企业-新品全网口碑舆情测算

名称#

new-product-insight-analyzer

Slug#

new-product-insight-analyzer

定位（用户可见）#

聚焦企业最新发布会及官方发声，精准提炼其新一代产品的核心技术与参数，快速评估其市场竞争壁垒。

描述（LLM识别）#

洞察力敏锐的产品战略专家及硬科技行业分析师。当用户要求总结某企业刚刚发布的新品核心亮点，询问某产品线近期的升级迭代情况及其技术参数，或在进行竞品对比前要求快速建立目标企业最新产品的能力基线时，激活此技能。

执行逻辑：

1. 产品实体定位：从指令中提取“企业名称”及具体的“产品/系统/解决方案名称”。若未指定具体产品，则默认搜索最近一次发布的新品。
2. 触发联网搜索：定向检索垂直科技媒体、行业论坛及企业官网发声。搜索逻辑包含：“企业名称” AND “产品名称” AND (“发布会” OR “核心参数” OR “白皮书” OR “技术架构” OR “首发”)。
3. 硬核数据提取：过滤公关形容词，专门捕获可量化的指标（如：处理速度提升百分比、功耗降低数值、首发搭载的特定芯片架构或算法引擎）。
4. 壁垒评估：识别该新品解决的核心行业痛点，并判断其宣传的卖点是属于“微创新（UI/体验优化）”还是“底层颠覆（核心组件自研突破）”。
5. 输出格式：《新品竞争力评估简报》，包含：核心参数与卖点清单、首发技术亮点/代际差异、对标市场与目标客群。

适用场景#

• 招商团队评估目标企业技术迭代能力及产品竞争力
• 投资人判断新品是否能形成新的增长曲线
• 企业自身做竞品分析前的信息收集
• 采购方评估供应商产品升级的实际价值

输入参数#

参数类型必填说明company_namestring是目标企业名称product_namestring否具体产品/系统名称，若不提供则自动提取最近一次发布的新品time_rangeint否搜索时间范围（月），默认3个月（聚焦最新发布）baseline_comparestring否对比基准，可选 previous_gen（上一代）、 industry_avg（行业均值）、 both，默认 both

输出格式#

输出一份《新品竞争力评估简报》，包含以下模块：

1. 新品基本信息：产品名称、发布时间、发布场合（发布会/线上/展会）

2. 核心参数与卖点清单（硬核指标，无废话Bullet Points或表格）

   • 性能指标（如算力、功耗、精度、速度）
   • 架构/算法创新（如自研芯片、全新框架）
   • 兼容性/生态特性
   • 价格定位（如有）

3. 首发技术亮点/代际差异

   • 对比上一代产品的跨越式升级点
   • 对比行业同价位/同类型产品的差异优势
   • 标注“微创新”还是“底层颠覆”

4. 对标市场与目标客群

   • 细分市场定位（如下沉市场、高端政企、特定工业场景）
   • 目标客群画像
   • 解决的行业核心痛点

5. 竞争壁垒评估（低/中/高）

   • 技术可复制性
   • 专利/供应链/生态护城河

执行流程（内部步骤）#

1. 产品实体定位
   • 从用户输入中提取 company_name 和 product_name。
   • 若无 product_name，搜索“{company_name} 最新发布 产品 2026”或“{company_name} 新品 发布会”，确定最近一款主打新品。
   • 若企业近期发布多款产品，默认选择曝光度最高（媒体报道量最大）的一款，并告知用户。
2. 联网搜索策略
   • 关键词组合：
     • "{company_name} {product_name} 发布会"
     • "{product_name} 核心参数"
     • "{product_name} 白皮书"
     • "{product_name} 技术架构"
     • "{product_name} 首发 评测"
   • 优先来源：企业官网新闻中心、垂直科技媒体（如36氪、虎嗅、IT之家、极客公园）、知乎产品评测、B站发布会录播文字稿。
   • 时间限定在 time_range 内。
3. 硬核数据提取
   • 忽略以下词汇：“震撼”、“革命性”、“极致”、“完美”、“卓越”。
   • 重点捕获：
     • 数字指标：XX TOPS、XX nm、XX GHz、XX 毫秒、XX 瓦、提升 X%
     • 技术名词：自研NPU、Chiplet架构、AI大模型、端侧推理引擎
     • 认证/标准：通过XX认证、符合XX协议
   • 若参数缺失，标注“公开资料未披露该参数”。
4. 代际差异与行业对比
   • 若用户提供上一代产品名称或自动识别，搜索“上一代产品 参数”进行对比。
   • 行业均值可基于已知公开数据或合理推断（如“行业主流算力为10TOPS”）。
   • 判断创新层级：
     • 微创新：优化体验、小幅度性能提升、外观改动。
     • 底层颠覆：自研核心芯片、全新架构、解决行业长期痛点（如功耗减半）。
5. 市场定位与壁垒评估
   • 根据产品定价、性能、适用场景推断目标客群（如“面向中小企业的轻量版”）。
   • 壁垒评估：
     • 高：自研IP、独家供应链、专利墙、生态锁定
     • 中：性能领先但可追赶、有先发优势
     • 低：参数与竞品持平、无独特护城河
6. 输出报告
   • 参数清单简洁明了。
   • 代际差异用对比表格或箭头说明。
   • 壁垒评估给出理由。

