AI 带动材料新需求—— AI 赋能化工之一 相关报告 《——碳纤维行业框架报告：双碳战略推动碳纤维景气度上行， 技术进步产能 扩张降本可期（推荐） * 化工 * 杨阳，李永磊》 —— 2022-05-27 《磷化工和钛白粉企业进军磷酸铁， 大有可为（推荐） * 化工 * 董伯骏，李永 磊》—— 2021-09-09 请务必阅读报告附注中的风险提示和免责声明 3M -0.8% 3.7% 1M -6.6% -1.0% 12M -5.3% -1.7% 基础化工 沪 深 300 相对沪深 300 表 现 AI 浪潮下，化工材料迎来新发展 u 算力大幅提升，液冷技术成为大势所趋，氟化液大有可为 AI 技术迅猛发展，极大增加了相关产业对高性能算力的需求，进而对设备散热冷却提出了更高要求。目前来看，液冷更适用于高密度功率的数据中 年全氟己酮项目副产六氟丙烯三聚体可以应用于冷却液领域）、 IV. 润禾材料（公司硅油和改性硅油可用于冷却液生产）等。 u AI 芯片是人工智能核心，推动半导体材料大发展 AI 芯片系 AI 的核心，将在 AI 浪潮下获得快速发展和应用。半导体材料是芯片的基石，受益于 AI 需求拉动，半导体材料将获得更大发展空间，技 术变 革和国产替代的步伐将进一步加快。半导体材料主要分为制造材料（硅片 / 化合物半导体、光刻胶、湿电子化学品、电子气体、掩膜版、

AI 与机器人技术融合后，从分子模拟到材料基因组学的全链条效率将被重新定义， 既能降低传统材料成本，又能缩短新材料研发周期。面对化工新材料研发的“多尺度复杂性” 与“实验验证滞后”痛点，AI 通过跨尺度建模、分子动力学加速等方案实现突破。在生产流 程中，AI 结合高通量机器人实验优化生产，降低损耗与故障率。但 AI 也在瓦解传统技术壁 垒，“白痴指数”高的材料受冲击大。化工企业需加强 AI 研发、引进人才、推动数字化转型， 合，化工研发大概率将经历一场范式革命——从分子模拟到高通量实验，再到材料基因组学， 全链条效率被重新定义，不但可能大幅降低传统材料的生产成本，也很可能使得新材料研发 周期大幅缩短。化工企业应当充分认识到：当前的产品壁垒已经不是壁垒，当前的产品利润 随时面临挑战。 ➢ 新材料预测的挑战与 AI 的破局方案：数据+算法的双重赋能 我们认为：化工新材料研发面临“多尺度复杂性”与“实验验证滞后”两大痛点。类似 Deepseek 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

湿电子化学品渐入佳境—— AI 赋能化工之三 相关报告 《新材料产业周报： 小米发布首款新能源汽车 SU7 中国移动宣布 5G-A 正式商 用（推荐） * 基础化工 * 李永磊， 董伯骏》 —— 2024-04-01 《新材料产业周报： 1-2 月我国集成电路制造业增加值增长 21.6% ， 全球首列 氢能源市域列车成功试跑（推荐） * 基础化工 * 李永磊， 董伯骏》 —— —— 2024- 03-24 《化工新材料周报： “商业航天 ”首次写入政府工作报告， 1 月全球半导体行 业销售额同增 15.2% （推荐） * 基础化工 * 李永磊， 董伯骏》 —— 2024-03- 10 请务必阅读报告附注中的风险提示和免责声明 2 表现 1M 300236.SZ 上海新阳 33.39 0.53 1.67 2.09 2.93 0.17 0.53 0.67 0.94 163.60 66.15 49.99 35.67 未评级 300398.SZ 飞凯材料 11.93 4.35 3.45 4.86 6.15 0.82 0.65 0.92 1.16 20.89 18.27 12.99 10.26 未评级 002407.SZ 多氟多 15.40 19.48

