新智元报道

编辑：定慧 Aeneas

百度版Deep Research（百度千帆深度研究Agent）横空出世，首秀即拿下权威榜单TOP 1。当AI真正学会「做研究」，金融、科研等高净值行业的游戏规则，全球千亿美元市场正在被彻底改写。

从2025到2026， Deep Research成了AI巨头们的兵家必争之地。

OpenAI押上了，谷歌押上了，Anthropic也押上了。

为什么？

因为通用聊天机器人的竞争已经卷到头了。

真正能赚钱的战场，是金融研报、科研综述、投研咨询这些高价值场景。

而这些场景需要的，不是能聊天，是能把复杂问题研究明白。

这正是Deep Research要解决的问题！

就在这个节骨眼上，百度出手了。

2月4日，深度研究智能体权威评测榜单DeepResearch Bench公布最新结果，百度千帆深度研究Agent直接登顶榜首，一举超越OpenAI、Gemini、Claude等一众国际顶尖选手的同类产品。

在2026年这个Agentic AI爆发元年，Deep Research已经成为大模型落地高净值行业的胜负手。

百度，拿下关键一局。

注意，这次千帆深度研究Agent的夺冠，并不是「刷分」意义上的领先，而是硬核能力的体现。

在衡量研究报告「含金量」的 四个核心维度——全面性、洞察力、指令遵循度、可读性上， 千帆深度研究Agent全面领跑。

这就传达出一个信号：AI，已经从「信息搬运工」，迈向真正的「研究型智能体」。

DeepResearch Bench

这个榜单凭什么权威？

在DeepResearch Bench上， 千帆深度研究Pro和 千帆深度研究分别拿下 第一和第二。

DeepResearch Bench是一个专为深度研究智能体设计的综合性基准测试，由学术界和业界共同推动。 它的硬核之处在于：

首先，任务级别都是博士级：包含100个研究任务（中英文各50条），覆盖22个不同学科，每个任务都是领域专家设计的博士级别研究问题。

其次，这不是那种「今天天气怎么样」的简单指令，而是真正需要AI进行深度思考、广泛调研与逻辑构建的复杂课题。

体验地址：

https://console.bce.baidu.com/qianfan/studio/officialAppCenter

为什么科技巨头都在卷Deep Research？

如果把时间拨回两年前，硅谷大公司们的主战场还很清晰。

OpenAI在用ChatGPT做最强对话助手，谷歌在做搜索+大模型，Anthropic则剑指安全、可控的通用智能。

但从25年开始，一个变化越来越明显：几乎所有头部玩家，都把 最核心的Agent能力，押在了Deep Research上。

原因就在于，通用聊天机器人的竞争已经边际递减了，但Deep Research要解决，却是能不能把一件复杂、重要的问题，真正研究明白。

这直接对应着投研、咨询、法律、科研这些客单价高、付费意愿强的场景，这也正是硅谷巨头真正想要吃下来的高价值市场。

而这背后还有一个更深层次的原因： Deep Research是模型能力上限的放大器。

因为Deep Research所比拼的，不只是模型本身，真正拉开差距的，反而是长程任务规划能力、多步工具调用的稳定性、多源信息的交叉验证，以及自我反思和路径修正能力等等。

谁能稳定跑完一个几十步、充满不确定性的研究流程，谁就最接近「可用的通用智能」。

因此也可以说，Deep Research是Agentic AI的终极落地形态。

谁能把这个路线跑通，就能证明多Agent协作是可行的，长链路推理是稳定的，AI可以完成高认知密度的任务。

这对于行业客户和资本市场，都是极强的信号。

要知道，深度研究并不是「查资料+总结」这么简单，而是一个端到端的认知流程。

它的工作流动态、多步骤，而且可迭代，还具备了规划与反思能力。

在这个过程中，AI首先需要理解复杂、开放的研究需求，然后要拆解目标，广泛检索信息。在阅读、分析、交叉验证多种来源的信息后，再经过综合推理，才能输出有结构、可验证的综合研究报告。

