免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 电子 AI 大模型+医疗:从问诊到新药开发 华泰研究 电子 增持 (维持) 研究员 黄乐平，PhD SAC No. S0570521050001 SFC No. AUZ066 leping.huang@htsc.com Teams 中来辅助远程医疗。建议关注国内科大讯飞、 云知声等企业的进展。 AI+新药开发：根据功能需求设计/优化蛋白质，加速新药探索速度 根据 Statista，2021 年全球制药行业总收入约 1.5 万亿美金，制药研发投入 约 2.4 千亿美金。DeepMind 是最早用 AI 赋能新药开发的企业之一，其推出 的 AlphaFold 主要解决从已知的氨基酸序列，预测相应蛋白质 3D 结构的问 “数据孤岛“现象，促进医疗数据价值流通，将成为 AI 大模型在医疗领域应用的重要挑战。 图表6： 医药领域数据存在“孤岛现象“，数据流通程度低 资料来源：GTC2023，华泰研究 AI+新药开发：根据功能需求设计/优化蛋白质，加速新药探索速度 DeepMind 两代 AlphaFold 引领行业进入高速发展期。梳理 AI+制药的发展历程，我们发 现 AI 与制药的结合逐步深入，成为生物制药企业的常态化工具。经历了包括

大语言模型 ) 和 AI 生成内容 (AIGC) 工具，工作流程已经发生根本性变革，实现效率 和创意质量的双重提升 3. 创造新职业 • 提示词工程师、大模型数据工程师、大模型应用开发工程师、 AI 架构师等 • AIGC 设计师、 AI 产品经理、 AI 游戏策划、 AI 安全专家、 AI 伦理与法规专家 n 从组织结构和工作流程角度来看，人数很少的公司可能做出影响世界的产品 业务 层 开放 API ： 1.RAG 问答服务、意图识别服务、问题推荐服务、定制学习策略、学习引导服务、搜索增强服务、文字向量化服务、 TTS 语音服务、图片理解服务 2. 可基于 API 开发学校自主应用、大赛赛题、横向课题 定制化模型训练： 1. 训练学科领域的垂类大模型 2. 基于青鸟教育大模型训练高校自有模型 各院校可以基于自身数据进行 LoRA 模型的定制化训练，精准适配科研 验 证 ； P rompt 模 板 案 例 学 习 ； • 交互引导指令 ；意 图 识 别 指 令 ； • 情感分析指令 ； P rompt 的 迭 代 优 化 课程实训平台 1 大模型应用开发实训系统 • A PI 调用练习 、 竞 赛 赛 题 训 练 • 计 算 机 视 觉 技 能 训 练 、 自 然 语 言 处 理 技 能 训 练 、 A PI 文 档 学 习 与 实 践 • 错

研发全流程管理效率。 8.医疗器械设计开发管理 面向医疗器械设计开发策划、输入、输出、转换、评 审 、 验 证 、 确 认 、 变 更 等 业 务 活 动 ， 加 强 三 维 设 计 （CAD）、数字孪生、仿真（CAE）等数智化技术工具的 4 应用，实现关键产品指标的设计优化，提高设计效率，缩 短产品开发周期；利用数字化手段提升设计开发数据与知 识的传递效率，倡导质量源于设计（QbD）理念，从源头防 识的传递效率，倡导质量源于设计（QbD）理念，从源头防 止质量风险，加强包括设计开发在内的产品全生命周期的 风险管理。 二、医药生产 围绕工厂建设、工艺开发与优化、生产作业、物料仓 储配送、生产设备管理、能源管理、环保管理、安全巡检 等环节，应用数智技术提高医药生产自动化水平，增强生 产各环节的感知、监测、预警、处置和评估能力。 9.工厂数字化设计 面向工厂建设规划设计、建筑及设施布局、工艺设计、 面向设备、产线、车间、工厂的数字孪生建设，应用 物联网、多物理场仿真、机器学习等技术，实现生产全流 程模拟，提高产品质量和生产效率，减少资源浪费和环境 污染。 11.智能原料药工艺设计 应用数智技术在原料药工艺开发和优化方面提高效率， 5 提升工艺放大和生产技术转移的准确性，在生产过程中有 效提升工艺控制水平。开展人工智能（AI）驱动的合成路 线设计、反应条件推荐，提高化学药合成工艺设计效率。

