Install
openclaw skills install industry-academia-research-explorer企业-产学研合作与研发评估
追踪企业与高校、科研院所联合实验室及重大研发课题合作，评估其产学研合作深度和未来技术护城河厚度。
名称
industry-academia-research-explorer
Slug
industry-academia-research-explorer
技能定位（用户可见）
追踪企业与顶尖高校、科研院所共建联合实验室及开展重大课题研发的动态，穿透公关包装，前瞻性评估其底层研发潜力与技术护城河。
描述（LLM识别）
专注前沿技术转化与企业创新生态的科技产业分析师。当用户询问某企业的底层研发实力、核心技术来源或外部科研“朋友圈”，检索某企业近期与哪些顶尖高校、科研院所或院士团队建立了合作，或意图评估某企业在特定前沿技术领域（如AI大模型、新材料、生物医药）的长线研发布局与人才蓄水池时，激活此技能。
执行逻辑：
- 实体与意向提取：提取用户指令中的“目标企业名称”，并识别是否聚焦特定的前沿技术领域。
- 触发联网搜索：构建专注科研合作与技术转化的检索式。考虑到科研合作周期较长，检索时间范围放宽至近2-3年。搜索逻辑包含：“企业名称” AND (“联合实验室” OR “产学研共建” OR “科技成果转化” OR “院士工作站” OR “创新联合体” OR “联合攻关”)，重点关注高校、科研机构官网以及科技类政府公示平台的数据。
- 高价值科研实体抽取：从新闻稿及公示文件中，精准过滤掉常规的“校园宣讲招聘”或“助学捐赠”信息，强制抽取出三个核心要素：【合作顶尖院校/科研机构名称】、【领衔挂帅专家/院士姓名】及【具体的联合攻关技术课题】。
- 护城河深度推演：评估其产学研合作的真实深度与含金量——研判其合作是仅停留在“挂牌、战略框架”的务虚阶段，还是具备明确的“技术立项、核心专利共同申请、产业化落地”实质动作。以此推导该企业未来3-5年的技术护城河厚度与潜在的技术爆发点。
- 输出格式：《产学研生态与技术底座评估简报》，包含： -（1）核心科研合作节点（生态图谱）：以清单形式列出其主导设立的高级别联合实验室、院士工作站及深度绑定的合作科研机构。 -（2）重点攻关技术靶点：清晰总结这些产学研合作网络目前正在集中攻坚的2-3个核心底层技术方向。 -（3）技术壁垒与研发后劲研判：为用户总结该企业的底层技术储备模式，评估其是“具备强自主转化能力的创新策源地”，还是“重度依赖外部技术输血”，并提示其可能的底层研发短板。
适用场景
- 招商尽职调查中评估目标企业的底层研发实力与技术来源。
- 投资人判断企业未来3-5年的技术爆发点和护城河厚度。
- 科技园区评估入驻企业的创新生态与人才蓄水池。
- 企业自身寻找标杆，了解同赛道企业如何构建产学研网络。
输入参数
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
company_name | string | 是 | 目标企业名称 |
tech_field | string | 否 | 特定前沿技术领域（如“AI大模型”“新能源材料”“生物医药”），用于过滤相关合作 |
time_range | int | 否 | 搜索时间范围（月），默认24个月（产学研合作周期通常较长，覆盖2年较合理） |
min_depth | string | 否 | 合作深度过滤，可选shallow（含框架合作）、deep（仅实质性合作），默认deep |
输出格式
输出一份《产学研生态与技术底座评估简报》，包含以下模块：
- 企业基础信息：企业名称、所属行业、当前研发人员占比/研发投入强度（如有公开数据）。
- 核心科研合作节点（生态图谱）：
- 联合实验室（联合研究院）
- 院士工作站/专家工作站
- 创新联合体/产业联盟
- 深度绑定的高校/科研院所
- 领衔专家/院士姓名及所属单位
- 重点攻关技术靶点：
- 技术方向一（名称+攻关课题+合作方）
- 技术方向二
- 技术方向三
- 合作深度判定：
- 务虚型（仅挂牌、框架协议，无具体技术立项）
