基于 SemRank 策略报告，交互式对比竞品能力矩阵，识别市场空白， 评估差异化优势，辅助产品决策。
选择产品进行多维度能力对比，识别 SemRank 的差异化优势区间
基于引用意图分类与主题子图的语义增强 PageRank，提供可解释的学者影响力评估
清华唐杰团队打造的综合学术平台，含AI2000学者排名、科研龙虾Agent等功能
Smart Citations 将引用分类为支持/提及/对比，提供引用上下文展示
Allen AI 打造的 AI 驱动学术搜索引擎，支持高影响力引用识别
Elsevier 面向机构的科研绩效评估平台，覆盖全球21000+研究机构
输入一篇论文，生成相似论文关系图谱，帮助研究者发现相关文献
基于种子论文的文献网络图谱和个性化推荐，号称「Spotify for Papers」
通过竞品分析发现的三大核心未满足需求，SemRank 的差异化机会点
现有工具要么只统计引用量（AMiner），要么只做单篇引用分类（Scite），没有任何产品将「引用意图」与「学者全局影响力排名」深度融合并提供可解释结果。
h-index等传统指标存在严重学科偏差（计算机领域引用量远高于数学领域），现有工具均未提供基于「主题子图」的领域内公平比较机制。
SciVal等工具功能强大但价格极高，大量中小高校、科研院所、期刊编辑部有真实需求但无法负担，是一个巨大的蓝海市场。
AMiner已推出「科研龙虾」接入OpenClaw，但其底层排名数据缺乏语义质量。Agent生态需要一个高质量的学者影响力数据API层。
SemRank 最大的战略机会在于：用「语义增强」这一技术差异化，切入 AMiner 等大平台尚未深耕的「引用质量」和「可解释性」赛道。 五阶段算法体系中的引用意图分类（阶段4）和主题子图（阶段3）是真正的护城河—— 这是 Scite 做了一半（分类）但没有做完（与排名结合）的事情，也是 AMiner 完全没有做的事情。
基于 SemRank 算法能力，分阶段推进的具体产品功能规划
区分「继承式」与「提到式」引用，生成技术演进图谱
市场上唯一将引用意图与技术演进路线图结合的产品
三阶段渐进式产品化路径，从单点突破到生态扩张
验证「引用深度解析」的市场付费意愿
建立学者发现平台用户基础
拓展B端商业化 + 接入Agent生态
这是与所有竞品差异最大的功能，技术上已具备实现条件。建议直接全收费上线，快速验证付费意愿。
1200万学者数据是宝贵资产。持续补齐画像字段，开放学者认领机制，一旦形成规模将构建极高数据壁垒。
将 SemRank 定位为「Agent 的大脑」，通过 API 接入各类 Agent 平台，而非自建完整 Agent 产品。