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 心，其中浸没式液冷具有明显优势。根据《中国液冷数据中心发展白皮书》，保守估计 2025 年中国液冷数据中心市场规模将达 1283.2 亿元，其 中浸 没式液冷占 526.1 III. 永和股份（ 1 万吨 / 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 括服务器、光模块等 IT 设备及电源 、 制冷、机柜等非 IT 设备。 中游包括为数据中心提供集成服务、运维服务等整体解决方案以及提供云服务等相关服务的供应商。终端用户渗透 多个行业，主要应用于互联网、金融、软件、电力、工业、医疗等行业。 分类方式 种类 相关介绍 按服务 对象 互联网数据中心 (IDC) 由 IDC 服务商搭建，向客户提供互联网基础平 台服务以及各种增值服务的数据中心

用 性。用于部署数据库软件，为各类应用系统提供数据服 务。 2 应用系统服务器 6 用于部署各种应用系统，包括：车辆监控系统、信息发布 系统等。 3 数据整合与交换服务 器 1 用于部署多模式异构数据交换平台，用于外部数据的各种 交换。 4 数据备份服务器 1 用于部署备份软件，为定时进行数据备份及灾难时的数据 恢复提供硬件支持。 5 光纤交换机 2 用于主机系统与磁盘阵列之间的连接。 用于主机系统与磁盘阵列之间的连接。 6 磁盘阵列 1 用于存储数据中心的所有数据。 7 光纤磁带库 1 用于存储备份软件定时备份的数据。 8 42U 标准机柜 2 配套 KVM，PDU，液晶套件等。用于安放机架式服务器、 存储设备及网络安全设备。 9 LDAP 服务器 1 用于 CA 中心的目录服务器 10 GPS 服务器 1 用于部署 GPS 应用的服务器 11 GIS 服务器 1 由于部署 GIS GIS 应用的服务器 12 短信服务器 1 用于收、发短信的服务器 13 信息点办公设备 若干 用于信息点的信息采集的计算机、电话、传真、打印机、 复印件等办公设备。 14 信息点空调及办公家 具 若干 用于信息的日常办公 15 信息点网络交换机 若干 用于信息点网络集成（每个信息的 1 台） 2.2.5 基础设施建设 本项目的的基础设施建设包括总机房建设、信息点建设和网络建设三大部分。

器人的发展脉络，帮助协作机器人产业链相关企业及投资 机构了解当前协作机器人行业的最新态势，把握市场机会，做出正确经营决策。 特别说明：本报告中的大量市场及技术资料，仅供企业经营参考用，望企业不要用于其他商业用途，由此产生的一 切后果高工咨询（GGII）将不予承担！ 宏观外部环境的不确定性和复杂性加剧，高工咨询（GGII）和所有参编企业真诚地祝福每一家志向远大的企业都能 制定出高质量经营决策，不断获得新的成长和成功！ 主要协作机器人厂商出海区域 51 第一章 协作机器人市场概述 第一节 定义及分类 一、协作机器人定义 协作机器人，英文名为 Cobots（Collaborative Robots），是一种设计用于与人类在共同工作空间中安全地进行直接 交互或合作的机器人。协作机器人是工业机器人领域新的分支，与传统的工业机器人相比，协作机器人更强调安全 性、易用性和灵活性，它们能够适应各种工作场景，通常价格更低，体积更小，对人类来说更安全。 基于以上特征，协作机器人极大地促进了人机之间的交互和合作，不仅提升了生产线效率，还能在诸多应用场合中 替代或辅助人类执行重复性、精确度要求高或者对人体有害的工作。随着我国产业智能化升级不断深入，协作机器人 已广泛应用于汽车零部件、3C 电子、精密加工、新能源等工业领域，并不断向商业零售、医疗、教育、农业等领域拓 展。 二、协作机器人分类 近年来，随着下游应用的不断拓展以及技术的不断突破，协作机器人产品类型也开始向多元化发展。根据机器人负

人工智能未来有望赋能化工“研发 - 设计 - 建造 - 运营”全生命周期。 u AI 提升研发效率 在研发环节， AI 可提高研发效率，对实验数据建模，并使用该模型对反应条件进行优化和筛选催化剂等，加速研发进程；还可用于分子设计，并在 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 高生产效率、减 少用人数量、提升安全性、降低能耗等多维度优势。 u AI 在工业中具有巨大潜力 AI 与工业数据的结合有助于有效获得不同变量之间的关系，并预测及优化特定参数。在工业中， 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 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 扩 大， 广泛应用于医疗 、 自动化 、游戏 、过程控制等领域。 图表：人工智能在工业中的应用 人工智能

