項(xiàng)調(diào)研、實(shí)驗(yàn)數(shù)據(jù)深度分析、學(xué)術(shù)成果撰寫潤(rùn)色、科研成果轉(zhuǎn)化對(duì)接等場(chǎng)景中，AI全流程科研Agent 相關(guān)產(chǎn)品的應(yīng)用頻率持續(xù)提升，逐步從輔助工具成長(zhǎng)為現(xiàn)代科研工作中可以大幅提高效率的核心工具。

作為中國(guó)全流程AI科研Agent賽道的產(chǎn)品之一，“沁言學(xué)術(shù)”從文獻(xiàn)智能分析這一科研核心痛點(diǎn)切入打造差異化優(yōu)勢(shì)，成功在高?？蒲袌F(tuán)隊(duì)、企業(yè)研發(fā)部門、科研院所等不同用戶群體中建立起清晰的產(chǎn)品認(rèn)知。

《鳳凰周刊》采訪到沁言學(xué)術(shù)CEO羅實(shí)，圍繞AI科研服務(wù)行業(yè)趨勢(shì)、產(chǎn)品功能創(chuàng)新、產(chǎn)業(yè)生態(tài)構(gòu)建與未來發(fā)展布局等話題展開對(duì)話，深度解讀全流程AI科研Agent如何助力科研效率提升與科研模式變革。

現(xiàn)在做Agent（學(xué)術(shù)超級(jí)智能體）產(chǎn)品，時(shí)間剛剛好

《鳳凰周刊》：您覺得作為初創(chuàng)團(tuán)隊(duì)，現(xiàn)在入局AI這個(gè)賽道的時(shí)間點(diǎn)是正合適的嗎？

羅實(shí)：我覺得這個(gè)時(shí)間點(diǎn)其實(shí)還算是比較合適的。因?yàn)槿迥曛?，雖然人工智能很火，但是還沒有大模型、Agent這些顛覆性的新技術(shù)。甚至去年，大家關(guān)注的點(diǎn)可能還是大模型本身的優(yōu)化，或者說模型訓(xùn)練。到了今年，大家的關(guān)注點(diǎn)已經(jīng)從模型本身能做什么，轉(zhuǎn)到模型要落地到更細(xì)分的應(yīng)用場(chǎng)景，能為更具體的需求產(chǎn)出什么、交付什么實(shí)際成果了。

從2023年創(chuàng)業(yè)到現(xiàn)在，我們也積累了不少技術(shù)。我們現(xiàn)在不碰模型訓(xùn)練，只是結(jié)合最新大模型的能力，去滿足具體場(chǎng)景的需求。經(jīng)過兩年的發(fā)展，大模型的能力其實(shí)已經(jīng)達(dá)到了一個(gè)相對(duì)較高的水平，現(xiàn)在模型和各種工具的結(jié)合也有了比較成熟的方案，比如像MCP和A2A，已經(jīng)能讓大模型在自身能力之外，通過調(diào)用各種工具擴(kuò)展出更多的能力。這樣一來，它在學(xué)術(shù)這種相對(duì)嚴(yán)謹(jǐn)?shù)念I(lǐng)域里，就能給用戶交付更有價(jià)值的結(jié)果。所以我覺得，在這個(gè)時(shí)間節(jié)點(diǎn)切入科研領(lǐng)域，做Agent產(chǎn)品是剛剛好的。

《鳳凰周刊》：細(xì)分的、垂直的應(yīng)用場(chǎng)景有很多，為什么會(huì)把它定位在科研、學(xué)術(shù)方面？

羅實(shí)：選擇學(xué)術(shù)場(chǎng)景作為發(fā)展方向，其實(shí)在一定程度上也存在機(jī)緣巧合的因素。我們公司的股東之一蘇新寧教授，是南大核心（CSSCI）的創(chuàng)始人，他讓我們得以深入了解到學(xué)術(shù)方向上用戶存在的諸多痛點(diǎn)，比如在科研流程中，科研工作者的大量時(shí)間往往被耗費(fèi)在重復(fù)性、低創(chuàng)造性的事務(wù)上。

