1.1 天文学与天体物理学领域 Top 10 热点前沿发展态势 085 1.2 重点热点前沿⸺“基于超新星光变曲线数据约束宇宙学参数” 086 1.3 重点热点前沿⸺“通过直接探测实验寻找低质量暗物质候选粒子” 089 数学 1. 热点前沿及重点热点前沿解读 095 1.1 数学领域 Top 10 热点前沿发展态势 095 1.2 重点热点前沿⸺“现代机器学习中的双降曲线与泛化现象研究” 120 2. 新兴前沿及重点新兴前沿解读 123 2.1 新兴前沿概述 123 2.2 重点新兴前沿⸺“生成式人工智能在商业领域的应用实践与风险治理” 123 附录 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 的高温超导特性研究 43 1757 2023.6 2.2 重点新兴前沿――“双层镍氧化物 La3 Ni2 O7 的高温超导特性研究” 超导研究一直是凝聚态物理领域的重要前沿方 向，科学家持续致力于寻找具有更高超导转变温度的 超导体和揭示超导机理。目前，常规超导体常压下的 超导转变温度纪录为 39K，非常规超导体的超导转变 温度纪录保持者是铜氧化物，常压下为 133K。非常规 超导体主要包括铜氧化物高温超导体、铁基超导体和

1 2 3 战略 组织 机制 策略落地 “通过数字化转型评估模型建设，落实行 动指标与战略目标的关联，推动转型落地” www.top100summit.com 核心实践 基于企业战略寻找数字化转型的“北极星指标”，并最终实现决策引领 ✓ 综合衡量产品的用户价值及商业目标，度量业务长期健康度；将业务目标数据化，并通过数据的表现，反向指导业务 方向 ✓ 在指标体系中引入“北极星” 涵盖了从框架到方法、到策略、到能力、 到指标的逐层解析，同时引入度量中台， 实现与业务经营指标之间的衔接； • 聚焦于转型规划及评估。 • 是行业大量实践经验的总结和提炼，并 工具化，缩短寻找战略方向的时间和试 错成本； • 大量策略集和指标集的推出，丰富了数 字资产； • 聚焦于转型规划后的落地； • 标准化及参数化设计实现可复用，并实 现人机交互，降低应用门槛，解决行业

园区历史设备与系统情况复杂，各建筑的智能化设备拥有 多个管理平台； 希望通过能源管理系统，寻找节能降碳的潜力和空间。 实现各项碳排数据和能源数据的完整性，真实性，透明性； 降低运维管理成本； 助力实现西门子2030碳中和目标。 客户挑战： 对多场景（厂房，办公，实验室，食堂等）实现有差异化的精 细能源管理; 希望通过能源管理，了解工厂用能结构，寻找节能降碳的潜 力和空间; 希望对重点能耗设备进行参数监控和分析，为节能技改项

适应症上看，肿瘤、免疫学及神经病学领域占比最大，分别为37%、21%和14%。随着全球肿瘤疾病负担日益提升，发现癌症 的治疗方法是21世纪最重大的公共卫生挑战之一；免疫学排在第二位，21%的公司将其AI技术用于寻找免疫学疾病的治疗。 AI技术在各药物发现阶段、多疾病领域广泛应用 按药物发现阶段划分的700家AI制药公司 AI在药物开发中涉及的疾病领域 AI 制药：AI在多疾病领域广泛应用 资料来源：Deep 通过机器学习，在蛋白质的原始信息中提取关键特性以精准构建模型，进行功能的推断、预测及分类 大数据 通过深度学习，从大量患者样本及生物医学资料中整理筛选相关基因组学、蛋白质组学、代谢组学等多组学数据，分析疾病 与非疾病间差异，或寻找可对疾病产生影响的蛋白质 基于表型的药物发现 机器学习 通过机器学习，直接使用生物系统进行药物筛选，在表型筛选中关联细胞表型和化合物作用方式，获得靶点、信号通路或遗 传疾病相关聚类 分子生成 利用机器人云实验室实现样品分析自动化 信息的收集与汇总 高效的时间与资源信息管理 • 从数千个不相关的数据源中形成观点 • 改善决策 • 消除研究中的盲点 现有药物的再利用 寻找现有药物的规模化新应用 • 迅速确定新的适应症 • 将现有药物与罕见疾病相匹配 • 在100+细胞疾病模型中平行测试1000+化 合物 资料来源：Deep Pharma Intelligence，西南证券整理

