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研发的药物逐步进入临床阶段，且药物类型多样。尽管当前暂时没有利用AI制药技术研发的药物成功获批上市，但通过公开的数据库检索， 2015年-2023年 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。 ③ 传统人工方法需要在实验室通过反复实验进行验证 和优化，AI制药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。 请务必阅读正文之后的免责声明及其项下所有内容 图：AI制药开发药物的类型 24E 25E 26E 2228.HK 晶泰控股-P 283 公司是一家以量子物理、人工智能和机器人技术驱动 的创新型研发平台公司，通过整合量子物理、人工智 能、高性能云计算及标准化和自动化湿实验室能力， 形成了一个闭环的综合技术平台。 AI+虚拟筛选、AI+冷冻电镜、AI+自动化平 台。 - 138.8 - - - 603259.SH 药明康德 1846 公司是一家全球领先的医药研发服务企业，其主要业

05 2、《石油石化：2025：大化工大有可为—— 大化工行业 2025 年度投资策略》2024.12.18 扫码查看更多 ➢ AI+机器人重构化工研发范式：从实验室到工业化的效率革命 我们认为 AI+机器人大概率将带来化工行业的效率革命，尤其是类似 Deepseek 这样的顶尖 AI 工具的广泛应用，或驱动化工行业的研发和生产流程发生数量级层面的跃迁，在不久的将 等顶尖 AI 工具有望通过以下方案突破瓶颈： 1.跨尺度建模误差控制：微观层面，从每个原子之间相互作用力的计算误差；到介观层面， 微小的孔洞结构或者材料密度变化对材料强度带来影响；再到宏观层面，在实验室小试成功， 但是规模化生产却完全失败，此类风险与跨尺度误差累积紧密相关。目前的最新研究显示， 类似 Deepseek 这类 AI 工具可以在粗糙尺度、中间尺度以及全原子尺度建模，在耗时和精准 性上相较于传统方法显示出显著优势。 对成熟，生产过程简单 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

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。 u AI 优化化工设计和建设 。近几十年来国际学术界和工业界已发展出很多具有 特色的分 子模拟软件 ，但国内一直没有成熟的自主知识产权软件 ，且现有的分子模拟软件在实际应用中可靠性和效率都亟待提高 ，北京大 学 / 深圳湾实验室 高毅勤研究团队开发了 SPONGE ，不仅是国内首个开源发布的通用分子模拟软件框架 ，更布局以大数据和深度学习为代表的 人工智能技术 ，力求 成为在算力时代引领技术变革的下一代分子模拟软件平台。 ，并用于生物医学和化学 、工业 、农业 、食品 、材料学 、环境 保护等 众多领域 ，加速应用于合成生物学的工程化落地。 图表：合成生物学产业链上下游 DNA 元件设计软件 高通量、自动化实验室设备 云端生物代工厂 微流控 大数据与机器学习 新药开发、植物天然代谢产 物、基因治疗、精细化工品、 生物材料、食品 / 饮料、工业 酶、生物农药技术、生物基 化学品、微生物药 DNA/RNA

布拉干萨理工大学 葡萄牙 2 7.7% 7 伊朗 1 3.8% 8 波尔图大学 葡萄牙 2 7.7% 8 庆熙大学 韩国 2 7.7% 8 伊斯坦布尔科技大学 土耳其 2 7.7% 8 阿贡国家实验室 美国 2 7.7% 8 芝加哥大学 美国 2 7.7% 8 内布拉斯加大学林肯分校 美国 2 7.7% 从核心论文产出国家和机构来看（表 10），中国 是核心论文的最大贡献国，共有 19 篇核心论文，接 9% 4 丹麦 1 2.2% 7 北京大学 中国 4 8.9% 4 波兰 1 2.2% 7 辛辛那提大学 美国 4 8.9% 10 西安石油大学 中国 3 6.7% 10 天然气地质四川省重点实验室 中国 3 6.7% 10 中国石油大学 中国 3 6.7% 在本热点前沿中，中国与美国、澳大利亚、加拿大、 德国、伊朗、英国、波兰等国合作了 44 篇核心论文， 其中美国所发表的 11 篇论文全部来自与中国的合作。 并且是目前最大的公开可用的语言模型之一，能够捕 捉人类语言的细微差别和复杂性，使其能够跨广泛提 示生成适当且与上下文相关的响应，在医疗健康领域 的潜在应用范围可从识别潜在研究主题到协助专业人 员进行临床和实验室诊断。 “人工智能大语言模型 ChatGPT 等在医疗健康领 域的应用” 新兴前沿群的研究内容包括 ChatGPT 对 耳鼻喉科专业问题的分析、ChatGPT 对涎腺内窥镜临 床决策和患者信息的支持、评估比较

