拒絕做“論文槍手”，專訪沁言學術(shù)CEO羅實：為科學家構(gòu)建“科研第二大腦”

本文來源：時代周報 作者：郭儒逸

AI將在多大程度上重塑科學研究（AI for Science）？這是沁言學術(shù)CEO羅實一直在思考的問題。

2024年的諾貝爾化學獎頒給了利用AI模型輔助研究的科學家，這一標志性事件讓“AI科研”徹底出圈。而早在風口來臨之前，羅實及其團隊就已扎進這一賽道。作為一名畢業(yè)于清華大學的互聯(lián)網(wǎng)連續(xù)創(chuàng)業(yè)者，羅實從技術(shù)變革中嗅到了商業(yè)機會。

“傳統(tǒng)科研中，文獻檢索、引用插入、格式調(diào)整等機械性工作占據(jù)了學者大量時間，我們希望把他們從繁瑣中解放出來。”近日羅實在接受時代周報記者專訪時直言，沁言學術(shù)的目標并非做一個簡單的效率工具，而是打造一個真正懂科研邏輯、能輔助深度思考的“學術(shù)超級智能體”。

在他看來，國內(nèi)外已陸續(xù)出現(xiàn)類似產(chǎn)品，現(xiàn)在已處于學術(shù)智能體爆發(fā)的前夜。無論是深勢科技等硬科技企業(yè)的持續(xù)加碼，還是各類新興產(chǎn)品的跟進，都標志著“AI賦能科研”正在從共識走向競爭。而在羅實眼中，這并非一場零和博弈，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，而沁言學術(shù)要做的，就是守住“深耕科研場景”這一高地。

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

業(yè)內(nèi)人士普遍認為，AI將重塑傳統(tǒng)的學術(shù)研究范式。毫無疑問，這是一項野心勃勃的計劃。“我們的產(chǎn)品定位，并不是要取代學術(shù)人群，而是希望為他們提質(zhì)增效，為每名學者提供專屬的AI研究伙伴。”羅實表示，沁言學術(shù)并不是幫助用戶直接寫一篇論文，然后拿去投稿，“我們嚴守學術(shù)倫理底線，不幫用戶‘寫’論文，而是構(gòu)建一個專屬的AI科研伙伴。”

行業(yè)格局：“真正的巨頭尚未成型”

時代周報：沁言學術(shù)目前發(fā)展情況如何？

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

時代周報：公司之前有“邊寫邊搜”這款產(chǎn)品，也是幫助用戶解決學術(shù)流程問題。學術(shù)智能體和它有什么區(qū)別？

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

時代周報：不少通用大模型也可以輔助學術(shù)寫作。和它們相比，沁言學術(shù)有什么不同？

羅實：通用大模型最大的問題是“學術(shù)幻覺”，它可能會一本正經(jīng)地胡說八道。而我們的核心壁壘在于“私有知識庫+精準溯源”。這個知識庫可以把用戶研究方向收集而來的文獻，以及閱讀文獻時做的摘要筆記融合起來。當需要生成一個大綱或內(nèi)容時，可根據(jù)這些已驗證過的文獻、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、每一個觀點都能精準錨定到具體的文獻來源——摘要、作者、年份一目了然。這種嚴謹性是通用模型無法比擬的。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的“局部優(yōu)化”，讓學者擁有更多掌控權(quán)。

產(chǎn)品邏輯：“讓AI處理信息，讓人類處理思想”

時代周報：寫論文時，文獻引用也是工作量很大的環(huán)節(jié)，沁言學術(shù)怎么解決這個問題？

羅實：我們的輔助寫作功能，確實希望在這方面幫到用戶。

比如一篇博士論文，通常需要上百個文獻引用來支撐核心觀點。這是一個很繁瑣的工作。

沁言學術(shù)可以把用戶搜集的文獻存到知識庫，通過知識庫與寫作流程的打通，能自動匹配觀點與文獻，將原本需要一兩天的工作壓縮至5分鐘。我們不是在炫技，而是在通過極致的效率提升，讓學者將寶貴的時間投入到更有價值的創(chuàng)造性工作中。

