聚 11866 万条数 据 ，数据接 口 累 计 被 调 用 4648 万次 水管理平台建设 进展成效（ 1161 ） ： 1 个统一水利数 据仓 水利数据共享交换平台 同步上线 ，数据超市已上架 729 个数据共享服务 ，逐步开放在线申 请 水管理平台建设 进展成效（ 1161 ） ： 1 个统一水利数 据仓 统一地图建设 ，集 成 全省重要水利工程 、 乡 镇 级以上河流水系等数据 级以上河流水系等数据 ， 并接入水管理平台 。 水利工程 ： 6.4 万个 河 流 水 系 ： 9 4 0 0 条 水管理平台建设 进展成效（ 1161 ） ： 1 个统一地图 服务 水管理平台建设 进展成效（ 1161 ） ： 1 个统一工作 门户 手机端（ 浙政钉移动端 ） PC 端（ 浙政钉 PC 端 ） 平台布局（统一门户）突出开放性 ，支持各处室、各级水 利主管部门在统一框架标准下实施数据入仓、 模块上架 ；初步实现水管平台与钱塘江 防洪减灾数两大平台整合。 水管理平台建设 进展成效（ 1161 ） ： 1 个统一工作 门户 移 动 端 22 模块上线 5 数字看板 9 办公应用 8 公共服务 PC 端 43 模块上线 6 大业务 +1 个公共服 务 14 个处室

阶段。对AI制药开发的分子类型统计发现，2023年AI技术在小分子药物的发现中应用较 多，67项临床研究中22项为小分子药物发现、4项为抗体发现、6项为疫苗发现。 ◼ 投资建议：关注AI制药领域进展及具备潜力的海内外前沿公司。以“AI+CRO”、“AI+Biotech”为典型的商业模式，AI制药涌现出了一批优 秀的上市/非上市公司。除此之外，以赛诺菲、GSK、强生为代表的大药企亦在积极布局A I制药领域，一方面运用AI技术加强数据管理决策并 深度融合至药物开发流程之中，一方面不断加强与AI制药专业公司合作，运用后者专业的技术平台，赋能药物发现和临床试验。建议关注AI 制药领域进展及具备潜力的海内外前沿公司：晶泰控股-P、皓元医药、药石科技、药明康德、成都先导等。 请务必阅读正文之后的免责声明及其项下所有内容 医疗健康是AI最大的应用领域 01 AI为药物发现带来时间及效率变革 analysis and emerging lessons. Drug Discov Today. 2024 Jun;29(6):104009，国信证券经济研究所整理 图：AI制药开发药物的临床进展 数据来源：Kp Jayatunga M, Ayers M, Bruens L, Jayanth D, Meier C. How successful are AI- discovered drugs

研究前沿综述：寻找科学的结构 124 报告研究团队 134 2025 ① 引用核心论文的论文，也称引文。 1. 背景 科学研究的世界呈现出蔓延生长、不断演化的景 象。科研管理者和政策制定者需要掌握科研的进展和 动态，以有限的资源来支持和推进科学进步。对于他 们而言，洞察科研动向、尤其是跟踪新兴专业领域对 其工作具有重大的意义。 为此，科睿唯安发布了“研究前沿”（Research Fron 展（或者是萎缩、消散），以及分化和自组织成更新 的研究活动节点。在演进的过程中，每组核心论文的 基本情况，如主要的论文、作者、研究机构等，都可 以被查明和跟踪。同时，通过对该研究前沿的施引论 文 ①的分析，可以发现该领域的最新进展和发展方向。 2013 年科睿唯安发布了《2013 研究前沿⸺自然 科学和社会科学的前 100 个探索领域》白皮书。2014 年和 2015 年科睿唯安与中国科学院文献情报中心成立 的“ 决策中起着至关重要的作用。传统的病害诊断方法通 常依赖专家人工进行目视检查，费时费力且容易受到 主观因素的影响。近年来，深度学习作为人工智能的 一个分支，其快速发展为植物病害的自动化检测提供 了新的解决方案，并取得了较大进展。即使是植物保 护和统计专业水平不高的研究人员也可以利用深度学 习技术，自动提取植物病害点的图像特征和分类，免 去传统图像识别技术的特征提取和分类器设计的大量 工作。同时，深度学习可以表达原始图像特征，具有

