《一个面向数学猜想发现与优先级评估的科研工具》
人工智能 方向的结构化创业机会。综合分 56.84 ，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：帮助数学界发现新问题并评估重要性的AI知识图谱
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 82
可行 40
市场 45
紧迫 55
壁垒 70
置信 75
行业分类
创业方向
AI4Science/科研情报
面向痛点
AI更擅长在已有框架下解题，难以提出优质新问题；数学进步依赖好问题和方向判断，而问题提出依赖对证明过程、工具依赖和领域空白的大量阅读。
解决方案
基于文献、证明过程和引用网络构建数学知识图谱，识别证明中未解决的子问题、可推广方向和工具缺口，辅助数学家提出新猜想并评估重要性。
潜在人群
高校数学研究者、数学期刊、科研基金/评审机构
变现 / 商业模式
机构订阅、科研情报服务、与基金/期刊合作的分析报告
所需资源条件
- 启动资金（必须） · 资金 — 约50-150万
- 数学文献数据库/引用网络（必须） · 数据 — arXiv、zbMATH等
- LLM API/算力（必须） · 供应链 — 用于图谱抽取
- 数学期刊/基金合作渠道（加分） · 流量渠道 — 专家与客户
补充说明
需专家标注问题重要性；初期可先做组合数学或数论领域的子问题推荐。
所需岗位
- 数据科学家（技术）
- NLP工程师（技术）
- 数学研究员（技术）
- 后端工程师（技术）
- 产品经理（产品）
风险
价值难以量化，依赖专家且市场很小，判断重要性容易主观。
依据
42楼：“三流的数学家解决问题，二流的数学家提出问题，一流的数学家告诉我们哪些问题更重要”；108楼：“数学本身是没有题目的，题目都是数学家想出来的。”
下一步验证
选一个数学子领域，构建论文-定理-工具依赖图，先验证能否自动推荐有价值的未解子问题。
标签
AI4Math,知识图谱,科研情报,问题发现