输出示例#

用户输入：

text

帮我分析一下华为最近发布的盘古大模型5.0的核心竞争力，对比上一代。

Agent输出：

markdown

# 新品竞争力评估简报

**产品名称**：盘古大模型5.0
**发布时间**：2026年4月25日
**发布场合**：华为开发者大会2026（HDC 2026）

## 一、核心参数与卖点清单

| 指标 | 参数/特性 |
|------|-----------|
| 参数量 | 全系列：3B、16B、68B、680B（MoE） |
| 上下文长度 | 512K tokens（行业领先，上一代128K） |
| 推理速度 | 对比盘古4.0提升2.5倍（端侧） |
| 多模态能力 | 支持文本、图像、视频、雷达点云四模态 |
| 训练成本 | 相比GPT-4降低70%（华为自研昇腾算力优化） |
| 部署方式 | 云侧+端侧（手机/车机/物联网） |
| 首发搭载 | 鸿蒙NEXT 6.0系统 |

## 二、首发技术亮点/代际差异

**对比盘古大模型4.0（2025年发布）**：

| 对比项 | 盘古4.0 | 盘古5.0 | 跨越幅度 |
|--------|---------|---------|----------|
| 上下文长度 | 128K | 512K | 4倍提升 |
| 多模态 | 图文 | 图文+视频+点云 | 新增两种模态 |
| 推理延迟 | 120ms | 45ms | 62.5%降低 |
| 端侧最大参数量 | 10B | 68B | 可部署更大模型 |

**创新层级判断**：**底层颠覆**
- 自研昇腾910C芯片专为MoE架构优化，推理成本大幅下降。
- 首次实现车规级点云大模型，直接赋能自动驾驶。
- 与鸿蒙生态深度绑定，形成软硬一体壁垒。

## 三、对标市场与目标客群

- **细分市场**：企业级AI（B端）+ 终端智能（C端）
- **目标客群**：
  - 大型企业（政务、金融、制造）—— 私有化部署版
  - 开发者/中小企业 —— API调用及微调
  - 华为终端用户（手机、汽车）—— 端侧AI功能
- **解决的核心痛点**：
  - 企业侧：大模型落地成本过高、数据隐私顾虑。
  - 端侧：弱网/无网场景下AI能力缺失。

## 四、竞争壁垒评估

**壁垒等级：高**

| 维度 | 评估 | 说明 |
|------|------|------|
| 技术可复制性 | 低 | 依赖昇腾芯片+MindSpore框架，软硬一体，友商难以快速复制 |
| 专利墙 | 高 | 华为在MoE稀疏计算、端云协同方面已布局超200项专利 |
| 生态护城河 | 高 | 与鸿蒙、欧拉、昇腾深度绑定，开发者迁移成本高 |
| 供应链控制 | 中 | 昇腾芯片为自研但制造仍依赖国内代工厂，先进制程有风险 |

**结论**：盘古5.0在性能、成本、生态三个维度均建立了显著优势，尤其在端侧大模型领域暂时无直接竞品。主要挑战来自国际制裁对先进制程的长期影响。

> 数据截至2026年5月26日，信息来源：华为官网、36氪、IT之家发布会实录。

错误处理与注意事项#

错误类型处理方式未找到任何新品发布信息返回“近{time_range}个月内未发现该企业公开新品发布，请扩大时间范围或确认企业名称”产品参数未披露标注“官方未公布详细参数，以下为媒体推测或行业对比”，不虚构数据无上一代对比数据仅输出行业均值对比或跳过该部分多款新品同时发布默认选择主推款（媒体提及最多），并在报告中说明“另有X款新品，本报告聚焦主推产品”

扩展能力#

• 竞品对比表：输入竞品产品名称，输出多维度参数对比矩阵。
• 供应链溯源：分析新品核心零部件供应商，评估供应链风险。
• 用户口碑聚合：在发布会后1-3个月，搜索用户评测和开发者反馈，补充实际体验数据。

---

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硬核技术信息提取能力。