對話沁言學術CEO羅實：淺需覆蓋&深度挖掘，學術領域藏著巨大價值

AI技術的飛速迭代與發展近年來已經超乎預期。

隨著科研領域對高效協同、全流程賦能的需求日益凸顯，全球科研服務市場正邁入業態重塑的關鍵階段，其中科研Agent（學術超級智能體）細分領域，正打破傳統科研輔助工具的功能局限。

以往科研工作者對輔助工具的需求多集中在單一環節效率提升，如文獻檢索、數據計算等，如今已升級為對“全流程智能化支撐”“跨場景協同適配”的綜合訴求。在課題立項調研、實驗數據深度分析、學術成果撰寫潤色、科研成果轉化對接等場景中，AI全流程科研Agent 相關產品的應用頻率持續提升，逐步從輔助工具成長為現代科研工作中可以大幅提高效率的核心工具。

作為中國全流程AI科研Agent賽道的產品之一，“沁言學術”從文獻智能分析這一科研核心痛點切入打造差異化優勢，成功在高校科研團隊、企業研發部門、科研院所等不同用戶群體中建立起清晰的產品認知。

《鳳凰周刊》采訪到沁言學術CEO羅實，圍繞AI科研服務行業趨勢、產品功能創新、產業生態構建與未來發展布局等話題展開對話，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。

現在做Agent（學術超級智能體）產品，時間剛剛好

《鳳凰周刊》：您覺得作為初創團隊，現在入局AI這個賽道的時間點是正合適的嗎？

羅實：我覺得這個時間點其實還算是比較合適的。因為三五年之前，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。甚至去年，大家關注的點可能還是大模型本身的優化，或者說模型訓練。到了今年，大家的關注點已經從模型本身能做什么，轉到模型要落地到更細分的應用場景，能為更具體的需求產出什么、交付什么實際成果了。

從2023年創業到現在，我們也積累了不少技術。我們現在不碰模型訓練，只是結合最新大模型的能力，去滿足具體場景的需求。經過兩年的發展，大模型的能力其實已經達到了一個相對較高的水平，現在模型和各種工具的結合也有了比較成熟的方案，比如像MCP和A2A，已經能讓大模型在自身能力之外，通過調用各種工具擴展出更多的能力。這樣一來，它在學術這種相對嚴謹的領域里，就能給用戶交付更有價值的結果。所以我覺得，在這個時間節點切入科研領域，做Agent產品是剛剛好的。

《鳳凰周刊》：細分的、垂直的應用場景有很多，為什么會把它定位在科研、學術方面？

羅實：選擇學術場景作為發展方向，其實在一定程度上也存在機緣巧合的因素。我們公司的股東之一蘇新寧教授，是南大核心（CSSCI）的創始人，他讓我們得以深入了解到學術方向上用戶存在的諸多痛點，比如在科研流程中，科研工作者的大量時間往往被耗費在重復性、低創造性的事務上。

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

相較于我們此前開發的大眾向產品，那些產品滿足的多是用戶較淺層次的需求，學術領域雖看似范圍較窄，卻蘊含著大量深度且個性化的需求。而這類個性化需求，能讓我們的產品在垂直領域創造出遠超通用型產品的價值。

《鳳凰周刊》：市場上有不少AI寫作工具和通用型Agent，尤其是很多AI技術公司以及互聯網大廠已經布局很深，且覆蓋的領域很廣。沁言學術在功能、使用體驗和目標用戶上，與它們的核心差異是什么？如何吸引用戶從其他產品轉向使用沁言學術？

羅實：大廠在布局場景時，核心考量之一是用戶規模與場景覆蓋度，但在學術領域，其產品往往停留在淺層，僅能實現學術文獻搜索與基礎答案輸出。這種學術搜索功能，僅是沁言學術各項服務的底層基礎能力。

首先，沁言學術圍繞科研全流程提供服務，從選題、文獻搜索、長文生成到論文引用插入，每個環節均有針對性設計，每個學術大類下會進一步細分。如果說其他產品是關注學術領域的1個核心點，沁言學術至少會覆蓋10個以上細分要點，專業性超過了通用型產品。

其次，沁言學術以AI Agent為核心方向，堅持交付結果導向。與夸克、豆包等業界優秀產品更側重于提供快速、準確的“信息獲取”和“對話輔助”不同，沁言學術的目標是成為一個“任務完成型”Agent。用戶無需關心中間繁瑣的步驟，我們致力于直接交付如“一份肺癌相關的文獻綜述草稿”、“幫我搜索并下載50篇AI Agent相關引用量超過100的論文”這樣的最終成果。

