創(chuàng)業(yè)圈聚焦創(chuàng)新經(jīng)濟(jì)，關(guān)注創(chuàng)投機(jī)構(gòu)

AI將在多大程度上重塑科學(xué)研究（AI for Science）？這是沁言學(xué)術(shù)CEO羅實(shí)一直在思考的問(wèn)題。

2024年的諾貝爾化學(xué)獎(jiǎng)?lì)C給了利用AI模型輔助研究的科學(xué)家，這一標(biāo)志性事件讓“AI科研”徹底出圈。而早在風(fēng)口來(lái)臨之前，羅實(shí)及其團(tuán)隊(duì)就已扎進(jìn)這一賽道。作為一名畢業(yè)于清華大學(xué)的互聯(lián)網(wǎng)連續(xù)創(chuàng)業(yè)者，羅實(shí)從技術(shù)變革中嗅到了商業(yè)機(jī)會(huì)。

“傳統(tǒng)科研中，文獻(xiàn)檢索、引用插入、格式調(diào)整等機(jī)械性工作占據(jù)了學(xué)者大量時(shí)間，我們希望把他們從繁瑣中解放出來(lái)。”近日羅實(shí)在接受創(chuàng)業(yè)圈記者專訪時(shí)直言，沁言學(xué)術(shù)的目標(biāo)并非做一個(gè)簡(jiǎn)單的效率工具，而是打造一個(gè)真正懂科研邏輯、能輔助深度思考的“學(xué)術(shù)超級(jí)智能體”。

在他看來(lái)，國(guó)內(nèi)外已陸續(xù)出現(xiàn)類似產(chǎn)品，現(xiàn)在已處于學(xué)術(shù)智能體爆發(fā)的前夜。無(wú)論是深勢(shì)科技等硬科技企業(yè)的持續(xù)加碼，還是各類新興產(chǎn)品的跟進(jìn)，都標(biāo)志著“AI賦能科研”正在從共識(shí)走向競(jìng)爭(zhēng)。而在羅實(shí)眼中，這并非一場(chǎng)零和博弈，不同技術(shù)路線的產(chǎn)品將在龐大的科研生態(tài)中找到各自的土壤，而沁言學(xué)術(shù)要做的，就是守住“深耕科研場(chǎng)景”這一高地。

2025年6月，沁言學(xué)術(shù)由其經(jīng)典產(chǎn)品“邊寫邊搜”完成品牌迭代，核心團(tuán)隊(duì)匯聚了CSSCI創(chuàng)始人、清華學(xué)霸及互聯(lián)網(wǎng)大廠極客，產(chǎn)品已服務(wù)超20萬(wàn)C端科研用戶。

業(yè)內(nèi)人士普遍認(rèn)為，AI將重塑傳統(tǒng)的學(xué)術(shù)研究范式。毫無(wú)疑問(wèn)，這是一項(xiàng)野心勃勃的計(jì)劃?！拔覀兊漠a(chǎn)品定位，并不是要取代學(xué)術(shù)人群，而是希望為他們提質(zhì)增效，為每名學(xué)者提供專屬的AI研究伙伴?！绷_實(shí)表示，沁言學(xué)術(shù)并不是幫助用戶直接寫一篇論文，然后拿去投稿，“我們嚴(yán)守學(xué)術(shù)倫理底線，不幫用戶‘寫’論文，而是構(gòu)建一個(gè)專屬的AI科研伙伴?！?/p>

01

行業(yè)格局：真正的巨頭尚未成型

創(chuàng)業(yè)圈：沁言學(xué)術(shù)目前發(fā)展情況如何？

羅實(shí)：現(xiàn)在核心團(tuán)隊(duì)有30多人，幾名發(fā)起人包括CSSCI創(chuàng)建者蘇新寧教授都是長(zhǎng)期深耕學(xué)術(shù)領(lǐng)域的專家；產(chǎn)研團(tuán)隊(duì)則來(lái)自清華大學(xué)、悉尼大學(xué)、北卡羅來(lái)納州立大學(xué)、華南理工等名校，擁有華為、阿里、小米等大廠的實(shí)戰(zhàn)背景，在產(chǎn)品創(chuàng)新和落地方面經(jīng)驗(yàn)深厚。從去年起，我們針對(duì)AI在學(xué)術(shù)領(lǐng)域的落地做了大量探索?，F(xiàn)在主推的“學(xué)術(shù)超級(jí)智能體”，正處在市場(chǎng)推廣階段。

