在工业中具有巨大潜 力 投资建议及关注标的 行业评级及风险提示 请务必阅读报告附注中的风险提示和免责声明 5 人工智能逐渐向增强或应用智能的形式转变 人工智能（ AI ）是研究 、开发用于模拟 、延伸和扩展人的智能的理论 、方法 、技术及应用系统的一门新的技术科学 。随 着进一 步发展， 人工智能逐渐向增强或应用智能的形式转变 。如今， 人工智能理论和技术日益成熟， 技术和应用程序的范围也不断 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》 - 王卓等，国海证券研究 所 资料来源：《材料基因在锂电研发中的应用》 - 曾乐才，国海证券研究 所 预测分析聚类 ; 矿业的关系 ; 异 常检测 二级范式 基于模型的理论 科学 三级范式 计算科学 （模拟） 密度泛函理论， 分子动力学 图表：新材料研发过程的主要环节 化学信息学可用来对反应条 件进 行优化和筛选催化剂等 ，这主要是通过对实验数据进行建模 ，然后使用该预测模型实现对实验工作的指导； 可用于分子模拟 和 分子设计 ， 并在分子性能预测的基础上 ，从所设计的分子中筛选出并进行合成 ， 以便得到经过性能优化的材料。 图表：分子模拟与人工智能平台主要流程 图表：人工智能指导并挖掘隐藏要素的工作流程示意图

一、虚拟现实与人工智能定义及特点 （一） 虚拟现实的特征及关键技术 虚拟现实技术是一种可以创建和体验虚拟世界的计算机仿真系统，它利 用计算机生成一种模拟环境。是一种多源信息融合的交互式的三维动态视景 和实体行为的系统仿真，能够使用户沉浸到该环境中。 虚拟现实是一种环境，是高度现实化的虚幻。在其应用的领域中，为能 达到虚拟现实这种 触觉感知、运动感知，甚至还包括味觉、嗅觉、感知等。理想的虚拟现实应 该具有一切人所具有的感知功能。 （ 2 ）存在感 指用户感到作为主角存在丁模拟环境中的真实程度。理想 的模拟环境应该达到使用户难辨真假的程度。 （ 3 ）交互性 指用户对模拟环境内物体的可操作程度和从环境得到反馈 的自然程度。 （ 4 ）自主性 指虚拟环境中的物体依据现实世界物理运动定律动作的程 度。 ）实时三维计算机图形 相比较而言，利用计算机模型产生图形图像并不是太难的事情。如果有足够准 确的模型，又有足够的时间，我们就可以生成不同光照条件下各种物体的精确 图像，但是这里的关键是实时。例如在飞行模拟系统中，图像的刷新相当重要， 同时对图像质量的要求也很高，再加上非常复杂的虚拟环境，问题就变得相当 困难。 5 （ 2 ）显示 在 VR 系统中，双目立体视觉起

请务必阅读报告末页的重要声明 1 / 29 AI+机器人正深刻变革化工行业，有望带来效率革命。传统化工研发依赖“试错法”，周期长、 成本高，而 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 驱动者胜出，迟疑者淘汰出局”的两极分化格局。传统化工研发依赖“试 错法”，周期长、成本高。如果以第一性原理为基础，一旦将人工智能（AI）和机器人技术融 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。 准 性上相较于传统方法显示出显著优势。 2.分子动力学加速：分子动力学需要模拟分子在不同条件下的行为，比如温度、压力下的动 态变化，AI 可以通过不仅限于机器学习力场（MLFFs）、增强采样方法、粗粒化模型等手段大 幅加速分子动力学的研究。例如 AI 2BMD 系统在精度相同的情况下，实现了超过 100 万倍的 模拟加速，并将误差减少了 10 倍以上。 3.小样本强化学习：在有限的实验次数、原材料等条件下，AI

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。  降低设计成本：通过自动化和智能化手段，减少人工成本，同 时避免设计错误和返工，降低整体项目成本。 本项目将重点围绕以下核心问题进行探索和解决： 1 在建筑设计领域，大模型技术的应用潜力巨大。首先，通过融 合多模态数据（如文本、图像和三维模型），大模型可以辅助设计 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： 大模型的应用设计方案需要 从多个维度进行需求分析，以确保方案的可行性和高效性。首先， 建筑设计过程中涉及大量的数据分析和模拟计算，包括结构分析、 节能优化、材料选择等，这些工作通常需要耗费大量时间和资源。 通过引入 DeepSeek 大模型，可以显著提升数据处理和模型模拟的 效率，减少人工计算和验证的时间。 其次，建筑设计过程中需要处理多种复杂的约束条件，如法规 要求、客户需求、预算限制等。DeepSeek

