01Core pain point and demand
研究人员与AI模型（如OpenAI）协作交流时，其未发表的数学思路和成果被模型吸收用于训练，导致AI产出的成果无法追溯数据来源、无法验证是否抄袭，研究者的贡献被抹去且得不到署名，存在信息被「洗白」和抢先发表的风险。
02Product solution
构建一个基于区块链和加密水印的AI协作溯源平台。在研究人员与AI模型交互时，自动对输入的未发表思路和成果进行加密哈希存证，并嵌入不可见水印。当AI生成内容时，平台可检测是否包含用户贡献，并生成可验证的贡献证明。同时提供贡献追踪仪表盘，帮助研究者记录、管理和主张自己的知识产权。
03Monetization and business model
采用SaaS订阅模式，向个人研究者、实验室和高校提供不同 tier 的服务。基础版免费，提供有限次数的存证和检测；专业版按月收费，增加高级水印、贡献追踪和报告导出；机构版按年收费，提供定制化部署和API接入。此外，可与学术期刊合作，提供投稿时的贡献验证服务，按次收费。
04Action steps
- 1Step 1:进行深度用户调研，访谈数学和科研人员，验证痛点并确定核心功能优先级。
- 2Step 2:开发最小可行产品（MVP），实现基于哈希的输入存证和基础水印嵌入功能。
- 3Step 3:与开源AI模型（如Llama）集成，测试贡献检测算法，确保技术可行性。
- 4Step 4:构建区块链存证模块，确保存证不可篡改且可公开验证。
- 5Step 5:招募种子用户进行beta测试，收集反馈并迭代产品。
- 6Step 6:与学术期刊和预印本平台（如arXiv）合作，推广贡献验证服务。
- 7Step 7:正式发布并开展营销，通过学术会议、社交媒体和KOL推广。
05Risk notice
技术风险：水印可能被AI模型去除或绕过；法律风险：不同国家对AI训练数据版权和贡献认定的法律不明确；市场风险：科研人员可能对新技术接受度低，或认为流程繁琐；竞争风险：大型AI公司可能自行推出类似功能。