分子性能预测的基础上，提前筛选出合适的化学物质。 尤其是在合成生物学领域， AI 已在元件工程、基因线路、代谢工程、基因组工程中广泛应用，大幅提升合成生物学的各环节效率。基于 AI 的研发 平 台，可预测蛋白质结构，进而构造具有目标功能的物质。另一方面， AI 也促进了实验室自动化，对传统劳动密集型实验室进行技术革命。其中 微流 控技术，具有高灵敏度、高集成、高通量、高效率等多种优势，对合成生物学的研发和应用起到了巨大作用，加速合成生物学行业发展。 大作用，加速合成生物学行业发展。 u AI 优化化工设计和建设 AI 使工业领域落地周期逐步缩短。管道设计软件及流体力学仿真软件是设计研究和生产部门强有力的辅助工具，有效提高设计生产效率；一体化工 程设计软件推动卓越运营和智能制造，助力化工企业实现数字化转型，数字化孪生工厂的产生为企业后续运营储备了丰富的数据资产。众多的工程 企业尤其是设计院，正在谋求以数字化工厂与数字化交付为突破，从而实现企业的数字化转型。 已应用于精馏塔、反应器、锅炉、控制器、冷水机 组、压缩机、泵、管道等各种工艺设备的校正、工艺参数预测、故障诊断与优化；在纺织，水处理，化肥，核电站和油气等领域均有应用。 投资建议： 重点关注：合成生物学：凯赛生物、华恒生物；基因测序：华大智造（医药）；设计与建造：中国化学、东华科技、中国石化、中国石油； AI 应用： 万华化学、江南化工；智能制造典型：森麒麟；智能工厂整体方案供应商：中控技术（机械）；智能仪表：川仪股份（电新）

因素出现遗漏或错误。而高通量筛选技术可以在短时间内对大量化合物进行自动测试，例如 阿姆斯特丹大学开发了一种集成人工智能机器学习单元的机器人 RoboChem，一周内， RoboChem 可以优化大约 10 到 20 个分子的合成，而对于研究人员手动来说，这通常需要几 个月的时间。 5.产业知识图谱构建： AI 可以自动从互联网、企业数据库等多个数据源中抓取相关的化工 数据。接下来通过机器学习，可以对收集到的数据进行清洗和修复。通过建立数据模型，算 高效，受到 AI 冲击或相对较轻。例如谷歌 DeepMind 利用材料探索图形网络(GNoME)，使得 稳定晶体发现数较过往提升一个数量级；美国加州大学伯克利分校团队利用自动实验室系 统，在 17 天内成功合成 41 种目标材料，成功率超 7 成。 ➢ 化工企业的时代大考： 如何应对 AI+机器人大时代？ 我们认为：AI+机器人大时代给传统化工企业带来了巨大的生存挑战，但同时也蕴含着无限 的发展机遇。只有通过加强 .................. 25 图表 26： AI 指导机器人制造新材料 ..................................... 25 图表 27： A-Lab 合成成功率可超 7 成 .................................... 26 图表 28： 技术驱动加速发现周期 ..............................

9%。资金花费上，一款药物从研发 到上市销售，平均需要投入8-23亿美元，上市后还要投入超过3亿美元。与传统药物研发对比，AI制药更具有优势：AI制药方法可以对数十 亿个分子进行筛选，缩小实际需要合成和筛选的分子数量范围，在2-3年内仅需合成及测试数百个分子；可以定制生成数百个苗头分子，探 索未知分子，提高药物研发的创新性；能够通过计算机模拟的方式减少需要实验室验证的分子数量，节约验证和测试时间。 ◼ AI研发的 02亿美元，2022-2031年复合增长率约为27.2%。 AIDD 制药流程 新药发现 蛋白质结构预测 AI应用模块 AI模型 药物从头设计 虚拟筛选 靶点的发现和识别 ADMET预测 晶型预测 逆合成预测 临床试验 新药开发 临床阶段 知识图谱 机器学习 深度学习 自然语言处理 大语言模型 请务必阅读正文之后的免责声明及其项下所有内容 数据来源：智药局，国信证券经济研究所整理 AI制药给生物医药领域带来极大的突破 ◼ 与传统药物研发对比，在研发时间和效率上，AI制药 更具有优势： ① 传统的药物研发需要4-6年的时间合成以及测试约 5000个候选分子；AI制药方法则可以对数十亿个分子进 行筛选，缩小实际需要合成和筛选的分子数量范围，在 2-3年内仅需合成及测试数百个分子。 ② 传统筛选方式仅针对有限的分子库对特定的靶点进 行分子筛选，而AI制药可以定制生成数百个苗头分子， 探索未知分子，提高药物研发的创新性。

