編者按：

2023年，從百度文心一言開始是中國大模型的井噴之年，國內眾多企業與研究機構競相發布大模型，市場呈現一片繁榮景象，但同質化競爭日益嚴重，隨著2024年價格戰的蔓延，百度喊出了“卷應用”的聲音，希望業內從單純追求模型規模轉向關注模型的實際應用價值和用戶的深度需求。

（刊圖由文心一言生成）

在科技日新月異的今天，內容創作工具也在不斷迭代升級，為創作者帶來更加便捷、高效的創作體驗。作為一名長期關注并實踐內容創作的科技作者，我有幸體驗了兩款頗具代表性的產品：Kimi和百度橙篇，分別在最火熱的新能源和新材料領域，進行專業查詢和專業課題研究的測試。

在對比使用過這兩款產品之后，我深刻體會到了為創作者所帶來的自由、便捷與沉浸式創作服務，尤其是在滿足科研、學術等專業領域一站式創作的深度需求，就是“卷應用”的最直接的一種表現。

寫研報

一款給力的生產力工具

我們認為，考察一款工具是否具備寫研報的能力，著重需要考察，研究課題的結構完整、邏輯縝密、數據準確、生成流暢、操作簡單。

于是我們選擇最科技前沿的課題：

新能源汽車行業發展趨勢深度分析報告：現狀、技術革新、市場趨勢與政策環境展望。

首先使用KIMI進行寫作。

Kimi只能提供最基本提綱，形成完整的報告，但是不代表Kimi沒有歸納寫研報資料的能力。只是通過Kimi寫研報，需要很多步驟：

這里需要解釋下，由于Kimi并不能直接生成完整的報告，所以需要按照提綱不斷Prompt,生成段落，然后由使用者將這些段落串聯起來。根據提綱，結構的完整可以保障，但內容的邏輯性和觀點的創新性，全需要創作者花費大量的時間和經驗。

于是我們使用橙篇進行寫作

第一步，打開百度橙篇https://cp.baidu.com/

第二步，點擊課題報告，輸入研究課題。

第三步，點擊生成長文，等待10分鐘。(看樣子的確需要消耗不少算力，不過沒問題，不是30分鐘或者更長)

第四步，打開報告，即可。

我基本可以肯定用過的人，只有兩種感受：驚詫和驚喜。

這絕對是一份可以成為范例的研報，總計23024字，在左側結構嚴謹的羅列著整個研報的邏輯架構，總計分為，摘要、技術革新與突破、市場趨勢預測、政策環境支持、基礎設施進展、產業鏈協同與整合、消費行為與市場需求、未來展望與策略八個板塊，結構還有參考信息和信息來源。

由于過于強大，無法一一做詳細的介紹，挑最簡單的摘要來看一下。摘要分成三個部分：分別介紹了新能源汽車的銷售現狀、主要市場分布和特點以及消費消費者接受度分析，之所以在摘要中體驗，首先我們研究的對象是新能源汽車現狀，所以橙篇認為，新能源汽車的銷售、市場特點以及消費需求對于讀研報的人來說是最重要的，因此，在摘要中簡明扼要且一語中的地提出來。

這一點，真是不服不行。

我們來看數據準確性，所有數據來自最新的資料，最新的居然是7月14日，如下圖。

這里還需要強調的是，在生成研報前，橙篇會首先生成研報的邏輯框架，創作者可以自由修改，橙篇會根據新的框架進行生成。（簡直不要太強大了）

當然強大的編輯功能是必不可少的，全文校正、格式整理。。。。。。凡是你需要常規操作都具備，豐儉由君還免費。

結論：

Kimi與橙篇在撰寫研究報告中的差距顯著。Kimi雖能生成基本報告框架，但內容相對簡短且局限于互聯網公開信息，難以支撐深度分析和專業見解。而橙篇依托強大的AI技術和專業資料庫，不僅能生成邏輯嚴謹、內容翔實的長文報告，還支持多模態創作和深度編輯，滿足專業科技作者對研究報告的高標準要求。橙篇的綜合性能力遠超KIMI，成為撰寫高質量研究報告的理想選擇。

一個高效完美的助手

專業科技作者查專業資料的重要性不言而喻。它不僅能夠幫助作者確保內容的準確性和權威性，還能夠提供最新的科研成果、行業動態以及專業見解，從而使作品更加豐富、深入且具有前瞻性。通過詳盡的資料查閱，科技作者能夠更好地把握領域內的發展脈絡，避免誤導讀者，同時提升自己的專業素養和寫作能力。