像文獻(xiàn)檢索、參考文獻(xiàn)整理這類工作，就占據(jù)了不少精力。而撰寫一篇論文時(shí)，從初稿到最終定稿的過程同樣耗時(shí)。僅完成一篇幾萬字的初稿，就需要投入大量時(shí)間，更不用說論文發(fā)表前，往往需要引用幾十篇甚至上百篇文獻(xiàn)。整個(gè)過程中的諸多環(huán)節(jié)都極為繁瑣。

相較于我們此前開發(fā)的大眾向產(chǎn)品，那些產(chǎn)品滿足的多是用戶較淺層次的需求，學(xué)術(shù)領(lǐng)域雖看似范圍較窄，卻蘊(yùn)含著大量深度且個(gè)性化的需求。而這類個(gè)性化需求，能讓我們的產(chǎn)品在垂直領(lǐng)域創(chuàng)造出遠(yuǎn)超通用型產(chǎn)品的價(jià)值。

《鳳凰周刊》：市場(chǎng)上有不少AI寫作工具和通用型Agent，尤其是很多AI技術(shù)公司以及互聯(lián)網(wǎng)大廠已經(jīng)布局很深，且覆蓋的領(lǐng)域很廣。沁言學(xué)術(shù)在功能、使用體驗(yàn)和目標(biāo)用戶上，與它們的核心差異是什么？如何吸引用戶從其他產(chǎn)品轉(zhuǎn)向使用沁言學(xué)術(shù)？

羅實(shí)：大廠在布局場(chǎng)景時(shí)，核心考量之一是用戶規(guī)模與場(chǎng)景覆蓋度，但在學(xué)術(shù)領(lǐng)域，其產(chǎn)品往往停留在淺層，僅能實(shí)現(xiàn)學(xué)術(shù)文獻(xiàn)搜索與基礎(chǔ)答案輸出。這種學(xué)術(shù)搜索功能，僅是沁言學(xué)術(shù)各項(xiàng)服務(wù)的底層基礎(chǔ)能力。

首先，沁言學(xué)術(shù)圍繞科研全流程提供服務(wù)，從選題、文獻(xiàn)搜索、長(zhǎng)文生成到論文引用插入，每個(gè)環(huán)節(jié)均有針對(duì)性設(shè)計(jì)，每個(gè)學(xué)術(shù)大類下會(huì)進(jìn)一步細(xì)分。如果說其他產(chǎn)品是關(guān)注學(xué)術(shù)領(lǐng)域的1個(gè)核心點(diǎn)，沁言學(xué)術(shù)至少會(huì)覆蓋10個(gè)以上細(xì)分要點(diǎn)，專業(yè)性超過了通用型產(chǎn)品。

其次，沁言學(xué)術(shù)以AI Agent為核心方向，堅(jiān)持交付結(jié)果導(dǎo)向。與夸克、豆包等業(yè)界優(yōu)秀產(chǎn)品更側(cè)重于提供快速、準(zhǔn)確的“信息獲取”和“對(duì)話輔助”不同，沁言學(xué)術(shù)的目標(biāo)是成為一個(gè)“任務(wù)完成型”Agent。用戶無需關(guān)心中間繁瑣的步驟，我們致力于直接交付如“一份肺癌相關(guān)的文獻(xiàn)綜述草稿”、“幫我搜索并下載50篇AI Agent相關(guān)引用量超過100的論文”這樣的最終成果。