.......................................................................................57 4.3.1 语音合成（TTS）选型............................................................................................ 技术指标 | 测量方式 | |—————|———————————–|—————————| | 语义理解 | 领域术语识别准确率≥95% | 封闭测试集验证 | | 语音合成 | 自然度 MOS 评分≥4.2（5 分制） | ITU-T P.85 标准 评估 | | 多轮对话 | 上下文关联维持时长≥5 轮 | 真实场景压力测试 | | DeepSeek 大模型方案，旨在 通过先进的多模态交互技术，为博物馆、景区、交通枢纽等公共场 所提供高自然度、低延迟的智能语音服务。该方案以 DeepSeek- V3 大语言模型为核心引擎，结合语音合成（TTS）、语音识别 （ASR）及知识图谱技术，构建端到端的智能化讲解系统。系统部 署采用混合云架构，支持每秒千级并发请求，平均响应时间控制在 800 毫秒以内，确保高峰时段的稳定性。 系统核心模块包括：

20 （三）数字孪生将启发交通发展新思路........................................................... 20 （四）跨行业协同跨技术融合成为趋势........................................................... 21 附录一：典型商业应用案例................... 可以将我国人车混流的交通运行实际在信息空间中如实再现，探索形 成符合我国交通实际的混合交通流仿真模型，有助于推动我国混合交 通问题的解决，也为智慧交通的发展提供技术参考。 （四）跨行业协同跨技术融合成为趋势 交通产业的跨行业、跨领域属性突出，人工智能等新技术在交通 领域的深入应用需要汽车制造业、信息通信、交通运营和交通管理的 跨界推进，跨行业的长效协同机制将有助于长期发展。同时，交通与 智能语音中的基础技术主要包括语音识别、语音合成和声纹识别。 语音识别目前已达到高精度识别率。客服类应用大多属于近场识 人工智能在交通领域业务应用白皮书 29 别，在海量的语音标注数据、丰富多样的语料库基础上，使用多种序 列神经网络模型以及多任务训练方法，结合业务知识库作为辅助，在 通用及垂直领域基本能达到 95%以上13的语音识别准确率。 语音合成已可将文本转换成较为自然流畅的语音。综合考虑声学

N6- 甲基 腺苷修饰的表观转录调控；进化生物学与遗传资源挖 掘子领域集中在陆生植物起源与早期进化，以及小麦 野生近缘种的抗性基因挖掘；植物病害防治子领域强 调深度学习和金属纳米粒子的生物合成等新技术在病 害检测和防治中的应用；食品科学与工程子领域关注 食品营养与工程技术的融合，重点研发适合吞咽困难 人群的食品。 纵观该领域近 12 年的前沿研究，可以发现几个 突出的特点：一是动物健康与公共卫生子领域自新冠 1 高致病性禽流感病毒 H5N1 的洲际传播和跨物种感染 46 2354 2023.1 2 非生物胁迫下植物的生理生化反应和抗氧化防御 17 1181 2022.3 3 金属纳米粒子的生物合成及其在控制植物病害和促进植物生长 中的作用 16 1526 2022.1 4 植物 RNA 中 N6- 甲基腺苷修饰的检测、调控与功能 22 1322 2022.1 5 陆生植物的起源与早期进化 011 2019 2020 2021 2022 2023 2024 高致病性禽流感病毒 H5N1 的洲际传播和跨物种感染 非生物胁迫下植物的生理生化反应和抗氧化防御 金属纳米粒子的生物合成及其在控制植物病害和促进 植物生长中的作用 植物 RNA 中 N6- 甲基腺苷修饰的检测、调控与功能 陆生植物的起源与早期进化 从野生作物近缘种挖掘用于小麦改良的抗性基因 利用植物根际促生菌缓解植物的盐胁迫

用户 8000 台 全部机器人 销量 400 万 次 全部交互量 交互 300 200 100 0 新型专利 外观专利 发明专利 AI 技术应用能 力 脑 眼 口 语音合成技术 耳 360 o 远近场 全面覆盖 6 麦克 风 专为场景定制 1.5 亿 次 实践检验 1.5 亿次唤醒 腿 智慧 医疗 医疗市场现状分析 护士人力成本上升 多种疾病筛查诊断 自助完成简易操作 关键信息上报后台 AI 自助式导医 迎宾 / 导诊 / 咨 询 有助于患者康复 第三大应用能力 语音信号 处理 语音唤醒 视觉唤醒 语音识别 语音合成 自然语言 生成 对话管理 语义解析 小豹，我最近身体不 舒服，有时头痛，我 该去看哪个科？ 王先生，您好，请问每天头痛几 次，是一般程度？还是剧烈程度？ 温馨建议您挂号神经内科，找专