其中，该系统的核心技术是使用 CBCT 影像通过 AI 生成高质量的合成 CT 影像，基于此 影像在线生成单次治疗高精度靶区和器官轮廓，预测单次照射的剂量，以及评估多个分 次的累积剂量，从剂量学维度评估患者放射治疗执行的进展，为患者的放射治疗方案调 整和定制 ART 方案提供剂量学的临床决策依据。 图表 8 人工智能在放疗领域中的扩展应用（上） 16 图表 9 人工智能在放疗领域中的扩展应用（下） 资料来源：公开信息整理 家主流制药 AI 公司新增管线/适应症 。 2.3.3 策略变化 面对下行的融资形势，许多制药 AI 企业制定符合自身形势的战略计划，在尽可能压缩 成本的同时维持研发。 作为国内 AI 药物管线进展最快之一的埃格林医药，其核心管线 EG301、501、101 均借 助 AI 技术实现了降本增效。埃格林医药表示，通过 AI 技术优化临床试验设计，新的策 27 略只需进行 100 人规模的关键性临床试验，而原方案预计需要 技术探索人类生物学，旨在发现能够 治疗一些最致命疾病的疗法。 6 月，英伟达参与了 Vilya 的 A 轮融资，助力企业加速专有的计算药物设计和开发平台 及其精确靶向疾病生物学的新型大周期管道的进展；同月，2024 年上半年排名第五的 AI 制药融资中，再次出现它的身影，从事 AI+蛋白质结构预测的 EvolutionaryScale 种 子轮融资 1.42 亿美元，英伟达参投。 7 月，其又参与了分子数据库提供商

.................. 19 图表 19： AI 在工业中的各类运用 ....................................... 20 图表 20： 科学方法的进展 .............................................. 21 请务必阅读报告末页的重要声明 4 / 29 行业研究|行业深度研究 图表 陷。这项研究的核心目的是借助石墨烯薄片的热振动拓扑，来预测缺陷所处位置。研 究人员通过对石墨烯薄片进行分子动力学仿真，发现了任意分布的空位，同时计算出 了每个原子的振动能量。 该研究取得了突破性进展，提出了两种预测策略：一种是基于原子层面，通过原子索 引来构建数据；另一种是基于域的层面，通过域离散化来构建数据。从原子尺度过渡 到包含多个原子的域尺度，在捕捉薄片中的多个空位时，展现出了极高的准确性。需 目前国内已有相关研究成果。近日，哈尔滨工业大学（深圳）刘兴军教授和张海军教 授等人在 Science China Materials 发表综述论文，系统地梳理了材料科学中小样 本学习策略的研究进展，包括集成学习、无监督学习、主动学习和迁移学习，并提出 了未来研究的方向，如少样本学习和虚拟样本生成。此外，还强调了将材料领域知识 嵌入机器学习的重要性。 小样本学习能从多方面推动材料研发的

方批准。项目计划阶段，需制定详细的项目计划，包括时间表、资 源分配、成本预算和风险管理计划。项目执行阶段，需严格按照计 划执行，确保各项任务按时完成，同时进行有效的沟通和协调。项 目监控阶段，需实时跟踪项目进展，及时发现和解决问题，确保项 目按计划推进。项目收尾阶段，需进行项目总结和评估，确保项目 成果符合预期，并形成完整的项目文档。 在风险控制方面，需从技术风险、数据风险、安全风险和合规 风险等 标准、违 反内部政策等，需通过合规审查、法律咨询和政策培训等手段进行 控制。 为确保项目管理和风险控制的有效性，需建立一套完整的监控 和评估机制。具体措施包括：  定期召开项目进展会议，审查项目进展和风险状况，及时调整 项目计划和风险控制策略。  建立项目风险管理台账，记录已识别风险、风险等级、应对措 施和风险状态，定期更新和评估。  引入第三方审计和评估机构，对项目管理和风险控制进行独立 在进度管理方面，采用敏捷开发与瀑布模型相结合的方式，以 提高灵活性和可控性。每周召开项目例会，审查任务完成情况，及 时发现并解决问题。使用项目管理工具（如 Jira 或 Trello）跟踪任 务进展，确保团队成员对当前任务的优先级和截止日期有清晰认知。 为应对潜在的进度延误，需制定风险管理计划，明确应对措施，如 增加资源投入或调整任务优先级。 为确保阶段性目标的达成，需设定关键绩效指标（KPI），例