- 实质型（有明确技术立项、资金投入、专利产出）
- 成果转化型（已实现产业化落地、产品上市）
- 技术壁垒与研发后劲研判：
- 底层技术储备模式（自研为主/外部输血型/混合型）
- 未来3-5年潜在技术爆发点
- 可能的技术短板或风险点
- 情报总结（供招商/投资决策参考）
一、执行流程详解
第一步：实体提取与意向识别
- 从用户输入中提取
company_name。 - 若用户提及“只看新能源方向的合作”“聚焦AI领域”等，记录为
tech_field。 - 默认时间范围24个月（产学研合作从接触到产出周期较长，2年能反映真实深度）。
- 若企业名称使用简称，建议先调用
search_ent_simple.py获取工商注册全称，以提高搜索准确性。
第二步：联网搜索策略
关键词组合（按优先级）：
| 搜索意图 | 关键词模板 | 优先级 |
|---|---|---|
| 联合实验室 | "{企业全称}" 联合实验室 | 最高 |
| 院士工作站 | "{企业全称}" 院士工作站 | 最高 |
| 创新联合体 | "{企业全称}" 创新联合体 | 高 |
| 产学研合作 | "{企业全称}" 产学研 合作 | 高 |
| 科技成果转化 | "{企业全称}" 科技成果转化 | 中 |
| 技术攻关 | "{企业全称}" 联合攻关 技术 | 中 |
| 博士后工作站 | "{企业全称}" 博士后 工作站 | 中 |
| 校企合作 | "{企业全称}" 共建 实验室 | 辅助 |
信息源优先级：
- 高校/科研机构官网（
.edu.cn、.ac.cn）：最权威，合作信息通常在“新闻中心”或“合作交流”栏目中发布 - 科技类政府公示平台（科技部、各省市科技厅官网）：重点实验室认定、院士工作站备案等信息
- 企业官网新闻中心：自述的合作动态，需与高校信息交叉验证
- 权威科技媒体（36氪、虎嗅、中国科学报）：深度报道
搜索时间限定：使用 after:YYYY-MM-DD 参数，起始日期为当前时间减去 time_range 个月。
第三步：高价值科研实体抽取
需要提取的三个核心字段：
| 字段 | 提取要点 | 输出示例 |
|---|---|---|
| 合作顶尖院校/科研机构名称 | 提取正式名称，区分高校名称与二级院系 | “北京航空航天大学（自动化科学与电气工程学院）” |
| 领衔挂帅专家/院士姓名 | 优先提取院士、“杰青”“长江学者”等头衔，其次是教授/研究员 | “李未院士”“张钹教授” |
| 具体的联合攻关技术课题 | 提取技术名词，而非公关话术；识别关键技术词如“多模态融合”“碳化硅衬底”“端侧推理” | “eVTOL飞控适航认证技术”“MEMS传感器低功耗算法” |
需过滤的低价值信息：
- 仅涉及“校园招聘宣讲会”“设立奖学金”“捐赠设备”的内容
- 无具体技术课题的“战略合作框架协议”（除非有后续进展）
- 公关性质浓重的描述：“深度合作”“强强联合”“共创未来”（这些需有实质性动作佐证）
第四步：护城河深度推演
合作深度判定标准：
| 深度等级 | 判定依据 | 示例 |
|---|---|---|
| 务虚型 | 仅挂牌或签署框架协议，无后续报道、无技术立项、无资金投入 | “双方签署了战略合作备忘录”且无后续 |
| 实质型 | 有明确的联合技术攻关课题、有研发人员投入/资金预算、有阶段性成果报道 | “联合攻克了XX技术难题”“已完成XX轮测试” |
| 成果转化型 | 实现了从实验室到产业化的跨越，产品已上市或形成销售收入 | “联合研发的XX芯片已量产”“XX药已进入临床” |
技术储备模式判定：
| 模式 | 特征 | 风险点 |
|---|---|---|
| 强自主转化型（创新策源地） | 企业主导设立联合实验室，自有研发团队规模大，产学研合作围绕自有技术路线展开 | 研发投入过大可能影响短期利润 |
| 混合型 | 部分核心自研，部分外部合作补齐短板 | 需关注合作稳定性和核心人员流失风险 |
| 重度外部输血型 | 核心技术主要来自高校授权或联合研发，自有研发能力弱 | 一旦合作中断，技术断层风险高 |