時代周報：行業(yè)里其他的學術(shù)智能體，能不能做到這些？

羅實：現(xiàn)在針對科研領(lǐng)域的AI應(yīng)用不少，國外有一些月活達到幾百萬量級的產(chǎn)品，國內(nèi)也有不少入局者，但大多局限在文獻檢索或單純的對話生成等單一環(huán)節(jié)。能真正打通“檢索-閱讀-管理-寫作”全鏈路，且達到一定用戶量級的產(chǎn)品，目前國內(nèi)尚未形成頭部壟斷的產(chǎn)品。賽道的終局遠未到來，這正是沁言學術(shù)的戰(zhàn)略機遇窗口。我們要做的是全流程的生態(tài)覆蓋，而非單點的工具修補。

時代周報：對用戶來說，能一站式解決問題的產(chǎn)品當然要便捷得多。

羅實：是的。比如寫一篇論文，在傳統(tǒng)的文獻檢索方式下，用戶需要用不同的關(guān)鍵詞去不同的數(shù)據(jù)庫檢索，如知網(wǎng)、萬方和Google Scholar等。檢索之后，要從幾百篇當中做初步篩選，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)，還要不停重復檢索。如果只針對某個環(huán)節(jié)做產(chǎn)品，這是不夠的。

時代周報：沁言學術(shù)的學術(shù)智能體，怎么把這一過程簡化？

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

接下來的精讀，如果使用ChatGPT等通用大模型去讀，那要一篇篇把文獻丟給它。但打開沁言學術(shù)的AI云盤，下載的文獻會自動完成大致閱讀和概括，甚至還會提出一些研究問題的建議。你可以快速就某篇論文展開對話，智能體還能夠結(jié)合云盤里的其他文獻來回答問題。

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

時代周報：有更多的數(shù)據(jù)去訓練，智能體的表現(xiàn)會更好？

羅實：想讓一個大模型的回答更專業(yè)，其實有兩種方式。一種是訓練，通過構(gòu)造足夠好的數(shù)據(jù)集，基于這個數(shù)據(jù)集去做訓練，把外部知識逐漸內(nèi)化。第二種像沁言學術(shù)的產(chǎn)品，是基于知識庫，結(jié)合運用上下文信息和各種工具達到目標。

這是一個基于RAG（檢索增強生成）的復合流程：系統(tǒng)會率先穿透用戶的私有知識庫，并實時聚合全網(wǎng)最新的學術(shù)數(shù)據(jù)庫信息，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。

時代周報：沁言學術(shù)智能體使用的哪一款底層大模型？

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

技術(shù)與倫理：“底線是不觸碰學術(shù)不端”

時代周報：按沁言學術(shù)的產(chǎn)品邏輯，專業(yè)知識庫非常重要，它是如何構(gòu)建的？

羅實：準確地說，應(yīng)該是私有知識庫。

學術(shù)人群的文獻管理會涉及很多文獻，他們還會做摘錄和筆記。比如我們有個用戶，他做了大概5000多條筆記。按傳統(tǒng)的學術(shù)研究方式，可能需要用戶去打上各種各樣的標簽，方便使用時檢索。但我們的知識庫，是把知識切片放到一個數(shù)據(jù)庫里面。當用戶對話時，會自動檢索與上下文語義類似的內(nèi)容并輸出答案。這就相當于為他建設(shè)了一個私有知識庫。

另外，我們正開發(fā)一個“知識廣場”的功能，行業(yè)專家可以選擇共享知識。用戶在輔助寫作過程中，就可以把別人的知識庫掛載到自己的對話中來。

時代周報：沁言學術(shù)是否考慮自己做一個官方知識庫？

羅實：學術(shù)領(lǐng)域細分方向很多，我們自己真正專業(yè)和深入了解的，是計算機或AI相關(guān)領(lǐng)域。這方面的知識庫可能會做。

不過，針對完全不熟悉的領(lǐng)域，就需要與外部合作，比如學校、醫(yī)院或者科研機構(gòu)。我認為，無論建私有知識庫還是公共知識庫，前提是做好底層的基礎(chǔ)設(shè)施。這套東西是都需要的。

時代周報：上面提到訪問外部數(shù)據(jù)庫，可以全文下載文獻嗎，有沒有版權(quán)風險？

羅實：我們目前對接的外部數(shù)據(jù)庫，是偏公域和開源的類型。比如通過某些平臺下載文獻，是沒有版權(quán)問題的。我們正與國內(nèi)多家主流學術(shù)數(shù)據(jù)庫推進商業(yè)授權(quán)合作，致力于在合規(guī)框架下為用戶提供文獻獲取服務(wù)。

