马海群
长期深耕信息管理与情报学。研究方向涵盖档案数据开放、信息政策与公共数据利用。出版著作 30 余部，发表论文 500 余篇，主持多项国家社科基金重大与重点项目。
YANXI × OPC · 杭州 · 2026
为什么有了 AI，
为什么有了 AI，
做成一件事还是这么难？
我们没有从一个宏大的命题开始。
我们从自己每天都在做的事里找答案——做研究。
更准确地说，是我们自己正在做的社会科学研究。
大模型对话ChatGPT · Kimi · 豆包
文献检索知网 · WOS · Scholar
Word / WPS正文 · 批注 · 修订
审稿意见表分散在文档与聊天
资料版本网盘 · 本地 · U 盘
Zotero / EndNote文献库 · 引用格式
统计分析SPSS · Stata · R
返修对照表改一处牵动三处
微信文件导师 · 同门 · 邮件
期刊模板字数 · 图表 · 格式
查重 / 格式检查多系统来回传
Claude / 文心长文 · 改写
Python / Jupyter脚本 · 清洗
文本质性NVivo · 编码
绘图排版Origin · PPT
Overleaf / LaTeX公式 · 模板
组会纪要飞书 · Notion
PDF 批注Acrobat · 截图
翻译校对DeepL · Grammarly
思维导图XMind · 大纲
腾讯会议讨论 · 录屏
待办日历节点 · 延期
Markdown碎片想法
Git / VS Code代码 · 版本
手工编码表Excel 一行行标
邮件附件来回传 · 找不着
问卷星Credamo · 实验
01 · ONE FINISHED THING
先看一件已经做成的事。
同一批研究数据，走完了一条完整的论文链：分析在智研网，写作与审稿返修在 Paper Director。终稿与全流程审计可以打开核对。
官方案例 · 可公开查验
证据缺口下生成式 AI 学术信息的社群传播与协作核验机制
01 智研网研究分析社会模拟 · BERTopic · 情感 · 扎根 · 绘图
02 Paper研究蓝图问题 · 变量 · 数据 · 方法
03 Paper论文画布章节 · 图表 · 引用
04 Paper审稿返修检查 · 统一修订 · 复审
05 导出终稿交付PDF · DOCX · 审计 JSON
蓝图评审 95 分
全文审稿 93 分 · A 评级
统一返修 · 正式导出
这两个分数是我们这套流程里的审稿分，用来证明步骤被跑通、被记录、可回溯——不证明期刊已接收。
做完这件事之后，路径上的摩擦更清楚了——大致落在四道槛上。
01
TOOL FRICTION · 工具摩擦
一个研究想法，
为什么总要在工具之间来回切换？
工具并不缺。缺的是连续性：找工具、学工具、切平台、搬数据，再把结果拼回去——时间多花在衔接上。
今天一个人做研究，手里往往同时开着这些
大模型对话ChatGPT · Kimi · 文心 · 豆包
文献检索知网 · Web of Science · Google Scholar
统计与分析SPSS · Stata · R · Python 脚本
文本与质性NVivo · 自写脚本 · 表格手工编码
绘图排版Origin · PPT · Excel · Illustrator
写作与协作Word · Overleaf · 飞书文档
资料与版本网盘 · 本地文件夹 · 微信文件
沟通与反馈导师微信 · 组会纪要 · 邮件往来
每换一步，就要重新上传、导出、对齐上下文
智研网要做的事
资料进入同一个研究空间 → 分析在空间里发生 → 结果写回同一个项目。上下文不再被切碎。
ZHIYAN ENGINE
把分散的科研工具，放进一个连续的研究空间。
资料统一研究资产
减少反复上传与搬运
分析工具连续调用
文本 / 数据 / 仿真 / 绘图
结果回写研究项目
上下文不再轻易丢失
智研网解决的是：先把研究任务做起来。上百名测试用户持续使用；部分工具已进入真实论文与项目。
02