在闯关的过程中，AI需要突破一个个核心难点。比如：

在搜索过程中，如何避免边界无限扩张，使研究失焦？或者避免边界过早收敛，错过关键信息？

面对高度不确定和复杂的研究任务，如何平衡搜索的广度和深度，避免陷入无效循环？

如何避免复杂论述中看似合理但无法追溯至信源的「幻觉」？

实测

比ChatGPT深度研究「更深度的体验」

实测后我们发现，千帆深度研究Agent把这些核心难点一一攻克了！

首先是对问题的分析更加的精细，相比ChatGPT的深度研究功能，千帆深度研究Agent给出更深入的细节和方向。

例如询问「大模型技术演进」，它不会笼统作答，而是通过多轮交互，确认你是关注「架构细节」还是「商业影响」，是面向「技术人员」还是「投资人」。

这种 「澄清式」交互， 确保了研究方向从一开始就不跑偏。

左边是千帆深度研究Agent，右边是ChatGPT

其次是过程透明。千帆深度研究Agent允许用户在开始前修改、增删大纲，让用户对研究路径拥有掌控权。

结果交付方面，专业且结构化。千帆深度研究Agent最终交付不仅仅是文本，更支持生成结构化的精美网页、Markdown文档甚至CSV数据表。

我们在实测中发现，它提供了可视化的研究路径图、交互式的推理链条追溯和关键信源的置信度标注，极大地提升了结果的可信度。

因为通关了研究边界与核心问题的动态界定、复杂任务的稳定与效率、可解释性、幻觉等挑战，千帆深度研究Agent把当前系统的能力边界，又向前推进了一层！

百度凭什么？技术内核揭秘

登顶容易，坐稳难。要想真正创造价值，必须有足够的技术实力作为支撑。

那百度千帆深度研究Agent到底有什么「独门绝技」？

千帆深度研究Agent是基于Qianfan Agent Foundry构建的端到端Deep Research Agent。

它采用的是Agentic设计架构，通过「任务理解分析-任务思考规划-任务调度执行」的循环式agentic执行设计，实现复杂的研究任务的端到端交付。

能力基石：百度搜索——别人做不到的护城河

这是百度最大的差异化优势，也是「只有百度能做，别人做不到」的点。

为什么这么说？

百度干了 25年搜索，这25年积累下来的东西，不是靠短期冲刺能追上的：信源多、覆盖广、中文语义理解深，再加上RAG（检索增强生成）领域的技术积累，这些都是护城河。

反观Deep Research赛道的其他玩家，OpenAI、Perplexity大多依赖第三方搜索API。这意味着：他们只能搜到公开网页，因此中文互联网的「信息孤岛」对他们基本是黑箱。