阿里巴巴达摩院 ：早期投入 超导量子比特算法及其应用； 2018年推出“太章”量子电 路模拟器，率先成功模拟81 比特谷歌随机量子电路。 2023年宣布撤裁量子实验室， 将设备捐赠给浙江大学 • 腾讯 ：于 2018 年成立 量子 实验室（Tencent Quantum Lab）布局量子算法、量子 人工智能（Quantum AI）、 量子安全与密码学、量子云 计算与平台整合等，与本源 量子等国内企业合作开发超 月完成网络层传输加密、应用层传输加密及数字签名3类场景的抗 量子密码算法试点 异地量子加密传输、PQC研究为主，金融业务建模探索 工商银行 2023年建信金科携手本源量子在建设银行安徽省分行成立量子金 融应用实验室；搭建量子金融云平台 以建信基金应用场景为依托，研究量子期权定价算、量子风险价值(VaR) 计量算法等PoC，PQC研究；量子无线通信探索 建设银行 全资科技子龙盈智达联合北京量子院、玻色量子等企业，推动量 Alliance（QFA），2025年9月SC Ventures x Fujitsu推出Project Quanta量子应用与灵感孵化平台 量子优化算法（投资组合与风险管理）、密钥分发、PQC探索等 渣打银行 集团下设有内部量子实验室（Barclays Quantum Lab），2021年加 入IBM Quantum Network；2023年与Rigetti Computing合作测试低 温量子芯片在信用风险评估中的应用 量子计算优化证券交易结算等探索

阵、AI 新体考。3）AI+ 理化生：理化生实验 AI 解决方案包含信息化系统建设模式、实验室基装建设模式、 实验室吊装建设模式以及实验仪器模式 4 种模式，覆盖理化生实验考试、教学、 场地等各个方面。目前，在大庆市 2024 年中考理化生实验操作中，2 所试点学校 1280 余名考生在数字化实验室中完成了理化生实验操作考试。 图15：佳发教育的 AI+英语听说 图16：佳发教育

预训练模型的突破和具身算法的应用为人形机器人带来了新的解决方案[1]。与 其他机器人一样，模拟训练也是人形机器人学习任务的主要方法，常用的模拟 平台包括 Isaac Gym、Mujoco 和 BiGym[1]。卡内基梅隆大学图形实验室创 建的 AMASS 数据集捕捉了广泛的人类运动和动作，在机器人领域的研究中被 广泛使用[1]。 特斯拉的 Optimus 机器人旨在自主执行手动任务，目标是通过自动化革新各 行各业 预训练模型和具身算法的突破为人形机器人带来了新的解决方案[1]。仿真训练 是人形机器人学习任务的主要方法，常用的仿真平台包括 Isaac Gym、 Mujoco 和 BiGym[1]。卡内基梅隆大学图形实验室创建的 AMASS 数据集捕捉 了广泛的人类运动和动作，在机器人领域研究中被广泛使用[1]。 人形机器人的应用场景正在从军工、航天等行业向更广泛的领域扩展[7]。随着 深度学习和强化学 5G 网络，解决了人形机器人在复杂环境下的高 实时性和高可靠性控制问题，实现了多场景的高效运动控制和多机器人协同工 作。 法律状态：有效 申请日期：2023-06-12 申请人：之江实验室 创新点： 创新点 1 创新点 2 创新点 3 采用定位融合模块、理解决 策模块、运动控制模块和关 节驱动模块的组合，通过多 核异构处理和私有 5G 网络 实现各模块之间的高效协