最后，沁言學(xué)術(shù)致力于打造科研全流程無縫體驗(yàn)。當(dāng)前科研工作者需在多工具間割裂切換：用谷歌學(xué)術(shù)、PubMed等搜文獻(xiàn)，用Zotero、EndNote管理文獻(xiàn)，用Notion、印象筆記做閱讀筆記，用ChatGPT生成初稿，再用Grammarly潤(rùn)色英文......工具間的割裂嚴(yán)重拉低效率。但沁言學(xué)術(shù)能做到一步到位，通過無縫銜接，科研工作者完成一篇可發(fā)表論文的時(shí)間，有望縮短至傳統(tǒng)方式的10%-20%，讓用戶可以專注于科研最核心的環(huán)節(jié)比如提出假設(shè)、設(shè)計(jì)實(shí)驗(yàn)、分析結(jié)果這些真正具有創(chuàng)造性的工作上，助力用戶創(chuàng)造更多價(jià)值。

《鳳凰周刊》：沁言學(xué)術(shù)能為用戶節(jié)省多少時(shí)間和精力，有沒有具體的數(shù)據(jù)或案例支撐？

羅實(shí)：我們有個(gè)典型案例，最近有個(gè)博士生用戶，他說之前寫開題報(bào)告，從梳理各種文獻(xiàn)、寫綜述，到最后插入文獻(xiàn)，整個(gè)流程跑下來至少要一個(gè)月?，F(xiàn)在用了我們的產(chǎn)品，基本上一個(gè)周末就把文獻(xiàn)找好了，再花一兩天生成綜述草稿，原來要一個(gè)月的工作，現(xiàn)在半周到一周左右就做完了，大概就是這樣一個(gè)時(shí)間量級(jí)的變化。

讓產(chǎn)品不只是寫論文的工具

《鳳凰周刊》：目前沁言學(xué)術(shù)的用戶人群畫像和呈現(xiàn)的使用效果會(huì)與最初的預(yù)期有差異嗎？如果有，針對(duì)這些差異，產(chǎn)品在后續(xù)的開發(fā)上會(huì)做哪些調(diào)整？

羅實(shí)：和我們最初預(yù)期有一些差異。最初我們以為主要用戶是碩士、博士，用于寫畢業(yè)論文或期刊小論文，但現(xiàn)在發(fā)現(xiàn)除了學(xué)生，青年老師也很多，他們申請(qǐng)科研項(xiàng)目、寫項(xiàng)目報(bào)告時(shí)，都會(huì)用我們的工具。

功能方面，一開始我們覺得快速生成論文的寫作需求是剛需，但實(shí)際發(fā)現(xiàn)，文獻(xiàn)檢索、管理、閱讀的使用頻率更高。論文寫作只是最終結(jié)果，而寫作前的準(zhǔn)備、思考，以及作為科研工作者“第二大腦”的知識(shí)管理，其實(shí)是更強(qiáng)的需求。所以像這些模塊，我們之后會(huì)持續(xù)迭代優(yōu)化，讓產(chǎn)品不只是寫論文的工具，幫他們提升從知識(shí)積累到知識(shí)輸出的全流程效率。

《鳳凰周刊》：與一些開源的科研輔助工具相比，沁言學(xué)術(shù)作為商業(yè)化產(chǎn)品，如何平衡付費(fèi)服務(wù)與免費(fèi)功能？

羅實(shí)：我們產(chǎn)品里所有功能目前都能免費(fèi)體驗(yàn)，像文獻(xiàn)管理、基礎(chǔ)閱讀筆記，甚至大模型對(duì)話這些都包含在內(nèi)。針對(duì)大模型對(duì)話，我們每天還會(huì)給用戶提供免費(fèi)體驗(yàn)積分，不管用戶是否付費(fèi)，都能正常做資料管理和文獻(xiàn)閱讀。

付費(fèi)部分主要針對(duì)用戶的深度使用場(chǎng)景，尤其是深度用AI相關(guān)功能的時(shí)候。比如Agent搜索、深度研究，或是高階輔助寫作（像一次生成幾萬字論文），這些功能會(huì)消耗大量Token（處理文本的最小單元或基本元素）。雖然我們會(huì)讓用戶體驗(yàn)，但為了覆蓋成本、實(shí)現(xiàn)盈利，這部分需要付費(fèi)。而我們的核心是讓用戶感受到，用了這些付費(fèi)功能，解決了關(guān)鍵痛點(diǎn)后，效率能有近十倍的提升，當(dāng)用戶真切體驗(yàn)到這種提升，自然會(huì)算清花的錢是否匹配帶來的價(jià)值。