来，很可能呈 现“AI 驱动者胜出，迟疑者淘汰出局” 的两极分化格局。建议重点关注两类企业：一是积 极搭建 AI 研发团队、投入大量资源探索 AI 与化工融合路径的企业；二是已经将 AI+机器人 应用于生产，实现成本显著降低、产能明显提升的企业。 风险提示：技术发展不及预期；数据风险共享偏差；市场竞争加剧；政策不确定性。 -10% 3% 17% 30% 2024/2 LiFePO4的发展里程碑为例） ..................................................................... 18 图表 17： 材料知识图谱用于锂电池正极材料的发现 ........................ 18 图表 18： 人工智能在制造生产过程中的运用 .............................. 19 图表 模 方法，该技术在运算速度上具有显著优势。在由分子动力学仿真构建的数据库上对神 经网络进行训练，具体可参照图表 3 a。通过训练神经网络，能够生成一个机器学习 模型，该模型可取代传统计算方式，用于推导本构关系。需注意的是，这些本构关系 源于原子尺度，而原子尺度包含的信息远多于宏观尺度。 在训练完成的神经网络中，宏观尺度的问题可直接求解。这可通过有限元法（FEM） 求解实现，即把预测的

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 炭。在原料准备中，选择高品质的焦煤可以优化熔炼过程，提高转 化效率。因此，应当建立与多家焦煤供应商的稳定合作关系，并对 其质量进行监控，以确保在生产过程中能够获得均匀的焦炭质量。 石灰石则是用于去除铁水中的杂质，形成炉渣。因此，在原料 准备中，需要合理控制石灰石的投加量，以确保炉渣的质量和流动 性。 合金元素，如铬、镍、钼等，在某些钢种中也是重要的组成部 分。在原料准备阶段，对于合金元素的采购和配比，需要严格按照 节，可以有效提高铁矿石的选矿效率，提升铁精矿的品位，为后续 的冶炼工序提供优质原料。 2.1.2 焦炭生产 在钢铁生产过程中，焦炭的生产是至关重要的一环。焦炭是通 过将煤进行高温干馏而获得的固态炭素材料，主要用于高炉冶炼铁 矿石，提供还原气体和热量。焦炭的质量直接影响着后续的冶炼效 率和金属品质，因此在焦炭生产过程中需要严格控制各个环节。 焦炭生产的过程主要包括以下几个步骤： 1. 原料选择：选择合适的煤种是焦炭生产的首要步骤。优质焦煤

确保企业在数字化转型过程中稳健发展。 BSC （平衡计分卡）： BSC 是一种战略绩效管理工具，用于将企业战略目标分解为一系列可衡量的关键绩效指标（ KPI ）。业财融 合 平台可以通过整合业务和财务数据，帮助企业监控和分析这些 KPI ，从而实现战略目标。 战略地图：战略地图是一种视觉工具，用于展示企业战略目标之间的因果关系。业财融合平台可以利用战略地图，将业务和财务数据 与企业战略目标相对应，以提供更全面的决策支持。 数据、分析情况并提供决策建议。业财融合平台需要考虑的算法、模型和规则： 会计引擎是业财融合的核心组件，用于处理和记录企业的财务交易。构建会计引擎的方 式有很多种，主要取决于企业的需求、规模以及所采用的会计制度。以下是一些常见的 会计引擎构建方式： 基于规则的会计引擎：这种方式主要依赖预先设定的会计规则和准则，用于处理企业的财务交易。基于规则 的 会计引擎需要手动更新规则和准则，但对于遵循特定会计标准的企业来说，这种方式通常比较简单、直接。 企业来说，这种方式通常比较简单、直接。 基于模板的会计引擎：这种方式使用预定义的会计模板，用于处理不同类型的财务交易。基于模板的会计引擎 可以更灵活地应对各种财务场景，但可能需要更多的维护和更新工作。 基于参数化的会计引擎：这种方式依赖可配置的参数，用于处理企业的财务交易。基于参数化的会计引擎具有 较高的灵活性，可以根据企业的需求和特点进行定制。然而，这种方式可能需要更多的开发和维护工作。