創(chuàng)業(yè)圈：公司之前有“邊寫邊搜”這款產(chǎn)品，也是幫助用戶解決學(xué)術(shù)流程問(wèn)題。學(xué)術(shù)智能體和它有什么區(qū)別？

羅實(shí)：“邊寫邊搜”可以理解為沁言學(xué)術(shù)的1.0版本，這是一款相對(duì)比較傳統(tǒng)的工具，提供文獻(xiàn)管理或文獻(xiàn)閱讀等功能，為我們積累了高質(zhì)量的學(xué)術(shù)數(shù)據(jù)資源。而現(xiàn)在的“學(xué)術(shù)智能體”是用AI重構(gòu)了整個(gè)科研工作流——從最上游的AI輔助選題，到中游的知識(shí)庫(kù)構(gòu)建，再到下游的寫作輔助。以前我們是給學(xué)術(shù)工作者一把好用的鏟子，現(xiàn)在我們是提供了一個(gè)智能化的施工團(tuán)隊(duì)。

創(chuàng)業(yè)圈：不少通用大模型也可以輔助學(xué)術(shù)寫作。和它們相比，沁言學(xué)術(shù)有什么不同？

羅實(shí)：通用大模型最大的問(wèn)題是“學(xué)術(shù)幻覺(jué)”，它可能會(huì)一本正經(jīng)地胡說(shuō)八道。而我們的核心壁壘在于“私有知識(shí)庫(kù)+精準(zhǔn)溯源”。這個(gè)知識(shí)庫(kù)可以把用戶研究方向收集而來(lái)的文獻(xiàn)，以及閱讀文獻(xiàn)時(shí)做的摘要筆記融合起來(lái)。當(dāng)需要生成一個(gè)大綱或內(nèi)容時(shí)，可根據(jù)這些已驗(yàn)證過(guò)的文獻(xiàn)、筆記，快速輸出結(jié)果。

我們的生成是“基于證據(jù)”的（Evidence-based），每一句話、每一個(gè)觀點(diǎn)都能精準(zhǔn)錨定到具體的文獻(xiàn)來(lái)源——摘要、作者、年份一目了然。這種嚴(yán)謹(jǐn)性是通用模型無(wú)法比擬的。此外，相比通用模型的整篇生成，我們輔助寫作提供的是顆粒度更細(xì)的“局部?jī)?yōu)化”，讓學(xué)者擁有更多掌控權(quán)。

02

產(chǎn)品邏輯：讓AI處理信息，人類處理思想

創(chuàng)業(yè)圈：寫論文時(shí)，文獻(xiàn)引用也是工作量很大的環(huán)節(jié)，沁言學(xué)術(shù)怎么解決這個(gè)問(wèn)題？

羅實(shí)：我們的輔助寫作功能，確實(shí)希望在這方面幫到用戶。

比如一篇博士論文，通常需要上百個(gè)文獻(xiàn)引用來(lái)支撐核心觀點(diǎn)。這是一個(gè)很繁瑣的工作。

沁言學(xué)術(shù)可以把用戶搜集的文獻(xiàn)存到知識(shí)庫(kù)，通過(guò)知識(shí)庫(kù)與寫作流程的打通，能自動(dòng)匹配觀點(diǎn)與文獻(xiàn)，將原本需要一兩天的工作壓縮至5分鐘。我們不是在炫技，而是在通過(guò)極致的效率提升，讓學(xué)者將寶貴的時(shí)間投入到更有價(jià)值的創(chuàng)造性工作中。

