破除现有限制瓶颈的方向，将有望最开始明显受益：直接改善效率和提升速度的领域，或将最开始获得切入，目 前对选定方向，重复性测试或者方向性改善的领域，AI 智能化将有望直接缩短研究周期，降低投入成本，建议关 注合成生物方向，农药创制药赛道等；  技术研发的优化或将是智能化落地的主“战场”：AI 智能化对接的基础相对较好，投入成本相对可控，产生的长 远影响相对较大。对应的赛道更多是精细化工材料领域，通过 .... 11 四、行业变革及时解决技术痛点，关注技术智能化升级的机会......................................... 12 4.1、Deepseek 赋能合成生物，加速新品扩展和成本优化 ......................................... 12 4.2、Deepseek 赋能农药创制，或将大幅提升研发效率 ...... 图表 10： 中石化首个 AI 数字员工 ................................................................ 12 图表 11： 合成生物的构建策略 ................................................................... 12 图表 12： AI 智能化学习能够加速底盘细胞的构建

人工智能等技术在新 药研发中的应用。AI 技术在新药研发领域中的应用推动行业快速变革，涉及靶 点发现、蛋白质结构预测、化合物筛选、ADMET 特性预测、临床试验结果预测、 药物重定位、晶型预测和逆向合成分析等多个关键环节。AI 制药技术的应用有 望缩短药物研发周期，降低成本，提高研发成功率。AI 技术使得从药物设计到 临床试验的全流程更加高效，为传统药物研发带来创新变革，并展现出在药物 研发领域的广阔前景和巨大潜力。 7 晶型预测可提供不同于经验规则的新见解 .......................................................... 16 2.8 逆向合成分析可有效优化和创造合成路线 .......................................................... 17 3. CRO 公司加速布局 AI 技术应用 ... 晶型预测与实验研究时间流程对比 .......................................................................... 16 图 15 逆向合成流程概述 ..............................................................................................

了其强大的推理能力和逻辑严谨性。  此外，DeepSeek-R1的自我反思能力使其在复杂查询中表现出色，如儿科临床决策支持中的多层次分析。  医疗数据处理方面，DEEPSEEK 的多模型技术融合成果较好。以金域医学接入 DeepSeek - R1 模型为例，其智能体应用 “小 域医” 在面对个性化临床咨询场景时，借助多模型融合技术能够更精准地理解用户意图。在单项报告解读任务中，结合了图像 度。  加速药物研发：AI 可分析基因数据预测药物疗效和副作用，模拟药物与基因靶点的相互作用，筛选有潜力的药物候选物，缩短 研发周期，提高成功率，还能定制个性化药物治疗方案 DNA测序和合成成本 资料来源：ARK，西南证券整理 基因蕴含生命密码，AI 测序助推精准医学 25 华大智造（688114）：推出αLabStudio，提升效率和数据分析能力 发布AI 大模型产品——αLabStudio AI制药平台 基于腾讯AI Lab自主研发的深度学习算法开发AI驱动临床前新药研发 开放平台“云深智药”，同时提供数据库和云计算支持，主要功能有 蛋白质结构预测、虚拟筛选、分子生成、ADMET预测和合成路线规划 基于华为云AI和大数据技术优势开发华为云“EIHealth”，为基因组 分析、药物研发、临床研究三个领域提供专业AI研发平台 成立负责大健康业务的极光部门，其AI Lab部门在北京、上海、美国

制药平台 基于腾讯AI Lab自主研发的深度学习算法开发AI驱动临床前新药研发 开放平台“云深智药”，同时提供数据库和云计算支持，主要功能有 蛋白质结构预测、虚拟筛选、分子生成、ADMET预测和合成路线规划 基于华为云AI和大数据技术优势开发华为云“EIHealth”，为基因组 分析、药物研发、临床研究三个领域提供专业AI研发平台 成立负责大健康业务的极光部门，其AI Lab部门在北京、上海、美国 成药性及分子结构相关的规律，从而生成新的小分子作为候选药物分子，形成高质量、规模性药物分子化合物库 自然语言处理 化学反应设计 机器学习、深度学习 将药物分子结构映射为可通过机器学习算法处理的形式，形成多条合成路线并推荐最佳合成路线，或在给定反应物的前提下 通过深度学习预测化学反应结果 化合物筛选 机器学习 通过机器学习中的决策树、支持向量机、深度神经网络、随机森林等算法及分子对接、自由能微扰等技术，构建化合物化学 7亿美元，其中临床前研发 成本占整体药物研发成本的30%左右，药物研发的效率提升面临挑战。其中，临床前包括疾病机理研究、靶点发现、化合物筛 选、ADMET预测等多个环节。通过海量药化数据库针对特定靶点药物进行设计、合成和优化相对较为成熟。靶点发现场景有 巨大的市场想象空间，但较少AI企业拥有新靶点和验证能力，技术上面临更多挑战。  临床阶段的AI技术应用难度高，前景广阔。目前临床阶段AI赋能阶段较为有限，主要包括患者分层与招募、药物重定向及数据

