最近我用一个模拟买车的场景测试了一下OpenAI的Deep Research。具体的应用场景是我在年轻的时候看的一般是性能车，但是随着年龄增长和家庭实用需求，逐渐了解到还有另一种车强调的是NVH（Noise, Vibration, and Harshness）。但我对这个领域几乎没有任何了解，所以就希望通过Deep Research辅助我做一次模拟购车。从前期调研到中期选择到后期谈判压价，在ChatGPT上模拟走完整个流程，来理解Deep Research对我们的日常生活到底有多大帮助。 注意，这里我们用OpenAI的Deep Research只是举个例子。虽然我个人的经验是OpenAI Deep Research的调研质量远远高于其他竞品，但是其他类似的工具，比如Perplexity Deep Research或者Gemini with Deep Research，也可能达到类似的效果。 先说结果，不试不知道，一试吓一跳。在Deep Research的加持下，我的整个调研、思考和决策的流程有了很大的深化。 第一个也是最明显的感受是Deep Research这个产品本身极大地提升了我调研的效率。对于NVH这样一个全新的领域，传统的方法是在互联网上搜索，然后阅读大量网页和资料，最后在这个基础上进行思考和总结，形成自己的观点。但是首先o1 Pro已经可以系统详细地向我介绍NVH到底是什么了，让最基本的扫盲一下就完成了。然后，Deep Research进一步用具体的例子让抽象的讲解一下变得鲜活立体。比如介绍NVH的厂商有哪些，具体是怎么实现的，市场策略和卖点如何。这等于将调研这个手工过程自动化了，而且它产生的调研报告的质量相当高，系统性解答了我的很多问题。因此，Deep Research让我能够在短时间内有条理地摄入大量信息，大致/浅层地了解一个新的领域，这本身就节约了大量的时间。 在这个基础上，我又领会到了第二个好处：因为调研、阅读和做笔记的体力活被Delegate给Deep Search了，我就有更多的余力来做高层抽象的思考。在有了对NVH领域的基本理解以后，下一步就是对要买的车型进行收窄。在AI年代以前，我可能会去做一个非常完善费时的调研。比如整理一下哪些车型强调NVH，每种车型它的卖点是什么，缺点是什么，品牌形象如何，大家网上包括第三方车评媒体和普通用户对它的评价怎么样。然后汇总成一个报告。这个调研本身是巨量的工作量，在没有AI+我自己不是汽车专家的情况下，可能需要泡在网上花5-10个小时才能真正逐渐缩窄到我们可能感兴趣的车型，然后再做更详细的报告。如果能做到这一点，拿到这样一份报告，其实从due diligence的角度来说，已经做得非常好了。 但是，在使用Deep Research以后，我的感觉是它完全重新定义了什么叫一份“好”的调研。在Deep Research的帮助下，我的调研的广度和深度轻松地突破了我们刚才说到的这几点。举个例子，在使用DeepResearch快速搜集了上面我们提到的典型车款，优缺点及评价以后，我们基本上花了10分钟做完了5个小时的活。接下来就有余力去思考其他可能遗漏的方面。比如我额外调研了四个领域： - 残值。经过调研，我迅速地发现电动车的残值在开头几年下降得特别快。比如，Lucid的电车和奔驰的EQS前三年基本会跌掉60%的价格。 - 可靠性。不同的车型可靠性的口碑评价也非常不一样。比如说路虎，开了一段时间没问题的二手车甚至比新车还贵。 - 在Deep Research的启发下，我还进行了库存积压的调研。比如，它在Edmunds这个网站上发现奔驰EQS680这款车现在有100多台在售，甚至有24年的车到现在还没卖出去[[链接](https://www.edmunds.com/new-mercedes-benz-maybach-gls-for-sale-seattle-wa/#:~:text=Edmunds%20has%20105%20New%20Mercedes,600%20SUV%20ranging%20in%20price)]，这暗示着它可能有很大的折价空间。 - 我们也做了一些买车压价的调研。比如在Reddit上面，有人提到它甚至可以把EQS680这辆车的价格砍下23%。 这极大地拓展了我做调研的深度和广度。在没有DeepResearch的情况下，由于投入时间的限制，我根本不可能把调研做得这么完备。 第三点好处和第二点好处是一脉相承的。正因为在调研方面我们轻松地实现了以前所不能达到的深度和广度，这进一步解放了我的脑力。当把这些完备的信息呈现在我的眼前的时候，我就可以在这些基础上进行思考，触及以前没有能力触及的领域。举个例子，以前当我做完每种车的优缺点评价以后，我就会去找dealer，开始试驾、看车、砍价了。因为整个脑子完全被调研overwhelm/overload，而且我自己对谈判砍价兴趣也不高，所以往往就是夏季八砍，最后很多情况原价买。 但是在看了这些调研的数据之后，鲁钝如我也意识到奔驰EQS 680可能是一个可以大砍的车型，它积压严重，首年贬值严重，就暗示了有可能和经销商砍价可以得到相当不错的折扣。同时Reddit上也出现了类似的成功例子。因此我就和o1 Pro进一步探讨了一下，我应该用什么样的谈判策略来拿到好的价格。o1 Pro进行了系统的分析和回答。它提到：虽然我看到前面我们调研的NVH好的车里面有一些高端品牌，比如劳斯莱斯、宾利等等，但是你在谈判的时候千万不要提这一点。因为你要从sales的角度来揣摩他的心理。一旦你提了这一点，他就会把你定位成不差钱的客户，就不会跟你谈价格，而是跟你谈历史、谈传承、谈奢华体验，跟你的目标背道而驰。因此，你应该跟他说我同时在考虑一些价格更低的车型，同时要强调它们有哪些地方比EQS更好，通过这种方式来获得谈价的主动权。同时给sales营造一个客户画像：你有一些小钱，能买得起这个车，不是来随便问着玩的，但同时又很在乎性价比。如果他出价低，可能能够谈下这单。这些分析从Sales的角度出发，打开了我的视角，感觉特别有道理。 但下面的问题就是，我也不知道到底有哪些车可以作为竞品来砍价。所以Deep Research又帮我具体进行了搜索，找到了几个有针对性的备选车型，比如凯迪拉克Escalade IQ、保时捷卡宴Hybrid和奥迪e-tron Q8，向我介绍了每一款相比于EQS的性能优势、价格优势和谈判策略。我觉得这些都特别有帮助。不仅节省了时间，更重要的是让我触及了以前凭我自己的能力完全没有可能达到的深度。如果说前两点好处还是帮我更快的找到答案的话，这一点等于是重新定义了问题的边界。 因此总体来说，我觉得OpenAI的Deep Research这个调研工具相比于传统的人肉调研的方法，带来了成倍的生产力提升。一方面，它让调研这件事本身变得特别高效、简单。同时，无论在调研还是在其他方面。它也让我们达到以前所达不到的深度和效果。这让我进一步感受到AI对我们的现实生活有很多潜力可以挖掘，尤其是这种人类和AI打配合的情况。AI负责数据挖掘，把搜集和清洗过的数据给我看。我负责认知炼金，从里面提炼insight，决策下一步的方向，然后继续再AI的支持下进一步深化。 只是注意，在整个过程中我们还是要履行一个AI Manager的职责，对重要的细节要点到网页里去核查。Deep Research这样的工具让核查这件事情变得特别简单，只要点进去看一下就好了，它甚至会帮你把相关的语句高亮出来。在我的整个实验中，我没有看到它有什么差错，但是这一步仍然是要做的。