創(chuàng)業(yè)圈：行業(yè)里其他的學(xué)術(shù)智能體，能不能做到這些？

羅實(shí)：現(xiàn)在針對(duì)科研領(lǐng)域的AI應(yīng)用不少，國(guó)外有一些月活達(dá)到幾百萬(wàn)量級(jí)的產(chǎn)品，國(guó)內(nèi)也有不少入局者，但大多局限在文獻(xiàn)檢索或單純的對(duì)話生成等單一環(huán)節(jié)。能真正打通“檢索-閱讀-管理-寫作”全鏈路，且達(dá)到一定用戶量級(jí)的產(chǎn)品，目前國(guó)內(nèi)尚未形成頭部壟斷的產(chǎn)品。賽道的終局遠(yuǎn)未到來(lái)，這正是沁言學(xué)術(shù)的戰(zhàn)略機(jī)遇窗口。我們要做的是全流程的生態(tài)覆蓋，而非單點(diǎn)的工具修補(bǔ)。

創(chuàng)業(yè)圈：對(duì)用戶來(lái)說(shuō)，能一站式解決問(wèn)題的產(chǎn)品當(dāng)然要便捷得多。

羅實(shí)：是的。比如寫一篇論文，在傳統(tǒng)的文獻(xiàn)檢索方式下，用戶需要用不同的關(guān)鍵詞去不同的數(shù)據(jù)庫(kù)檢索，如知網(wǎng)、萬(wàn)方和Google Scholar等。檢索之后，要從幾百篇當(dāng)中做初步篩選，最終集中到幾十篇。

然后再做精讀，而后再篩選。到了寫作環(huán)節(jié)，還要不停重復(fù)檢索。如果只針對(duì)某個(gè)環(huán)節(jié)做產(chǎn)品，這是不夠的。

創(chuàng)業(yè)圈：沁言學(xué)術(shù)的學(xué)術(shù)智能體，怎么把這一過(guò)程簡(jiǎn)化？

羅實(shí)：你可以把需求——也就是模糊的研究意圖，一次性都告訴學(xué)術(shù)智能體。比如“近五年某領(lǐng)域某學(xué)者的研究綜述”。智能體不僅能自動(dòng)檢索篩選，下載至AI云盤，還能自動(dòng)完成預(yù)讀和摘要。

接下來(lái)的精讀，如果使用ChatGPT等通用大模型去讀，那要一篇篇把文獻(xiàn)丟給它。但打開(kāi)沁言學(xué)術(shù)的AI云盤，下載的文獻(xiàn)會(huì)自動(dòng)完成大致閱讀和概括，甚至還會(huì)提出一些研究問(wèn)題的建議。你可以快速就某篇論文展開(kāi)對(duì)話，智能體還能夠結(jié)合云盤里的其他文獻(xiàn)來(lái)回答問(wèn)題。

總之，你用這個(gè)智能體的時(shí)間越久，智能體積累你的研究和思考越多。準(zhǔn)確地說(shuō)，它構(gòu)建的是屬于你的“科研第二大腦”。在這個(gè)“外腦”里，它利用通用的邏輯分析能力結(jié)合你專屬知識(shí)庫(kù)，幫你把那些費(fèi)時(shí)費(fèi)力找資料、讀文獻(xiàn)的工作都做好，讓你能騰出手來(lái)，專注于最核心的深度思考，更高效地完成個(gè)性化研究。

創(chuàng)業(yè)圈：有更多的數(shù)據(jù)去訓(xùn)練，智能體的表現(xiàn)會(huì)更好？

羅實(shí)：想讓一個(gè)大模型的回答更專業(yè)，其實(shí)有兩種方式。一種是訓(xùn)練，通過(guò)構(gòu)造足夠好的數(shù)據(jù)集，基于這個(gè)數(shù)據(jù)集去做訓(xùn)練，把外部知識(shí)逐漸內(nèi)化。第二種像沁言學(xué)術(shù)的產(chǎn)品，是基于知識(shí)庫(kù)，結(jié)合運(yùn)用上下文信息和各種工具達(dá)到目標(biāo)。

這是一個(gè)基于RAG（檢索增強(qiáng)生成）的復(fù)合流程：系統(tǒng)會(huì)率先穿透用戶的私有知識(shí)庫(kù)，并實(shí)時(shí)聚合全網(wǎng)最新的學(xué)術(shù)數(shù)據(jù)庫(kù)信息，經(jīng)結(jié)構(gòu)化清洗后投喂給大模型，最終生成高置信度的答案。