.........................................................................................53 3.3.1 开发语言与框架.........................................................................55 3.3.2 数据库与存储..... .......................................................................................173 10.1.1 开发成本................................................................................175 10.1.2 运营成本. 应用服务层：为教师、学生和管理者提供智能化的 教学工具、学习平台和管理系统。 项目的实施将分三个阶段进行：第一阶段为基础设施建设，包 括硬件设备的采购和网络环境的优化；第二阶段为系统开发和集 成，完成各个功能模块的开发和测试；第三阶段为全面推广和应 用，逐步在全校范围内推广使用。项目的成功实施将显著提升学校 的教学效率和管理水平，为新时代教育信息化发展提供典范。 1.1 项目背景 随着教育

产品和解决方案介绍（展现层） 产品核心亮点（开发层） 目 录 / Contents 服务体系介绍 典型案例和客户名录 产品和解决方案介绍（展现层） Part 1 2.1 医院基础信息化建设 医院基础信息化建设—产品系列 产品 范畴 医院信息管理系统 （ B/S ） HIS 医学影像系统 （ B/S ） PACS 电子病历系统 （ B/S ） EMR 临床路径管理系统 （ 入 临床路径 门诊收入 住 院收 入 产品核心亮点（开发层） Part 3 3.1 低代码开发平 台 技术 核心技术 ： 低代码快速开发平 台 低代码快速开发平 台 B/S 云架构，支持公有云部署、私有云部署、混合云部署、本地化部署 低代码快速开发平 台 核心技术 ： 低代码快速开发平 台 控件封装： 桌面开发控件库，某著名企业开发控件库，图表分析控件库，微信相关 控 件等 组件封装： 驶 舱 控件、操作驾 驶 舱 控件、多样图形控件、多维图形控件、实时数 据 控 件、预警控件 ) 等 引擎封装： 异构数 据 库 引擎， BMP 引擎，其他第三方插件等 组件控件式的低代码应用 开发， 不断进行行业先进技术封装，系统延展性强，可深度定制化， BUG 率极 低 优势对比 基于云端部署，项目现场的日常维护转移到云端同步维护 ， 基础问题出 现 就被立即解决，现场使用者日常工

..................................................................................77 2.10.8、 大数据业务开发平台................................................................................78 2.10.9、 大数据业务可视化分析 ................................82 2.12、 智慧校园大数据业务开发平台......................................................................82 2.12.1、 智慧校园大数据业务开发平台架构图............................................... 2、 系统开发设计模式..................................................................................215 （1） 具有成熟的设计开发方法和工具。经过多年的研究和积累，基于 C/S 模式的系统设 计开发方法已被用户所掌握，并且，众多的数据库和软件生产厂商提供了各种可视化工具和编 程语言来扶持它的开发，而目前 B/S

在前列。例 如，美国在 2019 年发布了《国家人工智能研发战略计划》，明确 提出将人工智能教育纳入 K-12 “ 教育体系，并通过 AI for K-12”计划 推动中小学阶段的人工智能课程开发与教师培训。欧盟则在《人工 智能战略》中强调，人工智能教育应从基础教育阶段开始，培养学 “ ” 生的计算思维和创新能力。英国政府通过 国家计算教育计划 推动 中小学阶段的人工智能教育，并设立了专门的人工智能教育基金， 学课程体系， “ ” 并通过 未来学校 项目，推动人工智能技术在教学中的应用。韩国 则通过《人工智能国家战略》推动中小学阶段的人工智能教育，并 设立了专门的人工智能教育研究中心，支持相关课程的开发与实 施。 此外，发展中国家也在积极探索人工智能教育政策的制定与实 施。例如，印度在《国家人工智能战略》中提出，将人工智能教育 “ ” 纳入中小学课程体系，并通过 数字印度 计划推动教育信息化的发 国家教育计划 从全球范围来看，人工智能教育政策的制定与实施呈现出以下 几个趋势：  政策导向明确：各国政府通过制定明确的政策文件，推动人工 智能教育在中小学阶段的普及与实施。  课程体系完善：通过开发专门的人工智能课程，培养学生的计 算思维和创新能力。  教师培训加强：通过设立专门的教师培训项目，提升教师的人 工智能教学能力。  技术应用广泛：通过推动人工智能技术在教学中的应用，提升