AI 赋能，助力化工行业转型升级—— AI 赋能化工之二 相关报告 《化工行业深度报告： AI 带动材料新需求—— AI 赋能化工之一 （推荐） * 化工 * 李永磊，董伯骏》—— 2023-04-11 请务必阅读报告附注中的风险提示和免责声明 2 表现 1M 3M 其特点是系统规模大， 覆盖专业多 、 工艺复 杂， 产品多元化， 控制难度大， 耦合度高， 与人工智能的结合能够促使化工企业跳出传统制造行业的范畴， 使化工企业能够 在 一定的体系中， 完成对化工原材料 、能源或其他形势自然资源的利用， 真正实现精细化生产和运营。 图表：流程工业的主要活动 请务必阅读报告附注中的风险提示和免责声明 7 资料来源： 《 Machine Learning an Intelligent 人工智能赋 能 材料研发与合成 材料是人类用以制造基本元件 、构件 、机器以及更复杂材料产品的物质基础 。如今， 在 5G 和物联网时代， 材料的研发与 合成也 逐渐与人工智能技术建立起联系， 藉由人工智能探索其新思路新方法 、新技术。 请务必阅读报告附注中的风险提示和免责声明 8 图表：材料研究的 4 个阶段 : 经验、理论、计算模拟和 ( 大 ) 数据推 动 资料来源：《材料信息学及其在材料研究中的应用》

........................................................................................132 8.1.2 材料完整性检查.............................................................................................. 在此背景下，人工智能技术为理赔业务优化提供了新的可能 性。DeepSeek 大模型凭借其多模态理解、自然语言处理和复杂决 策能力，能够从以下维度重构理赔流程：首先，通过自动化单证识 别与核验，将材料初审时间从小时级缩短至分钟级；其次，基于历 史数据与规则引擎的深度学习模型，可实现对理赔案件的智能分级 与风险预判，准确率可达 92%以上；最后，通过动态生成个性化沟 通话术，显著提升客户服务体验。 三个维度的价值创造：首先，通过自然语言处理与计算机视觉技术 融合，实现理赔材料自动分类、关键信息结构化提取以及欺诈风险 实时预警，将单案件处理时效从传统人工的 48 小时压缩至 30 分钟 以内，同时降低 15%-20%的运营成本。其次，基于多模态交互能 力构建智能客服系统，可同时处理理赔咨询、进度查询、材料补传 等高频需求，客户等待时间由平均 8 分钟缩短至即时响 应，NPS（净推荐值）预计提升

等）的应用逐渐扩展，钢铁行业也开始考虑这些先进 技术带来的潜在转型机会。 在钢铁生产过程中，原材料采购、生产规划、设备维护、质量 监控和市场需求预测等环节均蕴含着丰富的数据资源。通过将人工 智能大模型应用于这些关键环节，企业能够实现数据驱动的决策与 优化，提升运营效率，降低成本并提高产品质量。具体而言，AI 大 模型可以在以下几个方面发挥关键作用： 1. 原材料智能采购：利用机器学习算法分析市场供需关系及价格 波动，帮 视觉检测技术，实时监测产品质量，识别 并剔除不合格品，提高产品合格率。 3. 设备维护：利用机器学习分析设备运行状态，实施预测性维 护，降低设备故障率，减少停机时间。 4. 供应链管理：优化原材料采购及库存管理，通过数据分析预测 市场需求波动，提升整体供应链效率。 5. 环保管理：通过 AI 大模型分析生产过程中排放数据，制定更 为精确的减排措施，助力企业实现可持续发展。 总的来说， 括原料准备、熔炼、精炼、铸造和轧制等步骤。每个环节都对钢铁 的质量和生产效率有着重要影响。在全球钢铁需求不断增长的背景 下，优化生产流程、提升生产效率与产品质量显得尤为重要。 在传统的钢铁生产中，原材料首先会经过粉碎与筛分，从而得 到适合高炉炼铁的粒度。主要原料包括铁矿石、焦炭以及石灰石 等。焦炭的质和量直接影响炉内的温度和还原反应的效率，因此在 原料准备阶段就需要实施严格的质量控制。 熔

3 成本估算与优化................................................................................113 8.3.1 材料估算..................................................................................115 8.3.2 能耗分析 建筑设计流程，减少人工干预，缩短设计周期，降低时间成 本。  增强设计创新性：利用大模型的生成能力和多维度数据分析， 为设计师提供多样化的设计思路和方案，激发创新灵感。  优化资源利用：通过智能化的空间规划和材料选择，提高资源 利用率，减少浪费，实现绿色建筑设计目标。  支持复杂场景决策：在大型综合体、超高层建筑等复杂项目 中，利用大模型的模拟和分析能力，辅助设计师进行科学决 策。  降低设计 方案的生成与优化，提升设计师的工作效率。其次，基于强化学习 和生成对抗网络（GAN）的技术，模型能够模拟人类设计师的创意 过程，生成多样化的设计方案。此外，大模型还可以用于智能化的 空间规划、建筑材料选择和环境分析，进一步推动建筑行业向智能 化、数字化方向发展。 大模型技术的发展趋势主要体现在以下几个方面： 1. 多模态融合：将不同数据类型（文本、图像、视频、三维模型） 整合到统一框架中，实现更全面的理解和生成能力。