創(chuàng)業(yè)圈：沁言學(xué)術(shù)智能體使用的哪一款底層大模型？

羅實(shí)：目前我們的底層大模型，集成了市面上主流大模型的功能，國(guó)內(nèi)和國(guó)外的都有。每個(gè)大模型的特點(diǎn)不同，智能體綜合了它們的優(yōu)點(diǎn)，比如有的擅長(zhǎng)偏創(chuàng)意的創(chuàng)作，有的多模態(tài)處理能力強(qiáng)，有的在長(zhǎng)文寫作上表現(xiàn)更好，有的推理能力更強(qiáng)。我們會(huì)做一個(gè)融合。

03

技術(shù)與倫理：底線是不觸碰學(xué)術(shù)不端

創(chuàng)業(yè)圈：按沁言學(xué)術(shù)的產(chǎn)品邏輯，專業(yè)知識(shí)庫(kù)非常重要，它是如何構(gòu)建的？

羅實(shí)：準(zhǔn)確地說(shuō)，應(yīng)該是私有知識(shí)庫(kù)。

學(xué)術(shù)人群的文獻(xiàn)管理會(huì)涉及很多文獻(xiàn)，他們還會(huì)做摘錄和筆記。比如我們有個(gè)用戶，他做了大概5000多條筆記。按傳統(tǒng)的學(xué)術(shù)研究方式，可能需要用戶去打上各種各樣的標(biāo)簽，方便使用時(shí)檢索。但我們的知識(shí)庫(kù)，是把知識(shí)切片放到一個(gè)數(shù)據(jù)庫(kù)里面。當(dāng)用戶對(duì)話時(shí)，會(huì)自動(dòng)檢索與上下文語(yǔ)義類似的內(nèi)容并輸出答案。這就相當(dāng)于為他建設(shè)了一個(gè)私有知識(shí)庫(kù)。

另外，我們正開(kāi)發(fā)一個(gè)“知識(shí)廣場(chǎng)”的功能，行業(yè)專家可以選擇共享知識(shí)。用戶在輔助寫作過(guò)程中，就可以把別人的知識(shí)庫(kù)掛載到自己的對(duì)話中來(lái)。

創(chuàng)業(yè)圈：沁言學(xué)術(shù)是否考慮自己做一個(gè)官方知識(shí)庫(kù)？

羅實(shí)：學(xué)術(shù)領(lǐng)域細(xì)分方向很多，我們自己真正專業(yè)和深入了解的，是計(jì)算機(jī)或AI相關(guān)領(lǐng)域。這方面的知識(shí)庫(kù)可能會(huì)做。

不過(guò)，針對(duì)完全不熟悉的領(lǐng)域，就需要與外部合作，比如學(xué)校、醫(yī)院或者科研機(jī)構(gòu)。我認(rèn)為，無(wú)論建私有知識(shí)庫(kù)還是公共知識(shí)庫(kù)，前提是做好底層的基礎(chǔ)設(shè)施。這套東西是都需要的。

創(chuàng)業(yè)圈：上面提到訪問(wèn)外部數(shù)據(jù)庫(kù)，可以全文下載文獻(xiàn)嗎，有沒(méi)有版權(quán)風(fēng)險(xiǎn)？

羅實(shí)：我們目前對(duì)接的外部數(shù)據(jù)庫(kù)，是偏公域和開(kāi)源的類型。比如通過(guò)某些平臺(tái)下載文獻(xiàn)，是沒(méi)有版權(quán)問(wèn)題的。我們正與國(guó)內(nèi)多家主流學(xué)術(shù)數(shù)據(jù)庫(kù)推進(jìn)商業(yè)授權(quán)合作，致力于在合規(guī)框架下為用戶提供文獻(xiàn)獲取服務(wù)。

用戶在使用我們的智能體時(shí)，下載付費(fèi)文獻(xiàn)會(huì)扣除相應(yīng)的“沁點(diǎn)”，也就是內(nèi)部“貨幣”。沁言學(xué)術(shù)再和外部數(shù)據(jù)庫(kù)按比例分成。