孵化创新科技，构建运动健康行业影响力 华为运动健康科学实验室在全球多研发中心（中国东莞、中国西安、芬兰赫尔辛基）布局。其中东莞实验室主要搭建 运动健康产品研究、标准研发、检测认证与产业孵化的平台；西安实验室以运动健康方案的测试验证为主，负责运动 健康特性的测试交付、数据采集验证；赫尔辛基实验室聚焦在全球范围内，洞察运动健康前沿技术和创新应用趋势。 华为运动健康科学实验室不断构建专业的测试研究环境、孵化技术研 究成果、进行资源合作与拓建，围绕运动健康技 术研究、标准研发、合作生态，打造国际一流的运动健康产业全球化科技创新平台。 华为东莞运动健康科学实验室 可持续发展寄语 可持续发展管理 数字包容 科技至善 绿色环保 企业责任 附录 32 全球冰川加速消融的背景下，2025“国际冰川保护年”迎来一项重要科考行动--由中国科学院西北生态环境资源研 究院、中国科学探险协会联合主办的“青藏高原 冰穹探 产品交付给消费者之前，我们均会进行严格的可靠性测试； 同时我们为消费者提供持续的系统更新以及便捷可负担的维修服务，从而延长产品使用寿命，促进资源的利用效率最 大化。 华为在全球拥有多个可靠性实验室，我们严格按照国际标准，结合日常生活中人们实际使用情况设定了跌落测试、高 低温环境测试、耐磨测试等全面的可靠性测试，使产品能够从容应对使用过程中的跌落撞击、酷暑严寒、干湿变换等 各种场景。 手机产品耐用性实践

在制药领域的应用 ■ ■ ■ ■ 高 二 二 二 二 低 3 1 商业化 研发 在研发环节， AI 可以在多个领域增加价值，如计算机模拟研究、医学洞察和湿实验室支持。 AI 已经能够通过生成更好、更有效的候选药物，加速从药物发现到临床前候选阶段的进程， 帮 助药物发现环节变革。 AI 如何助力研发 在整个产品开发过程中提升创新力和效率 高效流程 • 正在推动从药物发现到临床前候选阶段的全面变 革 已经证实收益 AI 对药物发现时间和成本减少的潜在影 响 到临床前候选药物 (PCC) 的成本 ( 百万美 元 ) 1 临床前候选药物 (PCC) 是指在早期实验室研究和动物模型中显示出良好效果、但尚未在人体临床试验中进行测试的化合物或候选药 物 到临床前候选药物 (PCC) 的时间 ( 年 ) 基线 AI 赋能流程 基线 AI 赋能流程 基线

在医疗场景中，deepseek 智算一体机的核心功能模块设计需 要紧密结合实际需求，确保高效、准确、可靠地完成医疗数据处理 与分析任务。首先，数据采集与预处理模块是基础，支持多源异构 数据的接入，包括电子病历、影像数据、实验室检测结果等。该模 块具备数据清洗、格式转换、缺失值补全等功能，确保输入数据的 质量与一致性。 其次，智能诊断与辅助决策模块是核心，基于深度学习与机器 学习算法，支持疾病的早期筛查、诊断与治疗建议。例如，通过卷 该模块负责从 多种医疗设备和系统中获取原始数据，并对这些数据进行清洗、转 换和标准化处理，以确保后续分析的准确性和一致性。数据来源涵 盖电子健康记录（EHR）、医学影像（如 CT、MRI）、实验室检验 结果、实时监护设备（如心电图、血氧仪）以及患者自述信息等。 采集过程中，需通过安全协议（如 HL7、DICOM）确保数据的完 整性和隐私保护。 在数据预处理阶段，首先对原始数据进行清洗，去除噪声数 体识别等自然语 言处理（NLP）操作，以便后续分析。对于时序数据（如心电 图），采用滤波、平滑和分段等技术进行处理。 为确保数据的标准化，还需进行数据格式的统一与映射。例 如，将不同来源的实验室检验结果映射到统一的标准编码系统（如 LOINC），并将时间戳转换为统一的时区格式。此外，针对异构数 据，采用数据融合技术整合来自多个源的数据，以生成更全面的患 者画像。 数据采集与预处理的核心目标是为后续的深度学习模型和智能