一个帮数学研究者用AI找重要问题的选题雷达工具
人工智能 方向的结构化创业机会。综合分 59.26 ，可据此评估差异化、落地难度、市场空间、时间窗口与护城河。
机会标题：AI负责解题，人类需要发现重要问题：科研选题雷达
多维评分
综合分 = 创意25% + 可行30% + 市场20% + 紧迫10% + 壁垒10%。置信不计入综合分。
创意 70
可行 58
市场 52
紧迫 55
壁垒 55
置信 68
行业分类
创业方向
科研情报 / 选题发现
面向痛点
AI可以爬山式求解，但提出重要问题依赖领域发展、专家意见和美学判断；青年数学家和跨领域团队难以快速识别高价值未解问题。
解决方案
构建数学文献+专家意见+形式化库的选题雷达：聚类未解问题、追踪AI可解性、评估重要性/影响力/可行性，生成选题建议和合作者匹配。
潜在人群
数学/理论计算机研究者、博士博后、高校实验室、企业研究院
变现 / 商业模式
个人订阅+实验室团队版+高校图书馆采购；与基金申请辅导或科研服务机构合作
所需资源条件
- 学术文献数据（必须） · 数据 — arXiv、zbMATH、MathSciNet等授权或开放数据
- 专家标注（加分） · 数据 — 领域专家重要性评分
- 算力资源（可选） · 场地设备 — LLM推理与向量检索
补充说明
需解决文献版权与数据授权；专家评分需冷启动和持续维护。
所需岗位
- 算法工程师 ×2（技术） — NLP/推荐/LLM
- 数学领域专家（其他） — 内容质量
- 产品经理（产品） — 科研用户产品
风险
重要性判断主观且专家稀缺；用户付费意愿弱；通用AI助手可能覆盖部分功能。
依据
14楼：因为“提出问题”不只是提出问题，更在于“提出重要的问题”……要结合数学各个领域的发展情况、各个领域专家的意见整合。15楼：算法爬山，人类找山。
下一步验证
选一个数学子领域，用arXiv和专家访谈做重要性评分原型，验证研究者是否会为选题情报付费。
标签
科研情报,选题发现,AI辅助