最后，沁言學術致力于打造科研全流程無縫體驗。當前科研工作者需在多工具間割裂切換：用谷歌學術、PubMed等搜文獻，用Zotero、EndNote管理文獻，用Notion、印象筆記做閱讀筆記，用ChatGPT生成初稿，再用Grammarly潤色英文......工具間的割裂嚴重拉低效率。但沁言學術能做到一步到位，通過無縫銜接，科研工作者完成一篇可發表論文的時間，有望縮短至傳統方式的10%-20%，讓用戶可以專注于科研最核心的環節比如提出假設、設計實驗、分析結果這些真正具有創造性的工作上，助力用戶創造更多價值。

《鳳凰周刊》：沁言學術能為用戶節省多少時間和精力，有沒有具體的數據或案例支撐？

羅實：我們有個典型案例，最近有個博士生用戶，他說之前寫開題報告，從梳理各種文獻、寫綜述，到最后插入文獻，整個流程跑下來至少要一個月。現在用了我們的產品，基本上一個周末就把文獻找好了，再花一兩天生成綜述草稿，原來要一個月的工作，現在半周到一周左右就做完了，大概就是這樣一個時間量級的變化。

讓產品不只是寫論文的工具

《鳳凰周刊》：目前沁言學術的用戶人群畫像和呈現的使用效果會與最初的預期有差異嗎？如果有，針對這些差異，產品在后續的開發上會做哪些調整？

羅實：和我們最初預期有一些差異。最初我們以為主要用戶是碩士、博士，用于寫畢業論文或期刊小論文，但現在發現除了學生，青年老師也很多，他們申請科研項目、寫項目報告時，都會用我們的工具。

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，但實際發現，文獻檢索、管理、閱讀的使用頻率更高。論文寫作只是最終結果，而寫作前的準備、思考，以及作為科研工作者“第二大腦”的知識管理，其實是更強的需求。所以像這些模塊，我們之后會持續迭代優化，讓產品不只是寫論文的工具，幫他們提升從知識積累到知識輸出的全流程效率。

《鳳凰周刊》：與一些開源的科研輔助工具相比，沁言學術作為商業化產品，如何平衡付費服務與免費功能？

羅實：我們產品里所有功能目前都能免費體驗，像文獻管理、基礎閱讀筆記，甚至大模型對話這些都包含在內。針對大模型對話，我們每天還會給用戶提供免費體驗積分，不管用戶是否付費，都能正常做資料管理和文獻閱讀。

付費部分主要針對用戶的深度使用場景，尤其是深度用AI相關功能的時候。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），這些功能會消耗大量Token（處理文本的最小單元或基本元素）。雖然我們會讓用戶體驗，但為了覆蓋成本、實現盈利，這部分需要付費。而我們的核心是讓用戶感受到，用了這些付費功能，解決了關鍵痛點后，效率能有近十倍的提升，當用戶真切體驗到這種提升，自然會算清花的錢是否匹配帶來的價值。

另外，用戶付費后，我們作為商業化產品，會持續迭代優化升級。除了幫用戶解決具體需求，我們還會保障數據安全，不斷交付比通用大模型更專業、更可靠的結果。

《鳳凰周刊》：沁言學術有哪些階段性目標和長期規劃？有出海計劃嗎？

羅實：我們的愿景，就是要打造一個源于中國、服務全球科研人員的世界級應用。

目前，我們的計劃是第一階段：立足本土，打磨產品（首年）。首先，我們要服務好中國的數千萬科研人員。中文學術環境有其獨特性，我們必須在這個市場中打磨出最穩定、最懂中國學者的產品，建立起堅實的口碑和用戶基礎。

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

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

而從商業化角度來看，雖然長期服務好國內用戶也能提升其付費表現，但短期內，海外市場會是帶動收入大幅增長的重要板塊。目前海外版本已在積極推進，核心功能已經初步成型，預計未來一個季度會推出首個英文測試版，并優先邀請部分海外用戶進行內測。

《鳳凰周刊》：未來是否會探索新的技術應用方向，如多模態融合？

羅實：這是肯定的。我們當前的產品思路很明確，不自己訓練基礎大模型，而是緊跟市面上最新、最強大的模型，從而帶給用戶更好的交付結果，然后將重心放在應用層創新。

在現有大模型的基礎上，我們核心發力的是三塊：一是Agent框架，二是專業知識庫，三是工作流程優化。這些都基于我們對用戶使用場景和需求的充分理解，會持續迭代優化。

另外，多模態功能也在規劃中。因為底層用的是外部模型，后續會結合模型能力的提升，讓Agent逐步實現用戶在純文本之外的需求，比如生成圖表、公式、流程圖等，滿足論文創作等場景下的多元需求。