未来3-5年技术爆发点研判逻辑：
- 识别产学研合作中处于“中试阶段”或“临床II期”的技术课题（接近产业化）
- 关注获得重大科技专项资助的项目（政府背书代表方向正确）
- 关注院士工作站的实际产出（院士资源能否真正转化为产品）
二、输出示例
假设用户输入：帮我分析一下“禾赛科技”近两年的产学研生态布局，看看它的技术护城河。
# 产学研生态与技术底座评估简报
**目标企业**：禾赛科技股份有限公司
**所属行业**：激光雷达/智能驾驶
**分析时段**：2024年5月 - 2026年5月
**研发投入强度**：约25%（2025年报数据）
**研发人员占比**：约40%
## 一、核心科研合作节点（生态图谱）
| 合作形式 | 合作机构 | 成立时间 | 领衔专家 | 当前状态 |
|----------|----------|----------|----------|----------|
| 联合实验室 | 复旦大学信息科学与工程学院 | 2024.09 | 迟楠教授（可见光通信专家） | 运营中 |
| 院士工作站 | 清华大学精密仪器系 | 2023.12 | 尤政院士（中国工程院） | 2024年获批省级认定 |
| 创新联合体 | 上海市智能网联汽车创新中心 | 2025.03 | 多家企业联合 | 参与中 |
| 产学研基地 | 西安电子科技大学 | 2024.06 | 刘宏伟教授 | 已挂牌 |
| 战略合作 | 同济大学汽车学院 | 2025.08 | 余卓平教授 | 协议期3年 |
**生态图谱解读**：禾赛科技的产学研网络以**清华大学、复旦大学、西安电子科技大学**三所顶尖工科院校为核心节点，形成“器件研发—感知算法—系统集成”三大学术支撑柱。其中，与尤政院士共建的院士工作站是2024年唯一获得上海市认定的激光雷达领域院士工作站，含金量较高。
## 二、重点攻关技术靶点
| 技术方向 | 攻关课题 | 合作方 | 当前阶段 | 预计产出时间 |
|----------|----------|--------|----------|--------------|
| 硅光芯片集成 | 车规级硅光收发阵列 | 复旦大学 | 原型验证阶段 | 2027Q1 |
| 感知算法演进 | 恶劣天气点云增强算法 | 同济大学 | 已完成实验室测试 | 2026Q4 |
| 新型扫描架构 | 固态激光雷达扫描策略 | 清华大学院士工作站 | 中试阶段 | 2026Q2 |
| 芯片封装散热 | 高功率激光器封装技术 | 西安电子科大 | 已申请3项专利 | 已完成 |
**技术靶点解读**：禾赛目前的产学研重点并非提升已有产品性能，而是**布局下一代硅光芯片和固态扫描架构**——这两项技术一旦突破，将使其摆脱当前对机械式扫描的依赖，大幅降低BOM成本。院士工作站攻坚的“固态扫描策略”已进入中试阶段，属于较为迫切的产业化课题。
## 三、合作深度判定
| 合作项目 | 深度等级 | 核心证据 |
|----------|----------|----------|
| 清华院士工作站 | 实质型→成果转化型 | 已产出2项联合专利，固态扫描原型机已交付测试 |
| 复旦硅光联合实验室 | 实质型 | 有明确的3年技术路线图，双方各投入研发人员 |
| 同济大学合作 | 实质型 | 已完成算法验证，准备集成到下一代产品中 |
| 西电产学研基地 | 务虚型 | 主要是实习基地和定向招聘，未见联合技术课题 |
**整体判断**：禾赛的产学研合作整体处于较高水平——实质型及以上占比超75%。尤其值得关注的是，其院士工作站已经从“挂牌阶段”进入“成果产出阶段”，联合专利和原型机的出现是重要里程碑。
## 四、技术壁垒与研发后劲研判
### 底层技术储备模式：混合型（自研为主+外部补强）
禾赛的核心技术（收发芯片、扫描架构）以自研为主，产学研合作主要聚焦两类方向：① 高校有深厚积累的前沿方向（如复旦的硅光研究）；② 企业需要快速验证的算法课题（如同济的恶劣天气点云增强）。这种模式风险可控——核心命脉掌握在自己手中，同时通过外部合作加速边缘技术突破。
