2024 年，OpenAI 的 Sam Altman 提出了 AI 发展的五个阶段——

"Chatbot、Reasoner、Agent、Innovator、Organization"。

而我们目前大致处于 Agent 阶段，AI 继续推进的下一个阶段则是 "Innovator" 阶段。

在这个阶段，AI 会在人类发现新知识方面发挥关键作用。

事实上，不需要到 Innovator 阶段，今天 AI 的能力其实也已经在辅助学术研究领域逐渐开始扮演越来越重要角色。

今天我们就通过一个产品来聊一聊 AI 可以如何帮助学术研究者更高效地做好研究。

一、科研工作者在做研究时的痛点到底是什么？

作为一名在深圳大学念完经济学硕士而没有选择继续读博的 " 学术逃兵 "，我至今对完成一篇高质量的学术论文心有余悸。

但仔细想一想，做学术研究和我写科技类文章多少也有异曲同工的地方——

比如，首先你得选一个领域，然后你要对这个领域有足够多的输入，知道该领域的核心逻辑是什么样的，其他人都做了哪些工作。

接下来你才能再次基础上选择一个独特的切入点，深挖、发掘，从而写出其他人没有写过的角度、做出其他人没有做过的工作。

我念书的时候，论文指导老师说过这样一句话——

" 我们的前辈做研究的时候，图书馆都不多，我们这一代有了图书馆，而你们这一代有了互联网，有了知网，方便太多了，至少做研究前的文献综述要便捷一个数量级。"

而今天，我们有了 AI，又给了学术研究者一个强有力的辅助工具。

它能更高效地帮助学术人员更便捷地找到目标领域的科研成果，更直观地阅读前人的科研文献，更方便地提供选题参考，更高效地辅助学术写作。

接下来，我们就以 AI 重构过的百度学术为例，来看一看，AI 可以如何成为真正有用的 " 研究助手 " ——

二、从点到面——通过 " 搜 " 和 " 读 " 搞懂目标学术领域的已有成果

以一个学术研究的入门型选手硕士研究生为例，开始研究的第一步，通常是根据自己的专业和兴趣，和导师确定一个大致的研究方向。

下一步就是海量的文献输入，也就是文献综述。

这往往是学术研究中最耗时、最枯燥，也最考验研究者耐心和信息检索能力的一环。

AI 重构后的百度学术，在 " 搜 "、" 读 "、" 创 "、" 编 " 这四个关键环节上，提供了一套组合拳，旨在将研究者从繁琐的重复劳动中解放出来。

下面我们继续以一个经济学硕士的身份，来体验撰写一篇关于 " 信息经济学 " 的论文会是怎样的流程：

第一步，自然是 " 搜 "。

在百度学术的搜索框中用自然语言输入——

" 请帮我搜索和 " 信息不对称 " 相关的核心高引用量论文，包括国内论文和外刊论文 "

其 AI 专业搜可以直接生成可溯源的学术性综述，并支持多种格式的参考文献引用和导出。

而 AI 全网搜能提供更宏观、更通俗的背景知识，让研究者能对该主题有一个综合的了解，以便进一步寻找选题方向。

最基础的文献搜索保留传统文献筛选、排序功能，同时新增 AI 助手，在搜索页可针对文献内容进行 AI 问答，方便随时理解论文内容。

这种设计，能让研究者，尤其是一个领域的初学者，先通过全网搜索建立起一个基本的认知框架，再通过学术搜索精准地切入核心文献，整个过程平滑且高效。

找到几篇核心的入门文献后，挑战才刚刚开始。

一个领域的研究往往枝繁叶茂，如何快速摸清一个领域的脉络，找到 " 学术地图 "？

这时，" 论文图谱 " 的功能就派上了用场，在任何一篇文献的详情页，都可以一键生成它的 " 关系图谱 "。

这个图谱并不是直接罗列，而是一个可视化的知识网络。

比如，图中每一个节点代表一篇论文，节点的大小代表被引用的次数，颜色深浅代表发表年份，节点间的距离则代表了内容的相关性。

通过这张图，我可以很直观地看到，" 信息经济学 " 这个领域有哪些开创性的、被引用最多的经典文献（节点最大的），最新的研究进展是什么（颜色最深的），以及哪些研究方向和我的兴趣点最接近（距离我当前查看的文献最近的）。