創(chuàng)業(yè)圈：做學(xué)術(shù)智能體，通常會(huì)調(diào)用各種外部工具，這方面進(jìn)展如何？

羅實(shí)：我覺(jué)得一個(gè)很大的挑戰(zhàn)是，智能體在接到一項(xiàng)任務(wù)時(shí)，需要準(zhǔn)確理解用戶意圖和工具本身可提供的服務(wù)，就是意圖和能力之間的匹配。大模型和工具之間的連接，需要不斷完善。

除此之外，我們考慮把一部分構(gòu)建工具的能力，交給第三方去做。因?yàn)閷W(xué)術(shù)領(lǐng)域很廣，不太可能覆蓋所有領(lǐng)域，僅靠自己是不行的。第三方搭建工具平臺(tái)或插件平臺(tái)，我們做好接入，供智能體做任務(wù)過(guò)程中去調(diào)用。這有助于解決智能體對(duì)不同領(lǐng)域的工具調(diào)用問(wèn)題。

創(chuàng)業(yè)圈：提到不同學(xué)術(shù)領(lǐng)域，是不是涉及到很多公式或圖表的學(xué)科，學(xué)術(shù)智能體應(yīng)對(duì)起來(lái)更麻煩一些？

羅實(shí)： 我們需要把學(xué)科分為兩類來(lái)看。對(duì)于數(shù)學(xué)、理論物理這類“數(shù)據(jù)密集型”或“文獻(xiàn)密集型”學(xué)科，通用大模型通過(guò)概率預(yù)測(cè)機(jī)制（Next Token Prediction），已經(jīng)能很好地處理復(fù)雜的公式推導(dǎo)和邏輯驗(yàn)證，這部分能力進(jìn)化極快。

真正的挑戰(zhàn)在于那些強(qiáng)實(shí)驗(yàn)性的學(xué)科，也就是我們常說(shuō)的“濕實(shí)驗(yàn)”。目前的瓶頸在于數(shù)字智能與物理世界的鴻溝尚未完全填平。雖然AI暫時(shí)無(wú)法替科學(xué)家拿起試管做實(shí)驗(yàn)，但我們正在做的是——讓AI成為實(shí)驗(yàn)設(shè)計(jì)的“參謀長(zhǎng)”。它可以在實(shí)驗(yàn)前進(jìn)行海量模擬推演，篩選出成功率最高的方案，從而極大地降低實(shí)驗(yàn)試錯(cuò)的成本。這是目前AI對(duì)實(shí)驗(yàn)學(xué)科最大的價(jià)值。

04

商業(yè)與未來(lái)：從文字到多模態(tài)

創(chuàng)業(yè)圈：學(xué)術(shù)智能體是否存在一定的學(xué)術(shù)倫理的風(fēng)險(xiǎn)？

羅實(shí)：這是一個(gè)原則性問(wèn)題。我們的核心價(jià)值觀是 “反學(xué)術(shù)不端，做科研增效”。我們嚴(yán)守一條紅線——絕不提供“輸入標(biāo)題直接生成論文”的服務(wù)。

我們將產(chǎn)品嚴(yán)格定位在“副駕駛”的位置。我們負(fù)責(zé)處理“寫作前”的信息搜集和“寫作后”的格式潤(rùn)色，因?yàn)檫@些環(huán)節(jié)屬于“低創(chuàng)造性勞動(dòng)”；而論文的核心觀點(diǎn)、創(chuàng)新方法論等“高創(chuàng)造性勞動(dòng)”，必須且只能由學(xué)者本人完成。AI是來(lái)輔助駕駛的，方向盤必須始終握在人手里。

創(chuàng)業(yè)圈：那怎么考慮數(shù)據(jù)隱私和安全問(wèn)題？

羅實(shí)：這是很重要的一個(gè)問(wèn)題。我們會(huì)在技術(shù)層面做加密和隔離，用戶把云端的數(shù)據(jù)放在我們數(shù)據(jù)庫(kù)之后，即使物理介質(zhì)被盜走，也無(wú)法直接讀取。而且，每個(gè)用戶的訪問(wèn)權(quán)限都有嚴(yán)格的機(jī)制。我們也不會(huì)拿用戶的數(shù)據(jù)去做訓(xùn)練，這是底線。