PROCESS FRICTION · 流程摩擦
结果有了，
论文却还没成形。
从「有结果」到「有论文」，中间仍有大量整理、对齐、返修与格式工作。它们必要，但往往很碎。
从「有结果」到「有论文」，中间还卡着这些事
1
组织章节结构问题—方法—结果—讨论怎么铺
2
整理图表与编号图注、表头、交叉引用一次次改
3
补文献与核引用漏引、错引、格式不统一
4
对齐研究蓝图写着写着偏离最初问题与方法
5
处理审稿意见分散在文档、聊天、批注里
6
返修后全稿复检改一处牵动三处，容易漏
7
格式与投稿规范期刊模板、字数、图表规范
8
版本与导出多份 Word 并存，分不清终稿
9
可追溯的修改记录事后说不清改了什么、为何改
PAPER DIRECTOR
先确定研究，再生成正文。所有修改落到同一套画布。
01研究蓝图问题 · 变量 · 数据 · 方法
→
02论文画布章节 · 图表 · 引用
→
03AI 审稿检查 · 评价 · 定位
→
04返修导出修订 · 复审 · 终稿
蓝图评审 95 分全文审稿 93 分 · A 评级统一返修 · 正式导出
Paper Director把研究推进到可交付的成果，而不是停在「生成一段文字」。
03 · EXPERIENCE
做过的经验，
为什么很难留在下一次？
很多卡点不是不会推理，而是「做过才知道」：不同期刊的格式体例、审稿人的偏好、哪类结果能写、哪类不能写。Skill 不是商店，而是把这些经验接进下一次执行。
格式
「同一篇稿，投不同期刊，参考文献、图表标注、标题层级往往不是一套。」
期刊
「图本身没问题，但该刊习惯三线表；版式不对，审稿人会先卡住。」
研究
「这种数据能算，但不能直接写成因果——上次就是在这里被退回。」
返修
「改方法段时，结果表编号和讨论里的交叉引用要一起动，漏一处就返工。」
来源真实任务里踩过的坑
→
沉淀可调用的操作说明
→
进入智研 · Paper · Tutor
理想状态：
换期刊、做返修、写讨论时，系统能按需带上对应经验（格式体例、常见雷区、检查项），而不是每次从零摸索。
04 · THE HUMAN LAYER
工具、流程、经验之后，
还要能判断。
什么问题值得做、结果是否站得住、经验何时可用——最终仍要人来判断。判断力不是凭空出现的，它来自持续的学习与知识积累。
这个问题值得做吗？
这个结果可信吗？
什么时候该沿用经验？
什么时候应该放下经验？
YANXI TUTOR
用学习，把判断力养起来。
需要有人教AI 私教
需要自己学学习路径
坚持不下来IBT 督学
不知道自己会多少冰桶三态
Tutor 的位置是：当问题落到人的学习时，系统不会在这里断开。
理论支撑：马海群，林鑫，陈媛媛．人智协作中的冰桶理论：人与AI的三态信息熵混合系统研究［J］．情报理论与实践，2026，49（7）：273-282．DOI: 10.16353/j.cnki.1000-7490.2026.07.031
05 · THE SYSTEM
四条能力，对应同一条链路。
分别处理：把研究做起来、把成果做出来、让经验可复用、以及人的学习与判断。
01工具
智研网
减少研究工具之间的切换、搬运和重复操作。
02流程
Paper Director
把成果制作中的多个步骤，组织成更连续的过程。
03经验
研析 Skills
把值得固定的经验沉淀下来，供 Agent 按需调用。
04学习
YANXI Tutor
在需要老师、自学支持和监督时，提供持续支持。
WHAT WE ARE TRYING TO CONNECT
学习 → 实践 → 成果 → 反馈 → 再回到学习
让原本断开的环节，有机会更连续地发生
同一条案例，已经在官网上跑过一遍。
同一批研究数据：智研完成分析 → Paper 成文、审稿、返修、导出。经验进入 Skills，学习由 Tutor 接住。终稿与全流程审计可打开核对。
06 · WHY NOW
AI 的使用方式，
正在从单次问答走向持续执行。
以前分散的工具、流程和经验，第一次越来越有可能，被一个智能执行层连接起来。