点击任何一个节点，就能直接跳转到那篇论文，这让研究者可以顺着知识的脉络，快速地从一篇文献拓展到一个领域，完成知识的体系化构建。

找到了几十篇相关文献，下一个难题就是 " 读 "。

传统的方式是一篇篇地啃，费时费力。

百度学术的 " 辅助阅读 " 功能则试图解决这个效率难题，用户可以批量上传 PDF 或 Word 格式的文献，AI 助手会对这些文献进行结构化总结。

它可以按照研究内容、研究方法、创新性、局限性等维度，生成一份清晰的总结报告。

这意味着，我可以在短时间内快速过一遍几十篇文献的核心要点，筛选出与我的研究方向最相关、最需要精读的几篇，从而极大地提升了文献阅读的效率。

三、从输入到输出——通过 " 创 "、" 编 " 让 AI 在研究中成为称心的助手

完成了输入，就进入了更关键的输出环节—— " 创 " 与 " 编 "，即写作和编辑。

这也是 AI 能够深度介入，成为研究者 " 副驾驶 " 的阶段。

当一位研究生对 " 信息经济学 " 的文献有了足够的了解后，" 选题推荐 " 功能可以帮助其更好地构思。

比如，AI 可以根据我们输入的领域和兴趣点，推荐相关的论文选题，或者针对研究者的初步想法，进行开题分析，探讨其可行性和创新性。

这对于思路枯竭或者需要灵感碰撞的研究者来说，是个相当实用的功能。

在具体的写作过程中，百度学术也内置了编辑器，支持插入复杂的数学或经济学公式，让写作流程更连贯。

这是一个很实用的功能。

以前，研究者通常在文献平台和本地的写作软件（如 Word）之间频繁切换。

想要在草稿中插入一个复杂的计量经济学模型或数学公式时，就不得不中断思路，去调用独立的公式编辑器，比如 MathType，或者是在 Word 里用不那么顺手的公式工具。

这个过程通常会打断写作时的心流状态，后续从不同来源复制粘贴的内容还常常导致格式混乱，为后期的排版校对埋下工作量。

百度学术内置的编辑器正是为了解决这一痛点，它可以直接在平台内开始撰写。

对于经济学研究而言，无论是微观经济学的效用函数，还是宏观经济学的动态模型，都可以通过其内置的公式编辑器方便地生成和插入。

此外，百度学术还接入了 SPSSPRO 这一专业的在线数据分析工具，对于经济学这类需要大量实证分析的学科而言，是一个解决痛点的功能。

具体而言，经济学、社会学、管理学等高度依赖实证分析的学科，装统计 SPSS 这类统计软件是必不可少的工序。

研究小白通常会面临软件学习成本高、授权费用贵等一系列问题。

而百度学术接入 SPSSPRO，将原本需要在本地客户端完成的描述性统计、回归分析、因子分析、信效度检验等复杂操作，迁移到了云端。

这意味着，一位经济学研究者在百度学术上确定了研究模型后可以直接调用 SPSSPRO 处理和分析自己的研究数据。

这对于以数据驱动的实证研究而言，是一个直观的效率提升。

有了以上这些一站式的功能，意味着研究者可以在同一个平台内完成从文献检索、论文写作到数据处理与分析的全流程工作，进一步打通了学术研究的各个环节。

四、AI 改造后的 " 百度学术 " 致力于为科研工作者提供一站式服务

经过 AI 重构，百度学术的目标显而易见——成为一个覆盖研究全流程的一站式服务平台。

而实现这一目标的基础，是其背后强大的学术资源。

从资源体量上看，它收录了超过 6.9 亿的文献资源，位于全国领先。

其中，可免费获取的全文内容量达到 1.6 亿，它覆盖了 104 万个学术资源站点，日均更新文献量高达 42 万，中文文献覆盖率达 97%，均位列国内第一。

与此同时，经过 AI 重构之后，其智能化程度也在全球学术产品中属于第一梯队。

在资源的权威性上，在国内，它与万方、维普、知网这三大专业的学术数据库达成了合作，实现了国内核心资源的广泛覆盖。

未来，百度学术希望从一个 " 知识的平台 " 演变为一个综合性的 " 学术交流平台 "。

例如，通过为每位学者建立独一无二的学术身份系统，打造一个不下线的学术沙龙以促进线上交流，。

让有价值的学术成果能出圈，真正实现其社会价值。

结语

1997 年 2 月，美国公司 Infoseek 的一位名叫 Robin Li 的年轻技术专家申请了一个名为 " 超链分析 " 的专利 ( Hypertext document retrieval system and method，专利号 5,920,859 ) 。

这个给网页排名算法的灵感源自其在北大念书所领悟到 " 引用量是论文声誉和质量的核心来源 "，而这个专利后来成为互联网搜索引擎奠基技术之一。

28 年之后，这个年轻人创办的搜索引擎公司依然还在通过工具产品为学术研究赋能。

只不过，这一次，不是用古典的办法，而是更有效率的 AI。

的确，从 " 创编存管 " 到 " 找看用享 "，百度学术这次的 AI 重构，并不是一个孤立的动作。

它其实是百度用 AI 重构和改造文库、网盘和学术这三个产品的一个缩影，目前，这三个国民级产品已经成为百度 AI 重构最彻底、最全的产品。

而这个计划的目标就是：让 AI 更好地服务广义上的 " 内容创作者 "。

让工具回归本分，让人回归创造，或许就是这个阶段 AI 赋能创作者的正确解法。

—— End ——