为缓解风冷部分散热，逐渐提高液冷散 热的占比，出现了风液混合散热解决方案。另一方面，随着单芯片功率密度的提升， 对液冷部件的散热性能提出了更高的要求，冷板微通道强化散热、液态金属等高性能 导热材料以及大通径的盲插快速互联技术等，为智算液冷解决方案提供更优异的散热 条件。 二、 术语和定义 下列术语和定义适用于本文件。 1) 冷板式液冷系统 cold plate liquid cooling 可维护性 优秀 较差 中等 空间利用率 较高 中等 较差 冷却效果 较好 优秀 优秀 兼容性 未与主板和芯片模块进行直 接的接触，材料兼容性较强 直接接触，材料兼容较 差 直接接触，材料兼容较 差 安装便捷程度 不改变服务器主板原有的形 态，保留现有服务器主板，安 装便捷 改变服务器主板原有 结构，服务器易残留冷 却液 改变服务器主板原有 同时，通过进一步对液体､管理和设备冗余进行更为合理的设计和应用，液冷也将具 有比风冷更高的散热可靠性，有效提高数据中心的能源利用率。 (2) 高可靠性：冷板式液冷技术在冷却液管路中流动时，并未与主板和芯片模块 进行直接的接触，材料兼容性较强，提高系统的运行安全性｡此外，液体冷却芯片温 度更低，可延长芯片寿命 30%以上，降低因过热导致的硬件故障率。 (3) 强适用性：冷板式液冷技术不改变服务器主板原有的形态，而是对现有服务

销售订单 业务计划 通知单 提升业绩 对接客户 订单跟踪 有效激励 ERP 计划生产单 生产工单 提升效率 PMC 管理 自动排程 执行透明 ERP 采购订单 供应商协同 材料分析 SRM 协同 采购跟踪 研发管理 ERP BOM 开发新品 项目管理 成果管理 标准管理 品质 ERP 检验报告 品质改善 检验记录 品质分析 质量追溯 管理规范 （系统自动） 应收清单 基膜事业部 包材事业部 应付清单 借：应收账款—包材事业部 贷：库存商品 包材事业部 凭证模板 借：原材料 贷：应付账款—基膜事业部 凭证模板 借：生产成本—直接原材料 贷：原材料 XRKJ 公司 凭证模板 借：生产成本—直接原材料 贷：半成品 应收凭证 基膜事业部账簿 包材事业部账簿 应付凭证 领料凭证 领料凭证 XRKJ 公司账簿 生成 生成 系统设置 基础数据 半成品库存 销售未发货 生产在制 物料清单 即时库存 采购在途 生产占用 流程化规划打通 XRKJ 的部门壁垒、降低库存、提升效率！ 销售计划 产供销链流程示例：包装材料首次采购流程—第 4 级 标题 核心业务 责任岗位 工作标准 软件 操作 阶段 制订人： 负责人： 审核： 文件编码：WQZC001 生效日期： 版次：V0.1 页码：1/2 主导部门：综合采购部

White Paper on AI Empowering Low Altitude Economy 低空经济的政策支 持 海低空经济作为新兴的融合经济形态 ，产业辐射面极大 ，从制 造端上游基础材料横跨到下游服务运营，万亿规模是行业共识 。 赛迪顾问日前发布《中国低空经济发展研究报告》 ，认为， 低 空经济主要包括低空基础设施、低空飞行器制造、低空运 营服 务和低空飞行保障四个环节 2 广州汽车集团股份有限公司 811.69 eVTOL 、材料配套 27 山河智能装备股份有限公司 71.46 运营服务 、低空通航 3 中国铁路通信信号股份有限公司 635.39 基础设施与配套保障 28 航天南湖电子信息技术股份有限公司 63.87 基础设施与配套保障 、雷达 4 中航重机股份有限公司 302.24 飞行器制造 、材料配套 29 广州亿航智能技术有限公司 60.41 飞行器制造 、低空测绘 6 中国航空科技工业股份有限公司 257.75 飞行器制造 31 威海广泰空港设备股份有限公司 59.55 基础设施与配套保障 7 航天时代电子技术股份有限公司 256.36 整机 、材料配套 32 广联航空工业股份有限公司 55.56 飞行器制造 、模具 、零部件 8 中航 ( 成都 ) 无人机系统股份有限公司 222.95 飞行器制造 、运营服务 33 西安天和防务技术股份有限公司