全面 地理解市场动态。 其次，金融市场的非线性特征和复杂性要求更为智能的分析工 具。传统线性模型无法充分捕捉市场的非线性关系，而 DeepSeek 技术基于神经网络的深度学习模型，能够更好地模拟市场中的复杂 关系，提供更为准确的预测和分析。这对于资产配置中的风险控制 和收益优化尤为重要。 此外，全球化和跨市场的联动性使得资产配置的难度进一步加 大。不同市场之间存在复杂的关联性，单一市场的变动可能对全球 开始探索将 这些技术应用于资产配置领域。其最新的技术平台能够实现毫秒级 的市场数据分析和决策，大幅提升了交易效率和风险管理能力。此 外，DeepSeek 还开发了基于生成式 AI 的投资模型，通过模拟各 种市场情景，生成更为精准的投资建议。 DeepSeek 技术的发展历程表明，其不断创新的技术架构和多 样化的应用场景，使其在资产配置领域占据了重要地位。未来，随 着技术的进一步成熟，DeepSeek 降低相关资产的持仓比例，同时寻找更具潜力的替代资产。 - 风险量化与管理：DeepSeek 能够通过复杂的风险模型，量化不 同资产的风险敞口，并结合投资者的风险偏好制定个性化的配置方 案。例如，通过模拟不同市场情景下的资产表现，系统可以为投资 者提供最优的风险调整后收益。 - 情绪分析与市场预测：DeepSeek 的自然语言处理功能可以分析 市场情绪，识别潜在的投机泡沫或恐慌情绪。例如，当社交媒体上

驶速度显著低于平均水平时，系统会发出预警提示，提醒管理人员 及时排查原因。 为确保系统的实际可用性，调度优化算法应经过多次实际数据 验证和调整。例如，系统可以基于某城市过去一年的运营数据进行 离线模拟，评估不同调度策略的效果，并根据模拟结果优化算法参 数。同时，系统应与现有调度管理系统无缝集成，支持自动化和手 动调度的灵活切换，确保在系统故障时仍能进行人工干预。 最后，系统需求中还应包括对调度优化效果的后评估机制。例 时，采用负载均衡和故障转移技术，确保系统在高峰期的稳定运 行。 为了验证系统集成的效果，需要进行一系列的测试和评估。这包括 单元测试、集成测试和压力测试，确保各个模块能够协同工作，系 统能够在高负载下稳定运行。通过模拟不同的交通场景，评估 DeepSeek 技术的实际效果，优化算法和系统配置。 最后，为了确保系统的持续优化和升级，需要建立一个反馈机制。 通过收集实际运营中的数据和用户反馈，不断调整和优化 DeepSeek 同 传感器的实时数据，而数据分析模块则需验证其处理数据的准确性 和效率。单元测试可通过自动化测试工具进行，以提高测试效率。 接下来是集成测试，重点关注各模块之间的交互与数据传输。 集成测试需模拟实际运行环境，确保数据在模块间流转时不会出现 丢失或错误。例如，验证数据采集模块与数据处理模块之间的接口 是否能够稳定传输大批量数据，并检查数据传输过程中的延迟和带 宽占用情况。测试人员还需关注系统在高并发情况下的表现，确保

接口成功率 | 10s | <99.9% (5 分钟持续) | | 推理延 迟 | 1s | >800ms | | 内存占用率 | 30s | >75% | 架构性能通过压力测试验证，在模拟 200 万并发用户场景下： - 平均 TP99 延迟维持在 320ms - 服务降级触发概率<0.01% - 异常熔 断恢复时间 8 秒 运维体系设计自动化闭环： 4.1 整体架构设计 （如将核心系统 CUST_ID” “ 映射为智能体标准 client_id”）。 2. 部署接口监控看板，实时跟踪成功率、延迟、数据量波动。 3. 完成 UAT 环境联调测试，包括压力测试（ 模拟峰值 10 倍流量） 与一致性测试（比对源系统与接入数据差异）。 通过以上设计，确保数据源对接在满足金融业监管要求的同 时，为后续模型训练与实时推理提供高质量数据输入。 5.1.1 内部系统数据接入（核心银行系统、CRM 模型优化阶段需特别关注金融场景的稳定性需求，通过以下 mermaid 流程图展示热更新机制： 最终通过建立模型版本沙箱，确保每次更新前完成严格的压力 测试，包括但不限于：并发请求峰值测试（ 模拟 3000+TPS）、异 常输入鲁棒性测试（ 注入 15%噪声数据）以及监管条款变更扫描 （自动检测输出合规性）。所有优化过程需记录完整实验日志，满 足金融行业审计追溯要求。 6.1 领域适配微调