研析做的，就是科研场景里的这个执行层。
07 · MOAT
模型可以买，
界面可以模仿。
那什么不能？
✕
模型可以买
基座能力大家都能获得，这不构成差异。
✕
界面可以模仿
产品形态可以被复制，这也不构成差异。
✓
持续沉淀的工作流、经验和反馈不能
它们来自真实科研任务，需要时间、真实用户、一遍一遍跑真实任务。这件事没有捷径。
08 · MARKET
论文与研究需求的
中国与全球规模。
中国：写论文相关人群、渗透与个人支出带，数据来自教育部公报与可观察价位。全球：高等教育在学规模与学术工具市场，作同一需求的外盘对照。
中国
要写论文的在校生~4,384 万
高校专任教师222.36 万
当年本专科毕业刚需~1,105 万 / 年
师生 AI 高频使用~60%
写论文场景渗透（保守）20%–40%
个人年软件 / AI 支出约 200–1,200 元
个人侧量级约 18–220 亿人民币
本专研在校 + 教师；渗透取写论文场景；支出取可观察订阅价位。乘积只框量级。
全球
高等教育在学2.69 亿（2024）
相对中国在校生约 6×
中国 R&D 研究人员（FTE）~300–320 万
学术 AI 工具市场（参照）约 14.5 亿美元（2025）
学术研究工具市场（参照）约 21 亿美元（2025）
个人支出若对齐中国保守带量级可放大数倍
定位全球是底座，中国是先跑通的入口
全球人数与行业报告作对照，不写成我方收入预测。产品结构可向外迁移。
中国个人侧公式（可核验）
人群~4,384 万 + 教师 222 万
×
写论文渗透20%–40%
×
年支出200–1,200 元
≈
中国个人侧约 18–220 亿
本科、专科、专升本、研究生与高校教师。全球 2.69 亿在学用于对照规模；学术 AI / 研究工具美元市场用于对照品类天花板。机构侧另有高校与课题组预算。
数据来源（可核验）
- UNESCO Higher Education Global Trends：全球高等教育在学约 2.69 亿（2024）。
- 教育部：《2025年全国教育事业发展统计公报》——普通本科 2,135.77 万；职业本科 51.83 万；高职专科 1,766.36 万；在学研究生 429.95 万；本专科毕业生 1,105.10 万；专任教师 222.36 万。moe.gov.cn ↗
- UNESCO / OECD 系 R&D 统计：中国研究人员（FTE）约 300 万量级（近年口径）。
- MyCOS 高校生成式 AI 使用调查（经公开引述）——近 60% 频繁使用。
- 腾讯研究院 2025.9：已付费用户中约 55% 月支出低于 100 元；公开订阅价位约 40–200 元/月。
- 行业报告参照：Academic AI Tools 约 14.5 亿美元（2025）；Academic Research Tools 约 21 亿美元（2025）——作品类天花板对照，非我方收入。
个人侧先验证什么
持续使用，和真实付费。用自己的数字校准人均，不预估乘积。
机构侧怎么看
高校、课题组预算另列。研究院是研发协作与产品落地场景之一。
09 · TREND & GAP
AI for Science
对社会科学同样重要。
AI for Science 的投入、案例与工具供给，主要集中在自然科学。社会科学的研究生产同样需要可贯通的 AI 能力，两端不对称，形成结构缺口。
01
资源与叙事偏理工
AI4S 的公开投入与标杆项目，主要落在材料、生物、化学、物理等实验场景。管理、情报、教育、法学、图情等学科的研究生产，较少被纳入同一产品体系。
02
研究者与工程能力不匹配
社科训练强在问题设定、理论与证据，弱在模型调用、数据管道与系统集成。通用对话产品无法自动变成可重复的研究流程。
03
研究链路缺少贯通工具
文献、数据、写作、审稿、返修仍分散在多个软件与对话窗口。缺少把执行、成果、经验与学习连在同一链路上的系统。
当前供给重点
- 实验室数据与仿真
- 理工向数据与计算管道