### 未来3-5年潜在技术爆发点
**【推演】**
1. **固态激光雷达量产（2026-2027）**：院士工作站攻关的固态扫描策略一旦成熟，禾赛将推出全固态激光雷达，成本有望降低40%以上，直接冲击中低端市场。
2. **硅光芯片上车（2027-2028）**：与复旦联合研发的硅光收发阵列若成功量产，将成为全球首个车规级硅光激光雷达方案，建立3-5年的代际领先。
3. **全天候感知方案（2026）**：与同济大学的算法合作有望率先解决激光雷达在雨雾天气的性能衰减问题，抢占安全冗余刚需市场。
### 可能的技术短板与风险点
1. **人才依赖风险**：院士工作站的实质性产出高度依赖尤政院士团队，若院士精力转移或合作变动，部分项目可能停滞。
2. **硅光代工不确定性**：复旦联合实验室的硅光芯片需要先进制程代工支持，国内供应链尚不成熟，存在流片失败风险。
3. **国际标准话语权不足**：产学研合作主要集中在国内高校，缺乏与国际顶尖研究机构（如MIT、斯坦福）的合作网络，在国际标准制定中声量有限。
## 五、情报总结
**评估结论**：禾赛科技属于“具备强自主转化能力的创新策源地”，其产学研布局路径清晰——围绕院士工作站和顶尖高校联合实验室，前瞻性布局下一代核心技术。相比同业竞争对手，禾赛在产学研合作的“实质深度”上处于领先位置（而非停留在框架协议阶段）。
**对招商人员的启示**：
- 禾赛正在加速固态激光雷达的产业化落地，若我方区域有光电封装、精密制造配套能力，可主动接触其供应链部门。
- 其院士工作站和联合实验室均有中试设备需求，可推荐我方园区的公共中试平台资源。
- 禾赛与高校联合培养的研究生毕业后去向值得关注——潜在的人才回流目标。
**对投资人的启示**：
- 固态扫描策略的中试进展是未来6个月的关键验证节点，建议重点关注。
- 禾赛在硅光芯片方向的重注表明其正在从“产品公司”向“平台型公司”转型，长期估值逻辑或发生变化。
> 数据截至2026年5月26日。信息来源：复旦大学官网、上海市科技厅公示文件、企业年报、36氪报道。推演内容基于公开事实的逻辑推断，不构成投资建议。
三、错误处理与注意事项
| 错误类型 | 处理方式 |
|---|---|
| 未找到任何产学研合作信息 | 返回“近{time_range}个月内未公开查询到该企业的产学研合作动态。可能原因：①企业主要依赖内部研发；②合作未公开报道；③请确认企业名称是否正确。” |
| 仅搜索到务虚型合作 | 正常输出，并在报告中明确标注“所有合作均停留在框架协议阶段，无实质性技术产出”，同时提示“该企业可能研发资源主要依赖内部” |
| 合作机构名称模糊 | 尝试通过上下文或补充搜索确认正式名称；实在无法确认时标注“机构名称待核实” |
| 院士/专家姓名无法确认 | 标注“领衔专家未在公开报道中明确披露” |
| 与特定技术领域无关的合作过多 | 利用 tech_field 参数过滤，仅在报告中保留匹配该领域的合作项 |
特别提醒：
- 严格区分“新闻通稿式陈述”与“实质性进展”，后者必须有具体数据（专利号、产品型号、投入资金、测试阶段）佐证。
- 产学研合作信息容易过度美化，建议至少从企业和高校两个渠道交叉验证。
- 与政府公示平台的备案信息（如院士工作站认定、重点实验室认定）优先级最高，可作为实质性判定的权威依据。
四、扩展能力
| 扩展功能 | 说明 |
|---|---|
| 专利共申请追踪 | 补充搜索“企业名称”+“专利申请”+合作高校名称，识别联合专利数量与质量 |
| 人才输送分析 | 搜索“企业名称”+“校园招聘”+合作高校，判断人才管道密度 |
| 竞品产学研对比 | 输入另一家企业，对比联合实验室数量、院士工作站等级、专利产出量 |
| 产学研转化周期测算 | 统计该企业过去5年从“合作签约”到“产品上市”的平均时长 |
| 政策适配推荐 | 根据企业产学研活跃度，推荐可申报的省市级“产学研联合实验室”认定项目 |
Skill 版本: 1.0 最后更新: 2026年5月26日 兼容性: openclaw 任意版本，需具备联网搜索能力及科研合作信息结构化抽取能力。