监控与分析。  优化水资源调度与配置，基于历史数据和实时信息制定更科学 的调度方案。  增强对洪涝灾害、干旱等极端事件的预测与预警能力，降低灾 害风险。  支持水利工程的长期规划与设计，通过模拟与预测为决策提供 科学依据。 从意义来看，DeepSeek 应用方案的引入不仅能够提升水利工 程管理的现代化水平，还将推动水利行业的数字化转型，为实现水 资源的可持续利用提供技术保障。通过将人工智能技术与水利工程 利用分布式计算框架对海量数据 进行清洗、标准化与特征提取，确保数据的准确性与一致性。随 后，基于深度学习算法（如卷积神经网络 CNN、长短期记忆网络 LSTM 等）构建预测模型，对水文数据进行动态模拟与分析。这些 模型能够识别复杂的水文规律，预测洪水、干旱等极端事件，并为 水资源调度提供科学依据。 为了进一步提升系统的智能性，DeepSeek 还采用了强化学习 （RL）技术，通过与环境的交互不断优化决策策略。例如，在水库 连接气象卫星、雷达和地面监测站，DeepSeek 能够实时预测降雨 量和洪水风险。基于这些数据，系统可以提前发出预警，自动启动 应急预案，如调节水库水位、加固堤坝或疏散居民。此 外，DeepSeek 还能够通过模拟洪水演进过程，优化防洪设施的设 计和布局，提升防洪工程的效率和可靠性。 DeepSeek 技术在灌溉管理中的应用也不容忽视。通过安装土 壤湿度传感器和气象站，DeepSeek 可以精确监测农田的土壤湿

接口服务 专题服务 通用服务 业务规则 P13 应用层 应用模型层 基础模型层 数据层 平台层 P14 …… 空间变化识别 要素冲突检测 空间单元画像 空间情景模拟 NLP 大模型 CV 大模型 音 / 视频大模型 多模态大模型 … … 数据治理 语义角色标注 命名实体识别 情感分析 位置标注 词性标注 语义分割 事件检测 语法分析 语音识别 目标检测 P15 打造行业通用能力 05 空间意象生成 历史演变 趋势模拟 优化建议 空间类 能力 01 画像理解 维度生成 画像验证 。 。 。 画像生成 实施过程分解 。 。 精准定位 冲突发现 冲突预警 冲突判断 优化避让 。 。 。 情境构建 空间单元画像 要素冲突检测 遥感识别 行为识别 情景模拟推演 02 04 P16 。 。 。 文本类能 力 文案报告生成 打造行业通用能力 自然语言理解 多模态表达 对话管理 风格个性化 …

基础架构安全分析 资产脆弱性分析 资产风险分析 等保管理与分析 资产暴露面分析 资产关联性分析 无主资产分析 失陷分析 纵深防御有效性分析 恶意样本模拟 失陷模拟 防御能力验证 渗透模拟 响应流程验证 漏洞利用模拟 监控流程验证 威胁模拟 检测能力验证 积极防御分析 威胁分析 威胁扩散分析 威胁预警分析 ATT&CK 分析 受害者分析 攻击链分析 威胁日志追溯 威胁分类定级 攻击结果判定 风险管理 ( 告警监 控 ) 资产纳管核查 脆弱性分析 可用性监控 策略配置管理 （ NSPM ） 异构配置识别 策略 分析 策略优化与响应 安全防护体系运转保障 模拟攻击 目标风险分析 模拟攻击告知 目标风险验证 安全策略优化 防御策略识别 防御策略 分析 防御策略优化 潜在威胁发现能力保障 安全事件处理（事 件处置追踪） 追查拓线 还原确认 固化证据 多维空间分析 狩猎验证 情报保障 威胁情报管理 知识 / 情报下发 预警下发 客户化情报筛选 态势感知解决方案参考架 构（ V1.1 ） 日志管理（安全 预警） 目标风险分析 模拟攻击告知 目标风险验证 35 解决方案与会战 框架 37 解决方案会战 ：会战 也可以是一种参考架构 38 内网安全认知防御体系全景架构 边缘网络安全接 入（智能组网） 安全监管