- 实验平台与算力叙事
社科侧真实负荷
- 文献、访谈、问卷、制度与政策文本
- 论证结构、论文写作、审稿与返修
- 对工程化 AI 工具使用门槛偏高
生成式模型在语言与结构化任务上的能力，与社科研究的生产资料一致。学科应用会从实验科学扩展到文本型、证据型研究；项目级流程仍需专门系统承接。
研析补齐的是社科与文本型研究的贯通链路：工具、流程、经验、判断。中国场景是已验证的入口。10 · EVIDENCE
已经具备落地规模。
使用、成果与付费意愿，已经在真实场景里出现。
真实用户
上百名测试用户持续使用
真实使用
智研网部分工具已进入真实论文与科研项目
真实调用
平台已发生持续、高频的工具调用
真实成果
已有论文成果与真实研究报告支撑
真实流程
Paper 已跑通完整论文—审稿—返修—导出链路
真实商业信号
已产生真实付费，现有用户表现出明确付费意愿
真实科研场景
依托黑龙江大学数字社会研究院开展研发协作与产品验证
国家重大项目
依托国家社科基金重大项目开展相关研究与转化
付费意愿
真实问卷调查：94% 科研工作者愿意知识付费
有人真的在用上百名测试用户 · 高频真实调用
有成果真的做出来论文成果 · 完整流程跑通
有人真的愿意付钱真实付费 · 问卷 94% 愿意知识付费
已发表研究（部分）· 理论在先，产品在后
- 冰桶理论 · 人智三态 马海群，林鑫，陈媛媛．人智协作中的冰桶理论：人与AI的三态信息熵混合系统研究［J］．情报理论与实践，2026，49（7）． 对应：Tutor · 学习与判断
- 学术信息生产过程评价 林鑫，马海群，马小琪，张国庆．人智协同学术信息生产的过程评价模型构建——基于元认知评分的反向认知审计与实证［J］．图书与情报，2026． 对应：Paper · 流程与成果质量
- AIGC 信息生态与伪优质均衡 林鑫，马海群，等．信息拥堵与伪优质均衡：AIGC信息生态的「新柠檬化」危机及其算法规制策略研究［J］．现代情报，2026． 对应：为什么要结构化做研究，而不是堆生成
- 中美 AI 非对称竞争 林鑫，马海群．基于生态位构建理论的中美人工智能技术非对称竞争分析［J］．情报杂志，2025． 对应：竞争判断与护城河取舍
11 · LIVE PRODUCT PROOF
产品可以现场打开。
下方嵌入的是各产品真实前端沙盘（与研析官网同源），预置官方体验案例。路演时按兴趣点开即可。
12 · FROM RESEARCH, THEN OUTWARD
如果把研究拿掉呢？
把视野放远看：学习 → 实践 → 成果 → 反馈 → 再学习。这条飞轮在工程、咨询、创作等很多地方同样适用。
学习→实践→成果→反馈→再学习
研究是我们先跑通的入口。
野心不止于研究领域。13 · WHY US
我们自己是
第一批用户。
问题来自日常研究工作，产品也在同一批工作里迭代，而不是从外部想象工作流。
智研网
来自我们自己面对的工具割裂。
Paper Director
来自成果生产中的重复劳动。
研析 Skills
来自 Agent 反复犯同样的错。
YANXI Tutor
来自 AI 帮我们做得越来越多以后，对人的学习问题的继续追问。
TEAM
团队
研究与产品同源：首席专家把关学科方向，核心成员把成果做成可运行的系统。
林鑫
主导智研网、Paper Director 与研析 Skills 的产品研发。已有 CSSCI 等核心期刊论文 10 余篇，聚焦生成式 AI 与学术信息生产、人智交互及 AIGC 信息生态。
张成硕
曾任青稚护手霜资深设计师与心浪品牌产品经理。负责研析全产品界面与体验设计，将研究流程落地为可连续使用的产品体验。
14 · WHY OPC
OPC 在问的问题，
与我们正在做的实验相近。
OPC 在问一个很小的团队，借助 AI，究竟能把事情做到什么程度？
≈
研析在问一个人借助工具、经验与持续学习，究竟能把一个想法推进到什么程度？
我们希望要到深度使用的个人科研用户
我们希望要到高校、课题组与产业连接
我们希望要到产品持续迭代与规模化使用的环境