創(chuàng)業(yè)圈：現(xiàn)在用戶拓展有沒(méi)有新進(jìn)展？

羅實(shí)：我們C端的注冊(cè)用戶有20多萬(wàn)，通過(guò)這些科研用戶的實(shí)戰(zhàn)驗(yàn)證，目前正在將這套成熟的產(chǎn)品拓展到B端市場(chǎng)，比如和一些大學(xué)、醫(yī)院或期刊雜志推進(jìn)合作。沁言學(xué)術(shù)的商業(yè)模式，是訂閱和Token付費(fèi)相結(jié)合，用戶可以根據(jù)自身需求去購(gòu)買不同的服務(wù)方案。

創(chuàng)業(yè)圈：對(duì)于服務(wù)用戶人群的設(shè)想是什么樣的？

羅實(shí)：我們的核心用戶是深耕學(xué)術(shù)和科研一線的專業(yè)群體，包括高校師生、科研人員、醫(yī)務(wù)工作者以及一些企業(yè)研發(fā)團(tuán)隊(duì)。這些人群很多時(shí)候創(chuàng)造的價(jià)值比較大，因此對(duì)能帶來(lái)提效的工具，付費(fèi)意愿通常比較強(qiáng)。這種類互聯(lián)網(wǎng)產(chǎn)品，核心還是看產(chǎn)品體驗(yàn)，如果能超出用戶預(yù)期，他們還是很認(rèn)可的。

最近，沁言學(xué)術(shù)在科教重鎮(zhèn)湖南長(zhǎng)沙落地，長(zhǎng)沙作為中部的科教重鎮(zhèn)，擁有深厚的學(xué)術(shù)資源與算力產(chǎn)業(yè)基礎(chǔ)。我們將研發(fā)運(yùn)營(yíng)中心落地于此，意在打造‘產(chǎn)學(xué)研用’的閉環(huán)示范基地。

創(chuàng)業(yè)圈：目前公司能不能做到收支平衡？

羅實(shí)：公司目前的現(xiàn)金流健康，整體經(jīng)營(yíng)狀況實(shí)際上已經(jīng)接近收支平衡的臨界點(diǎn)。接下來(lái)，我們將重點(diǎn)發(fā)力B端，與高校、醫(yī)院及期刊機(jī)構(gòu)深度合作。

創(chuàng)業(yè)圈：下一步還有什么產(chǎn)品計(jì)劃？

羅實(shí)：下一步，我們的核心發(fā)力點(diǎn)是多模態(tài)技術(shù)。學(xué)術(shù)科研工作從來(lái)不只是文字處理，圖表、公式、數(shù)據(jù)也是信息密度很高的地方。所以，我們要突破純文本的限制，幫用戶解決流程圖繪制、數(shù)據(jù)圖表生成這些最耗時(shí)的痛點(diǎn)，成為科研人員真正的“第二大腦”。

創(chuàng)業(yè)圈：針對(duì)海外市場(chǎng)的計(jì)劃是什么？

羅實(shí)：海外市場(chǎng)可能會(huì)是完全獨(dú)立的一個(gè)產(chǎn)品。我們考慮把一部分現(xiàn)有功能拆出來(lái)，部署到海外市場(chǎng)獨(dú)立運(yùn)營(yíng)。因?yàn)橹杏⑽膶W(xué)術(shù)環(huán)境差異巨大，不僅是語(yǔ)言問(wèn)題，更涉及到引用規(guī)范、版權(quán)體系以及用戶交互習(xí)慣的根本不同。我們需要用更本土化的產(chǎn)品邏輯去參與全球競(jìng)爭(zhēng)。

作者 | 郭儒逸

編輯 | 彭巖鋒

獲任執(zhí)行總裁70天，王建國(guó)帶給5800億美的集團(tuán)什么？

新機(jī)薄過(guò)iPhone Air，聯(lián)想手機(jī)業(yè)務(wù)能夠重新起跑嗎？

“浙大系”創(chuàng)業(yè)軍團(tuán)有多猛？梁文鋒等校友批量涌現(xiàn)！