4、聚焦涉税服务场景 根据多年行业经验总结，大模型聚焦以下应用领域：智能咨询、 智能风控、智能培训等，并进行需求深挖及模型的反复训练。以智能 咨询场景为例，大模型可以作为基座，集合语音识别、语音合成、数 字人等多项功能，在咨询对话、问题整理、问办一体和数据分析等多 个环节做场景应用。 落地应用效果 目前，税务行业标准大模型在智能咨询、智能风控、自动算税、 智能培训等在内的税务行业场景进行训练并输出行业场景应用模型， 景应用模型， 解决税务行业性、专业性问题，精准获取有效税务信息，高效处理日 常重复业务，在提高税收管理效率的同时，降低税收管理成本。以智 能咨询场景为例，大模型可以作为基座，集合语音识别、语音合成、 数字人等多项功能，在咨询对话、问题整理、问办一体和数据分析等 多个环节做场景应用。 与通用大模型不同，税务行业对大模型提出了更高的专业要求。 据测试，该模型在注册税务师考试中的成绩已经超越了

Vector）模式；或者是冻结预训练模型 的部分卷积层，训练剩下的卷积层和全连接层，即参数微调 （Fine-Tune）模式等。 通常地，根据新数据集的大小以及其与原数据集的相似度，教 学平台可以引导学生以不同的迁移学习模式组合成相应的策 略，如图 2-1-10 所示， • 当新数据集比较大且和原数据集相似度较低时，可以对整 个网络进行重新训练（图中策略 A）； • 当新数据集比较大且和原数据集相似度较高时，可以采用参 测评引擎 测评引擎 测评引擎 测评引擎 测评引擎 音频解码器 音频解码器 音频解码器 音频解码器 音频解码器 语音识别 语音识别 语音识别 语音识别 语音识别 语音合成 语音合成 语音合成 语音合成 语音合成 着明显的波动，峰值往往出现在放学后的 18 点至 20 点，而当 观察范围扩大到周、月乃至年，可以发现潮汐效应在更大时间 范围也同样存在，例如每年 9 月初开学后，老师对学生进行暑 库后，执行下面脚本，生成新的 MakeFile： 私有云 ECS ECS ECS ECS 公有云 根据业务进行扩容 + 负载均衡 自动 伸缩服务 互联网 应用层 口语评测 / 语音识别 / 语音合成 英特尔® 至强® 可扩展处理器 面向英特尔 ® 架构优化的 AI 框架 操作系统 虚拟化层 容器层 公有云扩充流程如图 2-3-7 所示，通过自动伸缩服务，用户可 根据业务任意扩展 ECS（Elastic

传感器采集：在新材料研发实验室和生产车间， 部署大量 高 精度传感器， 如温度传感器 、压力传感器 、应变传感器 、成 分分析仪等 。这些传感器能够实时 、精准地采集材料 在不同 状态下的物理和化学参数， 如材料合成过程中的温 度变化 、 压力波动， 材料性能测试中的应力应变数据， 以 及材料成分 的实时分析数据等 。传感器通过有线或无线传 输技术， 将采 集到的数据实时发送至数据采集平台 ，确保 数据的及时性和 ：基于多源融合的大数据资源， 积极探 索 构建具有行业领先水平的新材料行业大模型 。大模型整 合了 材料科学领域的前沿知识 、大量实验数据 、模拟计算 数据以 及专家经验， 能够对新材料的性能 、合成方法 、应用场景等 进行智能预测和分析， 为研发人员提供创新思路和决策支 持。 在模型构建过程中， 采用先进的机器学习和深度学习算 法， 如 Transformer 架构 、生成对抗网络 积极探索构建具有强大功能的新材料行业大模型 ，整 合 海量的材料科学知识 、实验数据 、模拟计算结果以及行 业专 家经验 。通过先进的深度学习架构和大规模的预训 练， 使模 型具备对新材料性能 、合成路径 、应用场景等多 方面的智能 预测和分析能力， 为新材料研发和产业发展提 供创新性的解 决方案和决策支持。 数据收集与预处理： 广泛收集来自科研文献 、实验数据库 、 企业生产记录 、专利文件等多源异构数据