教育管理亟待信息化升级 应用常态化和融合创新 全面规模化  “ 三通两平台”建设大力推进  启动“互联网 +” 行动计划  数字技术与教学场景亟待融合  教育资源数字化升级，在线课程开发设计  教育信息化建设向技术产品、平台、应用转移  全时域、全空域、全受众的智能学习要求  智能学习体系亟待建设，多种技术融合赋能  全面建设社会主义现代化国家，教育模 式变革，教育现代化 ，适应军事场景需求 教务、 教 学 、 教 研 、 教 管 、 教服、 校 园 、 宿 舍 、 食 堂 异构算力适配 模型管理 模型训练 模型开发 算法引擎 服务管理 服务发布 预置能力 固件管理 智能 开放 OP YTr orch 便捷 公共 算力 架构分层解耦 ，硬件、平台、应用多品牌兼容扩 人工智能平台 试验 算力 件 应 用 硬 件 智算中心： 算力管理（资源动态分配 ， 算力利用率提升） 模 型训练 通过分布式、 虚拟化等技术 ，构建 AI 开发应用所需的算力池 ， 并且实现全方位的相关资源管理 ，加速模型开发迭代 ，使 AI 在更 广泛的延伸到相关应用场景中。 Kubernetes + Docker OS （ centos/redhat/ubuntu ） 资源

分管理人员信息管理意识淡薄，不懂得或不愿意利用现代信息技术来提高工作 效率，导致了围绕各个部门的信息化水平不一，发展相互脱节甚至相互制约， 导致信息化成本与收益极不对称。 （3）业务系统的开发和维护模式不统一，更新维护困难 系统的开发平台、数据库和运行环境千差万别，没有明确的技术规范和要 求。随着校园网上应用和资源越来越多，应用缺乏有效的组织和管理，技术升 级存在风险，从而也带来业务系统维护成本不断增加的问题。 信息化建设过程中，学校对此十分头疼。在这样的背景下，可配置型智慧校园 必将是未来发展与建设的趋势。能够通过配置的方式改变系统的功能模块和业 务流程，学校老师通过鼠标拖拉拽的方式就能构建出需要的新模块，大大的节 省二次开发费用，同时学校自主编制能够最大限度的掌握自主性，做自己需要 的智慧校园。 2.3. 物联网校园“一体化” 智慧校园将通过利用物联网技术来改变师生和校园资源相互交互的方式。 以便提高交互的明确 点和负载模型、开发模式、 评价体系等，这导致了传承至今的设计原则不再适用。云计算技术可为数据中 心计算服务，必然成为是未来的发展趋势。 通过云计算数据中心的建设，实现异构信息系统之间的数据交换和共享。 明确业务系统与数据中心平台的接口规范；保证数据的准确一致，“谁产生、谁 维护”；建立可以提供整个学院综合查询和决策支持所需的数据信息，为学校的 决策支持积累数据；为后续开发各种应用系统提供数据服务，保证新系统建设

..................................................................................77 2.10.8、 大数据业务开发平台................................................................................78 2.10.9、 大数据业务可视化分析 ................................82 2.12、 智慧校园大数据业务开发平台......................................................................82 2.12.1、 智慧校园大数据业务开发平台架构图............................................... 2、 系统开发设计模式..................................................................................215 （1） 具有成熟的设计开发方法和工具。经过多年的研究和积累，基于 C/S 模式的系统设 计开发方法已被用户所掌握，并且，众多的数据库和软件生产厂商提供了各种可视化工具和编 程语言来扶持它的开发，而目前 B/S