一、研究利器，仓促发布
今天（美东时间2025年2月2日）OpenAI推出了Deep Research工具，不仅与去年12月谷歌推出的研究智能体助手名称撞车（这里有一个详细介绍和比较），而且又要抢很多下游开发者的饭碗了。
我们也一直在思考开发AI4DH平台和工具，很多想法很类似，但实现策略很不相同。
二、四大能力，展示潜力
从今天简短的发布会看，Deep Research的能力主要表现在：
1.高效信息获取和整合：Deep Research由即将发布的OpenAI o3模型的特定版本驱动，专为网页浏览和数据分析进行了优化，能够根据用户提示词进行意图分析，与用户进行交互目标确认。这期间还要进行安全分析，与人类价值观对齐，避免有害信息输出。然后制定计划并进行任务分解，再进行分步执行，通常需要快速搜索浏览大量在线资源，整合信息，高效完成复杂的分析研究任务，并生成详尽的研究报告，必要时还可以修改、调整计划，迭代执行。整个时间数分钟到几十分钟，可以输出数万字的“研究报告”。
2.能够进行多模态分析：Deep Research能够处理文本、图像和PDF等多种格式的数据。除了在线搜索获得资料，还支持用户资料上载，目前还不支持音视频资料。人工完成这一过程通常需要数小时到数天时间，但Deep Research可在数十分钟内完成。
3.具有很强的推理能力：Deep Research在科学研究（包括人文社会科学和数学）领域表现出一定能力，OpenAI应该是将其定义为Level3（agents）的智能水平，而科学家至少应属于Level4（innovators），相比较而言谷歌Gemini与之同名的Deep Research应该还属于Level2（Reasoner），只能充当资料收集摘要编写者角色。OpenAI的Deep Research能够有效寻找专业信息，展现类人的处理方式。它通过分析用户输入，理解其需求，并制定相应的行动计划。在执行过程中还能与目标进行比对评判，进行自我反思和调整，以确保任务的顺利完成。它会根据实时信息进行回溯和反应，确保任务执行的准确性和有效性。
4.能够自动化复杂任务：在“人类终极考试”等高难度评测中，Deep Research取得了26.6%的准确率，远高于DeepSeek R1的9.1%，显示出其在复杂任务中的能力。但具体应用效果如何尚无法得知。
目前Deep Research只面向月付200美刀的Pro用户开放。据说等一段时间我们plus用户就能用上。人们相信由于面临DeepSeek的竞争，OpenAI将不得不放下身段，在产品功能和定价上会更加亲民。
三、技术演进，揭示趋势
从技术实现上来说，Deep Research也属于目前炙手可热的智能体应用，大模型的能力越强，智能体的实现越简单。
大模型公司的长处在能够不断提高模型能力，这样可以把大量的工作“内化”到大模型内部进行处理（例如采用MOE、CoT等），这是目前的一个明显趋势。
我们当初的想法是将研究工作切割成不同单元，通过灵活的工作流组合串联起来，期间意图识别、任务分发、数据分析、报告生成、评价总结等都通过智能体编程实现，这种做法虽然也有可能实现满足需求的应用，但复杂程度难以把控，只能通过对智能体框架及其应用的标准化来实现一定的通用性，智能化程度明显不够。看来我们还是幼稚了。
AGI的最大价值就是全自动和自学习，任何人工干预的想法都是缺乏扩展性的。因此还需要借助模型的进步，不断学习，不断简化架构设计。
四、定位清晰，力有未逮
Deep Research目前的应用案例主要还是面向市场调研、行业分析、技术报告撰写等，对标咨询公司的行业分析师职位，差不多博士生水平，主要还不是面向科学研究（如前所述，还达不到Level4的智能），对比Sakana的应用“AI Scientist”，取名就那么雄心勃勃。估计OpenAI对科研所需数据的可获得性、推理的复杂度、结论的准确性和可信度还不是很有信心。对于具体的科学问题，常常需要更加专深的领域知识，要能够连接高质量的商业数据库，或通过API连接本地知识库和应用系统，要能够获取更多的上下文信息和用户画像，以及模仿领域专家的思路和方法、进行专业领域的实验设计和结果分析等，Deep Research似乎还力有未逮。
从Deep Research目前的定位和能力来看，假以时日，开发AI4S应用还是有可能的。如果不算AlphaFold/RossettaFold/MattergenAI等专门领域的AI应用，与AI4S相关的，目前只有Sakana的AI Scientist、斯坦福的STORM、Scispace（typeset.io）和谷歌的Deep Research等少数几个，大都属于学术界的开源试验，尚未投入商业使用。
结论：破局之道，本地方案
Deep Research算是第一个实用的研究类AI智能体，除了它目前的功能尚不成熟之外，它作为一个闭源云服务，用户的数据隐私无法得到保障是一个巨大的障碍，我们的许多应用一定要在本地局域网中实现，数据的安全性极其重要。
因此一个可行的策略是学习Deep Research的架构设计和实现方案，利用当下最优秀的DeepSeek开源模型，结合领域数据库和知识库，搭建开发本地的Deep Research。
Let's Make AGI Real 
留下评论