于是依然選擇了最科技前沿的課題：

新能源材料發展與應用的最新研究報告和文獻摘要，對Kimi和橙篇進行新的測試。

使用KIMI查詢

結果大多來自網絡報道，

使用橙篇查詢

發現橙篇有兩個選項，學術搜索和AI全國搜索點擊學術搜索。

先點擊學術搜索。

再試試點擊全網搜索

由于Kimi沒有專業的學術搜索，我覺得有必要對全網搜索和專業學術搜索做一別比較和說明。

全網搜索和專業學術搜索主要在搜索范圍、目標受眾、信息類型以及搜索算法上有所不同。

搜索范圍：全網搜索旨在覆蓋互聯網上的廣泛信息源，包括網頁、社交媒體、新聞、博客、論壇、視頻等多種類型的內容。專業學術搜索，專注于學術和科研領域的文獻資料，包括期刊文章、會議論文、學位論文、專利、技術報告等。

目標受眾：全網搜索面向一般公眾，滿足大眾的日常信息需求，如新聞瀏覽、購物查詢、娛樂信息、生活指南等。專業學術搜索主要服務于學生、研究人員、學者和專業人士，他們需要深入且可靠的研究資料。

信息類型：全網返回的結果可能包括各種格式和可信度的信息，從個人博客到權威網站，從商業廣告到用戶評論。專業學術搜索返回的是經過同行評審的學術內容，確保信息的質量和學術價值。此外，可能還包括引用分析、作者信息、出版物統計等元數據。

搜索算法：全網搜索通常會考慮諸如網頁的流行度、鏈接結構、關鍵詞匹配等因素，有時也會使用AI技術來理解搜索意圖和上下文，提高搜索結果的相關性。專業學術搜索除了基本的關鍵詞匹配，還可能使用特定的文獻計量學原理和算法，如洛特卡定律、布拉德福文獻分散定律、齊普夫定律等，來優化搜索結果，使其更符合學術研究的標準。

綜合比較，AI全網搜索更加廣泛和通用，適合日常生活和工作中的信息查找；而專業學術搜索則更加專注和精確，適用于學術研究和專業領域的深入探索。學術搜索工具往往具備更專業的過濾和分析功能，幫助用戶在海量的學術文獻中高效地找到最相關和最權威的資料。

結論：

Kimi與橙篇在專業查詢中存在顯著差距。Kimi雖然能夠處理多種文件格式并進行信息檢索，但其資料多來源于互聯網公開內容，對于專業、深度的學術資料支持有限。相比之下，橙篇依托百度文庫、百度學術及全網數十億的專業信息和資料，提供AI全網智能檢索和學術檢索功能，資料豐富且實時更新，更能滿足專業科技作者在科研、學術等領域的高精度查詢需求。橙篇的專業查詢能力顯著優于Kimi，成為專業創作者不可或缺的助手。

結 語

大模型卷應用的真諦：智能化、個性化與一站式服務

在使用橙篇的過程中，我逐漸領悟到了大模型“卷應用”的真諦。橙篇背后所依托的百度強大的人工智能技術，讓內容創作不再是簡單的文字堆砌，而是成為了一種智能化的、高度個性化的創作體驗。

它如同一位智慧的導師，能夠根據我們的創作習慣和領域偏好提供定制化的創作建議；又如同一位靈感的源泉，在我們遇到創作瓶頸時給予無盡的創意與啟發。

更重要的是，橙篇在提供強大功能的同時，還保持了極高的易用性，讓我們能夠在短時間內迅速上手并投入到創作之中。這種自由、便捷與沉浸式的創作體驗，正是一名專業創作者夢寐以求的。

回首從Kimi到橙篇的使用歷程，我們會深感科技進步對于內容創作領域的巨大影響。而百度橙篇的出現，無疑為創作者提供了一個更加自由、便捷、高效的創作平臺。它讓我深刻體會到了大模型卷應用所帶來的智能化、個性化與一站式服務的魅力，也讓我對“卷應用”的這一理念有了更加深刻的理解與感悟。

推動大模型技術在實際場景中的深度落地，實現從量變到質變的跨越，因為科技永遠是新質生產力的主戰場。