这些地方，藏着大量有价值的中文信息。百度搜索深耕中文互联网多年，对这些生态有独家接入能力。

正是基于这些积累，千帆深度研究Agent才能获得更高质量、更多样化的信息源，实现更精准的中文语义理解，而且在复杂研究任务中保障内容的广度和深度。

重要设计一：由粗到细的研究路径

做过研究的人都知道，研究最难的不是找资料，而是定方向。

用户提的问题往往是模糊的、开放的，研究边界从一开始就不清晰。如果一上来就扎进细节，很容易跑偏。

百度千帆深度研究Agent采用了「由粗到细」的研究路径展开机制：

第一阶段，是宏观扫描。

这样，Agent就能通过初步信息检索，形成对研究任务的全局理解，由此就建立了一个初步研究框架。

第二阶段，是精细深入。

在此阶段，Agent会基于框架设计，逐步收集和整合信息。通过全局唯一的任务调度器，能保证任务的一致性和连贯性。

基于这些框架，Agent能不断拆解、整合、调整研究节点。

这个设计的精妙之处在于：它模拟了人类研究者「先粗后细」的自然思维方式，有效应对复杂研究任务中的不确定性。

重要设计二：深度执行路径图规划+反思

光有规划不行，还得会「反思」。

很多AI系统的问题是：规划了就一条路走到黑，哪怕发现方向错了也不知道回头。

为此，百度千帆深度研究Agent设计「深度执行路径图规划+反思」机制，在每个研究节点上进行三步操作：

1. 反思：评估当前节点的成果是否符合预期

2. 调整：根据反思结果，动态调整后续研究路径

3. 细化：基于完整路径图，细化每个节点的具体执行方案

这就像一个经验丰富的研究员，边做边检查，随时校正方向，确保最终产出符合研究目标。

架构优势：Agentic架构 vs 单体/流水线

目前Deep Research领域有三种主流架构：

单体式：OpenAI DeepResearch 控制流程统一，但扩展性有限

流水线式：n8n等工作流平台模块化程度高，但对迭代任务僵化

Agentic架构：百度千帆可扩展、并行、专业化

百度千帆深度研究Agent采用Agentic架构，通过「任务理解分析→任务思考规划→任务调度执行」的循环式设计，让多个专业Agent协同工作。

这种架构的核心优势在于：

- 可扩展性强：可以根据任务复杂度动态调配Agent

- 并行效率高：多个Agent同时工作，缩短研究时间

- 专业化分工：规划、搜索、分析各司其职

对于超复杂的长程研究任务，这种架构的优势尤为明显。

Deep Research的产业价值

B端才是主战场

说到这里，必须强调一点： Deep Research的真正价值，在产业端。

对于C端用户来说，「做个研究」可能只是偶尔的需求。但对于企业和开发者而言，深度研究能力是刚需中的刚需。

如上文所言，真正能赚钱的战场，是金融研报、科研综述、投研咨询这些高价值场景。

全球金融服务咨询市场2024年的市场规模，约为279.83亿美元。加上银行、保险客户的定制研究与报告，总和可能超过1000亿美元。

数据WiseGuy Reports

全球研究行业2024年的营收，约为1400亿美元。

数据ESOMAR

2024年全球学术出版的市场，为274亿美元。

数据Growth Market Report

如果把金融研报、投研咨询（专业机构委托）、行业研究、科研综述出版等叠加考虑，全球每年价值规模最高可高达2000亿美元级别！

金融投资：从「拍脑袋」到「有据可依」

一份高质量的投研报告，可能直接影响数千万甚至上亿的投资决策。传统做法是：分析师花一周时间，翻遍公开资料、财报、研报、新闻，最后熬夜写出一份报告。

现在，Deep Research Agent可以在十几分钟内完成这个过程——而且信息覆盖更全、来源追溯更清晰、结论更有支撑。

这对私募、券商、资管机构来说，意味着效率提升10倍以上。

咨询服务：用AI武装「知识工人」

咨询行业的本质是知识的收集、加工和输出。一个咨询项目，往往需要快速了解一个全新行业、做竞品分析、梳理市场格局。

Deep Research Agent能够成为咨询顾问的「超级外脑」：比如可以快速构建行业知识图谱、自动生成竞争格局分析、辅助产出专业报告初稿。

这不是取代咨询师，而是让咨询师把时间花在更有价值的洞察和沟通上。

企业内部：知识管理的新范式

对于大型企业来说，内部知识库往往是一座「金矿」——但大多数时候，这座金矿是沉睡的。

员工很难高效地从海量内部文档中提取所需信息。

Deep Research Agent可以与企业知识库结合，实现内部政策、流程的智能问答，跨部门信息的自动整合，以及基于企业数据的深度分析报告。

这，就是企业数字化转型的最后一公里。

开箱即用

最关键的是，百度千帆将Deep Research以开发平台能力的形式开放。

这意味着，企业无需进行复杂的二次开发，即可将这一强大的深度研究能力，直接无缝复用到各类垂直业务场景中。无论是医疗领域的学术文献综述、法律领域的案例检索分析，还是市场营销领域的竞品监测，千帆深度研究Agent都能「即刻上岗」，成为懂业务的专业研究专家。

这个广阔的市场，释放的经济价值会是惊人的。

写在最后

2026年，AI已经不满足于「聊天」，它要开始「做研究」了。

当AI能够自主完成从问题理解、信息检索、深度分析到报告生成的全流程，当它产出的研究报告在专业评测中超越了人类精心设计的标准——

我们是否应该重新思考： 研究的本质是什么？人类的价值在哪里？

度千帆深度研究Agent登顶DeepResearch Bench，这不只是一次排名的胜利，更是生产力工具的质变。

对于每一个还在用土方法做研究的专业人士来说，是时候换个“研究搭子”了。

同时，百度已将这一能力通过千帆平台开放给所有企业和开发者。在这场关于「思考深度」的竞赛中，百度已经率先交卷，真正的较量才刚刚开始。

彩蛋

就在今天（2月5日），百度放出一个大消息： 启动50亿美元股票回购计划，同时宣布公司成立26年来首次派发股息。

50亿美元，折合人民币超过360亿。

这不是喊口号，这是真金白银的自我押注。

当一家公司愿意拿出这么大一笔钱回购自己的股票，它传递的信号再明确不过：

我们对自己的技术护城河与未来增长，拥有绝对的信心。

而这份信心背后，正是文心大模型、昆仑芯、百度智能云智能基础设施，再到登顶的千帆深度研究Agent——这一整套AI全栈体系。

过去一年，百度港股涨了近50%。

当技术变现的飞轮与资本价值的回归同时启动，百度的AI价值重估正拉开序幕。

秒追ASI