AI杀死行业研究还要多久
作者：微信文章“ AI的智能化翻译、理解、信息整合能力和多渠道、跨语言的信息搜索能力相结合，是行业研究的大杀器”
我们都知道，现在AI的进化速度实在是太快了，在脑力劳动方面大有取代人类的趋势。一边Cursor、GitHub Copilot、Claude Code、Trae等AI编程工具迅速崛起，大有取代初级程序员的趋势，美团透露大约52%的新增代码由AI编写，不少程序员朋友也感慨AI写代码的能力已经超过了自己。
而另一个脑力劳动赛道——行业研究，现在也呈现这样的趋势。2025年2月3日，chatGPT发布deep research，起初，由于彼时大家的注意力都被Deepseek所吸引，deep research并未在媒体上掀起什么浪花，然后，不少身边的小伙伴在体验过后，都对其能力表示了赞叹。而Google Gemini的deep research工具其实在2024年12月12日就已经推出，但开始只向Advanced 订阅用户开放，在open AI推出以后，2025年3月15日，Google向所有用户免费开放了该功能。国内，字节跳动5月份开源了深度研究项目DeepFlow，沉寂已久的大模型初创公司月之暗面也在6月23日推出了Kimi-Researcher。这个赛道可以说是越来越热闹了。
下面，我们就通过两个小例子，看看AI的deep research做行业研究的工作现在到底能达到什么程度。AI平台方面，我们选择了近期进步很快的Gemini。
01
—
准确分析芯片核心竞争力，进行参数计算对比
案例一是一个常见的公司尽调需求，我们输入的要求是，根据公司网站介绍的产品信息，搜索分析这个公司的芯片产品在市场上是否有竞争力，所有分析数据必须客观准确，不要只依据公司网站上的介绍。
Gemini很快给出了研究方案，用户可以根据需求修改该方案，也可以直接开始研究。
我们点击“开始研究”后，Genimi就开始搜索研究了48个网站，其中既包括海量的英文媒体报道和文献，也包括公司创始人在外的PR稿。
大约十几分钟后，Gemini给出了一份17页的报告。（我们这里使用的还只是免费的2.5 Flash模型，如果使用2.5 pro模型，据说分析报告可以达到40-50页）
报告一下子抓住了关键点——该公司芯片宣称的超高能效比，与市场上和学术界的28nm芯片相比是一个异常激进的性能目标值，并对该目标的合理性进行了对比分析和求证。
随后，google发动强大的搜索引擎，通过对海量媒体报道和文献的检索并进行指标计算分析，给出了一张完整的表格，相同口径下对比了该公司和同类竞品芯片的TOPS/W性能、关键创新、目标应用领域和产品状态。
当然，常规的市场规模分析、竞争格局分析和SWOT分析也是一个不少。
02
—
分析论文归纳总结研究方向，智能排除同名作者
第二个例子，我们是对某高校实验室的研究方向产业化前景进行分析，要求对该实验室网站上的新闻、论文、知识产权进行研究，分析其研究方向，并通过查找对比大量专业资料，判断各研究方向的产业化前景。
Gemini给出了其研究计划，并在确认后开始在给出的实验室网站（英文版）上进行浏览和理解消化。
Gemini检索了大约43篇相关网页，其中包括实验室负责人的Google学术搜索主页。
并且准确找到了该教授在亚马逊上售卖的英文书籍的链接。
在随后给出的23页报告中，AI准确地总结出该实验室的研究领域属于AI for Science，并且主要研究成果分布在生物信息学和材料信息学两个方向。
· 并且总结：该实验室发表了近200篇SCI论文，其中40余篇影响因子超过10.
接下来，分别给出了两个研究方向下进一步细分的市场规模、增长预测，以及商业化前景与挑战，也是常规操作了。
当我们要求进一步研究实验室负责人在国外期间发表的论文、分析其研究方向时，AI非常智能地通过该教授的教育背景、工作经历和研究领域，排除了一些同名或相似的研究人员。
03
—
总结
通过以上两个例子可以看到，AI 在对研究任务和目标的理解方面，已经非常智能，研究任务的执行方面，跨语言、多渠道的信息检索筛选，也非常准确。虽然信息分析综合的结果仍然有一些“AI味”，但是已经可以作为参考框架大大加快研究进度，可以一定程度上超越部分实习生和初级研究员的信息收集和整理工作。
如果能更好地解决幻觉问题，那AI在行业研究领域的实用程度将大大加强。以目前AI的进化速度，不知道还要多久，AI就可以真正取代人类研究员的工作了。而人类研究员只有进行深入的线下调研、建立丰富的私有的数据库、以及积累对行业发展规律的深入理解和洞察，才能和AI研究员相抗衡。
全文到此结束，如果觉得这篇文章有点意思，可否请您点个关注，给我个三连：点赞、转发和在看哈。
页:
[1]