另外，用戶付費(fèi)后，我們作為商業(yè)化產(chǎn)品，會(huì)持續(xù)迭代優(yōu)化升級(jí)。除了幫用戶解決具體需求，我們還會(huì)保障數(shù)據(jù)安全，不斷交付比通用大模型更專業(yè)、更可靠的結(jié)果。

《鳳凰周刊》：沁言學(xué)術(shù)有哪些階段性目標(biāo)和長(zhǎng)期規(guī)劃？有出海計(jì)劃嗎？

羅實(shí)：我們的愿景，就是要打造一個(gè)源于中國(guó)、服務(wù)全球科研人員的世界級(jí)應(yīng)用。

目前，我們的計(jì)劃是第一階段：立足本土，打磨產(chǎn)品（首年）。首先，我們要服務(wù)好中國(guó)的數(shù)千萬科研人員。中文學(xué)術(shù)環(huán)境有其獨(dú)特性，我們必須在這個(gè)市場(chǎng)中打磨出最穩(wěn)定、最懂中國(guó)學(xué)者的產(chǎn)品，建立起堅(jiān)實(shí)的口碑和用戶基礎(chǔ)。

第二階段：切入歐美主流市場(chǎng)，持續(xù)迭代國(guó)際化版本（1-2年）。我們優(yōu)先考慮進(jìn)入歐美主流市場(chǎng)。科研是無國(guó)界的，高效的科研輔助工具是全球所有研究者的共同需求。屆時(shí)，我們將憑借在“全流程整合”和“Agent智能”方面的差異化優(yōu)勢(shì)，與國(guó)際巨頭同臺(tái)競(jìng)技。

第三階段：全球市場(chǎng)覆蓋（3~5年）。例如東南亞、日韓等，這些市場(chǎng)的科研人員同樣面臨著將本地研究與國(guó)際接軌的挑戰(zhàn)，我們的產(chǎn)品在處理多語言和輔助英文寫作方面有天然優(yōu)勢(shì)。

而從商業(yè)化角度來看，雖然長(zhǎng)期服務(wù)好國(guó)內(nèi)用戶也能提升其付費(fèi)表現(xiàn)，但短期內(nèi)，海外市場(chǎng)會(huì)是帶動(dòng)收入大幅增長(zhǎng)的重要板塊。目前海外版本已在積極推進(jìn)，核心功能已經(jīng)初步成型，預(yù)計(jì)未來一個(gè)季度會(huì)推出首個(gè)英文測(cè)試版，并優(yōu)先邀請(qǐng)部分海外用戶進(jìn)行內(nèi)測(cè)。

《鳳凰周刊》：未來是否會(huì)探索新的技術(shù)應(yīng)用方向，如多模態(tài)融合？

羅實(shí)：這是肯定的。我們當(dāng)前的產(chǎn)品思路很明確，不自己訓(xùn)練基礎(chǔ)大模型，而是緊跟市面上最新、最強(qiáng)大的模型，從而帶給用戶更好的交付結(jié)果，然后將重心放在應(yīng)用層創(chuàng)新。

在現(xiàn)有大模型的基礎(chǔ)上，我們核心發(fā)力的是三塊：一是Agent框架，二是專業(yè)知識(shí)庫，三是工作流程優(yōu)化。這些都基于我們對(duì)用戶使用場(chǎng)景和需求的充分理解，會(huì)持續(xù)迭代優(yōu)化。

另外，多模態(tài)功能也在規(guī)劃中。因?yàn)榈讓佑玫氖峭獠磕Ｐ停罄m(xù)會(huì)結(jié)合模型能力的提升，讓Agent逐步實(shí)現(xiàn)用戶在純文本之外的需求，比如生成圖表、公式、流程圖等，滿足論文創(chuàng)作等場(chǎng)景下的多元需求。