进行实时数据处理，能够确保数据的实时分析与决策支持。例如， 在舆情监控场景中，系统能够实时抓取、分析社交媒体数据，并生 成热点话题的统计报告，供决策者参考。 为了提高数据处理的智能化水平，我们还将集成机器学习算法， 用于数据的自动化分类、聚类和预测分析。例如，通过对历史数据 的训练，模型能够自动识别数据中的关键信息，并进行趋势预测。 这一过程将结合迁移学习技术，利用预训练模型（如 BERT）进行 微调，以提升模型的泛化能力和准确性。 向、实体识别等，这 些标注信息将作为模型训练的重要特征。 在数据标注完成后，需要对数据集进行分割。通常，数据集被 划分为训练集、验证集和测试集三部分。训练集用于模型的学习和 参数优化，验证集用于调整模型结构和超参数，测试集则用于最终 评估模型的性能。合理的划分比例有助于模型在不同阶段得到充分 的训练和评估。  训练集：70%  验证集：15%  测试集：15% 最后，对分 gov.cn）和各省级政府门户网站。 2. 国家统计局：国家统计局网站（www.stats.gov.cn）提供了 大量的经济、社会、人口等领域的统计数据。这些数据具有较 高的权威性和时效性，适合用于模型训练。 3. 公共数据开放平台：许多城市和地区建立了公共数据开放平台， 如北京市公共数据开放平台（data.beijing.gov.cn）和上海市 公共数据开放平台（data.sh.gov

据 的加入不断优化自身表现，确保在实际应用中的持续高效运行。 为了更好地展示 DeepSeek 模型的技术特点，以下列举其关键 特性：  多任务学习能力：支持分类、生成、问答等多种任务，适用于 复杂的政务场景。  高效训练与推理：通过分布式训练和优化算法，缩短训练时间， 提升推理速度。  增量更新与在线学习：支持根据新数据进行模型更新，适应不 断变化的政务需求。  多语 识库构建和信息检索任务中表现出色，为政府部门提供高效、智能 的解决方案。 1.2.2 deepseek 模型的应用场景 deepseek 模型作为一种先进的人工智能技术，具备强大的数 据处理和分析能力，能够广泛应用于电子政务的多个场景中，以提 升政府服务的效率和智能化水平。首先，在政务咨询与服务领域， deepseek 模型可以通过自然语言处理技术，实现对公众咨询的智 能应答，减少人工客服的负担，提高响应速度。例如，市民通过政 掘与整合技术，实现跨部门数据的无缝对接与共享，打破信息孤岛， 为政府提供全面的数据支持。例如，模型可以将不同部门的业务数 据进行整合，形成统一的政务数据平台，为决策提供全面的数据支 撑。 最后，deepseek 模型还可以应用于政府内部管理，通过智能 化的任务分配与绩效考核系统，提升政府工作效率与管理水平。例 如，模型可以根据工作人员的历史表现与当前任务需求，智能分配 工作任务，并通过实时监控与反馈机制，确保任务按时完成。

面地捕捉客户行为、信用记录等多维度信息，显著提升评估精度。 此外，DeepSeek 还可以通过持续学习和优化，动态调整评估模型， 适应市场变化和新的风险特征。 然而，将 DeepSeek 应用于金融贷款评估也面临一定挑战： - 技术实施成本较高，包括硬件投入、系统集成和模型训练等方面； - 数据安全和隐私保护问题尤为突出，需要严格遵循相关法规和行 业标准； - 模型的透明性和可解释性有待提升，以确保评估结果的 随着技术的进一步优化和应用场景的扩展，DeepSeek 有望在金融 贷款评估领域发挥更大的作用，为金融机构提供更加智能化、个性 化的风险管理解决方案。 1.3 本文的目标与结构 本文旨在详细介绍如何将 DeepSeek 技术应用于金融贷款评估 的全流程，以提高贷款决策的效率和准确性。DeepSeek 作为一种 先进的人工智能技术，能够通过深度学习和数据挖掘，从海量数据 中提取有价值的信息，辅助金融机构进行更精准的风险评估和客户 术在贷款评估中的应用价值，并掌握其在实际操作中的具体实施方 法，从而提升整体业务水平。 2. DeepSeek 技术概述 DeepSeek 是一种基于深度学习和人工智能的先进技术平台， 专门设计用于金融领域的风险评估和决策优化。其核心技术架构结 合了大规模数据处理、机器学习算法和高性能计算能力，能够快速 处理和分析海量的结构化和非结构化数据。DeepSeek 平台通过多 层神经网络模型，