适应症上看，肿瘤、免疫学及神经病学领域占比最大，分别为37%、21%和14%。随着全球肿瘤疾病负担日益提升，发现癌症 的治疗方法是21世纪最重大的公共卫生挑战之一；免疫学排在第二位，21%的公司将其AI技术用于寻找免疫学疾病的治疗。 AI技术在各药物发现阶段、多疾病领域广泛应用 按药物发现阶段划分的约700家AI制药公司 AI在药物开发中涉及的疾病领域 AI 制药：AI在多疾病领域广泛应用 资料来源：Deep 通过机器学习，在蛋白质的原始信息中提取关键特性以精准构建模型，进行功能的推断、预测及分类 大数据 通过深度学习，从大量患者样本及生物医学资料中整理筛选相关基因组学、蛋白质组学、代谢组学等多组学数据，分析 疾病与非疾病间差异，或寻找可对疾病产生影响的蛋白质 基于表型的药物发现 机器学习 通过机器学习，直接使用生物系统进行药物筛选，在表型筛选中关联细胞表型和化合物作用方式，获得靶点、信号通路 或遗传疾病相关聚类 分子生成 利用机器人云实验室实现样品分析自动化 信息的收集与汇总 高效的时间与资源信息管理 • 从数千个不相关的数据源中形成观点 • 改善决策 • 消除研究中的盲点 现有药物的再利用 寻找现有药物的规模化新应用 • 迅速确定新的适应症 • 将现有药物与罕见疾病相匹配 • 在100+细胞疾病模型中平行测试1000+化 合物 资料来源：Deep Pharma Intelligence，西南证券整理

XXX 笔 预测 统计型 归因型 预测型 决策型 透支余额 同比 -10% 户均额度 XXX 万 卡量增长 YY% DeepSeek 能做吗？注意力机制类似指标树结构，都是寻找变 量之间的关系 行业影响：缩小技术 鸿沟，推动生态变革 04 中小银行逆袭机会 低成本模型赋能 DeepSeek 的低成本特性，使中小银行无需巨 额算力投入即可享受先进 AI 技术，显著降低技

按照应用领域的不同，大模型主要可以分为L0、L1、L2三个层级 是指可以在多个领域和任务上通用 的大模型。它们利用大算力、使用 海量的开放数据与具有巨量参数的 深度学习算法，在大规模无标注数 据上进行训练，以寻找特征并发现 规律，进而形成可“举一反三”的强 大泛化能力，可在不进行微调或少 量微调的情况下完成多场景任务， 相当于AI完成了“通识教育” 通用大模型L0 是指那些针对特定行业或领域的大 Operator的主要功能包括自主完成诸如采购杂货、提交费用报表、订票、买日用品、 填写表格等任务，旨在通过自动化操作提升日常生活和工作效率。它还可以一边在 StubHub搜索勇士队比赛门票，一边处理网球场预订、寻找清洁服务和DoorDash订餐， 实现多任务并行处理 5.4 智能体产品 2025年2月3日，OpenAI发布了一款新的智能体产品——Deep Research。Deep Research由OpenAI 在交互式辅助诊断环节，传统诊断方式是医生在显微镜下逐 张查看切片，完成诊断后再人工录入报告。而 RuiPath能够 提前精准识别病灶区域，单切片AI诊断时间仅需数秒。这使 得医生的工作模式从在镜下逐个寻找病灶，转变为以互动方 式审核AI诊断结果，从 ‘逐片诊断（Slide by slide）’ 模 式升级为‘逐步审核（Step by step）’ 模式，显著提升了 诊断效率与质量 7. 大模型典型应用案例

动策略，一旦失控将带来极大的安全威胁。从幻觉、指令注入到物理世界 失控，AI智能体正在将传统AI的安全风险系统性地放大。一是智能体自主 决策可能引发目标偏离与失控风险。2025年OpenAI金融智能体Operator在 执行“寻找便宜鸡蛋”指令时，将“便宜”等同于“批量采购”，擅自下 089 单30美元的鸡蛋（实际市场价仅5美元）。二是智能体可进化性带来不可 逆持续运行风险。2025年5月OpenAI的推理模型在安全测试中拒绝执行关

确定环境智能在 2025 年至 2028 年期间提供投资回报 （ROI） 的 信息影子和早期用例，并试点最有前途的示例。将其视为某些当前 或计划中的射频识别 （RFID） 用例的潜在替代品。  寻找由实时信息启用的新分析机会（例如，与对象的使用方式、存 储方式和位置以及资产的位置和使用位置有关）。这项技术将加速 “隐形分析” 的趋势。  分析此技术的任何拟议用途对隐私、弹性和数据保护的影响。确保 家工厂 的关键标准作程序 （SOP） 以及维护和质量工作说明数字化。这代表 着从手动和纸质流程到一线工作人员的手持和移动设备的全面转变，并 提高了运营效率。整合工作流程自动化和改进对数据和分析的访问，以 寻找有针对性的改进机会。 这非常强调变革管理，同时提高了 9,000 多名工厂员工的技能。由于效 率和数据访问的提高，一些网站缩短了新员工的入职时间，而其他网站 则报告每月节省超过 100 个工时。 ACWF

并迅速转化为具有实际操作性的策略与行动， 以实现人机协同 的最大 化效益 。 问 探索性：“ 问 ”体现了对知识的主动探求，尤其是在使用 AI 时 ，用户通过提问来挖 掘数据 、寻找答案或解决问题。 互动性：提问是用户与 AI 系统进行交互的一种方式 ，通过提问， 用户可以引导 AI 提 供更符合需求的信息。 开放性：好的问题往往是开放性的 ，能够激发新的思考和发现，不局限于已有的知