用戶在使用我們的智能體時，下載付費文獻會扣除相應(yīng)的“沁點”，也就是內(nèi)部“貨幣”。沁言學術(shù)再和外部數(shù)據(jù)庫按比例分成。

時代周報：做學術(shù)智能體，通常會調(diào)用各種外部工具，這方面進展如何？

羅實：我覺得一個很大的挑戰(zhàn)是，智能體在接到一項任務(wù)時，需要準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。因為學術(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或插件平臺，我們做好接入，供智能體做任務(wù)過程中去調(diào)用。這有助于解決智能體對不同領(lǐng)域的工具調(diào)用問題。

時代周報：提到不同學術(shù)領(lǐng)域，是不是涉及到很多公式或圖表的學科，學術(shù)智能體應(yīng)對起來更麻煩一些？

羅實： 我們需要把學科分為兩類來看。對于數(shù)學、理論物理這類“數(shù)據(jù)密集型”或“文獻密集型”學科，通用大模型通過概率預測機制（Next Token Prediction），已經(jīng)能很好地處理復雜的公式推導和邏輯驗證，這部分能力進化極快。

真正的挑戰(zhàn)在于那些強實驗性的學科，也就是我們常說的“濕實驗”。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暫時無法替科學家拿起試管做實驗，但我們正在做的是——讓AI成為實驗設(shè)計的“參謀長”。它可以在實驗前進行海量模擬推演，篩選出成功率最高的方案，從而極大地降低實驗試錯的成本。這是目前AI對實驗學科最大的價值。

商業(yè)與未來：從文字到多模態(tài)

時代周報：學術(shù)智能體是否存在一定的學術(shù)倫理的風險？

羅實：這是一個原則性問題。我們的核心價值觀是 “反學術(shù)不端，做科研增效”。我們嚴守一條紅線——絕不提供“輸入標題直接生成論文”的服務(wù)。

我們將產(chǎn)品嚴格定位在“副駕駛”的位置。我們負責處理“寫作前”的信息搜集和“寫作后”的格式潤色，因為這些環(huán)節(jié)屬于“低創(chuàng)造性勞動”；而論文的核心觀點、創(chuàng)新方法論等“高創(chuàng)造性勞動”，必須且只能由學者本人完成。AI是來輔助駕駛的，方向盤必須始終握在人手里。

時代周報：那怎么考慮數(shù)據(jù)隱私和安全問題？

羅實：這是很重要的一個問題。我們會在技術(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)庫之后，即使物理介質(zhì)被盜走，也無法直接讀取。而且，每個用戶的訪問權(quán)限都有嚴格的機制。我們也不會拿用戶的數(shù)據(jù)去做訓練，這是底線。

時代周報：現(xiàn)在用戶拓展有沒有新進展？

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

時代周報：對于服務(wù)用戶人群的設(shè)想是什么樣的？

羅實：我們的核心用戶是深耕學術(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)團隊。這些人群很多時候創(chuàng)造的價值比較大，因此對能帶來提效的工具，付費意愿通常比較強。這種類互聯(lián)網(wǎng)產(chǎn)品，核心還是看產(chǎn)品體驗，如果能超出用戶預期，他們還是很認可的。最近，沁言學術(shù)在科教重鎮(zhèn)湖南長沙落地，長沙作為中部的科教重鎮(zhèn)，擁有深厚的學術(shù)資源與算力產(chǎn)業(yè)基礎(chǔ)。我們將研發(fā)運營中心落地于此，意在打造‘產(chǎn)學研用’的閉環(huán)示范基地。

時代周報：目前公司能不能做到收支平衡？

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

時代周報：下一步還有什么產(chǎn)品計劃？

羅實：下一步，我們的核心發(fā)力點是多模態(tài)技術(shù)。學術(shù)科研工作從來不只是文字處理，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的痛點，成為科研人員真正的“第二大腦”。

時代周報：針對海外市場的計劃是什么？

羅實：海外市場可能會是完全獨立的一個產(chǎn)品。我們考慮把一部分現(xiàn)有功能拆出來，部署到海外市場獨立運營。因為中英文學術(shù)環(huán)境差異巨大，不僅是語言問題，更涉及到引用規(guī)范、版權(quán)體系以及用戶交互習慣的根本不同。我們需要用更本土化的產(chǎn)品邏輯去參與全球競爭。