成本效益优化：通过资源整合和算法优化，降低整体运营成本， 提升性价比。 通过实现上述目标，DeepSeek 智算一体机将显著提升医疗场 景中的数据计算能力，助力医疗机构在精准医疗、智慧医院等领域 取得突破性进展。 1.2 市场需求分析 在当前的医疗行业中，随着数据量的爆炸性增长和人工智能技 术的广泛应用，医疗场景对于高效、智能的计算平台需求日益迫 切。传统的数据处理方式已无法满足现代医疗对于实时性、准确性 在交互反馈方面，设备应提供即时的操作反馈。例如，当用户 点击某个按钮时，设备应通过声音、震动或视觉变化等方式确认操 作已被接收。对于长时间运行的任务，设备应提供进度条或剩余时 间提示，帮助用户了解任务进展情况。 最后，设备应具备良好的扩展性和兼容性。用户界面设计应预 留扩展接口，方便未来功能的添加或升级。同时，设备应支持与医 院现有的信息系统无缝对接，确保数据的流畅传输和共享。通过以 上设计，确保医疗场景下的 此外，跨团队协作的协调难度也不容忽视。医疗场景下的深度 智能计算一体机项目通常需要多学科团队的紧密合作，包括软件工 程师、硬件工程师、医学专家和产品经理等。不同团队的工作节 奏、优先级和沟通效率可能存在差异，导致项目进展不一致。例 如，医学专家的需求变更可能需要在后期的开发阶段重新调整算 法，从而影响整体进度。 为有效管控项目进度风险，建议采取以下措施：  制定详细的项目计划：在项目启动阶段，制定详细的项目计

四、央企 AI 应用需求驱动 ................................................................. 20 五、央企 AI 应用落地进展 ................................................................. 22 第三章：AI 赋能央企数智化转型路径与挑战 ..... 赋能央企数智化转型——迈向世界一流企业的智能引擎 22 五、央企 AI 应用落地进展 主要结论：央企的落地按“内部基础筹备→非核心业务转型→核心生产业务攻坚→外 部生态协同”的步骤逐步递进，当前有 25%的央企还处在基础筹备阶段，40%的央企进展 到非核心业务智能化阶段，而 25%的央企已经进展到核心生产业务智能化阶段，10%的央 企已开始向产业链端进行赋能。 （一）AI 赋能央企数智化转型落地阶段

测试效率，特别是对于重复性高、覆盖面广的测试场景，如回归测 试和性能测试。同时，手动测试也不可忽视，特别是针对用户体验 和界面交互的测试。 在测试执行过程中，定期召开测试评审会议，分析测试进展、 发现的问题以及风险点。测试团队与开发团队保持紧密沟通，确保 问题能够及时反馈并得到修复。对于影响系统核心功能或安全性的 问题，需优先处理，并在修复后进行回归测试，确保问题得到彻底 解决。 销毁，以支持多次迭代测试。 最后，集成测试将通过与开发团队、运维团队和安全团队的协 作，确保发现的问题能够及时修复，并验证修复后的系统是否满足 设计要求。测试团队将定期召开测试评审会议，分析测试进展和结 果，并根据反馈调整测试策略，以确保电子政务系统与 DeepSeek 模型的知识库集成能够稳定、高效地运行。 6.2.3 系统测试 在系统测试执行阶段，针对电子政务接入 DeepSeek 第 2-3 个月：数据整合与预处理，模型训练；  第 4-5 个月：系统开发与集成；  第 6 个月：测试与部署；  第 7 个月及以后：运维与优化。 项目将采用动态调整策略，根据实际进展和外部环境变化，及 时优化计划，确保项目按时高质量完成。 7.1.1 资源调配与人员安排 在项目实施阶段，资源调配与人员安排是确保项目顺利推进的 关键环节。首先，需明确项目所需的主要资源类型，包括硬件设备、

的设计需求。在这一背景下，将深度学习大模型引入建筑设计流 程，不仅可以解决当前行业面临的技术瓶颈，还可以为未来的智能 化设计提供坚实的基础。 1.2 大模型技术发展趋势 近年来，大模型技术在人工智能领域取得了显著进展，尤其是 在自然语言处理、计算机视觉和生成式建模等方向。基于深度学习 的 Transformer 架构成为大模型的核心技术基础，其强大的并行 计算能力和上下文理解能力，使得模型在处理复杂任务时表现出  数据增强：通过数据增强技术，增加训练数据的多样性，从而 提高模型的泛化能力。例如，可以对建筑布局进行旋转、缩放 等操作，生成不同形式的数据。  动态权重调整：在训练过程中，根据各个任务的进展情况动态 调整损失函数的权重。例如，当某个任务的训练效果较差时， 可以适当增加其权重，以促进模型在该任务上的学习。 此外，可以通过引入元学习（Meta-Learning）策略，进一步 优化多 88 通过上述分析，设计师可以清晰地看到不同方案的成本差异， 并结合项目需求做出最优决策。 此外，deepseek 模型还支持动态成本监控功能。通过与项目 管理系统集成，模型可以实时跟踪项目进展和实际支出，及时发现 成本偏差并发出预警。例如，当某一施工环节的材料使用量超出预 算时，系统会自动分析原因并提供调整建议，如优化施工流程或调 整资源分配。 最后，为了确保成本优化的可持续性，deepseek