应用场景—教师—作业生成及批改 在作业生成方面，可分为选择题、连线题等典型题目和基于模板的作业任务。对于AI易于理解的经典题目而言，教师提供试题范围 及标准，AI即可批量生成标准化题目，并给出对应答案，需要教师进行下一步的试题合成等动作。而对于写作任务等作业模板，教 师勾选、填充作业要求后，即可发布给学生。在作业批改方面，内容上，AI可实现语法、错字、标点等一键识别与修改。数量上， 相比于老师逐份批改耗时耗力，AI可在学生完 师需要单独生成每一种类型的题目或者教案素材，再逐项进行验证校对，并最 终合并，全流程的参与度都较高。Agent在该场景落地后，基于其记忆、规划、执行的能力，可拆解教师的完整指令，并逐项生成、 排序及合成，教师只需最后对成稿进行调整，工作量大幅减少。从学生侧来看，以作文写作练习为例，学生在话题理解、框架构思、 素材运用、指导修改等多个环节都存在指导互动需求，全流程、及时、个性化的指导反馈将大幅提升练习体验和效率。 文本、图片、视频）等多种类型，并上传相关资料 判断题 填空题 图表题 简答题 作业合成 选择题 作业生成闭环示例 选择题 判断题 填空题 简答题 图表解读题 篇章理解题 选择题 判断题 填空题 简答题 图表题 篇章题 单独生成：教师单独提供每一种类型的作业指令 /教案素材，分别指导AI单独生成 1 作业合成：教师对上述生成内容进行验证、逻辑 校对，并按顺序合成一份完整作业 2 Agent按教师要求对不同类型排序，同时校验不同题目/

率20.0%，为行业3倍  23年1-9月，总保费收入42.3亿元，原保费增速45.6% 公司原保费增速远超行业，保费排名历史最佳 www.top100summit.com 经营成本率、综合成本率均为近年来最优水平 113.0% 105.9% 103.1% 99.1% 100.1% 95.0% 97.0% 99.0% 101.0% 103.0% 105.0% 107 104.5% 103.9% 102.6% 95.0% 100.0% 105.0% 110.0% 115.0% 120.0% 近年同期 最低 近五年逐年下降，实现近年最优水平 综合成本率对比 华农保险在仅有10亿元资本金（中资财险公司排名倒数第4）的情况下 www.top100summit.com 公司轻资产模式持续深化，运营效率不断提升 原保费收入（亿元） 849 965

3时达到 • 模仿学习：代码中蕴涵、文字中蕴含 • 提示能力：ICL • 思考能力：CoT  ReACT，Agent  O1的最新进展（GPT-1时刻）：表现是慢思考；本质是合成数据 有些是产品能力，不是模型本身的能力：  RAG  Function Call  等等 01 对AI技术的认知：大模型的能力边界 基于LLM的三层能力做产品：锤子和钉子 可以参照真人快速生成数字人形象，智能匹配口型和手势 • 可以训练真人的声音，调整个性化音色 • 可以根据课件图片自动生成讲解文稿，并辅助教师进行文稿优化 • 可以根据文稿自动生成授课语音并合成授课视频，自动根据语义增加语气词等 03 我们的AI教育实践：智能助教 • 用于7X24的学习陪伴 • 通过人工智能、计算机图形学、动作捕捉技术等手段创建出来的虚拟角色 •

HK 晶泰控股 为客户提供药物发现解决方案、智能自动化解决方案 AI+ 制药 688222.SH 成都先导 成都先导积极推进“DEL+AI”技术融合，搭建全方位化合物合成平台， 构建迭代式“设计-合成-测试-分析”（DMTA）循环模式，未来有望借助 AI 技术在先导化合物筛选、药物分子设计等方面取得更大突破，进一步 提升新药研发效率 301230.SZ 泓博医药 泓博医药

4. 1 大模型金融核心应用场景 ? 业务场景简单的非决策类环节 据英伟达调研， 43% 的金融机构已开始使用大模型，主要用于报告生成 (37%) 、客户体验及 活跃度优化 (34% ) 、合成数据生成 (33% ) 和营销 (32% ) ; 行业影响方面，据埃森哲， GenAI 对美国银行、保险、软件及资本市场相关行业的影响处于最前沿 ; 工作场景方面，办公与行政、销售相关、计算机与数学、商业与金融业务等受 慧提升运营效率，又能为中长尾投资者提供便 利专业服务 Capital One :Eno 美国银行 :Erica 富国银行 数字合成 合成数据等虚拟生成技术的出现，可以降低人 工治理和标注的成本，缓解专有数据获取成本 高的问题 摩根大通 Mastercard 英国合成数据商 Synthesized l 在短期聚焦核心价值链，重点围绕效率革命与体 验升级展开，战略重点是在获客、风控、服务三大环

体）、图像生成（如风格迁移、图像超分辨率增强）、人脸识别（用 于安全验证和身份识别）、医学影像分析（辅助医生诊断疾病）等 3.1 大模型的行业应用领域 （3）语音识别 大模型在语音识别领域也有应用，如语音识别、语音合成等。通过 学习大量的语音数据，大模型可以实现高质量的跨语言翻译和语音 识别以及生成自然语音 （4）推荐系统 大模型可以用于个性化推荐、广告推荐等任务。通过分析用户的历史 行为和兴趣偏好，大 然语言处理和语音合成技术），自动 生成和处理语音内容的技术。它能够模拟人类语音，实现语音到文本的转换、文本到语音的合成， 以及语音情感分析等功能，广泛应用于智能语音助手、智能客服、语音翻译等多个领域 8.4 语音类AIGC应用实践 应用场景 01 智能语音助手 07 智能驾驶舱 与车载语音助手 02 智能客服 06 语音分析与情感识别 03 语音合成 与转换 05